Gemini Omni Flash 1.2, von Google als Gemini Omni 1.2 Flash geschrieben, erschien am 5. November 2026, zehn Wochen nach 1.1. Das Modell bleibt im Kern gleich: Es erzeugt Video mit synchronem Originalton aus Text, Standbildern oder kurzen Clips und lässt sich per Folge-Prompt nachschärfen. Neu sind die Obergrenzen, kein neuer Trick. Eine Generierung reicht bis 15 Sekunden, eine Bearbeitung betrifft den ganzen Clip, und eine Sekunde in 720p kostet etwa 30 % weniger. Für Erklärvideos, Produktspots und Social-Content lohnt sich deshalb ein genauer Blick auf beide Versionen.
Gemini Omni 1.2 Flash vs 1.1: die vier wichtigsten Änderungen
15 statt 10 Sekunden. Eine einzelne Generierung dauert jetzt 3 bis 15 volle Sekunden, Standard sind 10. Version 1.1 war bei 10 Sekunden gedeckelt. Zehn Sekunden sind oft nur ein Fragment, das Sie verlängern müssen, bevor es als Szene trägt. In 15 Sekunden passen Anfahrt, Wendung und Ankunft, sodass mehr Einstellungen in einem Durchgang gelingen.
Die Bearbeitung betrifft den ganzen Clip. In 1.2 wirkt ein Folge-Prompt über alle 15 Sekunden und kann sogar das Seitenverhältnis einer freigegebenen Fassung ändern. Der Hochkant-Schnitt zum Querformat-Master ist damit eine Bearbeitung und keine zweite Generierung.
Referenzen drehen sich um Personen. Version 1.2 nimmt bis zu sechs Referenzbilder pro Anfrage an, davon drei für jede von bis zu zwei Figuren. Version 1.1 nannte zehn Bilder. Das Referenzvideo hängt jetzt an der Ausgabelänge: Bei 11 bis 15 Sekunden gilt ein Referenzvideo von bis zu drei Sekunden, bei 3 bis 10 Sekunden sind es bis zu drei.
Der Preis ist gesunken. Google nennt für 720p rund 0,07 $ pro Sekunde, gegenüber etwa 0,10 $ bei 1.1. Ein 360p-Entwurf kostet rund 0,023 $. Ein 15-Sekunden-Clip in 720p liegt damit bei ungefähr 1,04 $.
Die Spezifikationen im direkten Vergleich
| Omni Flash 1.2 | Omni Flash 1.1 | |
|---|---|---|
| Angekündigt | 5. November 2026 | 27. August 2026 |
| Modell-ID | gemini-omni-1.2-flash | gemini-omni-1.1-flash |
| Clip pro Generierung | 3 bis 15 s, Standard 10 s | 3 bis 10 s |
| Verlängerung | 3 bis 10 s pro Schritt, insgesamt bis 30 s | 10 s pro Schritt, insgesamt bis 40 s |
| Reichweite der Bearbeitung | Der ganze Clip, inklusive Seitenverhältnis | Dieselbe Einstellung |
| Referenzbilder | 6 pro Anfrage; je 3 für bis zu 2 Figuren | Bis zu 10 |
| Referenzvideos | 1 Clip mit 3 s bei 11 bis 15 s Ausgabe; 3 Clips darunter | Bis zu 3 Clips mit je 3 s |
| Auflösung | 360p und 720p nativ; 1080p und 4K hochskaliert | 360p und 720p nativ; 1080p und 4K hochskaliert |
| Seitenverhältnisse | 16:9, 9:16 | 16:9, 9:16 |
| Preis pro Sekunde in 720p | Rund 0,07 $ | Rund 0,10 $ |
| Preis pro Sekunde in 360p | Rund 0,023 $ | Nicht je Auflösung veröffentlicht |
| Audio | Nativ, klarere Lippensynchronisation, Konditionierung für mehrere Sprecher | Nativ, Dialog und Musik in einem Durchgang |
| Audio-Eingabe | In der aktuellen API nicht unterstützt | Nicht unterstützt |
| Wasserzeichen | SynthID | SynthID |
| Auf Morphic | Noch nicht | Verfügbar in der Modellauswahl für Video |
Auflösung und Seitenverhältnis bleiben gleich. Das sagen wir bewusst deutlich: Wenn 720p in 16:9 bisher genügte, zwingt das Ausgabeformat Sie nicht zum Wechsel.
Was gleich bleibt
Beide Modelle erzeugen Video samt Ton in einem Durchgang und nehmen Standbilder sowie kurze Clips als Eingabe. Sie interpolieren zwischen einem Start- und einem Endbild und lassen sich per Folge-Prompt in einfacher Sprache weiter verfeinern. Beide kennzeichnen jede Ausgabe mit SynthID. Dialog und Text im Bild funktionieren zuerst auf Englisch, andere Sprachen gelingen ungleichmäßig. Keines der beiden Modelle nimmt einen Audio-Upload an oder bearbeitet eine Stimme über die API.
