Google · Gemini Omni 1.1 Flash
Videos aus jeder beliebigen Eingabe erstellen und bearbeiten
Google Omni Flash ist ein Modell für Videogenerierung, -bearbeitung und -erweiterung – Text, Bilder oder ein Clip rein, Video mit eigener Sprache, Musik und Soundeffekten raus. Version 1.1 ergänzt die Szenenerweiterung auf 40 Sekunden, Kontrolle über das erste und letzte Frame sowie die Ausgabe in 1080p und 4K.
Live im Videostudio, in Canvas und im MCP-Connector
- 3s
- 10s
- 20s
- 30s
- 40s
Beschreibe Szene, Kamera, Beleuchtung und Stimmung. Das passende Audio wird dazu generiert.
Das Bild dient als Leitfaden oder Startpunkt; der Prompt gibt an, was sich bewegt.
Das Modell animiert vom ersten bis zum letzten Frame – Umkreisungen, Zooms, nahtlose Schleifen.
Personen und Objekte in den Fotos bleiben über den gesamten Clip hinweg konsistent.
Bearbeitungen behalten alles bei, was du nicht erwähnt hast; die Verlängerung fügt jeweils 10 Sek. hinzu.
Was Google in Omni integriert hat
Drei Dinge, mit denen die Modellkarte und der Launch-Beitrag beginnen, und warum sie für einen langen Clip wichtig sind. Jede Aussage unten stammt von Google; das Rendering weiter unten ist von uns.
Zehn Sekunden Speicher zwischen den Abschnitten
Omni 1.1 analysiert bis zu 10 Sekunden des vorherigen Kontextes, wenn es eine Szene erweitert – frühere Modelle bezogen sich nur auf die letzte Sekunde. Deshalb behält eine 40-sekündige Kette über vier Etappen hinweg denselben Kapitän, dasselbe Schiff und dasselbe Grading bei.
Physik und Weltwissen
Google beschreibt ein intuitives Verständnis von Schwerkraft, kinetischer Energie und Strömungsmechanik, kombiniert mit Geminis Wissen über Geschichte, Wissenschaft und Kultur – Wasser, das wie Wasser ausbricht, eine Galeone, die sich wie ein Schiff krängt.
SynthID und C2PA bei jedem Clip
Jedes generierte Video enthält das unsichtbare SynthID-Wasserzeichen von Google und unterstützt Content Credentials (C2PA), sodass ein Hauptclip mit überprüfbarer Herkunft veröffentlicht werden kann – eine Anforderung auf immer mehr Plattformen.
Quellen: Googles Beiträge „Introducing Gemini Omni“ und „Gemini Omni 1.1 Flash lets you build with more control“, die DeepMind-Modellkarte und die Modellseite der Gemini Enterprise Agent Platform.
Zwei Demonstrationen, direkt aus dem Modell
Beide wurden auf Popcraft generiert und werden wie geliefert gezeigt – keine Bearbeitung, keine hinzugefügte Musik. Der Trailer ist eine einzelne 40-Sekunden-Anfrage bei 1080p. Das Paar auf der rechten Seite ist ein 5-Sekunden-Clip und derselbe Clip nach einer Szenenerweiterung auf 25 Sekunden.
Jede Länge bis zu 40 Sekunden. Popcraft verkettet es für dich.
Im Ankündigungs-Post von Google wird es als Szenenerweiterung bezeichnet: Videos wachsen „in 10-Sekunden-Schritten auf eine kumulierte Gesamtlänge von bis zu 40 Sekunden“. Auf Popcraft musst du das nie manuell verwalten. Wähle mit einem Schieberegler eine beliebige Länge von 3 bis 40 Sekunden und Popcraft verkettet den Erweiterungsprozess automatisch auf Basis deines einzelnen Prompts. Anschließend erhältst du eine Datei, eine Geschichte, einen Soundtrack. Hier ist der Trailer an sechs verschiedenen Punkten.
1s
8s
15s
22s
29s
36sJede Länge, automatisch verkettet
Wähle 3 bis 40 Sekunden und Popcraft führt im Hintergrund die Erweiterungskette von Google für dich aus – keine Etappen zu planen, keine Clips aneinanderzufügen – und du zahlst nur für die gelieferten Sekunden.
