Gemini Omni 1.1 Flash prompten: eine durchgehende Einstellung verlangen, Dialog nie in Anführungszeichen

Gemini Omni 1.1 Flash zerlegt einen Clip in mehrere Einstellungen, solange dein erster Satz keine durchgehende Aufnahme verlangt – und Text in Anführungszeichen kann im Bild landen. So baut LUVIs Leitfaden den Prompt in allen fünf Modi, ab 1980 Credits für zehn Sekunden in 720p.

Veröffentlicht:

Ein einzelner, türkis leuchtender Filmstreifen schwingt ununterbrochen durch ein dunkles Bild, entlang läuft eine bernsteinfarbene Tonwelle; dahinter treiben die Stücke eines zerschnittenen Streifens auseinander.

Gemini Omni 1.1 Flash ist Googles Videomodell, das Bild und Ton in einem Durchgang erzeugt – gesteuert von einer schlichten Beschreibung in ganzen Sätzen. Auf LUVI gibt es das Modell in fünf Modi: Text zu Video, Bild zu Video mit optionalem Endbild, Referenz zu Video, Videobearbeitung und Videoverlängerung. Die ersten drei kosten ab 1980 Credits für einen Zehn-Sekunden-Clip in 720p (Stand der Preise: 20. Oktober 2026). Bearbeitung und Verlängerung richten sich nach dem Clip, den du hochlädst; den Betrag zeigt dir der Arbeitsbereich vor dem Start. Wenn du noch zwischen Omni und ähnlichen Modellen schwankst, hilft dir der Vergleich von MiniMax H3, Gemini Omni 1.1 und Wan 3.0. Hier geht es ums Handwerk: welche Regeln unser Prompt-Leitfaden für Omni anwendet und warum.

Warum schneidet Omni meinen Clip in mehrere Einstellungen?

Gemini Omni 1.1 Flash schneidet, weil das sein Standardverhalten ist – nicht weil dein Prompt unklar war. Google schreibt es in der eigenen Dokumentation ganz offen: „Standardmäßig versucht Omni Flash, ein Video mit mehreren verschiedenen Aufnahmen zu erstellen.“ Wer nur eine Szene will, muss das ausdrücklich in den Prompt schreiben.

Bei LUVI ist daraus eine feste Regel geworden: Jeder Prompt für eine durchgehende Aufnahme beginnt mit einer Kontinuitätsformel wie „In a single continuous shot“, „In a single unbroken scene“ oder „One continuous shot, no jump cuts“, und zwar im ersten Satz. Macht die Kamera eine zusammengesetzte Bewegung, wiederholst du die Formel am Ende. Zwei Gründe, warum das mehr ist als Kosmetik:

  • Mit dem Bild wird auch der Ton geschnitten. Weil die Tonspur im selben Durchgang entsteht, zerreißt ein ungewollter Schnitt auch die Atmo oder einen gesprochenen Satz.
  • Kamerabewegungen ohne die Formel sind der typische Auslöser. Verlangst du eine Enthüllung, löst das Modell sie womöglich mit einem Schnitt statt mit einer Bewegung.

Wie sieht ein guter Omni-Prompt aus?

Ein guter Prompt für Gemini Omni liest sich wie eine Bildbeschreibung von vierzig bis sechzig Wörtern, nicht wie eine Liste von Schlagworten. LUVIs Leitfaden ordnet ihn in fünf Felder: Bildausschnitt und Kamerabewegung, Stil, Licht, Ort, Handlung. Danach folgen kleine Bewegungen von Figur oder Licht, ein eigener Satz zum Ton und zuletzt die Ausschlüsse.

In a single continuous shot, a slow push-in at eye level on a potter at her wheel in a sunlit ceramics studio, shallow depth of field, golden hour light through dusty windows. Her wet hands draw the clay upward into a tall cylinder while fine spray catches the light. In a voice that is calm and low, the potter says: Not yet, it needs another minute. Sound design: the hum of the wheel, wet clay under her palms, a distant radio playing a song. No text overlay on screen.