Auch die Schwächen bleiben. Google nennt schnelle Sportszenen, Skripte mit abruptem Richtungswechsel und komplexe Physik als noch in Entwicklung. In Menschenmengen driften verfolgte Motive weiterhin ab, bei beiden Versionen. Das Bearbeiten und Verlängern von selbst hochgeladenem Material ist im EWR, in der Schweiz und im Vereinigten Königreich nicht verfügbar.
Eine Änderung bricht ältere Prompts: Die Tags in spitzen Klammern, die ein Bild an eine Rolle banden, sind veraltet. Google verlangt stattdessen, die Aufgabe jeder Datei in normaler Sprache zu beschreiben.
Welche Version Sie nutzen sollten
Für neue Projekte nehmen Sie 1.2, und die Entscheidung ist kaum eine. Das Modell ist länger, pro Sekunde günstiger und hält ein Gesicht oder ein Label bei Kamerabewegungen besser, bei gleichen Ausgabeformaten. Gründe für 1.1 sind eher historisch als praktisch, denn Google leitet Anfragen an 1.1 ab dem 3. Dezember 2026 auf 1.2 um.
Entscheidend ist, wo Sie generieren. Version 1.2 steckt in der Gemini API und kommt schrittweise in Googles eigene Apps. Im Morphic-Katalog ist sie noch nicht. Version 1.1 ist dort, die Prompt-Struktur der Familie und der native Ton stehen Ihnen auf Morphic also heute zur Verfügung, neben Veo 3.1, Seedance 2.5 und Kling. Ein Briefing für 1.2 lässt sich weitgehend übernehmen: Aufbau, Audio-Regie und die Gewohnheit, pro Schritt nur eine Sache zu ändern, gelten weiter. Nicht übertragbar sind die 15 Sekunden Länge und die Aufteilung der Referenzen.
Gemini Omni auf Morphic nutzen
Gemini Omni Flash 1.1 finden Sie in der Modellauswahl für Video auf Morphic. Schreiben Sie die Einstellung als Briefing inklusive Ton und generieren Sie. Der Take landet auf dem Canvas, wo dasselbe Briefing zum direkten Vergleich durch ein anderes Modell laufen kann. Verfeinern Sie in Folge-Prompts, jeweils mit einer gezielten Änderung.
Die Prompt-Mechanik erklärt die Anleitung zu Gemini Omni Flash 1.2. Alle Daten finden Sie auf der Modellseite zu Gemini Omni Flash 1.2 und der Modellseite zu Gemini Omni Flash 1.1.
Häufig gestellte Fragen
Nach allem, was Google veröffentlicht hat, ja: Eine Generierung reicht bis 15 statt 10 Sekunden, Bearbeitungen wirken über den ganzen Clip, die Stabilität bei Kamerabewegungen wird als besser beschrieben, und eine Sekunde in 720p kostet etwa 30 % weniger. Die Ausgabeformate sind identisch, bei Auflösung und Seitenverhältnis müssen Sie also nichts abwägen.
Laut Google nicht: Das Bearbeiten und Verlängern von selbst hochgeladenem Material ist im EWR, in der Schweiz und im Vereinigten Königreich nicht verfügbar. Das gilt für 1.1 und 1.2. Prüfen Sie vor einem Projekt mit eigenem Footage die aktuellen Angaben von Google, da sich solche Einschränkungen ändern können.
Etwa 30 % pro Sekunde. Google nennt für 720p rund 0,07 $ gegenüber etwa 0,10 $ bei 1.1. Ein 10-Sekunden-Clip kostet damit rund 0,70 $, ein 15-Sekunden-Clip rund 1,04 $. Entwürfe in 360p liegen bei etwa 0,023 $ pro Sekunde, 1080p und 4K werden als Hochskalierung höher berechnet.
Google hat angekündigt, dass Anfragen an das 1.1-Modell ab dem 3. Dezember 2026 automatisch an 1.2 weitergeleitet und zu den Preisen von 1.2 abgerechnet werden. Das ist eine Umleitung und keine Abschaltung. Für neue Arbeiten gibt es über die API aber keinen Grund mehr, 1.1 anzusteuern.
Weniger Bilder, dafür sinnvoller aufgeteilt. Version 1.2 dokumentiert sechs Referenzbilder pro Anfrage, je drei für bis zu zwei Figuren, während 1.1 zehn nannte. Das Referenzvideo richtet sich jetzt nach der Länge: ein Clip mit bis zu drei Sekunden bei 11 bis 15 Sekunden Ausgabe, darunter bis zu drei Clips.
Der Fließtext ja, die Tags nicht. Die Tokens in spitzen Klammern, die ein Bild an eine Rolle banden, sind veraltet. Google verlangt, die Rolle jeder Datei in normaler Sprache zu nennen, etwa, dass das erste Bild als Startbild dient. Prüfen Sie außerdem die Dauer: Ein Prompt für zehn Sekunden füllt fünfzehn nicht vollständig.
Noch nicht. Gemini Omni Flash 1.1 generiert heute auf Morphic mit nativem Ton, neben Veo 3.1, Seedance 2.5, Kling und dem übrigen Katalog. Zum Ausprobieren gibt es einen kostenlosen Tarif.