Ein 5-Sekunden-Video in 720p mit Ton kostet mit Gemini Omni 1.2 Flash auf zzo.ai 85 Credits (0,85 $). Kein Abo: Du kaufst Credits einmal, und sie verfallen nicht.
Gemini Omni 1.2 Flash ist das Videomodell von Google DeepMind und erschien am 5. November 2026. Es macht Clips von 3 bis 15 Sekunden mit Ton – aus Text, aus einem Foto (als Startbild, optional mit Endbild) oder aus bis zu sechs Referenzbildern. Gerendert wird in 360p oder 720p; 1080p und 4K sind von Google hochskalierte Fassungen der 720p-Aufnahme. zzo.ai ist eine unabhängige Website, auf der du das Modell nutzen kannst – nicht Googles eigene App.
Videos mit 3–15 s
Bis 4K
Mit Ton
Prompt aus diesem Video. Pass ihn an oder schreib deinen eigenen.
Mit Ton
Mit Gemini Omni 1.2 Flash erstellt
Öffne ein Beispiel, um Prompt und Einstellungen zu sehen, oder starte direkt damit.
Bergdorf im MorgennebelGemini Omni 1.2 Flash, 5 s, mit Ton, 85 Credits
12
Vom Küchen-Selfie zum WeihnachtsporträtGemini Omni 1.2 Flash, Bild-zu-Video, 8 s, mit Ton, 135 Credits, Eingabebild mit GPT Image 2.6 erstellt
Paar mit Hund auf der Silvester-DachterrasseGemini Omni 1.2 Flash, 5 s, mit Ton, 85 Credits, Eingabebild mit GPT Image 2.6 erstellt
Erdbeer-Splash in 4KGemini Omni 1.2 Flash, 3 s, mit Ton, 150 Credits
Zwei Freunde im Café, 15 sGemini Omni 1.2 Flash, 15 s, mit Ton, 250 Credits
Produktvideo für einen ParfumflakonGemini Omni 1.2 Flash, 8 s, mit Ton, 135 Credits
Crêpe vom Nachtmarkt, hochkantGemini Omni 1.2 Flash, 8 s, mit Ton, 135 Credits
Was du mit Gemini Omni 1.2 Flash erstellen kannst
Zu jedem Beispiel gibt es die Einstellungen und den Prompt, mit denen wir starten würden, und den Preis. Übernimm es direkt oder pass es an.
Eine Kinoszene aus einem Absatz
Fünf Sekunden in 720p, nur aus Text: eine langsame Kamerafahrt durch ein nebliges japanisches Bergdorf im Morgengrauen, in dem ein alter Mann vor einem Laden Laub fegt. Die Bewegung wirkt natürlich, und der Ton entsteht im selben Durchgang.
Text-zu-Video
720p
5 s
mit Ton
16:9
“A cinematic slow dolly shot through a quiet Japanese mountain village at dawn. Mist drifts between wooden houses with dark tiled roofs, warm lantern light glows in a few windows, and an elderly man in a blue apron sweeps fallen maple leaves in front of a small shop. The camera glides forward at walking height. Sound: soft birdsong, the scratch of the broom, a distant temple bell. Photorealistic, natural colours, gentle film grain. No text.”
Tipp: Schreib die Szene als einen Absatz in dieser Reihenfolge: Kamerabewegung, Ort, Personen und Handlung, dann eine Zeile „Sound:“, die nennt, was zu hören sein soll.
85 Credits
12
Eingabebild mit GPT Image 2.6 erstellt
Von einem Foto zum nächsten
Ein Clip mit 8 Sekunden aus Start- und Endbild: Er beginnt mit einem Küchen-Selfie einer KI-generierten Frau und endet mit einem Weihnachtsporträt derselben Frau. Der Clip landet genau auf dem Endbild, und ihr Gesicht blieb beim Wechsel des Raums erhalten.
