DEV Community

Cover image for So verlängern Sie ein Video mit Gemini Omni 1.2 Flash
Emre Demir
Emre Demir

Posted on Originally published at apidog.com

So verlängern Sie ein Video mit Gemini Omni 1.2 Flash

So verlängern Sie ein Video mit Gemini Omni 1.2 Flash

Die kurze Antwort: Um ein Video mit Gemini Omni 1.2 Flash zu verlängern, senden Sie Ihren Clip zusammen mit einem kurzen Fortsetzungs-Prompt an die Interactions API. Jeder Durchgang fügt 3 bis 10 Sekunden hinzu und gibt den längeren Clip zurück. Bei der Gemini API liegt das Limit bei insgesamt 30 Sekunden. Die Agent Platform von Google Cloud schafft 40 – aber nur, wenn Sie jeden Schritt so planen, dass Ihr Anfang nicht abgeschnitten wird.

Testen Sie Apidog noch heute

Tipps zum Schreiben von Prompts finden Sie in unserem Leitfaden zur Szenenverlängerung mit Omni 1.1. Dieser Artikel behandelt die Neuerungen: die Requests, die Verkettungsrechnung und die Kosten eines 40-Sekunden-Clips.

So funktioniert die Videoverlängerung mit Gemini Omni 1.2 Flash

Die Videoverlängerung erzeugt eine Fortsetzung am Ende eines Clips. Das Modell liest die letzten bis zu 10 Sekunden Ihrer Eingabe als Kontext ein, erzeugt 3 bis 10 neue Sekunden und hängt sie an den Clip an. Es hängt nur an: Voranstellen oder die Verlängerung der Mitte ist nicht möglich.

Google dokumentiert unterschiedliche Limits, je nachdem, wo Sie das Modell aufrufen:

Gemini API Agent Platform (Google Cloud)
Authentifizierung API-Schlüssel Projekt und Access-Token
Gesamtlänge 30 Sekunden 40 Sekunden
Eingabelänge Kein separater Wert angegeben Beliebige Dauer
Referenzbilder Bis zu 6 bei Omni Bis zu 2 pro Verlängerung
Verlängerungsmodus Erst Prompt, task als Fallback task: "extend" in allen Beispielen
Seed und Labels Nicht in der Omni-Dokumentation generation_config.seed, labels
Gespeicherte Ergebnisse 55 Tage im kostenpflichtigen Tarif Bis zu 7 Tage

Quellen: die Omni-Dokumentation der Gemini API und die Verlängerungs-Dokumentation der Agent Platform.

Auf der Agent Platform liest das Modell die letzten bis zu 10 Sekunden und fügt das neue Segment an die letzten bis zu 30 Sekunden der Eingabe an. In Googles Beispiel wird eine 60-sekündige Eingabe um 10 Sekunden verlängert und 40 Sekunden zurückgegeben – die ersten 30 Sekunden fallen also weg.

Zeitachse eines 60 Sekunden langen Eingabeclips, bei dem die ersten 30 Sekunden verworfen werden, die letzten 30 Sekunden erhalten bleiben, das Modell die letzten 10 Sekunden liest und die 40-sekündige Ausgabe aus den erhaltenen 30 Sekunden plus 10 neuen Sekunden besteht.

Sie müssen nichts selbst zusammenschneiden, da die Ausgabe das frühere Material bereits enthält. Google bearbeitet allerdings einige der letzten Frames Ihrer Eingabe, um den Übergang weicher zu gestalten.

Was sich bei der Verlängerung in 1.2 geändert hat

  • Start-Clips mit 15 Sekunden. Bei 1.1 waren es maximal 10. Jeder Verlängerungsschritt ist weiterhin auf 10 Sekunden begrenzt.
  • Referenzbilder, Seed und Labels bei Verlängerungs-Requests auf der Agent Platform.
  • Neue Prompt-Syntax. Google hat Tags wie <IMAGE_REF_0> als veraltet markiert; ältere Anleitungen verwenden sie noch. Beschreiben Sie jedes Bild in einfacher Sprache.
  • Neuer Eingabetyp. Aktuelle Beispiele senden "type": "video" und nicht den Typ document aus den 1.1-Beispielen.

