Gemini Omni Flash ist da: KI-Videoschnitt per Konversation

So funktioniert Gemini Omni Flash

Gemini Omni Flash ist kein simpler Bild-Zusammenführer. Die zugrundeliegende Architektur ist ein Transformer-basiertes Modell, das beliebige Kombinationen aus Text-, Bild-, Audio- und Video-Eingaben gemeinsam verarbeitet, um einen einzigen, kohärenten Output zu produzieren . Google argumentiert, dass dies dem Modell eine Art von „weltgestütztem“ Verständnis verleiht – es wendet Regeln aus Physik, Bewegungslehre, Geschichte und kulturellem Kontext an, um generierte Szenen plausibel zu halten .

Konkret kombiniert es die Logik-Engine von Gemini mit bewährten generativen Medienmodellen wie Veo, Nano Banana und Genie . Heraus kommt ein System, das eine Texteingabe, ein Referenzbild, eine Audioprobe und einen bestehenden Videoclip gleichzeitig verarbeiten und zu einem neuen 10-Sekunden-Clip mit synchronisiertem Ton verweben kann .

Jedes von Omni Flash erzeugte Video ist unsichtbar mit Googles SynthID-Technologie wasserzeichenmarkiert – das hilft bei der Herkunftsbestimmung und Kennzeichnung KI-generierter Inhalte . Eine derzeitige technische Grenze ist die Dauer von 10 Sekunden; laut Google ist dies jedoch eine Designentscheidung für den Start, keine grundsätzliche Modellbeschränkung .

Wichtig zu wissen: Man kann zwar Video mit synchronem Ton generieren, das Modell erlaubt aber derzeit nicht, Sprache oder Audio innerhalb eines generierten Videos unabhängig zu editieren – eine Fähigkeit, die Google bewusst zurückhält .

Wer Zugriff bekommt – und was es kostet

Google hat Gemini Omni Flash am Tag der Ankündigung weltweit ausgerollt, verteilt auf kostenfreie und kostenpflichtige Stufen .

• Kostenloser Zugang: Nutzerinnen und Nutzer ab 18 Jahren können das Modell kostenlos über das YouTube-Shorts-Remix-Tool und die YouTube-Create-App verwenden .
• Google AI Plus: Abonnentinnen und Abonnenten erhalten Zugriff über die Gemini-App und Google Flow für 7,99 $ pro Monat .
• Google AI Pro: Dieser Tarif bietet ebenfalls Zugriff auf denselben Plattformen für 19,99 $ monatlich .
• Google AI Ultra: Eine höherpreisige Abonnement-Stufe mit Modellzugriff; ein konkreter Preis wird in den frühen Quellen noch nicht genannt .

Der API-Zugang für Entwickler und Unternehmen ist noch nicht live. Google spricht von einer Einführung „in den kommenden Wochen“ über die Gemini API und Vertex AI – ein bekanntes Muster früherer Gemini-Veröffentlichungen .

Leica zieht eine Trennlinie zwischen Tradition und Smartphone

Nur wenige Wochen nach Googles Ankündigung meldete sich eine andere Denkschule zu Wort. Bei der Vorstellung des Xiaomi 17T Pro Ende Mai 2026 in Wien – einem Telefon, das sowohl mit Leica-optimierten Kameras als auch mit Gemini-Omni-Funktionen ausgestattet ist – machte Leica seinen Standpunkt zu generativer KI unmissverständlich klar .

Marius Eschweiler, Vice President Business Unit Mobile bei der Leica Camera AG, erläuterte die Markenphilosophie: Leica stehe für authentische Bilder, die die Realität abbilden . Mit Blick auf Werkzeuge wie Omni zog er einen direkten Kontrast: „Höchstwahrscheinlich werden Sie es nicht auf einer Leica-M-Kamera sehen.“ Er betonte das Engagement der Marke für optische Handwerkskunst und die Reinheit des eingefangenen Moments .

Die Technologie pauschal abzulehnen, liegt Leica jedoch fern. Die Führung des Unternehmens räumte ein, dass generative KI auf einem Smartphone absolut sinnvoll sei. In einem Ökosystem, in dem Computational Photography längst Standard ist, wirkt KI-gestützte Kreation und Bearbeitung wie eine natürliche Evolution der Nutzererfahrung – kein Bruch mit der Tradition . Daraus ergibt sich eine klare Doppelstrategie: Klassische Leica-Kameras bleiben das puristische Instrument zur Lichterfassung, während Telefone zur Leinwand für KI-gestütztes Schaffen werden.

Die Roadmap: Pro, Ultra und was noch kommt

Google hat ungewöhnlich offen kommuniziert, dass das Flash-Modell nur der erste Schritt ist. Sowohl Sundar Pichai als auch DeepMind-CTO Koray Kavukcuoglu beschrieben Omni als eine Modellfamilie, die letztlich darauf ausgelegt sei, „alles aus jeder Eingabe zu erschaffen“ .

Konkret bedeutet das zwei Hauptrichtungen für die nahe Zukunft:

• Über Video hinaus: Während Flash mit 10-sekündigen Videoclips startet, hat Google bereits angekündigt, dass die Omni-Familie in künftigen Versionen auch Bilder und Text generieren wird .
• Leistungsfähigere Modelle: Auf der Roadmap stehen die Varianten Omni Pro und Omni Ultra. Sie werden leistungsfähiger sein als das aktuelle Flash-Modell, das innerhalb der Familie die schnellste und kostengünstigste Stufe darstellt .

Auf einer übergeordneten Ebene betrachtet Google Omni als Schritt in Richtung vollwertiger „Weltmodelle“ – Systeme, die nicht nur Medien erzeugen, sondern Umgebungen modalitätsübergreifend verstehen, simulieren und mit ihnen interagieren können . Im Moment liegt der Fokus darauf, die Formate zu erweitern, die Omni generieren kann, und Entwicklern API-Zugang zu verschaffen.