Google hat Gemini Omni vorgestellt, eine neue Familie multimodaler KI-Modelle, die auf der Google I/O 2026 angekündigt wurde und als wichtiger Schritt hin zu Systemen positioniert wird, die „aus jeder Eingabe alles erstellen“ können.
Die erste Veröffentlichung der Reihe ist Gemini Omni Flash, das bereits auf Googles Verbraucherplattformen eingeführt wird, darunter die Gemini-App, Google Flow und YouTube Shorts.
Während Google bereits zuvor KI-generierte Videos mit Tools wie Veo sowie Bildgenerierungssysteme wie Nano Banana erforscht hat, geht Omni noch einen Schritt weiter, indem es Schlussfolgern, Erstellen und Bearbeiten in einem einzigen System vereint.
Google-CEO Sundar Pichai sagte bei einem Pressebriefing, dass Gemini Omni einen großen technologischen Paradigmenwechsel darstellt. „Mit Weltmodellen bewegt sich KI vom Vorhersagen von Text hin zur Simulation der Realität. Gemini Omni ist der nächste Schritt in diese Richtung“, sagte Pichai.
Die Technologie erreicht dies durch ein intuitives Verständnis physikalischer Kräfte wie Schwerkraft, kinetischer Energie und Strömungsdynamik und greift gleichzeitig auf Geminis umfangreiche Wissensbasis zu Geschichte, Wissenschaft und kulturellem Kontext zurück.
Dialogbasierte Videobearbeitung
Über das Erstellen von Videos von Grund auf hinaus bietet Gemini Omni eine äußerst leistungsfähige Videobearbeitung vollständig per natürlicher Sprache. Statt herkömmliche, komplexe Videobearbeitungssoftware zu verwenden, können Nutzer Videos über mehrere Dialogrunden hinweg bearbeiten, während die KI die Konsistenz von Figuren, die Kontinuität der Szenen und die Physik beibehält.
Laut Google können Nutzer die Handlung einer Szene vollständig neu konzipieren, Hintergründe austauschen, Kamerawinkel ändern oder bestimmte Details anpassen, ohne den Zusammenhang des ursprünglichen Materials zu verlieren. Google warnte jedoch, dass Bearbeitungsprompts derzeit sehr spezifisch sein müssen. Ist ein Prompt zu vage, könnte das Modell zu viel bearbeiten oder unbeabsichtigt Teile des Videos verändern, die der Nutzer bewahren wollte.
Digitale Avatare und Schutzmaßnahmen
Zur Einführung gehört eine Funktion für personalisierte digitale Avatare, mit der Nutzer Videoabbilder ihrer selbst erstellen können, die wie sie aussehen und klingen.
Um Bedenken hinsichtlich Deepfakes zu begegnen und Nutzer vor Schaden zu schützen, wies Nicole Brichtova, Director of Product Management bei Google DeepMind, darauf hin, dass Nutzer einen speziellen Einrichtungsprozess durchlaufen müssen. Dazu müssen sie sich selbst dabei aufnehmen, wie sie eine Reihe von Zahlen sprechen, bevor ein Avatar erstellt und gespeichert werden kann.
Da Omnis Fähigkeit, die Realität nahtlos zu verändern, potenzielle Risiken birgt, bettet Google sein nicht wahrnehmbares digitales SynthID-Wasserzeichen in jedes vom Modell erzeugte Video ein. Diese Wasserzeichen können in der Gemini-App, in der Google-Suche und in Chrome überprüft werden, um die Transparenz der Inhalte sicherzustellen.
Auch bei der Audiobearbeitung geht das Unternehmen vorsichtig vor. Nutzer können zwar Avatare mit ihrer eigenen Stimme erstellen, doch fortgeschrittenere Funktionen zur Veränderung von Sprache und Audioelementen werden vorerst nicht öffentlich bereitgestellt, während Google weiter testet und Sicherheitsbewertungen durchführt.
Preise und Verfügbarkeit
Das erste Modell des neuen Ökosystems, das auf den Markt kommt, ist Gemini Omni Flash, das sich auf die Erstellung von 10-sekündigen Videoclips konzentriert.
Google erklärte, dass die Begrenzung auf 10 Sekunden keine technische Einschränkung des Modells sei, sondern eine bewusste Entscheidung, um den Einsatz des Tools für eine breite Verbraucherbasis zu erleichtern.
- Kostenpflichtige Abonnenten: Gemini Omni Flash wird ab sofort für Abonnenten von Google AI Plus, Pro und Ultra in der Gemini-App und in Google Flow eingeführt.
- Kostenlose Nutzer: Das Modell startet kostenlos auf YouTube Shorts und in der YouTube-Create-App.
- Entwickler und Unternehmen: Der Zugriff über APIs wird in den kommenden Wochen freigeschaltet.
Der nächste Test für Gemini Omni wird sein, ob Nutzer es als kreative Abkürzung, als Videobearbeitungsprogramm oder als etwas betrachten, das eher einer Plattform für synthetische Medien ähnelt. Google präsentiert das Modell als Schritt hin zu einer KI, die die physische Welt versteht. Seine weiterreichenden Auswirkungen könnten jedoch ebenso stark davon abhängen, ob die Schutzmaßnahmen mit dem Schritt halten können, was Nutzer erstellen.
Lesen Sie auch: Gemini 3.5 Flash bringt Googles neuestes KI-Modell in die Programmierung, die Suche, Unternehmensautomatisierung und persönliche KI-Agenten.