Gemini Omni 1.2 im Test: Vergleich mit Seedance, Kling, Veo und Wan

👁 114 Aufrufe

Sechs Modelle, zwei Szenen, dieselbe Eingabeaufforderung bis auf das letzte Satzzeichen. In der ersten Szene soll die Kamera eine vollständige Drehung um eine Apfelverkäuferin auf dem Kleparz-Markt in Krakau vollführen. In der zweiten Szene streiten sich zwei Kleingärtner am Grill auf Polnisch darüber, aus welchem Discounter die Wurst stammen soll. Jeder Clip dauert 6 Sekunden, in 720p mit Ton, generiert am Abend des 5. November 2026, dem Tag der Veröffentlichung von Gemini Omni 1.2 Flash.

Für den Vergleich habe ich Omni 1.2, seinen Vorgänger Omni 1.1, Veo 3.1 Lite von Google, Seedance 2.0 Fast von ByteDance, Wan 3.0 von Alibaba und Kling 3.0 Standard herangezogen. Alle wurden über dieselbe Schnittstelle bei OpenRouter abgefragt, womit Abrechnung und Wartezeiten direkt vergleichbar sind. Kling 4.0 und Seedance 2.5 stehen dort nicht zur Verfügung oder kosten ein Vielfaches; dazu mehr am Ende.

Ergebnisse im Überblick

Hinweis zu den Kosten: Umrechnung der offiziellen US-Dollar-Beträge zum EZB-Referenzkurs vom 05.11.2026 (1 EUR = 1,1224 USD, Quelle: EZB). Es handelt sich um geschätzte Richtwerte ohne Mehrwertsteuer.

Die Dialoge habe ich nicht nach Gehhör beurteilt, sondern jede generierte Audiodatei durch die Spracherkennung Whisper large-v3 geschickt und das Transkript mit dem Prompt abgeglichen.

Szene 1: Drehung um den Marktstand

Die deutsche Übersetzung des im Original auf Polnisch getesteten Prompts lautete: „Flüssige, vollständige 360-Grad-Kameradrehung um eine ältere Dame, die Äpfel verkauft, gleichbleibende Größe der Figur, ohne Schnitte“. Das ist eine anspruchsvolle Aufgabe, denn das Modell muss rekonstruieren, wie die Person von hinten aussieht, welche Kulisse hinter ihr liegt, und anschließend wieder präzise zum Ausgangsgesicht zurückkehren.

Omni 1.2 hat exakt das umgesetzt, was gefordert war. Die Kamera fährt von vorne über die Seite hinter ihren Rücken - wo sich die Dame ihr Kopftuch zurechtrückt - und kehrt wieder zu ihrem Lächeln zurück. Gesicht und geblümtes Tuch stimmen am Anfang und am Ende exakt überein. Omni 1.1 versucht die Drehung ebenfalls und zeigt die Rückansicht, die Bewegung fällt jedoch ruckartig aus.

Das restliche Testfeld scheiterte an der Kameradrehung. Veo 3.1 Lite und Wan 3.0 platzierten die Kamera fest auf einem Stativ und ließen die Verkäuferin lediglich gestikulieren. Seedance vollzog ein leichtes Heranfahren. Kling zerlegte die Szene in mehrere harte Schnitte mit wechselnden Hintergründen - angesichts der ausdrücklichen Vorgabe „ohne Schnitte“ ein klarer Fehler.

Szene 2: Streit am Grill

Die deutsche Übersetzung des im polnischen Original formulierten Prompts lautete: Zwei Männer um die fünfzig stehen am Grill in einem Schrebergarten. Der erste, mit Schiebermütze, sagt: „Ich habe dir doch gesagt, die Wurst soll von Biedronka sein, nicht von Lidl!“ (Deutsche Übersetzung des polnischen Originals: „Ich habe dir gesagt, dass die Wurst von Biedronka sein soll, nicht von Lidl!“). Der zweite, mit Brille: „Du isst das jetzt und meckerst nicht“ (fehlerhafte Beschriftung im polnischen Originaltest).

