Googles neue Gemini-Omni-KI macht aus fast allem ein Video

Google richtet seinen nächsten großen KI-Schritt klar auf kreative Anwendungen aus. Auf der Entwicklerkonferenz Google I/O 2026 hat das Unternehmen Gemini Omni als Teil einer umfangreichen Erweiterung der Gemini-Funktionen vorgestellt.

Gemini Omni Flash: Videos aus fast jeder Vorlage

Gemini Omni soll die Denkfähigkeiten von Gemini mit Werkzeugen zur Medienerstellung verbinden, die Inhalte in unterschiedlichen Formaten erzeugen und bearbeiten können. Die erste Ausbaustufe heißt Gemini Omni Flash, konzentriert sich auf Video und verfolgt ein besonders ehrgeiziges Ziel. Nutzer:innen sollen Inhalte aus nahezu jeder Art von Eingabe erstellen können – ob Text, Bilder, Audio oder vorhandenes Videomaterial.

Gemini Omni Flash wird schrittweise in mehreren Google-Diensten eingeführt. Zunächst erfolgt die Integration in die Gemini-App, Google Flow, YouTube Kurzvideos und YouTube Create. Eine breitere Verfügbarkeit für Entwickler:innen und Unternehmenskund:innen ist später geplant.

Die Ankündigung knüpft an frühere Arbeiten von Google zu KI-generierten Bildern an. Bereits 2025 erweiterte Nano Banana die Bildfunktionen von Gemini und erwies sich als praktisches Werkzeug, etwa um gealterte Fotos zu restaurieren oder grobe Skizzen in ausgearbeitete Entwürfe zu verwandeln. Mit Gemini Omni will Google dieses Konzept nun deutlich weiterführen und beschreibt das System als Möglichkeit, klassische Schnittprogramme durch ein Gespräch zu ersetzen, in dem ein Video schrittweise verfeinert wird.

Videobearbeitung per Gespräch

Ein zentrales Konzept von Gemini Omni ist die Vereinfachung der Bearbeitung. Laut Google können Nutzer:innen Videos mit natürlicher Sprache anpassen, während das System die Konsistenz zwischen verschiedenen Änderungen sicherstellen soll. Figuren bleiben erkennbar, Szenen behalten ihre Kontinuität, Bewegungen wirken zusammenhängend und werden nicht bei jeder neuen Anweisung zurückgesetzt.

Zudem soll Gemini Omni besser verstehen, wie sich Objekte in der realen Welt verhalten. Dazu gehören ein verbessertes Handling von Bewegung, Schwerkraft und Bewegungsdynamik. So kann beispielsweise ein Spiegel wie eine Flüssigkeit kräuseln, wenn ihn jemand berührt, oder eine Skulptur scheinbar vollständig aus Blasen bestehen. Google positioniert Gemini Omni damit als mehr als nur einen Video-Generator und stellt das System in einen wachsenden Wettbewerb rund um KI-Werkzeuge für Medien.

Der Wettlauf dreht sich dabei nicht nur um die technischen Fähigkeiten, sondern auch darum, wer KI-Videotools so intuitiv gestaltet, dass möglichst viele Menschen sie tatsächlich nutzen möchten. Google setzt dabei auf den Ansatz der dialogbasierten Bearbeitung, bei der sich Projekte Schritt für Schritt per Unterhaltung anpassen lassen.

Langfristig soll Gemini Omni über Videos hinausgehen. Künftige Versionen sollen verschiedene Medien wie Fotos, Texteingaben, Musik und Referenzaufnahmen in einem einzigen Projekt kombinieren können.

Vertrauen in KI-Inhalte und Sicherheitsfragen

Die zunehmende Leistungsfähigkeit kreativer KI wirft die Frage nach Vertrauen auf, die Google ausdrücklich anspricht. Videos, die mit Gemini Omni erstellt werden, sollen mit der SynthID-Wasserzeichentechnologie versehen werden, um KI-generierte Medien kenntlich zu machen. Zusätzlich sollen Prüftools über Gemini, Chrome und die Suche hinweg funktionieren und so zu mehr Transparenz beitragen.

Nutzer:innen können zunächst Video-Avatare erstellen, die auf ihrem eigenen Aussehen und ihrer Stimme basieren. Weitergehende Funktionen zur Veränderung von Sprache werden jedoch noch geprüft, während Google nach eigenen Angaben an entsprechenden Sicherheitsvorkehrungen arbeitet. Diese vorsichtige Herangehensweise verdeutlicht den schwierigen Spagat, vor dem große KI-Anbieter stehen. Leistungsfähigere Systeme bedeuten nicht automatisch, dass das Vertrauen in sie gleichermaßen wächst.

Via: https://www.techradar.com

Den Beitrag in unserem Forum kommentieren