Ein Video Schritt für Schritt mit der Gemini API verlängern

  1. Erzeugen Sie einen Clip oder laden Sie einen über die Files API hoch. Hochgeladene Dateien werden nach 48 Stunden gelöscht.
  2. Beschreiben Sie nur, was als Nächstes passiert.
  3. Setzen Sie duration auf einen Wert zwischen "3s" und "10s" (Standard: 10).
  4. Speichern Sie die Interaction-ID für den nächsten Durchgang.
from google import genai

client = genai.Client()

first = client.interactions.create(
    model="gemini-omni-1.2-flash",
    input="A courier in a yellow jacket cycles through a rainy night market.",
    response_format={"type": "video", "duration": "15s"},
)

second = client.interactions.create(
    model="gemini-omni-1.2-flash",
    previous_interaction_id=first.id,
    input="The courier brakes at a red door. Keep the same yellow jacket.",
    response_format={"type": "video", "duration": "10s", "delivery": "uri"},
)
Enter fullscreen mode Exit fullscreen mode

Um Ihr eigenes Material zu verlängern, ersetzen Sie previous_interaction_id durch ein Eingabe-Array mit {"type": "video", "uri": video_file.uri} und einem Textelement.

  • Lassen Sie task zunächst weg. Google erklärt, dass dadurch strenge Einschränkungen gelten; setzen Sie "task": "extend" in video_config daher nur als Fallback.
  • Verwenden Sie delivery: "uri" ab 4 MB. Speichern Sie die URI aus der Erstellungsantwort. Ein späteres GET liefert inline Base64 zurück, auch bei URI-Requests.
  • Lassen Sie store aktiviert. Mit store: false können Sie von dieser Interaction-ID aus nicht fortfahren.

Bei Uploads gelten zwei weitere Einschränkungen: kein hinzugefügter Dialog in Szenen, in denen jemand spricht, und keine Verlängerung aus dem EWR, der Schweiz oder dem UK. Die mehrstufige Verlängerung generierter Videos umgeht beides.

Ein Request auf der Agent Platform im Detail

Nutzen Sie diesen Weg, wenn Sie 40 Sekunden oder eine Job-Warteschlange benötigen. Die Generierung kann mehr als eine Minute dauern, senden Sie diesen Body also per POST an https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/global/interactions – mit aktiviertem background:

{
  "model": "gemini-omni-1.2-flash",
  "background": true,
  "input": [
    { "type": "text", "text": "The courier opens the red door and steps inside." },
    { "type": "video", "uri": "gs://my-bucket/hop-1.mp4", "mime_type": "video/mp4" }
  ],
  "response_format": [
    {
      "type": "video",
      "delivery": "uri",
      "gcs_uri": "gs://my-bucket/out/",
      "aspect_ratio": "16:9",
      "duration": "5s"
    }
  ],
  "generation_config": {
    "seed": 4242,
    "video_config": { "task": "extend" }
  },
  "labels": { "campaign": "courier", "hop": "2" }
}
Enter fullscreen mode Exit fullscreen mode

Der Aufruf gibt eine Interaction-ID mit dem Status in_progress zurück. Fragen Sie sie mit GET .../locations/global/interactions/INTERACTION_ID ab. Ist der Vorgang abgeschlossen, lesen Sie die gs://-URI aus dem Schritt model_output in steps. Diese URI dient als Eingabe für Ihren nächsten Hop.

Zudem gibt es die Modi stateless (store: false), stateful (store: true) und Streaming. Gespeicherte und asynchrone Ergebnisse bleiben bis zu 7 Tage erhalten – kopieren Sie also alles, was Sie brauchen.

Hinweis: Nicht ausgeführt – es war kein Google-Cloud-Projekt verfügbar. Googles Beispiel-Body enthält weder seed noch labels; prüfen Sie daher deren Platzierung.

Bis zum 40-Sekunden-Limit verketten

Ein Hop behält Ihr gesamtes Material nur, wenn seine Eingabe 30 Sekunden oder weniger beträgt. Um auf 40 zu kommen, ohne etwas zu verlieren, müssen Sie zuerst genau 30 erreichen.

