Native Multimodal-Ausgabe
Ein Prompt liefert passenden Text, Keyframes und Video — Charaktere, Stil und Licht bleiben über alle Formate konsistent.
Leak-Phase · Google I/O 2026 Gemini Omni
Gemini Omni
Ein Modell für Text, Bild, Video und Audio
Anfang Mai 2026 in mehreren Leaks aufgetaucht, ist Gemini Omni Googles kommendes vereintes Multimodal-Modell: native Generierung von Text, Bild, Video und synchronem Audio in einem einzigen Gemini-System.
Vereintes Modell Synchroner Audio Bearbeitung im Chat
Omni
Text
Image
Video
Audio
Eckdaten
5–10s Cliplänge
1080p Max. Auflösung
16:9 · 9:16 · 1:1 Formate
I/O 2026 Erwartete Vorstellung
Funktionen
Die gesamte Pipeline in einem Modell
Anders als spezialisierte Video-Modelle wie Veo, Sora 2, Seedance 2.0 oder Kling vereint Gemini Omni Sprachverständnis, Bildgenerierung, Videogenerierung und Audio-Synthese in einer Architektur.
Ein Gemini-Stack
Schluss mit dem Verketten spezialisierter Modelle. Text, Bild, Video und Audio teilen sich dieselben Gewichte und denselben langen Kontext.
Synchroner Native-Audio
Ambiente, Score und Dialog richten sich im selben Forward-Pass am Bild aus — Schritte auf dem Beat, Lippen passen ab dem ersten Export.
Direkte Bearbeitung im Chat
Objekte tauschen, Licht ändern, Kamerafahrt anpassen — alles in natürlicher Sprache, ohne Neugenerierung, im Stil von Nano Banana.
Remix und Steuerung
Bestehenden Clip hochladen und per Prompt umsteuern. Referenzbilder, -videos und -audios lassen sich in einem einzigen Befehl kombinieren.
Templates & Stile
Integrierte Templates für Produktwerbung, Reels, Musikvideos und Kurzfilme senken die Einstiegshürde und sichern konsistente Bildsprache.
Specs
Was sich vor der Keynote rekonstruieren lässt
Die Zahlen stammen aus Reddit/X-Leaks und Berichten von TestingCatalog, Programming Insider und OfficeChai.
| Dimension | Bekannte Information |
|---|---|
| Modellfamilie | Google Gemini — Nachfolger-Branding der Veo-Linie |
| Modell-ID | bard_eac_video_generation_omni / v3smm-lora-prod |
| Cliplänge | 5 / 8 / 10 Sekunden pro Generierung, in der App verkettbar |
| Auflösung | 480p / 720p / 1080p |
| Seitenverhältnisse | 16:9, 9:16, 1:1 |
| Audio | Nativ synthetisiert, in einem Pass synchronisiert |
| Eingaben | Text / Bild / Video / Audio-Referenzen |
| Zugriff | Staging in der Gemini-App, API nach dem I/O erwartet |
| Kontingent | Berichten zufolge verbrauchen zwei Omni-Generierungen ~86 % des AI-Pro-Tageskontingents |
Architektur
Drei Produktlinien werden zu einem Omni
Googles generativer Stack war bislang in Veo (Video), Nano Banana / Imagen (Bild) und Gemini (Text) aufgeteilt. Omni führt sie in einer Architektur zusammen.
Vorher
Veo 3.1
Video + nativer Audio
Nano Banana / Imagen
Bildgenerierung und -bearbeitung
Gemini 2.5 / 3.x
Reasoning · langer Kontext
Jetzt · Omni
Gemini Omni
Text · Bild · Video · Audio, ein Modell, ein Prompt
Text Image Video Audio
Use-Cases
Vom Brief zum veröffentlichbaren Content
Ein vereintes Modell mit langem Kontext und synchronem Audio heißt: Ein kohärenter Brief, ein fertiger Schnitt — ohne Tool-Wechsel.
01
Produktwerbung
Hero-Shots, Packaging-Reveals und Lifestyle-Schnitte mit bereits eingebettetem Ambient-Sound.
02
Reels & Shorts
Vertikale 9:16-Clips mit On-Mic-Dialog und beat-synchroner Bewegung — perfekt für Social.
03
Musikvideos
Track referenzieren, Omni schneidet auf den Beat und hält Charaktere über Shots konsistent.
04
Cinematic Shorts
Mehrere 10-Sekunden-Omni-Clips zu Multi-Shot-Sequenzen verketten — Licht und Audio-Bett bleiben durchgängig.
