Ein Produkt austauschen, das Licht ändern, ein anderes Seitenverhältnis wählen: Laut dem Google-Blog lässt sich derselbe Clip bei Gemini Omni 1.2 Flash Zug um Zug verfeinern, statt für jede Korrektur von vorn zu beginnen. Das funktioniert über vollständige 15-Sekunden-Clips, wie derselbe Blog ergänzt. Konkret heißt das für dich: Du erzeugst den Clip einmal, und jede weitere Anpassung setzt an dieser Fassung an, statt einen neuen Durchlauf zu starten. Das teilt blog.google mit.

Der Google-Blog nennt als Beispiel Werbevarianten für verschiedene Zielgruppen und Platzierungen, die ohne neues Briefing und ohne Neu-Generieren entstehen. Wer dieselbe Szene in mehreren Fassungen braucht, arbeitet damit an einem Clip weiter, dessen Ausgangsmaterial schon feststeht, statt jede Variante als eigenen Entwurf zu beginnen.

Referenzen statt Zufall

Damit Figuren, Produkte und Sprache nicht bei jedem Durchlauf neu entstehen, nimmt Gemini Omni 1.2 Flash Charakterbilder, Produktfotos, kurze Bewegungsclips von bis zu drei Sekunden und Audio-Hinweise als Eingaben und hält diese Referenzen laut dem Google-Blog über die gesamte Generierung hinweg. Auch beim Ton soll das Modell nachbessern: Flüssigere, natürlicher klingende Dialoge mit klarerem Lip-Sync und der Fähigkeit, zwischen mehreren Sprechern zu unterscheiden, nennt der Google-Blog als Ziel. Gesichter, Kleidung, Verpackungstypografie und Markenfarben sollen über verschiedene Kamerawinkel hinweg konsistent bleiben, schreibt das Unternehmen – das Technikportal The Decoder gibt diese Angabe als Erwartung an das Modell wieder.

Bei der Kamera verspricht der Google-Blog komplexe, kontinuierliche Bewegungen wie FPV-Flythroughs, dramatische Zoom-Outs und Orbits mit deutlich weniger unerwünschten Jump Cuts, stabilerem Maßstab und einem polierteren, filmischen Look. Wer schon einmal eine Szene wegen eines einzigen Sprungs im Bild neu gerendert hat, erkennt, worauf diese Zusage zielt.

Ob die tatsächliche Performance diese Herstellerangaben einlöst, müssen unabhängige Tests zeigen.

Für wen der Start zählt

Wer das Modell ausprobieren will, kann laut dem Google-Blog in Google AI Studio prototypisieren, interaktive Starter-Apps erkunden und die Entwicklerdokumentation sowie die Preise einsehen. Unternehmen bietet Google demselben Blog zufolge die Google Cloud Console zum Testen und die API zum Bauen von Unternehmenslösungen an. Erstmals ist Gemini Omni allgemein verfügbar, gestützt auf die unternehmensgerechte Infrastruktur und Sicherheit von Google Cloud – so beschreibt es der Google-Blog.

Die Entwicklung läuft laut Google weiter, um schnelle Sportaktionen, rasche Skriptänderungen und komplexe Physik zu verbessern. Google zufolge ist Gemini Omni 1.2 Flash dennoch für Unternehmen, Entwickler und Kreative gedacht, die Videos in großem Umfang produzieren.