Gemini Omni Flash: Google vereinfacht Videobearbeitung per Sprachbefehl
Veröffentlicht am: 08.08.2026 um 00:02 Uhr | Redaktion boerse-global.de
Google hat neue Einsatzmöglichkeiten für sein KI-Modell Gemini Omni präsentiert und dabei insbesondere die Vereinfachung der Videoproduktion sowie die Integration in fortschrittliche Tools wie Google Earth hervorgehoben. Das multimodale Modell ermöglicht es Entwicklern, komplexe Bearbeitungsschritte durch einfache Interaktionen umzusetzen und generative Prozesse in bestehende Arbeitsabläufe einzubinden.
Kreative Videobearbeitung per Sprachbefehl
Im Rahmen der Vorstellung zeigten fünf Entwickler konkrete Anwendungen von Gemini Omni, die von der Videobearbeitung per Sprachbefehl bis hin zur Animation von Skizzen reichen. Zu den gezeigten Funktionen gehören Stilwechsel, bei denen etwa Realfilme in Animationen im Anime- oder Claymation-Stil transformiert werden, sowie der Austausch von Objekten innerhalb einer Szene.
Die technologischen Möglichkeiten wurden durch verschiedene Experten belegt. So demonstrierte Leon Lin die Erstellung von 20 verschiedenen Perspektiven einer Person, während Carlos Santana einen fließenden Wechsel zwischen Tag- und Nacht-Szenarien präsentierte. Weitere Anwendungen umfassten die Animation von einfachen Zeichnungen durch einen Entwickler namens Pan sowie Stilübertragungen durch Jerrod Lew. Ein sogenannter Hyperagent nutzt das System zudem für die Erstellung von Designvorschlägen. Diese Funktionen sind unter anderem in der Gemini App, Google Flow, AI Studio sowie über eine Programmierschnittstelle (API) verfügbar.
Einführung von Gemini Omni Flash
Mit Gemini Omni Flash hat Google zudem das erste Modell der Omni-Familie eingeführt. Dieses Modell ist darauf spezialisiert, Videos auf Basis von Texten, Bildern, Audioaufnahmen oder anderen Videos zu erstellen und zu bearbeiten. Entwickler haben bereits Zugriff auf diese Technologie erhalten.
Wer sich mit der Integration solch leistungsstarker KI-Systeme im Unternehmen befasst, muss auch die rechtlichen Rahmenbedingungen kennen. Dieser kostenlose Ratgeber klärt auf, welche KI-Anwendungen als Hochrisiko eingestuft werden und was Verantwortliche jetzt konkret tun müssen. Welche KI-Systeme gelten als Hochrisiko – und was müssen Unternehmen jetzt konkret tun?
Ein wesentlicher Teil dieser Integration betrifft die Anwendung Google Vids. Dort ermöglicht Gemini Omni Flash eine Bearbeitung und Clip-Generierung auf Basis von Prompts. Der Rollout dieser Funktionen für ausgewählte Kanäle begann bereits am 5. August 2026. Das Modell fungiert dabei als Weltmodell, das physikalische Gesetze simulieren kann. Es kommt neben der Haupt-App auch in Google Flow und bei YouTube Shorts zum Einsatz.
Kostenfreier Zugang und Herausforderungen bei Google Earth
Um die Akzeptanz des Modells zu fördern, hat Google den kostenlosen Zugang zu Gemini Omni verlängert. Nutzer können nun bis zum 11. August 2026 um 12:00 Uhr PT (15:00 Uhr ET) bis zu zehn Videos ohne Abonnement in der Gemini App oder über die Web-Oberfläche erstellen. Dieser Testzeitraum war ursprünglich bereits am 30. Juli 2026 gestartet worden.
Trotz der technologischen Fortschritte verlief die Integration in andere Dienste nicht reibungslos. Ein neues Feature für Google Earth, das die Manipulation von Satellitenbildern durch Texteingaben erlaubte, musste weniger als einen Tag nach der Einführung wieder eingestellt werden. Grund dafür war, dass Nutzer das Werkzeug zur Erzeugung unangemessener oder tabuisierter Bilder missbraucht hatten.
Mit der rasanten Entwicklung neuer KI-Tools steigen auch die Anforderungen an Compliance und Dokumentation für professionelle Anwender. Ein kostenloser Umsetzungsleitfaden liefert Unternehmen jetzt den notwendigen Überblick über Fristen, Pflichten und Risikoklassen des EU AI Acts. EU AI Act in 5 Schritten verstehen: Fristen, Pflichten und Risikoklassen kompakt erklärt
Technischer Hintergrund und multimodale Fähigkeiten
Die Grundlagen für Gemini Omni wurden bereits zuvor von Google DeepMind-Chef Demis Hassabis auf der Entwicklerkonferenz I/O gelegt. Das Modell ist nativ multimodal ausgelegt, was bedeutet, dass es Informationen aus Text, Bild, Video und Audio gleichzeitig verarbeiten kann. Neben der Videoproduktion zeigten frühere Demonstrationen Fähigkeiten im Bereich des Physikverständnisses, der Visualisierung von Wissen sowie bei komplexen wissenschaftlichen Berechnungen wie der Proteinfaltung. Das Ziel des Unternehmens bleibt die tiefe Integration dieser Funktionen in das gesamte Google-Ökosystem, um interaktive Animationen und ein tieferes Verständnis digitaler Inhalte zu ermöglichen.