Drei Gewohnheiten halten den Prompt auf Kurs:

  • Den Bildausschnitt festlegen, die Welt dem Modell überlassen. Beschreib, wo die Kamera steht, wie sie sich bewegt und was passiert. Epochendetails, Kostümlogik und Physik ergänzt das Modell selbst.
  • Ein erzählerischer Moment pro Clip. Zeitmarken wie „After 3 seconds, she lifts her hands“ funktionieren innerhalb einer durchgehenden Aufnahme. Getrennte Ereignisse gehören in getrennte Generierungen.
  • Der Prompt bleibt englisch. Google schreibt: „Englisch (EN) wird vollständig unterstützt. Andere Sprachen wurden nicht getestet.“ Ein gesprochener Satz darf trotzdem in einer anderen Sprache sein; die Anweisungen drumherum schreibst du auf Englisch, so wie im Beispiel oben.

Wie schreibe ich Dialog, Musik und Text im Bild?

Bei Gemini Omni 1.1 Flash steht gesprochener Text nach einem Doppelpunkt und ohne Anführungszeichen; Anführungszeichen sind für Wörter reserviert, die im Bild erscheinen sollen. In Googles Beispielen stehen sie nur um sichtbaren Text, etwa ein Straßenschild oder ein Nummernschild. LUVIs Leitfaden leitet daraus die Regel ab: Ein Satz in Anführungszeichen kann als eingeblendeter Text im Bild landen. Die Stimmbeschreibung steht vor dem Doppelpunkt: „In a voice that is calm and low, the potter says: Not yet.“

  • Der Ton bekommt einen eigenen Satz hinter der Kennzeichnung „Sound design:“. Effekte, Atmo und Dialog stehen dort oder direkt daneben.
  • Musik musst du anfordern. Am besten klappt das, wenn du die Quelle beschreibst statt des Genres: „a distant radio playing a song“ statt „lo-fi hip hop“.
  • Es gibt keinen negativen Prompt und keinen Ton-Schalter. Ausschlüsse stehen als kurze Satzfragmente ganz am Ende: „No dialogue.“, „No extra sound effects.“, „No text overlay on screen.“ Soll bei einer Bearbeitung ein Gegenstand verschwinden, beschreibst du den Zielzustand („Make the phone invisible.“), statt aufzuzählen, was du nicht willst.

Welche Einstellungen zählen wirklich?

Drei Regler bestimmen bei Gemini Omni 1.1 Flash den Großteil von Preis und Qualität: Auflösung, Dauer und Seitenverhältnis.

  • Auflösung. 360p, 720p, 1080p oder 4K, Standard ist 720p. Googles Referenz kennzeichnet 1080p und 4K selbst als „hochskaliert“, das native Bild ist also 720p. 360p ist eine günstigere Entwurfsstufe, um eine Einstellung durchzuspielen.
  • Dauer. Drei bis zehn Sekunden, Standard sind zehn. Zeitmarken im Prompt müssen in die gewählte Länge passen; die Länge selbst gehört in den Regler, nicht in den Text.
  • Seitenverhältnis. 16:9 oder 9:16, sonst nichts. Ein „21:9“ im Prompt bewirkt nichts.

Bevor du eine Geschichte planst, solltest du eine Sicherheitsregel kennen: Fotorealistische Kinder rendert Omni nicht. LUVIs Leitfaden hält beide Ausgänge fest – eine glatte Ablehnung oder ein Kind, das stillschweigend als Erwachsener erscheint. Braucht die Geschichte ein Kind, wähle einen gezeichneten oder animierten Look oder lass das Kind aus dem Bild.

Im Katalog stehen außerdem noch die älteren Vorschau-Modi von Gemini Omni Flash. Mit ihren Standardeinstellungen sind sie teurer (Text zu Video ab 2500 Credits), und ihnen fehlen die Verlängerung und das Feld fürs Endbild. Nimm deshalb die Modi von 1.1.

