Gemini Omni
gemini-omni-audio

Gemini Omni ist das von Google veröffentlichte multimodale Kreationsmodell, das darauf ausgelegt ist, Inhalte aus verschiedenen Eingabearten zu erzeugen – angefangen bei Videos. Gemini Omni Flash ist das erste Modell der Omni-Familie und unterstützt praxisnahe Workflows für die Videogenerierung und -bearbeitung, wie Bearbeitungen in natürlicher Sprache, referenzbasierte Erstellung, Szenentransformation und kohärentes visuelles Storytelling.

Model Type:
Input
Select a voice

Basic Voice

Input description

Textarea description

0/20000

Input description

Output

No result yet. Click generate to start.

README

Complete guide to using Gemini Omni

Günstige Gemini Omni API für multimodale Videoerstellung

Original image

Ein KI-Video-Editor kann die Gemini Omni API nutzen, damit Anwender vorhandenes Filmmaterial in einfacher Sprache transformieren können. Ein Creator lädt beispielsweise ein schlichtes Zimmer-Video hoch und bittet um ein futuristisches Studio, wünscht sich für einen Straßen-Clip einen verregneten Kino-Look oder verlangt für eine Produktaufnahme eine dramatischere Launch-Szene. Der Mehrwert liegt nicht nur im Generieren eines neuen Clips, sondern darin, Nutzern eine Möglichkeit zu geben, echtes Filmmaterial zu überarbeiten – ohne Timelines, Masken, Ebenen oder Einzelbild-Effekte manuell anpassen zu müssen.

Lernplattformen können die Google Gemini Omni API einsetzen, um abstrakte Ideen in kurze visuelle Lektionen zu verwandeln. Eine Wissenschafts-App könnte ein Knetanimations-Erklärvideo zur Proteinfaltung generieren, ein Schulungsprodukt einen komplexen Workflow visualisieren oder ein Bildungstool klassische Computer und Quantencomputer durch animierte Szenen vergleichen. Dieser Anwendungsfall erfordert mehr als nur ansprechende Bilder: Das Video muss Objekte, Handlungen und Kontext so verknüpfen, dass die Zuschauer das Thema verstehen.

Marketing- und Creator-Tools können die Gemini Omni Flash API nutzen, um vorhandene Assets in schnell erstellte Videokonzepte umzuwandeln. Aus einem Produktbild kann ein Lifestyle-Teaser werden, ein Markenmotiv kann den Stil einer Social-Media-Anzeige vorgeben oder ein kurzer Referenzclip kann die Bewegung eines Kampagnenvideos bestimmen. Das ist besonders nützlich für E-Commerce-Teams, Kreativagenturen und Social-Media-Tools, die schnelle Varianten benötigen, bevor sie sich auf einen vollständigen Produktions-Workflow festlegen.

Ein Produkt für Storyboard-zu-Video kann die Gemini Omni Video API nutzen, um Nutzern dabei zu helfen, die Struktur vor der Generierung des finalen Clips festzulegen. Ein Creator kann ein grobes Storyboard hochladen, die Kamerabewegung beschreiben, einen Charakter oder ein Objekt über mehrere Einstellungen hinweg konsistent halten und einen bestimmten Stil auf die gesamte Sequenz anwenden. Dieser Anwendungsfall eignet sich für Konzeptdesign, Previsualisierung, narrative Kurzvideos und Tools zur kreativen Planung, bei denen die Ausgabe einem geplanten visuellen Spannungsbogen statt einem einzelnen isolierten Prompt folgen muss.

4.8/ 5
25,215 ratings
Tap a star to rate
  • 01
  • 02
  • 03
  • 04
  • 05
  • 06
  • 07
  • Gemini Omni ist ein multimodales Erstellungsmodell von Google, das Inhalte aus verschiedenen Arten von Eingaben erstellt, zunächst Videos. Im Kontext der Google I/O 2026 vorgestellt, vereint es die Reasoning-Fähigkeiten von Gemini mit generativen Medienfunktionen, sodass Videoerstellung und -bearbeitung Szenen, Handlungen, physisches Verhalten, visuellen Kontext und narrativen Ablauf besser verstehen können.

    Gemini Omni Flash ist das erste Modell der Gemini Omni-Familie, das sich auf praktische Workflows zur Videoerstellung und -bearbeitung konzentriert. Es kann Videobearbeitung in natürlicher Sprache, die Steuerung durch multimodale Eingaben, referenzbasierte Generierung, Charakterkonsistenz und Videoerstellung mit Weltverständnis unterstützen, bei der Handlungen und Umgebungen logisch stärker miteinander verbunden wirken.

    Entwickler können die Gemini Omni API nutzen, um KI-Videoeditoren, Kurzvideo-Generatoren, visuelle Erklärungstools, Tools zur Erstellung von Kampagnenvideos, Storyboard-zu-Video-Produkte, Plattformen für kreative Automatisierung und multimodale Videoanwendungen zu entwickeln. Die Gemini Omni API ist besonders nützlich für Produkte, in denen Nutzer Videos anhand von Prompts und Referenzen generieren, umwandeln oder verfeinern müssen.