Bild-zu-Video
720p
8 s
mit Ton
16:9
“She smiles at the camera in her kitchen, then turns and walks out of frame; the scene changes smoothly into a cozy living room with a decorated Christmas tree, and she ends in the exact pose and outfit of the last frame. Warm light, natural motion, one continuous shot. Sound: soft room tone, a few footsteps, gentle music-box notes as the tree appears. No text.”
Tipp: Nimm zwei Bilder derselben Person mit gleichem Bildausschnitt und sag, wie es vom einen zum anderen geht („turns and walks out of frame; the scene changes into …“). Bleib bei höchstens 10 Sekunden.
135 Credits
Eingabebild mit GPT Image 2.6 erstellt
Menschen, ein Hund und ein Ort aus Referenzen
Fünf Sekunden im Hochformat 9:16 aus drei Referenzbildern: ein junges Paar, sein Golden Retriever und eine Dachterrasse mit riesigen goldenen Ziffern. Beide Gesichter, der Hund und die goldenen Ziffern „2027“ blieben wie auf den Referenzen, während dahinter ein Feuerwerk losging.
Referenz-zu-Video
720p
5 s
mit Ton
9:16
“The young couple from the photo walk their golden retriever across the rooftop terrace with the giant gold numbers at night, laughing as the dog trots ahead; colourful fireworks burst over the city skyline behind them. Keep both faces, their clothes and the dog's fur exactly as in the reference photos. Handheld camera, vertical framing, photorealistic. Sound: fireworks, the dog's paws on the deck, light laughter. No text other than the numbers.”
Tipp: Beschreib jede Referenz mit dem, was sie zeigt („the couple“, „the golden retriever“, „the rooftop with the gold numbers“), und ergänze „keep both faces, their clothes and the dog’s fur exactly as in the reference photos“.
85 Credits
Eine Makroaufnahme in 4K
Drei Sekunden Zeitlupe: Eine Erdbeere fällt in Sprudelwasser, hochskaliert auf 4K aus der 720p-Aufnahme. Bläschen und Tropfen kamen gestochen scharf heraus.
Text-zu-Video
4K
3 s
mit Ton
16:9
“Extreme close-up of a ripe red strawberry being dropped into a glass of sparkling water in slow motion, bubbles rising and catching sunlight, droplets splashing outward against a soft white background. Crisp macro detail, studio lighting. Sound: a gentle splash and fizzing bubbles. No text.”
Tipp: Kurze, einfache Einstellungen eignen sich besonders für 4K: ein Motiv, eine Bewegung, ein ruhiger Hintergrund. Teste die Idee zuerst in 360p oder 720p, denn ein Durchlauf in 4K kostet am meisten.
150 Credits
Was Gemini Omni 1.2 Flash auszeichnet
Bis zu 15 Sekunden, Ton immer an
Jede ganze Länge von 3 bis 15 Sekunden in einer Einstellung. Sprache, Musik und Soundeffekte gehören zu jedem Clip und sind im Preis enthalten; Googles Launch-Beitrag hebt bei 1.2 bessere Dialoge und Lippensynchronität hervor.
So nutzt du es: Füg dem Prompt eine Zeile „Sound:“ hinzu und setz jeden gesprochenen Satz in Anführungszeichen, für das verlässlichste Ergebnis auf Englisch. Bei einem langen Clip bekommt jeder Teil einen eigenen Zeitabschnitt, etwa „[0-5s] …, [5-10s] …, [10-15s] …“.
Bild-zu-Video beginnt mit deinem Foto und kann mit einem zweiten enden; mit Endbild sind Clips bis zu 10 Sekunden lang. Referenz-zu-Video nimmt bis zu sechs Bilder von Personen, Produkten oder Orten und hält sie gleich.
So nutzt du es: Bei „Bild-zu-Video“ fügst du das Endbild in seinem eigenen Feld nach dem Startbild hinzu. Bei „Referenz-zu-Video“ lädst du die Bilder hoch und beschreibst jedes mit dem, was es zeigt. Nenn, was sich nicht ändern darf: „keep her face and outfit the same“.