Produktionsauflösung
„Ausgefeilte, hochauflösende 1080p- oder 4K-Ausgaben, die bereit für die professionelle Produktion sind“, wie Google es ausdrückt. Auf Popcraft laufen 4K-Ketten bis zu 30 Sekunden.
Erster und letzter Frame
Neu in 1.1: Lege Start- und Endframe einer Aufnahme fest und Omni generiert ein durchgehendes Video dazwischen — komplexe Kameraumläufe, Zoom-Übergänge, nahtlose Schleifen.
Sprache, Musik, Soundeffekte
Auf der Modellkarte als zusammen mit dem Bild generiert aufgeführt. Steuere es im Prompt — ein spielendes Radio, kein Dialog, nur Umgebungsgeräusche — und es folgt den Anweisungen.
Bringe deine eigenen Bilder oder Videos mit
Dasselbe Modell liest Referenzen, bearbeitet und erweitert. Der Rat von Google lautet, auf Prompting zu setzen: Benenne, was bleiben soll, benenne, was sich ändern soll, und sage „erweitern“, wenn du erweitern meinst.
Subjektreferenz
Füge Fotos einer Person, eines Produkts oder eines Ortes hinzu und beschreibe die Szene. Das Modell hält Personen und Objekte konsistent durch den gesamten Clip, auch über die Abschnitte eines langen Clips hinweg.
Kein Trainingsschritt, keine Charakterdatei. Zwei Fotos desselben Motivs aus verschiedenen Winkeln halten besser als eines.
Die Frau auf den Referenzfotos geht zur goldenen Stunde an einem Strand auf die Kamera zu, der Wind weht in ihrem Haar, Wellen hinter ihr.
Videobearbeitung
Füge einen Clip an und gib an, was geändert werden soll. Googles eigener Rat: „Einfache Prompts funktionieren am besten bei der Videobearbeitung“ – das Modell bewahrt die Elemente, die du nicht erwähnt hast.
Die Ausgabe behält die Länge und das Framing der Quelle bei und wird nach dieser Länge abgerechnet.
Lass es stark schneien. Belasse alles andere unverändert.
Szenenerweiterung
Füge einen Clip an und wähle eine längere Gesamtdauer. Das Original bleibt Frame für Frame erhalten, neues Material wird in 10-Sekunden-Abschnitten angehängt, wobei der Ton fortgeführt wird, und das Modell liest bis zu 10 Sekunden des Clips für die Kontinuität ein.
Sag „erweitern“ – Popcraft fügt es im Bedienfeld „Video erweitern“ für dich hinzu, wenn du es vergisst, denn ohne dieses Wort behandelt das Modell die Anfrage als Bearbeitung. Die Erweiterung wird nur am Ende angehängt.
Verlängere dieses Video: Führe genau dieselbe Szene fort, während das Boot den Steg erreicht und die Crew die Leinen an Land wirft.
Omni neben Seedance 2.5 und Veo 3.1
Drei Modelle, die alle Audio zum Bild generieren. Der Vorteil von Omni ist die Szenenerweiterung auf 40 Sekunden und 4K-Ausgabe aus einem einzigen Modell; Seedance punktet bei der Anzahl der Referenzen und der bereichsgenauen Bearbeitung; Veo überzeugt durch Frame-Steuerung bei 8 Sekunden. Wähle nach der jeweiligen Aufgabe.