Was ändert sich bei Bild zu Video, Bearbeitung und Verlängerung?

Jeder Medienmodus von Gemini Omni 1.1 Flash braucht weniger Beschreibung, nicht mehr, denn das Bild liefert die Eingabe schon mit.

  • Bild zu Video. Dein Bild ist das erste Frame. Beschreib die Bewegung von Kamera, Figur und Umgebung und nenn Personen „the subject“ oder „she“, statt sie noch einmal zu beschreiben. Kommt ein Endbild dazu, wird der Clip zur Interpolation: Dann beschreibst du den Übergang zwischen beiden Bildern, nicht eines davon.
  • Bearbeitung. Ein Satzteil für die Änderung, danach „Keep everything else the same.“ Google ist da eindeutig: „Für die Videobearbeitung eignen sich am besten einfache Prompts. Zu detaillierte Prompts können zu unbeabsichtigten Änderungen führen.“ Dauer, Auflösung und Seitenverhältnis gibt es bei der Bearbeitung nicht, sie kommen aus deinem Clip.
  • Verlängerung. Jeder Durchgang hängt bis zu zehn Sekunden an, laut Google ist bei 40 Sekunden Gesamtlänge Schluss. Die Zeitmarken beginnen dort, wo der neue Teil anfängt, wieder bei null. Die Kontinuitätsformel musst du wiederholen, sonst kann die Fortsetzung mit einem Schnitt beginnen, und den Ton solltest du neu benennen („The music continues into the chorus.“), sonst läuft er einfach weiter.

Auf LUVI ist jede Bearbeitung und jede Verlängerung eine neue Anfrage auf den Clip, den du hochlädst; einen Gesprächsverlauf, an den der nächste Schritt anknüpft, gibt es nicht. Plan die erste Generierung deshalb sorgfältig und beschränk jede Bearbeitung auf eine einzige Änderung.

Wie wir geprüft haben

  • Modelle: Gemini Omni 1.1 Flash in Text zu Video, Bild zu Video, Referenz zu Video, Videobearbeitung und Videoverlängerung, zum Vergleich außerdem die älteren Vorschau-Modi von Gemini Omni Flash.
  • Gelesen am 20. Oktober 2026: die aktuellen Parameterverträge aller Modi in LUVI, die Credit-Preise im LUVI-Katalog und auf den öffentlichen Modellseiten, LUVIs Prompt-Leitfaden für die Familie, wie ihn Arbeitsbereich und Connector ausliefern, sowie Googles Omni-Dokumentation. Der Beispiel-Prompt hat LUVIs Prompt-Prüfung für Text zu Video bestanden.
  • Ergebnisse: ab 1980 Credits für zehn Sekunden in 720p bei den 1.1-Modi Text, Bild und Referenz; ab 2500 Credits beim älteren Vorschau-Modus für Text zu Video. Für diesen Beitrag wurden keine Ausgaben generiert, er trifft also keine Aussage über die Qualität der Ergebnisse.
  • Offen geblieben: Die Regel „Doppelpunkt statt Anführungszeichen“ stammt aus LUVIs Leitfaden und ist aus Googles Beispielen abgeleitet; wörtlich steht sie so nicht auf Googles Seite.

In LUVI

Wähl im Arbeitsbereich einen Modus von Gemini Omni 1.1 Flash und tipp auf die Feder neben dem Prompt-Feld: Damit prüfst du deinen Entwurf gegen den Prompting Guide der Familie und lässt ihn umschreiben – dessen erste Regel ist die Kontinuitätsformel. Claude und ChatGPT lesen denselben Leitfaden über den LUVI-Connector. Was jeder Regler am Preis ändert, steht unter wie Auflösung und Dauer den Preis verändern.

Neue Konten starten mit 100 Credits, und bestätigst du Telefon und Karte, kommen bis zu 1500 dazu. Du kannst ein LUVI-Konto anlegen und deine erste durchgehende Einstellung in 360p ausprobieren, bevor du dich auf 720p festlegst.

Quellen

Mehr aus Guides