Entwurf in 360p, Endfassung hochskaliert
Googles eigener Vorschlag für den Ablauf: Ideen preiswert in 360p oder 720p ausprobieren, dann die Endfassung in 1080p oder 4K rendern. Die höheren Auflösungen sind aus einer 720p-Aufnahme hochskaliert, nicht nativ.
So nutzt du es: Teste den Prompt in 360p, bis die Handlung stimmt. Jeder Durchlauf ist eine neue Aufnahme, die Endfassung in 1080p oder 4K weicht also etwas vom Entwurf ab; behalte Prompt und Einstellungen bei.
Was Gemini Omni 1.2 Flash gut kann – und wo es an Grenzen stößt
Stärken
Bis zu 15 Sekunden in einer Einstellung, mit Sprache, Musik und Soundeffekten, die zusammen mit dem Bild entstehen und im Preis enthalten sind. Auf zzo.ai kostet es in 720p pro Sekunde weniger als Seedance 2.5 oder Kling 4.0.
Start- und Endbild: In unserem Test (11. November 2026, ein Durchgang) ging ein Clip mit 8 Sekunden von einem Küchen-Selfie zu einem Weihnachtsporträt, endete genau auf dem Endbild, und das Gesicht der Person blieb die ganze Zeit dasselbe.
Referenzbilder bewahren Details: Aus drei Bildern behielt unser Hochformat-Clip auf der Dachterrasse beide Gesichter, den Golden Retriever und die goldenen Ziffern „2027“.
Schnelle Entwürfe, scharfe Endfassungen: 360p für preiswerte Tests, dann 1080p oder 4K, hochskaliert aus der 720p-Aufnahme. Unsere 4K-Makroaufnahme einer Erdbeere mit 3 Sekunden kam gestochen scharf heraus.
Schnell für ein Videomodell: Unsere vier Testclips brauchten jeweils zwischen 45 Sekunden und etwa 2 Minuten.
Grenzen
Nur zwei Seitenverhältnisse, 16:9 und 9:16: kein Quadrat, kein 4:3 und kein 21:9.
Der Ton ist immer an, ohne Schalter, und eigenen Ton kannst du nicht hochladen. Schalte den Clip im Schnittprogramm stumm, wenn du Stille willst.
1080p und 4K sind aus einer 720p-Aufnahme hochskaliert, nicht nativ: Sie wirken schärfer, aber es kommen keine neu gefilmten Details hinzu.
Mit Endbild dauert ein Clip höchstens 10 Sekunden; Referenz-zu-Video nimmt höchstens sechs Bilder.
Google evaluiert nur englische Prompts; andere Sprachen, auch Deutsch, hat Google weder im Prompt noch im Dialog getestet.
Fotos bestimmter bekannter Personen werden womöglich abgelehnt, und Fotos von Minderjährigen lehnt Google im EWR (also auch in Deutschland und Österreich), in der Schweiz und im Vereinigten Königreich ab.
Google nennt selbst seine Schwachstellen: schnelle Sportszenen, komplexe Physik und exakter Text im Bild.
Ein vorhandenes Video bearbeiten, einen Clip verlängern und Bearbeitungen über mehrere Runden sind Funktionen von Googles eigener API und werden hier noch nicht angeboten.
Schritt für Schritt zu einem guten ersten Ergebnis mit Gemini Omni 1.2 Flash
Günstig entwerfen, in hoher Qualität fertigstellen. Jeder Schritt zeigt Einstellungen und Kosten.
1
Die Einstellung in 360p finden
Probier die Idee in 360p und mit 5 Sekunden aus und ändere pro Versuch nur eine Sache, bis Handlung und Bildausschnitt stimmen.