| Leistungsfähigkeit | Gemini Omni 1.1 Flash | Seedance 2.5 | Veo 3.1 |
|---|---|---|---|
| Längster Clip aus einer Anfrage | 40 s durch Szenenerweiterung (30 s bei 4K) | 30 s | 8 s |
| Höchste Auflösung | 4K (3840×2160), bis hin zu einer 360p-Entwurfsstufe | 1080p | 1080p |
| Natives Audio | Sprache, Musik, Soundeffekte | Ja | Ja |
| Referenzbilder | Bis zu 10 | Bis zu 30 (+10 Video, +10 Audio) | Bis zu 3 |
| Referenzvideos | Bis zu 3 | Bis zu 10 | 1 (Erweiterung) |
| Videobearbeitung | Dialogorientiert; behält bei, was du nicht erwähnt hast | Steuerbar, bereichsgenau | — |
| Videoerweiterung | 10-s-Schritte bis 40 s, 10 s Kontext | Davor oder danach, bis zu 30 s | +7 s pro Schritt |
| Herkunft | SynthID + C2PA Content Credentials | — | SynthID |
Die Omni-Zahlen stammen von Googles Modellseite und Launch-Beitrag; die Popcraft-Limits entsprechen dem, was die Auswahl derzeit bietet. Die Obergrenzen der Anbieter ändern sich; die Auswahl zeigt immer an, was aktuell verfügbar ist.
Wo sich eine lange, ausführliche Einzelanfrage auszahlt
Alles, was früher fünf Clips und ein Zusammenfügen bedeutete.
Landingpage-Hero
Jede Länge von 3 bis 40 Sekunden (30 bei 4K) mit eigenem Soundtrack in einer einzigen Datei. Stelle den Regler auf 24 und Popcraft verkettet die Erweiterungen automatisch für dich.
Trailer und Teaser
Ein vollständiger Spannungsbogen – Einleitung, Enthüllung, Höhepunkt – in einem einzigen durchgehenden Rendering mit anschwellender Musik im Hintergrund.
Spots mit einem konsistenten Star
Ein paar Fotos des Produkts oder der präsentierenden Person sorgen dafür, dass diese in jedem Shot identisch bleiben.
Gestalte neu, was du gefilmt hast
Wetter, Kleidung oder Tageszeit auf realem Bildmaterial geändert, Länge und Kamera unberührt.
Ideen visuell aufgeschlüsselt
Im Ankündigungs-Post von Google wird dies besonders hervorgehoben: „überzeugende Erklärvideos aus kurzen Prompts“ mit Bildmaterial, das eine komplexe Idee verständlich aufschlüsselt.
Prompting für eine Kette
Googles Leitfaden empfiehlt Szenenbeschreibung, Kamerabewegung, Beleuchtung und Stimmung und bietet eine Timecode-Syntax für Ereignisse. Alles Weitere hier stammt aus dem obigen Trailer: Er hat getan, was wir verlangt haben, und unsere Anweisungen neu angeordnet, weil wir pro Abschnitt zu viel verlangt haben.
Eine Aktion pro 10 Sekunden, mit Zeitcodes
Schreibe die Beats als zeitgesteuerte Sequenz — Googles eigener Leitfaden dokumentiert die [0-3s] … [3-6s] …-Syntax. Jeder 10-Sekunden-Abschnitt erhält eine klare Aufgabe; das Modell plant die Abschnitte anhand des Prompts, also gib ihm den Plan.
Setze den Look (Grading, Objektiv, Stimmung) in eine kurze Zeile am Ende, nicht in einen Absatz am Anfang. Gib eine durchgehende Einstellung entsprechend an: „in einer einzigen durchgehenden Einstellung, keine Szenenschnitte“.
Eine Piratengaleone in einem Sturm bei Dämmerung, Totenkopf-Flagge, zerrissene schwarze Segel. Ein einziger durchgehender Shot, keine Schnitte.\n[0-10s] Das Schiff bricht durch die Wellen; die Kamera steigt zum Deck auf.\n[10-20s] Der barttragende Kapitän am Steuer brüllt einen Befehl; die Crew brüllt zurück.\n[20-30s] Er öffnet eine eiserne Truhe am Bug; sie quillt über vor roten Cranberries.\n[30-40s] Ein feindliches Schiff feuert; Cranberries spritzen in Zeitlupe davon, während er sein Entermesser hebt.\nOptik: anamorphe Linseneffekte, Teal-and-Amber-Farbkorrektur, Orchestermusik, kein Text auf dem Bildschirm.
Ein dichter Trailer-Absatz
Das haben wir tatsächlich für den obigen Trailer gesendet: fünf Abschnitte, die Enthüllung einer Truhe, ein feindliches Schiff und ein Finale in einem einzigen durchgehenden Absatz. Das Modell behielt das Schiff, den Kapitän und das Color Grading bei und mischte die Reihenfolge neu.