05
Landingpage-Hero-Loops
Loopbare 16:9-Atmosphäre für SaaS, Fashion und DTC — gebrandet und stumm lesbar.
06
Erklärvideos & Tutorials
Skript in narrierte Sequenz mit lippensynchronem Dialog und passendem Ambient-Sound umwandeln.
Vergleich
Wo Omni im Video-Stack 2026 steht
Aggregiert aus Artificial Analysis, Looksy AI, Oimi AI und offiziellen Keynotes — als Orientierung, nicht als Benchmark.
| Modell | Anbieter | Architektur | Nativer Audio | Cliplänge |
|---|---|---|---|---|
| Gemini Omni
Omni
| Vereinter Omni (Video + Bild + Audio) | In einem Pass synchron | 5 / 8 / 10s | |
| Veo 3.1 | Spezialisiertes Video-Modell | Ja | ~8s | |
| Seedance 2.0 | ByteDance | Spezialisiertes multimodales Video | Ja | bis 15s / Shot |
| Sora 2 | OpenAI | Spezialisiertes Video-Modell | Ja | ~20s |
| Kling V3.0 | Kuaishou | Spezialisiertes Video-Modell | Eingeschränkt | ~10s |
Timeline
Vom ersten Leak bis zur I/O-2026-Bühne
Nach öffentlichem Berichtsdatum sortiert, weiterhin in Bewegung.
- 2026 · 05 · 02
Erstes "Powered by Omni"-String
X-User @Thomas16937378 entdeckt "Start with an idea or try a template. Powered by Omni." im Gemini-Video-Tab.
- 2026 · 05 · 11
Komplette Preview-Karte in Gemini Mobile
TestingCatalog und Chetaslua zeigen die "Meet our new video model"-Karte, die volle Modell-ID und die 10-Sekunden-Grenze.
- 2026 · 05 · 12 – 18
Demos verbreiten sich
Ein Clip mit "Professor löst Trigonometrie an der Tafel" zeigt Textkohärenz und physikalische Treue und löst breite Vergleiche mit Veo 3.1 aus.
- 2026 · 05 · 19 – 20
Erwartete Vorstellung auf Google I/O 2026
Mainstage-Zeit für Omni wird breit erwartet, möglicherweise mit Flash/Pro-Staffelung, API und neuer Abostruktur.
FAQ
Die häufigsten Fragen zu Gemini Omni
Was genau ist Gemini Omni?
Es ist Googles kommendes vereintes Multimodal-Modell, das in einer Architektur nativ Text, Bild, Video und synchronen Audio erzeugt — quasi die Verschmelzung von Veo, Imagen und Gemini.
Wann erscheint es?
Mitte Mai 2026 ist Omni weiterhin in der Leak-Phase. Erwartete Vorstellung: Google-I/O-2026-Mainstage (19.–20. Mai).
In welchem Verhältnis steht es zu Veo 3.1?
Metadaten deuten an, dass Omni technisch vom Veo-Stack erbt, die Veo-Marke aber fallen lässt und Video in Geminis Text- und Bild-Schichten faltet.
Erzeugt es wirklich Sound?
Ja. Ambiente, Score und Dialog werden im selben Pass wie das Video erzeugt — genau dafür steht das "omni" im Namen.
Wie lang dürfen Clips aktuell sein?
Die geleakte Modell-ID weist auf 5, 8 oder 10 Sekunden pro Generierung hin, Mehrfach-Clip-Verkettung clientseitig.
Wie wird die Preisstruktur aussehen?
Unbestätigt. Ein Reddit-Screenshot zeigt, dass zwei Omni-Generierungen ~86 % des AI-Pro-Tageskontingents fressen — ein "Ultra/Pro Plus"-Tier ist plausibel.
Quellen
Primärberichte und öffentliche Links
Alle Inhalte hier sind aus den unten genannten öffentlichen Quellen aggregiert. Querlesen empfohlen.
programminginsider.com Quelle lesen
TestingCatalog · Programming Insider
Leak-Details, UI-Strings und frühe Demo-Analysen.
oimi.ai Quelle lesen
Oimi AI · Gemini Omni Leaked
Spekulationen zur Architektur und Vergleich mit Seedance / Veo.
officechai.com Quelle lesen
OfficeChai · Gemini Omni Spotted
Volle Modell-ID, In-App-Prompts und Community-Reaktionen.
looksyai.in Quelle lesen
Looksy AI · Gemini Omni Produktseite
Zusammenfassung von Specs, Use-Cases und Vergleichen.
storage.googleapis.com Quelle lesen
Gemini 2.5 Technical Report
Multimodale Fähigkeiten der Familie, langer Kontext und agentische Richtung.