    Gemini Omni Video wird pro Video abgerechnet. Ohne Videoeingabe kostet ein 4-, 6-, 8- oder 10-sekündiger Clip 63, 84, 105 oder 126 Credits (0,315 $, 0,42 $, 0,525 $ oder 0,63 $) bei 720p oder 1080p und 147, 168, 189 oder 210 Credits (0,735 $, 0,84 $, 0,945 $ oder 1,05 $) in 4K. Mit einer Videoeingabe kostet jede Generierung 168 Credits (0,84 $) bei 720p oder 1080p und 252 Credits (1,26 $) in 4K. Preise können aktualisiert werden; die Preiskarte oben auf dieser Seite (wählen Sie einen Modelltyp) zeigt immer den aktuellen Tarif.

    Nein. Kie.ai hat kein Abonnement und keinen unbegrenzten Tarif: Credits werden nach Verbrauch abgerechnet und verfallen nie, und jedes mit Gemini Omni Video erstellte Video wird zu den oben genannten Tarifen pro Video abgerechnet. Standardmäßig kann ein Konto bis zu 20 neue Generierungsanfragen alle 10 Sekunden senden. Dadurch können typischerweise 100+ Aufgaben gleichzeitig laufen; Anfragen über diesem Limit geben den Code 429 zurück und werden nicht in eine Warteschlange eingereiht.

    Auf Kie.ai nimmt eine Anfrage an gemini-omni-video einen Text-Prompt (mit bis zu 20.000 Zeichen) und optionale Referenzen entgegen: bis zu 7 Bilder (jeweils bis zu 20MB), 1 Videoclip (bis zu 100MB und 30 Sekunden, zugeschnitten auf einen Bereich von bis zu 10 Sekunden), bis zu 3 Character-IDs und bis zu 3 Audio-IDs. Zusammen können sie höchstens 7 Slots belegen: Jedes Bild zählt 1, das Video 2 und ein Charakter 1 (2, wenn er mit einem Körperbild erstellt wurde). Stimmen werden nicht hochgeladen: Eine Audio-ID ist eine von 30 voreingestellten Stimmen, die beim Gemini Omni Audio-Endpunkt registriert sind. Die Ausgabe dauert 4, 6, 8 oder 10 Sekunden (bei Angabe eines Videos vom Modell ausgewählt), hat ein Format von 16:9 oder 9:16 und eine Auflösung von 720p (Standard), 1080p oder 4K.

    Erstellen Sie einen Schlüssel auf der Kie.ai-Seite „API Keys“ (kie.ai/api-key) und senden Sie ihn im Header Authorization: Bearer YOUR_API_KEY. Rufen Sie anschließend POST https://api.kie.ai/api/v1/jobs/createTask auf, wobei model auf gemini-omni-video gesetzt ist und input mindestens prompt und duration enthält. Die Anfrage gibt eine taskId zurück: Übergeben Sie eine callBackUrl, um bei Erfolg oder Fehlschlag der Videogenerierung benachrichtigt zu werden, oder fragen Sie GET /api/v1/jobs/recordInfo?taskId=… ab. Stimmen und Charaktere werden zuerst mit POST /api/v1/omni/audio/create und /api/v1/omni/character/create erstellt. Diese Endpunkte geben die IDs zurück, die Sie in audio_ids und character_ids übergeben. Alle Parameter werden in der Dokumentation zur Gemini Omni Video API beschrieben.

    Ja. Die Gemini Omni API lässt sich für Workflows zur Videobearbeitung in natürlicher Sprache einsetzen, bei denen Nutzer einen vorhandenen Clip hochladen und beschreiben, was geändert werden soll. Zu den typischen Bearbeitungen gehören das Ändern der Umgebung, das Ersetzen von Objekten, das Neugestalten einer Aktion, das Anpassen der Kameraperspektive, das Anwenden eines neuen Stils oder das Hinzufügen visueller Effekte, während die Szene kohärent bleibt.

    Prompts für die Gemini Omni API sollten die gewünschte Gestaltung des Videos klar beschreiben – einschließlich Motiv, Aktion, Kamerabewegung, Stil, Beleuchtung, Schauplatz, Referenzen und Konsistenzanforderungen. Bei Bearbeitungs-Workflows ist es besser, jeweils nur eine Änderung zu verfeinern, anstatt nach jedem Ergebnis den gesamten Prompt neu zu schreiben.

    Kie.ai bietet eine praxisnahe Plattform, um in realen Produkten auf die Gemini Omni API zuzugreifen, sie zu testen und bereitzustellen. Entwickler können Kie.ai für günstige Preise für die Gemini Omni API, eine vollständige Dokumentation, Tests im Playground, Backend-Integration und technischen Support nutzen – das erleichtert den Übergang von der Evaluierung in die Produktion.