Hop Geplante duration Geplante Ausgabe Naive duration Naive Ausgabe
Start 15s 15s 15s 15s
1 10s 25s 10s 25s
2 5s 30s 10s 35s
3 10s 40s 10s 40s, erste 5s verworfen

Zwei Verkettungspläne im Vergleich: Die geplante Kette aus 15 Sekunden plus 10, 5 und 10 erreicht 40 Sekunden ohne Verlust, während die naive Kette aus 15 Sekunden plus drei 10-Sekunden-Hops zwar 40 Sekunden erreicht, aber die ersten 5 Sekunden verwirft.

Die naive Kette kauft sich 5 zusätzliche Sekunden und wirft dann Ihren Anfang weg. Die Cliplänge warnt Sie nicht davor, denn beide Ketten geben 40 Sekunden zurück.

Ein 15-sekündiger Start spart bei 40 Sekunden keine Aufrufe: Wer bei 10 startet, braucht ebenfalls drei Verlängerungen. Anderswo hilft er: 25 Sekunden erfordern eine statt zwei Verlängerungen, 35 Sekunden zwei statt drei.

Auf der Gemini API brechen Sie nach Hop 2 ab. Google sagt nicht, was mit einem Request passiert, der 30 Sekunden überschreitet.

Charaktere mit Referenzbildern und Seed konsistent halten

Ein Charakter, der den Frame vor den letzten 10 Sekunden verlassen hat, ist für das Modell unsichtbar – selbst wenn diese Frames im Clip bleiben. Googles Lösung: Erwähnen Sie ihn erneut oder übergeben Sie ein Referenzbild im selben input-Array:

{ "type": "image", "uri": "gs://my-bucket/courier.png", "mime_type": "image/png" },
{ "type": "text", "text": "The courier from the reference image walks back into frame." }
Enter fullscreen mode Exit fullscreen mode
  • Verwenden Sie dasselbe Bild in jedem Hop erneut, der diesen Charakter braucht.
  • Wählen Sie auf der Agent Platform sorgfältig aus. Zwei Bilder pro Verlängerung decken nur das ab, was sich am ehesten verändert.
  • Senden Sie keine Referenzvideos. Google unterstützt sie nur für die Neugenerierung, nicht für die Verlängerung.
  • Geben Sie Zeitangaben bezogen auf das neue Segment an. 0s in Ihrem Prompt bezeichnet den Anfang des verlängerten Teils, nicht den Anfang des Clips.

Setzen Sie generation_config.seed für reproduzierbare Ergebnisse. Am hilfreichsten ist das beim Debuggen: Führen Sie einen Hop mit demselben Seed erneut aus, um zu sehen, ob eine Änderung von Ihrem Prompt stammt. Google garantiert nicht, dass ein Seed einen Charakter über verschiedene Prompts hinweg stabil hält – verlassen Sie sich dafür auf Referenzen. Mit labels können Sie die Abrechnung pro Hop nachverfolgen.

Was ein 40-Sekunden-Clip kostet

Auf der Preisseite von Google wird die Videoausgabe von Omni 1.2 mit 12,00 $ pro Million Tokens abgerechnet. Dort steht nicht, ob bei einer Verlängerung nur die neuen Sekunden berechnet werden oder jede zurückgegebene Sekunde. Die geplante Kette erzeugt 40 Sekunden, gibt aber 15, 25, 30 und 40 zurück – zusammen 110.

Auflösung Pro Sekunde Wenn nur neue Sekunden abgerechnet werden Wenn jede zurückgegebene Sekunde abgerechnet wird
360p 0,023 $ 0,93 $ 2,55 $
720p Etwa 0,07 $ 2,78 $ 7,65 $
1080p (hochskaliert) 0,104 $ 4,17 $ 11,47 $
4K (hochskaliert) 0,209 $ 8,34 $ 22,94 $

Dies sind Gemini-API-Preise, berechnet aus der Anzahl der Tokens pro Sekunde bei Google. Input-Tokens (1,50 $ pro Million) und Thinking-Tokens (9,00 $ pro Million) kommen noch obendrauf.

Bis Sie das überprüft haben, kalkulieren Sie mit der rechten Spalte. So senken Sie die Kosten:

  • Entwürfe in 360p erstellen und die gesamte Kette prüfen, bevor Sie für 720p bezahlen.
  • Die Auflösung wählen, bevor Sie verketten. Auf der Modellseite der Agent Platform ist die Eingabe für Upscaling auf 15 Sekunden begrenzt – ein fertiger 40-Sekunden-Clip passt also nicht in einen Durchgang.
  • Erneute Generierungen bei schwierigen Aufnahmen einplanen. In Googles Ankündigung werden schnelle Sportaktionen, rasche Skriptwechsel und komplexe Physik als Bereiche genannt, die sich noch in Verbesserung befinden.

