Google liefert jetzt zwei generative Videomodelle unter demselben API-Schlüssel aus, und sie sind keine Versionen voneinander. Veo 3.1 ist der filmische Renderer mit nativem Audio. Gemini Omni 1.1 Flash, allgemein verfügbar seit dem 27. August 2026, ist das konversationelle Modell, das Sie über mehrere Züge hinweg bearbeiten.
Die Wahl zwischen ihnen hängt von drei Fragen ab: Benötigen Sie Ton, müssen Sie einen Clip nach dem Ansehen iterieren und wie lang muss das fertige Video sein? Hier ist, wie jedes Modell darauf antwortet.
Die Vergleichstabelle
| Gemini Omni 1.1 Flash | Veo 3.1 | |
|---|---|---|
| Modell-ID | gemini-omni-1.1-flash |
veo-3.1-generate-preview (plus schnelle und Lite-Varianten) |
| API-Oberfläche | Interactions API (/v1beta/interactions) |
generateContent, langwierige Operation |
| Natives Audio | Nein | Ja, immer aktiviert |
| Basislänge des Clips | 10 Sekunden | 4, 6 oder 8 Sekunden |
| Maximale Länge durch Erweiterung | 40 Sekunden, in 10-Sekunden-Schritten | 148 Sekunden, 7 Sekunden auf einmal, bis zu 20 Erweiterungen |
| Gelesener Kontext bei Erweiterung | Bis zu 10 Sekunden des vorherigen Materials | Nicht angegeben |
| Konversationelle Bearbeitung | Ja, über previous_interaction_id |
Nein |
| Erster und letzter Frame | Ja | Ja, über lastFrame |
| Referenzmedien | Bis zu 3 Videoclips von je 3 Sekunden | Bis zu 3 Referenzbilder |
| Auflösungen | 360p, 720p, 1080p, 4K | 720p, 1080p, 4K (720p nur bei Erweiterung) |
| Seitenverhältnisse | 16:9, 9:16 | 16:9, 9:16 |
| 720p Kosten pro Sekunde | ~0,10 $ | 0,40 $ Standard, 0,10 $ schnell, 0,05 $ Lite |
| Kostenlose Stufe | Nein | Nein |
| Wasserzeichen | SynthID | SynthID |
Wo Omni 1.1 Flash punktet
Sie müssen etwas ändern, nachdem Sie es gesehen haben. Das ist das wahre Unterscheidungsmerkmal. Omni läuft auf der Interactions API, sodass Sie einen Clip generieren, ihn ansehen und eine Folgeanfrage senden können, die ihn bearbeitet:
res1 = client.interactions.create(
model="gemini-omni-1.1-flash",
input="A woman playing violin outdoors.",
)
res2 = client.interactions.create(
model="gemini-omni-1.1-flash",
previous_interaction_id=res1.id,
input="Make the violin invisible.",
)
Kein erneutes Hochladen, kein erneutes Beschreiben der Szene. Veo hat kein Äquivalent: Jede Veo-Anfrage ist eine neue Generierung, und eine Änderung bedeutet einen neuen Prompt und einen neuen Versuch.
Sie möchten kostengünstig entwerfen. Omnis 360p-Stufe generiert bis zu 60 % schneller zu einem Drittel der 720p-Kosten. Veos niedrigste Auflösung ist 720p. Wenn Sie bei einem Prompt bereits zwölf Versuche hinter sich haben, summiert sich dieser Unterschied; die Preisübersicht zeigt die Zahlen.
Sie füttern es mit Video, nicht mit Standbildern. Omni nimmt bis zu drei Referenzclips von je drei Sekunden und überträgt deren Bewegung auf die neue Szene. Veos Referenzen sind Bilder. Wenn Sie eine Bewegung oder einen Charakter über mehrere Aufnahmen hinweg abgleichen möchten, leisten Bewegungsreferenzen Arbeit, die Standbilder nicht leisten können.
Sie benötigen, dass eine Einstellung über eine Erweiterung hinweg zusammenhält. Omni liest bis zu 10 Sekunden des vorherigen Materials, bevor es fortfährt, im Gegensatz zu der einzelnen letzten Sekunde, die das Vorschaumodell verwendet hat. Der Leitfaden zur Szenenerweiterung erklärt, was Ihnen das bringt.
Wo Veo 3.1 punktet
Sie benötigen Audio. Veo generiert natives Audio zusammen mit dem Video. Omnis Dokumentation behandelt die Videoausgabe und ignoriert Audio auf Referenzclips. Wenn Ihr Endergebnis Ton haben muss, entscheidet dies allein, und der Veo 3.1 API-Leitfaden ist die Integration, die Sie lesen sollten.
Sie benötigen mehr als 40 Sekunden. Veo erweitert um jeweils 7 Sekunden, bis zu 20 Mal, und erreicht so 148 Sekunden. Omni ist auf 40 Sekunden begrenzt. Beachten Sie die Einschränkung: Die erweiterte Veo-Ausgabe ist nur 720p, daher sind ein langer Clip und ein 4K-Clip unterschiedliche Aufgaben.