360p
5 s
mit Ton
16:9
3 Durchgänge × 30 = 90 Credits
2
Die volle Länge in 720p erstellen
Generiere die Länge, die du brauchst, in 720p, der nativen Auflösung des Modells. Für Reels, TikTok und Shorts nimmst du 9:16 im Hochformat, für YouTube und das Web 16:9.
720p
10 s
mit Ton
16:9
165 Credits
3
Die Endfassung hochskaliert rendern
Wähl 1080p oder für große Bildschirme 4K. Das ist eine neue Aufnahme, hochskaliert aus ihrer eigenen 720p-Fassung, und kann daher leicht von der 720p-Version abweichen.
1080p
10 s
mit Ton
16:9
250 Credits
Rund 505 Credits (5,05 $ zum Standardpreis) für das ganze Projekt. Fehlgeschlagene Durchgänge bekommst du zurück, sie zählen also nicht mit.
Die Einstellungen erklärt
Was jede Option bewirkt und wie sie sich auf den Preis auswirkt.
Modi
Text-zu-Video startet mit deinen Worten. Bild-zu-Video nimmt dein Foto als Startbild, optional mit Endbild (dann bis zu 10 Sekunden). Referenz-zu-Video nutzt bis zu sechs Bilder, damit Personen, Produkte oder Orte gleich bleiben.
Gleicher Preis: 85 Credits (720p, 5 s)
Auflösung
360p für Entwürfe, 720p (nativ) für die meisten Posts, 1080p und 4K für Endfassungen. 1080p und 4K sind aus der 720p-Aufnahme hochskaliert, und der Preis steigt mit der Auflösung.
Jede ganze Sekunde von 3 bis 15, mit Endbild bis 10. Der Preis steigt mit der Länge, pass sie also an die Handlung an: Ein langes Skript in einem kurzen Clip wirkt gehetzt.
3 s: 50 · 5 s: 85 · 15 s: 250 Credits (720p)
Ton
Immer an und im Preis enthalten; Google bietet keinen Schalter dafür. Beschreib den Ton, den du willst, oder schalte den Clip danach stumm.
Seitenverhältnisse
16:9 für YouTube und das Web, 9:16 im Hochformat für Reels, TikTok und Shorts; andere Formate gibt es nicht. Auch bei Bild-zu-Video wählst du selbst, und der Generator stellt es passend zum Format deines Fotos vor.
16:9, 9:16 · kein Preisunterschied
Gemini Omni 1.2 Flash: technische Daten
Aktualisiert am 11. November 2026
Entwickler
Google
Veröffentlicht
2026-11-05
Typ
Video
Modi
Text-zu-Video, Bild-zu-Video, Referenz-zu-Video
Videolänge
3–15s
Auflösung
360p, 720p, 1080p, 4K
Ton
Immer an
Seitenverhältnisse
16:9, 9:16
Kommerzielle Nutzung
Erlaubt, gemäß unseren Bedingungen
Fehlgeschlagene Generierungen
Credits automatisch zurück
Preis ab
20 (0,20 $)
Gemini Omni 1.2 Flash: Preis pro Generierung
Credits werden erst abgebucht, wenn eine Generierung startet, und bei einem Fehlschlag zurückgebucht. Die kleinste Option kostet 20 Credits.
Erschienen am 5. November 2026 bei Google DeepMind, allgemein verfügbar in Googles API und in Google Cloud.
Preis in Googles eigener API: pro Sekunde in 720p 30 % unter Gemini Omni 1.1 Flash (Google, 5. November 2026). Auf zzo.ai zahlst du pro Clip mit Credits, ohne Abo.
Eingaben auf zzo.ai: Text, ein Startbild mit optionalem Endbild oder bis zu sechs Referenzbilder.
Länge: 3 bis 15 Sekunden; mit Endbild 3 bis 10.
Auflösung: 360p und 720p nativ; 1080p und 4K aus der 720p-Aufnahme hochskaliert.
Seitenverhältnisse: 16:9 und 9:16.