Requests an gemini-omni-1.1-flash werden ab dem 3. Dezember 2026 auf 1.2 umgeleitet und zu den Preisen von 1.2 abgerechnet.

Lassen Sie Ihren Coding-Agenten den asynchronen Ablauf mit Apidog CLI testen

Eine asynchrone Kette scheitert leise: ein Polling, das nie endet, ein Lauf, der mit failed abschließt, eine Antwortstruktur, die sich ändert. Lassen Sie Ihren Coding-Agenten diesen Test mit Apidog CLI erstellen und für Sie ausführen.

npm install -g apidog-cli@latest
apidog auth login --with-token <YOUR_TOKEN>
apidog skill install
Enter fullscreen mode Exit fullscreen mode

Geben Sie Claude Code, Codex oder Cursor danach einen einzigen [REDACTED PROMPT]
In Apidog project , create endpoints for POST and GET on the Omni
interactions URL. Build a test scenario named omni-extend-async: start a
3-second 360p extension with background set to true, save the interaction
ID, then loop with a 10-second delay on GET until status leaves in_progress.
Assert status is completed and a model_output step holds a video/mp4 item
with a uri or data. Run it and summarize any failures.


Der Agent validiert seine Payload, legt dann das Szenario an und führt es aus:

Enter fullscreen mode Exit fullscreen mode


bash
apidog cli-schema get test-scenario-update
apidog test-scenario create --project --name "omni-extend-async" --folder-id --priority 1
apidog test-scenario import-steps --project --source endpoint --ids ,
apidog cli-schema validate test-scenario-update --file scenario.json
apidog test-scenario update --project --file scenario.json
apidog run -t --project -e --timeout-request 300000 -r cli,junit --out-dir ./reports




Jeder Lauf wird mit einem echten Clip abgerechnet – führen Sie ihn daher nachts aus, nicht bei jedem Commit. Ein 3-sekündiger 360p-Hop kostet etwa 0,07 $, wenn nur neue Sekunden abgerechnet werden. Dieselbe Zeile lässt sich in eine Pipeline integrieren, wie unser [Leitfaden zur Apidog CLI in CI/CD](https://apidog.com/de/blog/apidog-cli-ci-cd-pipeline?utm_source=dev.to&utm_medium=wanda&utm_content=n8n-post-automation) zeigt; die Agent-Seite behandelt der [Einrichtungsleitfaden für Claude Code](https://apidog.com/de/blog/apidog-cli-in-claude-code?utm_source=dev.to&utm_medium=wanda&utm_content=n8n-post-automation). Apidog Free deckt bis zu 4 Nutzer ab.

## FAQ

**Wie lang kann ein Video mit Gemini Omni 1.2 Flash sein?** Eine einzelne Generierung dauert 3 bis 15 Sekunden. Mit Verlängerung nennt die Gemini-API-Dokumentation insgesamt 30 Sekunden und die Agent-Platform-Dokumentation 40.

**Warum ist der Anfang meines verlängerten Videos verschwunden?** Auf der Agent Platform bleiben nur die letzten 30 Sekunden der Eingabe erhalten. Jede Eingabe über 30 Sekunden verliert ihren Anfang. Planen Sie Ihre Hops so, dass der letzte genau bei 30 Sekunden startet.

**Kann ich ein selbst gedrehtes Video verlängern?** Ja, außerhalb des EWR, der Schweiz und des UK. Laden Sie es über die Files API hoch oder verweisen Sie auf Cloud Storage auf der Agent Platform. Einem hochgeladenen Clip, in dem jemand spricht, können Sie keinen Dialog hinzufügen.

**Kann ich einen Clip kostenlos verlängern?** Nicht über die API. Google listet den kostenlosen Tarif für Omni 1.2 und 1.1 als „Not available“, daher kostet selbst ein Test etwas. Eine 3-sekündige Verlängerung in 360p ist die günstigste, die Sie ausführen können.
Enter fullscreen mode Exit fullscreen mode

Top comments (0)