Sie möchten die günstigste Sekunde. Veo 3.1 Lite kostet 0,05 $ pro Sekunde bei 720p, die Hälfte von Omnis Rate. Dafür entfällt die 4K-Unterstützung. Für hochvolumige, risikoarme Generierung ist Lite die preislich unterste Grenze für beide Modellfamilien.
Sie möchten einen kürzeren Clip. Veo generiert 4-Sekunden- und 6-Sekunden-Clips. Omni generiert 10 Sekunden. Wenn Sie einen 4-Sekunden-Schnitt benötigen, rechnet Veo 4 Sekunden ab und Omni 10.
Die Entscheidung in vier Zeilen
- Benötigt Ton? Veo 3.1.
- Muss länger als 40 Sekunden sein? Veo 3.1.
- Muss nach dem Ansehen bearbeitet werden, oder kostengünstiges Entwerfen? Omni 1.1 Flash.
- Benötigt die günstigste Sekunde und nichts anderes? Veo 3.1 Lite.
Viele Pipelines verwenden letztendlich beide: Omni, um die Einstellung konversationell zu erkunden und festzulegen, Veo, um die endgültige Aufnahme mit Audio zu rendern. Sie teilen sich einen API-Schlüssel, sodass der Betrieb beider keine Einrichtungskosten verursacht.
Zwei Integrationen, nicht eine
Egal welchen Weg Sie wählen, denken Sie daran, dass es sich um strukturell unterschiedliche Endpunkte handelt. Omni ist ein POST an /v1beta/interactions mit dem Modell im Body, und es gibt Videos inline als base64 zurück, es sei denn, die Datei überschreitet 4 MB, in diesem Fall erhalten Sie einen URI. Veo läuft als langwierige Operation, die Sie abfragen müssen, und generierte Dateien verbleiben 2 Tage auf Googles Servern, bevor sie gelöscht werden.
Dieser Unterschied ist wichtig, wenn Sie später Modelle wechseln möchten. Code, der für das eine geschrieben wurde, lässt sich nicht einfach durch eine Änderung des Modellstrings auf das andere übertragen, und jede von Ihnen erstellte Abstraktionsschicht muss sowohl eine abgefragte Operation als auch einen Antwortkörper mit zwei Formen verarbeiten können. Der Omni API-Walkthrough behandelt diese Antwortverarbeitung.
Es lohnt sich, beide mit gespeicherten Anfragen festzuhalten, bevor Sie darauf aufbauen. Richten Sie eine Anfrage pro Modell in Apidog ein, speichern Sie den API-Schlüssel in einer Umgebungsvariablen, überprüfen Sie die Antwortstruktur und erhöhen Sie die Timeouts deutlich über die Standardwerte. Wenn Sie die Ausgabequalität vergleichen, ist das Ausführen desselben Prompts über beide gespeicherten Anfragen ein Zwei-Klick-Job statt zwei cURL-Befehlen, die Sie nächsten Monat aus dem Gedächtnis neu schreiben müssen.
FAQ
Ist Gemini Omni ein Ersatz für Veo? Nein. Google liefert beide aus, und Veo 3.1 ist nicht veraltet. Es sind unterschiedliche Tools, die beide Videos generieren können.
Welches ist günstiger? Bei 720p sind Omni (~0,10 $/Sekunde) und Veo 3.1 Fast (0,10 $/Sekunde) gleichauf. Veo 3.1 Lite ist mit 0,05 $ günstiger. Standard Veo 3.1 ist mit 0,40 $ am teuersten.
Kann eines davon Videos mit Dialog generieren? Veo generiert natives Audio. Omnis Videoausgabe umfasst keine Audiogenerierung, und es kann keinen Dialog hinzufügen, wenn ein hochgeladenes Video erweitert wird.
Versehen beide ihre Ausgabe mit einem Wasserzeichen? Ja, beide verwenden SynthID, das für Zuschauer unsichtbar und programmatisch erkennbar ist.
Was ist mit Sora oder den anderen Video-APIs? Unterschiedliche Anbieter, unterschiedliche Kompromisse. OpenAI Sora 2 und Seedance 1.0 sind einen Blick wert, wenn Sie außerhalb von Googles Angebot evaluieren.
Mit welchem soll ich beginnen? Wenn Sie Prototypen erstellen und keinen Ton benötigen, beginnen Sie mit Omni bei 360p. Das ist der günstigste Weg, um herauszufinden, ob generiertes Video Ihr Problem überhaupt löst. Laden Sie Apidog herunter und speichern Sie die erste Anfrage, damit der Vergleich wiederholbar ist.
Die ehrliche Zusammenfassung: Veo rendert, Omni konversiert. Googles Dokumentation zur Videogenerierung behandelt beide, und keiner von beiden wird verschwinden, wählen Sie also pro Aufgabe und nicht pro Team.