Ton: wird immer erzeugt (Sprache, Musik, Soundeffekte); eigener Ton lässt sich nicht hochladen.
Wasserzeichen: Google versieht jeden Clip mit einem unsichtbaren SynthID-Wasserzeichen.
Tipps für Prompts
Googles Leitfaden und unsere eigenen Testläufe sind sich bei ein paar Regeln einig:
Schreib es als eine Szene: Kamerabewegung, Ort, wer was tut, dann eine Zeile „Sound:“. Unser Prompt für das neblige Dorf ist eine gute Vorlage.
Gib den Momenten Zeiten, wenn der Clip länger ist: „[0-5s] … [5-10s] … [10-15s] …“, eine Hauptbewegung pro Abschnitt.
Nenn, was sich nicht ändern darf. Googles Leitfaden nutzt für Bearbeitungen „keep everything else the same“; bei Bild- und Referenz-zu-Video sagst du das über das Gesicht, das Outfit oder das Produkt.
Schreib Verneinungen in den Prompt („no text“, „no music“): Googles API hat keinen eigenen Negativ-Prompt.
Prompte auf Englisch, der einzigen Sprache, die Google evaluiert hat, und setz gesprochene Sätze in Anführungszeichen.
Geh sparsam mit Tempo um: Langsame, fließende Bewegungen halten besser als Sprints, Sport oder komplexe Physik.
Wenn ein Ergebnis danebengeht
Die typischen Probleme mit Gemini Omni 1.2 Flash, woher sie kommen und was du ändern solltest.
Das Foto wird abgelehnt
Ursache: Google unterstützt keine hochgeladenen Fotos bestimmter bekannter Personen und keine Fotos von Minderjährigen im EWR (auch in Deutschland), in der Schweiz und im Vereinigten Königreich, und seine Filter unterscheiden sich je nach Region.
Lösung: Nimm eine KI-generierte oder gezeichnete Figur oder beschreib die Person in einem Text-zu-Video-Prompt. Die Credits für die abgelehnte Generierung bekommst du automatisch zurück.
Ein Clip mit Endbild kann nicht länger als 10 Sekunden sein
Ursache: Google begrenzt Clips aus Start- und Endbild auf 3 bis 10 Sekunden.
Lösung: Wähl höchstens 10 Sekunden, oder lass das Endbild weg, dann geht es bis 15.
Schnelle Action oder Physik sieht falsch aus
Ursache: Google nennt schnelle Sportszenen und komplexe Physik als Schwachstellen.
Lösung: Verlangsame die Handlung („slowly“, „in slow motion“), gib jedem Zeitabschnitt nur eine Hauptbewegung und generiere neu.
Wörter im Bild sind falsch geschrieben
Ursache: Exakter Text bleibt laut Googles Model Card eine Herausforderung.
Lösung: Halte Text kurz oder füg ihn im Schnittprogramm ein. Zahlen, die genau stimmen müssen, gibst du als Referenzbild vor: So hat unser Dachterrassen-Beispiel „2027“ behalten.
Dialog in einer anderen Sprache klingt nicht richtig
Ursache: Google evaluiert nur Englisch; andere Sprachen sind nicht getestet.
Lösung: Schreib gesprochene Sätze für das verlässlichste Ergebnis auf Englisch, oder leg danach einen Sprechertext auf Deutsch darunter.
Ungewollte Musik oder Schrift taucht auf
Ursache: Googles API nimmt keinen Negativ-Prompt an, also füllt das Modell Lücken selbst.
Lösung: Schreib die Einschränkungen in den Prompt („no music“, „no text“) und sag genau, welche Geräusche du willst.
Die Generierung ist fehlgeschlagen oder hat zu lange gedauert
Ursache: Das Modell hat einen Fehler zurückgegeben oder zu lange gebraucht.
Lösung: Es wird nichts berechnet: Die Credits gehen zurück auf dein Guthaben. Versuch es noch einmal oder mit einem kürzeren Clip.