Der Cranberry-Spray-Effekt landete bei 8 Sekunden; die Truhe hat sich nie eindeutig geöffnet. Dichte Prompts schlagen nicht fehl, sie werden komprimiert.
Hollywood-Blockbuster-Trailer, „Pirates of the Cranberries“. Epischer Realfilm-Cinematic-Look: anamorphe Lens Flares, tiefe Teal-and-Amber-Farbkorrektur, volumetrischer Seenebel, 35mm-Filmkorn… [fünf Beats, ein Absatz, 240 Wörter]
- Sag „erweitern“
- Bei einer Erweiterung fungiert das Wort als Schalter. Popcraft fügt es im Bedienfeld „Video erweitern“ hinzu, falls es fehlt; bei der Verwendung über die API oder MCP musst du es selbst schreiben. Die Erweiterung wird nur am Ende angehängt – ein Voranstellen gibt es nicht.
- Auch Frames brauchen Worte
- Zwei Bilder dienen als Motivreferenzen, außer du sagst „erster Frame“ und „letzter Frame“ und beschreibst den Übergang.
- Den Ton steuern
- Googles Leitfaden: „Standardmäßig versucht das Modell, eine passende Tonspur zu generieren.“ Verwende einfache Verneinungen – „kein Dialog“, „keine zusätzlichen Soundeffekte“ – oder benenne genau, was du möchtest: ein laufendes Radio, Regen auf Canvas, das Ansteigen von Streichern.
- Bearbeitungen einfach halten
- Erneut aus Googles Leitfaden: „Zu detaillierte Prompts können zu unbeabsichtigten Änderungen führen.“ Benenne die Änderung, füge „alles andere unverändert lassen“ hinzu und fertig.
Was es kostet
Omni wird pro gelieferter Sekunde nach Auflösung abgerechnet. Da Popcraft nur Längen anbietet, die das Modell exakt erreichen kann, entspricht der Preis, den du vor der Generierung siehst, genau dem Preis, den du zahlst.
Entwürfe und Social Media. Ein 10-Sekunden-Clip kostet 150 Credits; die vollen 40 Sekunden kosten 600.
Finale Qualität. Der 40-Sekunden-Trailer oben kostet 920 Credits – eine Anfrage, inklusive Ton.
Nativ 3840×2160 für Hero-Platzierungen. Begrenzt auf 30 Sekunden; eine vollständige 30-Sekunden-4K-Kette kostet 1.350 Credits.
Häufig gestellte Fragen
Googles Videomodell, von DeepMind beschrieben als „unser nächster Schritt hin zu Modellen, die aus jeder Eingabe alles erstellen und bearbeiten können — angefangen bei Video“. Ein Modell deckt Text-zu-Video, Bild-zu-Video, Interpolation zwischen dem ersten und letzten Frame, Subjektreferenz, Videobearbeitung und Szenenerweiterung ab und erzeugt mit jedem Clip Sprache, Musik und Soundeffekte. Version 1.1, veröffentlicht am 27. August 2026, fügte Erweiterung, Keyframes und 1080p/4K-Ausgabe hinzu.
Jeder Generierungsdurchlauf dauert bis zu 10 Sekunden; die Szenenverlängerung erweitert ein Video in 10-Sekunden-Schritten auf kumulativ bis zu 40 Sekunden. Auf Popcraft wählst du einfach eine beliebige Länge von 3 bis 40 Sekunden auf einem Schieberegler aus, und Popcraft verkettet den Verlängerungsprozess automatisch ausgehend von deinem einzigen Prompt; der Schieberegler bietet nur Längen an, die das Modell liefern kann, und du zahlst nur für die Sekunden, die du erhältst. Bei 4K stoppt die Kette bei 30 Sekunden, und Videos mit Erst- und Letztframe sind ein einzelner Durchlauf, dauern also 3 bis 10 Sekunden.
