Google hat in derselben Woche zwei Modellfamilien aus der Vorschau herausgeführt, beide auf Medien statt auf Text ausgerichtet.
Gemini Omni Flash
gemini-omni-1.1-flash erreichte am 27. August die allgemeine Verfügbarkeit mit drei neuen Fähigkeiten: Video-Erweiterung, Interpolation zwischen Bildern und Auflösungssteuerung bis 4K. Der damit ersetzte Preview-Endpunkt soll am 30. September 2026 abgeschaltet werden – wer ihn noch nutzt, hat also ein festes Datum vor sich.
Die Auflösungssteuerung bis 4K ist die eigentliche Neuigkeit. Generiertes Video, das unterhalb der Sendeauflösung bleibt, ist eine Demo; Video, das 4K erreicht, ist etwas, das ein Produktionsteam tatsächlich ohne Upscaling-Schritt verwenden kann.
Speech to Text
Einen Tag zuvor, am 26. August, erreichten gemini-3.5-transcribe und gemini-3.5-transcribe-live beide GA-Status. Sie unterstützen über 85 Sprachen mit Sprechertrennung (Diarization) und wortgenauen Zeitstempeln.
Diese beiden letzten Funktionen unterscheiden ein Transkriptions-Spielzeug von einem Transkriptions-Produkt. Diarization zeigt, wer gesprochen hat; wortgenaue Zeitstempel ermöglichen den Aufbau von Suche, Untertiteln und Bearbeitung darauf. Die Live-Variante deckt Echtzeitanwendungen ab, bei denen Latenz statt Genauigkeit die Einschränkung ist.
Warum das wichtig ist
Speech-to-Text mit Sprechertrennung in über 85 Sprachen, verfügbar als allgemeine API, setzt den eigenständigen Transkriptionsmarkt direkt unter Druck. Tools in dieser Kategorie konkurrierten historisch genau über diese beiden Funktionen.
Dasselbe gilt für die Videogenerierung. Jede Fähigkeit, die von einem spezialisierten Anbieter in eine allgemeine API von Google, OpenAI oder Anthropic wandert, schmälert das, was dem Spezialisten noch zu verkaufen bleibt – meist Workflow, Integrationen und Support statt des zugrunde liegenden Modells.
Was zu prüfen ist
Wer den Omni-Flash-Preview-Endpunkt nutzt, sollte vor dem 30. September migrieren. Und wer für einen Transkriptionsdienst bezahlt, sollte prüfen, was dieselbe Aufgabe über die API kosten würde – das Ergebnis spricht nicht zwangsläufig für einen Wechsel, aber der Abstand ist kleiner als zuvor.