Gemini Omni 1.2 Flash vs. Gemini Omni 1.1 Flash
Gemini Omni 1.2 Flash hat 1.1 am 5. November 2026 abgelöst. Google behält 1.1 für eine Übergangszeit von vier Wochen und leitet dessen Anfragen ab dem 3. Dezember 2026 auf 1.2 um, abgerechnet zu den Preisen von 1.2. Auf zzo.ai läuft nur die neueste Version.
Clips bis zu 15 Sekunden in einer Einstellung, die Hauptneuerung in Googles Launch-Beitrag.
Ein Preis pro Sekunde in Googles API, der 30 % unter dem von 1.1 liegt.
Laut Google bessere Dialoge, Lippensynchronität und Szenen mit mehreren Sprechern.
Dieselben Formate (16:9, 9:16) und Auflösungen: 360p und 720p nativ, 1080p und 4K hochskaliert.
Videobearbeitung, Verlängerung und Bearbeitungen über mehrere Runden in Googles eigener API; zzo.ai bietet vorerst Text-, Bild- und Referenz-zu-Video an.
Ein 5-Sekunden-Video in 720p mit Ton kostet mit Gemini Omni 1.2 Flash auf zzo.ai 85 Credits (0,85 $). Kein Abo: Du kaufst Credits einmal, und sie verfallen nicht. Je nach Auflösung und Länge kostet eine Generierung 20 bis 740 Credits (0,20 $ bis 7,40 $ zum Standardpreis). Mit dem Paket für 199,99 $ ab 0,18 $. Schlägt eine Generierung fehl, bekommst du die Credits automatisch zurück.
Brauche ich ein Abo, um Gemini Omni 1.2 Flash zu nutzen?
Nein. zzo.ai hat kein Abo: Du kaufst einmal ein Credit-Paket und nutzt es für Gemini Omni 1.2 Flash oder jedes andere Modell. Deine Credits verfallen nicht.
Wie lang und in welcher Auflösung kann Gemini Omni 1.2 Flash Videos erstellen?
Auf zzo.ai erstellt Gemini Omni 1.2 Flash Videos von 3 bis 15 Sekunden in 360p, 720p, 1080p, 4K, in den Seitenverhältnissen 16:9, 9:16.
Was kostet ein 10-Sekunden-Video mit Gemini Omni 1.2 Flash?
Ein 10-Sekunden-Video in 720p mit Ton kostet 165 Credits: 1,65 $ zum Standardpreis oder 1,50 $ mit dem Paket für 199,99 $. Ein Abo gibt es nicht.
Kann Gemini Omni 1.2 Flash Videos in 4K erstellen?
Ja. 4K kostet 250 Credits (2,50 $ zum Standardpreis) für 5 Sekunden. Feile den Prompt zuerst in niedrigerer Auflösung aus und generiere dann in 4K: Jeder Durchlauf ist eine neue Variante, keine Hochskalierung einer früheren.
Kann ich Gemini Omni 1.2 Flash per API oder in Claude nutzen?
Ja. Erstelle in den Einstellungen einen API-Schlüssel und nutze Gemini Omni 1.2 Flash dann über den MCP-Server von zzo.ai in Claude, Cursor oder deinem eigenen Code. Abgerechnet wird über dasselbe Guthaben zu denselben Preisen wie auf der Website.
Was ist Gemini Omni 1.2 Flash?
Das Videomodell von Google DeepMind, erschienen und allgemein verfügbar seit dem 5. November 2026. Es macht Clips von 3 bis 15 Sekunden mit Ton aus Text, einem Foto oder Referenzbildern, in 720p, mit 1080p und 4K hochskaliert. Es ersetzt Gemini Omni 1.1 Flash.
Kann ich Gemini Omni testen, ohne zu bezahlen?
