Gemini Omni 1.1 Flash ist Googles produktionsreifes Modell für schnelle Videogenerierung, dialogbasierte Bearbeitung, Interpolation und Szenenverlängerung. Das stabile API-Modell gemini-omni-1.1-flash erschien am 27. August 2026 und ergänzt 360p-Entwürfe, hochskalierte 1080p-/4K-Ausgabe, Start-/Endbild-Generierung und längere Geschichten durch Erweiterungen.
Bei Poyo.ai beginnt das neue Modell ohne Videoeingabe bei 45 Credits ($0.225) für vier Sekunden. Es ist ein eigenes Modell und nicht die frühere omni-flash-Integration. Alle IDs, Preise und Funktionen hier gelten nur für gemini-omni-1.1-flash.
Stand: 31. August 2026. Vor dem Produktiveinsatz sollten aktuelle Anfragefelder, regionale Verfügbarkeit, Sicherheitsgrenzen und Preise geprüft werden.
Gemini Omni 1.1 Flash im Überblick
| Merkmal | Details |
|---|---|
| Entwickler | Google DeepMind |
| Stabile Modell-ID | gemini-omni-1.1-flash |
| Veröffentlichung | 27. August 2026 |
| Aufgaben | Text-/Bild-zu-Video, Bearbeitung, Interpolation, Verlängerung |
| Eingaben | Text, Bilder und Video; bis zu 10 Sekunden Videokontext für Bearbeitung und Verlängerung |
| Ausgabe | Video mit nativem Audio |
| Länge | 3-10 Sekunden je Generierung |
| Auflösung | 360p, 720p, 1080p und 4K |
| Bildrate | 24 FPS |
| API | Gemini Interactions API |
| Kontextfenster | 1.048.576 Tokens |
| Herkunft | SynthID in generierten Videos |
Was macht das Modell besonders?
Es erzeugt und verändert Videos per natürlicher Sprache aus Text, Bildern, vorhandenem Video oder kombinierten Referenzen. Nach einem ersten Clip lassen sich Licht, Objekt oder Hintergrund im Dialog ändern oder die Szene fortsetzen. Die Interactions API erhält den Zustand über previous_interaction_id.
Native Multimodalität, dialogbasierte Kontrolle und Geminis Weltwissen sind die zentralen Stärken. Schnelle Körperbewegungen, Hand-Objekt-Kontakt, langfristige Identität und komplexe Physik müssen dennoch getestet werden.
Die wichtigsten Neuerungen in 1.1
Verlängerung mit mehr Kontext
Das Modell kann eine vorhandene Szene ab den letzten Frames fortführen und dabei laut Google bis zu zehn Sekunden vorherigen Videokontext analysieren. Im dokumentierten Google-Ablauf sind Erweiterungen in Zehn-Sekunden-Schritten bis insgesamt 40 Sekunden möglich. Gesicht, Kleidung, Requisiten, Licht, Kameratempo und räumliche Kontinuität sollten an jeder Naht geprüft werden.
Interpolation zwischen Start- und Endbild
Zwei geordnete Bilder definieren Anfang und Ende; der Prompt beschreibt Kamera- und Motivbewegung dazwischen. Das eignet sich für Kamerakreise, Produktenthüllungen, Loops, Ortswechsel und präzise Anschlüsse.
360p-Entwürfe, 1080p und 4K
Google zufolge kann 360p im eigenen Ablauf bis zu 60 % schneller und ungefähr ein Drittel so teuer wie 720p sein. 1080p und 4k werden als hochskalierte Ausgaben beschrieben. Erst Bewegung und Inhalt freigeben, dann die finale Auflösung bezahlen.
Videoreferenzen
Kurze Referenzvideos lassen sich mit Bildern und Text kombinieren, um Bewegung, Rhythmus oder visuellen Kontext zu übertragen, der in Worten schwer zu beschreiben ist.
Preise bei Poyo.ai
Bei Poyo.ai gilt 200 Credits = $1. Der Preis hängt von Videoeingabe und 4K-Ausgabe ab.
Ohne Videoeingabe
| Auflösung | 4 Sek. | 6 Sek. | 8 Sek. | 10 Sek. |
|---|---|---|---|---|
| 360p / 720p / 1080p | 45 / $0.225 | 60 / $0.30 | 75 / $0.375 | 90 / $0.45 |
| 4K | 105 / $0.525 | 120 / $0.60 | 135 / $0.675 | 150 / $0.75 |
Ohne Videoeingabe teilen 360p, 720p und 1080p dieselbe Preisstufe. 360p eignet sich zum schnellen Testen, 1080p für die Ausgabe nach Freigabe des Prompts.