Standardmäßig ja – in der Anleitung von Google heißt es, dass das Modell „versuchen wird, eine passende Tonspur zu generieren“, und die Modellkarte führt Sprache, Musik und Soundeffekte auf. Steuere es über den Prompt, einschließlich „kein Dialog“ oder „keine Musik“, wenn du Stille wünschst. Du kannst Audio später auch auf der Popcraft-Timeline ersetzen oder überlagern.
Füge einen Clip an und wähle die gewünschte Gesamtlänge. Das Original bleibt Frame für Frame erhalten und vollständige 10-Sekunden-Abschnitte werden am Ende angehängt, wobei bis zu 10 Sekunden des Clips für die Kontinuität eingelesen werden. Ein 5-Sekunden-Clip wird daher zu 15, 25 oder 35 Sekunden – niemals 20. Popcraft bietet nur die Längen an, die das Modell liefern kann, und berechnet genau diese. Erweiterungen werden nur am Ende angehängt.
Ja. Hänge die Quelle an und beschreibe die Änderung. Google empfiehlt einfache Bearbeitungs-Prompts und den Zusatz „alles andere so belassen“; das Modell bewahrt die Elemente, die du nicht erwähnt hast. Das Ergebnis behält Länge und Framing des Originals bei und wird nach der Länge des Quellclips abgerechnet. Das Bearbeiten gesprochener Dialoge wird nicht unterstützt.
4K wird mit 3840×2160 gerendert und kostet pro Sekunde das Dreifache der 720p-Rate, da die dreifache Rechenleistung benötigt wird. Jeder 4K-Abschnitt dauert upstream mehrere Minuten, sodass die Kette bei 30 Sekunden stoppt. Für jede Länge und Auflösung wird der Credit-Preis angezeigt, bevor du generierst.
Weil jeder 10-Sekunden-Abschnitt eine Erweiterung des vorherigen ist und das Modell die Beats selbst plant. Gib ihm eine klare Aktion pro 10 Sekunden mithilfe der Timecode-Syntax von Google und verzichte auf Füllwörter der Filmsprache. Dichte Trailer mit fünf Beats werden komprimiert oder umstrukturiert; drei Beats über 30 Sekunden bleiben erhalten.
Jedes Omni-Video enthält das unsichtbare SynthID-Wasserzeichen von Google und unterstützt C2PA Content Credentials, die die Herkunft verifizieren, ohne das Aussehen des Clips zu beeinträchtigen. Kostenpflichtige Abonnements von Popcraft gewähren kommerzielle Rechte an den von dir generierten Videos; Downloads im kostenlosen Tarif enthalten ein sichtbares Popcraft-Wasserzeichen, das bei kostenpflichtigen Abonnements entfernt wird. Du bleibst verantwortlich für die Ähnlichkeit und die Inhalte in deinen Prompts und Referenzmedien.
Bereit für eine Anfrage statt fünf Clips?
Beginne mit 10 Sekunden bei 720p, beurteile das Ergebnis und erweitere dann die Szene – oder bringe einen Clip mit, der dir bereits gefällt, und erweitere diesen.
Weiter erkunden
Ähnliche Modelle
Seedance 2.5 generiert bis zu 30 Sekunden Video in einem einzigen Durchgang, mit bis zu 50 Referenz-Assets, steuerbarer Videobearbeitung, hochpräziser zeitlicher Verlängerung, jedem Seitenverhältnis von 0,4 bis 2,5 und nativem Prompting in über 10 Sprachen. Jetzt live auf Popcraft.
MiniMax H3 generiert 2K-Videos mit 24 fps und synchronisiertem Stereo-Soundtrack — Effekte, Atmo und Dialoge in einem Schritt. Multi-Shot aus einem Prompt, 5 bis 15 Sekunden. Jetzt auf Popcraft.
Generiere filmreifes 4K-Video aus Text, Bildern oder Clips mit Seedance 2.0 auf Popcraft. Nativ synchronisierter Ton, Multi-Shot-Sequenzen und gestochen scharfes Detail bis 4K (2160p).
Seedance 2.0 Mini ist die schlankeste Videostufe von ByteDance – bis zu 50 % günstiger als das Standard-Seedance 2.0 und ~2× schneller als Fast, mit Text-, Bild-, Video- und Audio-Prompting. Live auf Popcraft.