Nein, kostenlos ist es nicht – zumindest nicht auf zzo.ai: Jeder Clip kostet Credits, und der Button zeigt dir vorher den Preis. Google selbst bietet in einigen eigenen Apps eine begrenzte Nutzung an, etwa Clips mit 15 Sekunden in Google Vids, zu Googles eigenen Bedingungen.
Wovon hängen die Kosten eines Clips ab?
Von Länge und Auflösung: Du zahlst pro Sekunde, der Ton ist immer enthalten, 360p kostet am wenigsten und 4K am meisten. Es gibt kein Abo, und deine Credits verfallen nicht.
Wie nutze ich Gemini Omni Flash?
Wähl Text-zu-Video, Bild-zu-Video oder Referenz-zu-Video, schreib den Prompt, stell Länge, Auflösung und Seitenverhältnis ein und generiere. Für mehrere Momente gibst du Zeiten an: „[0-5s] …, [5-10s] …“. Die Geräusche, die du hören willst, schreibst du in den Prompt.
Gemini Omni Flash oder Veo 3.1?
Veo 3.1 macht Clips bis zu 8 Sekunden, Omni 1.2 Flash bis zu 15, und Google bietet Omni inzwischen in Flow, Google Vids und der Gemini-App an. Veo 3.1 gibt es auf zzo.ai nicht.
Gemini Omni Flash oder Seedance 2.5?
Seedance 2.5 rendert 1080p nativ, bietet sechs Seitenverhältnisse und lässt sich ohne Ton generieren. Omni 1.2 Flash kostet in 720p pro Sekunde deutlich weniger, geht bis 15 Sekunden mit immer eingeschaltetem Ton und bietet zusätzlich einen 360p-Entwurf und hochskaliertes 4K. Tests mit identischen Prompts haben wir noch nicht gemacht.
Was hat sich gegenüber Gemini Omni 1.1 Flash geändert?
Laut Google: Clips bis zu 15 Sekunden, bessere Dialoge und Lippensynchronität und ein Preis in Googles API, der 30 % unter dem von 1.1 liegt. Ab dem 3. Dezember 2026 leitet Google Anfragen an 1.1 auf 1.2 um. Auf zzo.ai läuft 1.2.
Wie lange dauert eine Generierung?
In unseren vier Testläufen (11. November 2026) zwischen 45 Sekunden und etwa 2 Minuten, je nach Länge und Auflösung.
Ist die 4K-Ausgabe echtes 4K?
Nein. Google rendert in 360p oder 720p und skaliert die 720p-Aufnahme auf 1080p oder 4K hoch. Ein Durchlauf in 4K ist eine neue Aufnahme, kein Hochskalieren eines Entwurfs, den du vorher gemacht hast.
Kann ich ein Foto von mir oder einer anderen echten Person verwenden?
Es wird womöglich abgelehnt: Google unterstützt keine hochgeladenen Fotos bestimmter bekannter Personen und keine Fotos von Minderjährigen im EWR – also auch in Deutschland und Österreich –, in der Schweiz und im Vereinigten Königreich. Wird eine Generierung abgelehnt, bekommst du die Credits automatisch zurück. KI-generierte Personen funktionierten in unseren Tests; das Foto eines anderen Menschen lädst du nur mit dessen Erlaubnis hoch.
Kann es ein vorhandenes Video bearbeiten oder verlängern?
Hier noch nicht. Googles eigene API kann einen Clip nach Anweisung bearbeiten und verlängern; zzo.ai bietet vorerst Text-, Bild- und Referenz-zu-Video an.
Darf ich die Videos kommerziell nutzen?
Ja. Videos, die du auf zzo.ai generierst, darfst du verwenden, auch kommerziell – solange der Inhalt nicht gegen unsere Nutzungsbedingungen oder die Rechte anderer verstößt.
Was passiert, wenn ein Clip fehlschlägt?
Es wird nichts berechnet: Gibt das Modell einen Fehler zurück, dauert es zu lange oder lehnt es die Anfrage ab, bekommst du die Credits automatisch zurück auf dein Guthaben.