Mit Videoeingabe
| Auflösung | Preis je Generierung |
|---|---|
| 360p / 720p / 1080p | 120 Credits / $0.60 |
| 4K | 180 Credits / $0.90 |
Videoeingaben werden pauschal pro Generierung statt nach der obigen Dauer berechnet.
Vergleich mit Googles veröffentlichtem Preis
Googles Standard Gemini API nennt für 720p-Video effektiv etwa $0.10 pro Sekunde. Poyo.ai liegt ohne Videoeingabe bei 720p je nach Dauer rund 44-55 % darunter.
| Dauer | Poyo.ai pro Sekunde | Differenz zum Google-Preis für 720p |
|---|---|---|
| 4 Sek. | $0.05625 | 43,75 % niedriger |
| 6 Sek. | $0.05000 | 50 % niedriger |
| 8 Sek. | $0.04688 | 53,13 % niedriger |
| 10 Sek. | $0.04500 | 55 % niedriger |
Der Vergleich gilt ausschließlich für 720p ohne Videoeingabe. Für 360p, hochskaliertes 1080p/4K und Bearbeitung darf dieselbe Ersparnis nicht behauptet werden.
Empfohlener Produktionsablauf
- Eine Hauptaufgabe wählen: Erzeugen, Animieren, Interpolieren, Bearbeiten oder Verlängern.
- Klare Referenzen ohne unnötige Schnitte vorbereiten.
- Szene, Kamera, Timing und Audio getrennt beschreiben.
- Kurz und niedrig aufgelöst testen; nur strukturell richtige Ergebnisse finalisieren.
- Identität, Hände, Kleidung, Text, Schatten, Hintergrund, Lippen/Audiosynchronität und Erweiterungsnähte prüfen.
Szene: [Motiv, Umgebung, Licht, wichtige Objekte]
Kamera: [Einstellung, Objektivgefühl, Bewegung, erlaubte Schnitte]
Timing: [Handlung je Zeitabschnitt]
Audio: [Dialog, Atmosphäre, Effekte oder kein Dialog]
Beispiel für eine dialogbasierte Änderung
Person, Kamerabewegung, Timing und Raum unverändert lassen. Nur den roten Stuhl durch eine verwitterte Holzbank ersetzen. Beleuchtung, Schatten, Reflexionen und Kontaktpunkte an das Original anpassen.
Migration vom Preview-Modell
Google stellt gemini-omni-flash-preview am 30. September 2026 ein und nennt gemini-omni-1.1-flash als Ersatz. Modell-ID in allen Umgebungen ändern, jede Eingabeart und Auflösung separat testen, zwei geordnete Bilder für Start/Ende prüfen, Upload-/Erweiterungsgrenzen verifizieren, Audio und Sicherheitsantworten vergleichen, Budgets neu berechnen und Preview-Fallbacks entfernen.
Grenzen und verantwortungsvolle Nutzung
- Schnelle Bewegung, Hände und Objektkontakte können fehlerhaft sein.
- Identitäten können in langen oder stark bearbeiteten Sequenzen driften.
- Upscaling korrigiert keine inhaltlichen Fehler.
- Bearbeitung kann regional unterschiedlich verfügbar sein.
- Laut Google ist Englisch vollständig unterstützt; andere Sprachen sind nicht gleich umfassend bewertet.
- Sicherheitsfilter gelten, generierte Videos enthalten SynthID.
Nutzungsrechte für Personen, Stimmen, Darstellungen, Marken und Quellmaterial einholen. Das Modell nicht zur Identitätsvortäuschung oder Verfälschung realer Ereignisse verwenden.
Häufige Fragen
Wie lautet die Modell-ID?
gemini-omni-1.1-flash. Sie unterscheidet sich von gemini-omni-flash-preview und Poyo.ais früherem omni-flash.
Unterstützt das Modell 4K?
Ja: 360p, 720p, 1080p und 4K. Google beschreibt 1080p und 4K als hochskalierte Ausgaben.
Was kostet es bei Poyo.ai?
Ohne Videoeingabe beginnen 360p/720p/1080p bei 45 Credits ($0.225) für vier Sekunden, 4K bei 105 Credits ($0.525). Mit Videoeingabe kosten normale Auflösungen 120 Credits ($0.60), 4K 180 Credits ($0.90).
Mit Poyo.ai starten
Günstig entwerfen, Bewegung freigeben, jeweils nur eine Änderung vornehmen und 4K erst für die fertige Szene nutzen. Öffnen Sie die Gemini Omni 1.1 Flash-Modellseite, um das Modell zu testen, das aktuelle Anfrageschema zu prüfen und einen API-Schlüssel zu erstellen.