Omni 1.2 lieferte eine durchgehende Einstellung ohne Schnitte. Beide Figuren bleiben über die gesamte Dauer identisch, und die Lippenbewegungen stimmen mit der Audioausgabe überein. Allerdings ging das Ende des ersten Satzes verloren: Statt des vollständigen Satzes erklang nur der Bezug auf Biedronka (z Biedronki), während „nicht von Lidl“ (nie z Lidla) abgeschnitten wurde. Sechs Sekunden Gesamtlänge sind für zwei Dialogzeilen äußerst knapp bemessen; das Modell kürzte den Satz, anstatt die Sprechgeschwindigkeit unnatürlich zu erhöhen. In einem Testdurchlauf derselben Szene mit einem Referenzbild als Ausgangsbasis wurde der Dialog dann komplett gesprochen.

Omni 1.1 gab zwar den vollständigen Wortlaut wieder, zerlegte die Szene dafür in drei separate Einstellungen - im mittleren Bildausschnitt sitzt plötzlich ein völlig anderer Mann im grünen T-Shirt am Gartentisch. Veo 3.1 Lite und Wan 3.0 meisterten diese Aufgabe am besten: fehlerfreier polnischer Text, saubere Aussprache der beiden Markennamen und eine durchgehende Kameraeinstellung. Seedance 2.0 Fast ersetzte den zweiten Gesprächspartner durch eine Figur mit Bierflasche und verhaspelte sich sprachlich völlig (kielbana, biedynki und z lita). Kling lieferte das kurioseste Ergebnis und paraphrasierte den Text eigenmächtig ins Polnische: Der erste Satz wurde zu „Ich habe dir gesagt, dass die Wurst von Biedronka sein sollte“ (Deutsche Übersetzung des polnischen Originals: „Ich habe dir gesagt, dass die Wurst von Biedronka sein sollte“), während der zweite Satz in völlig unverständliches Kauderwelsch abdriftete (fehlerhafte Beschriftung im polnischen Originaltest).

Fazit: Wer schneidet am besten ab?

Einen eindeutigen Gesamtsieger gibt es nicht, wie diese beiden Prüfungen exemplarisch demonstrieren.

• Kameradynamik und Konsistenz in einer Einstellung: Omni 1.2. Als einziges Modell gelang hier eine echte 360-Grad-Drehung ohne Unterbrechung, während die Gesichter der Charaktere stabil blieben.
• Günstigste korrekte Dialogführung: Veo 3.1 Lite. Für umgerechnet ca. 0,04 EUR (0,05 USD) pro Sekunde liefert das Modell einwandfreie Sprachausgabe, verharrt jedoch in statischer Kameraposition und lässt ausschließlich Clip-Längen von 4, 6 oder 8 Sekunden zu.
• Generierungsgeschwindigkeit: Omni 1.1 und 1.2 mit Latenzen von unter einer Minute. Wan und Kling benötigten im API-Abruf fast drei Minuten.
• Schwächen bei fremdsprachiger Artikulation: Kling 3.0 Standard und Seedance 2.0 Fast enttäuschten in diesem Setup bei der Präzision der gesprochenen Dialoge.

Der Vollständigkeit halber sei erwähnt, welche Modelle hier nicht vertreten sind: Seedance 2.5, das derzeit leistungsfähigste Modell von ByteDance, schlägt bei OpenRouter mit rund 0,20 EUR (0,23 USD) pro Sekunde in 720p zu Buche - mehr als das Dreifache von Omni 1.2 - und blieb daher für diese Testreihe außen vor. Kling 4.0 ist über API bislang nur über einen einzelnen Drittanbieter ohne öffentlich fixierten Tarif zugänglich. Eine vollständige Kostenanalyse nach Sekundenpreisen finden Sie in der Übersicht was Gemini Omni 1.2 kostet sowie im älteren Fünf-Szenen-Vergleich in der Video-KI-Arena.

Alle weiteren Tests zum Veröffentlichungszeitpunkt finden Sie im Hub zu Gemini Omni Flash gebündelt.

// weiterlesenSkyReels V4 vs. Seedance 2.0 vs. Kling 3.0 im VergleichBenchmarksKI-Video Arena: Wan 3.0, Kling, Seedance, Veo, H3 und RunwayBenchmarksVidu Q4 vs. Seedance 2.0 vs. MiniMax H3 im VergleichBenchmarks