Gemini: Videos aus Text erstellen – Schritt für Schritt
Was ist Gemini, und kann es wirklich Videos erzeugen?
Gemini ist der KI-Assistent von Google – erreichbar im Browser, steuerbar durch normale Sprache oder Text. Für die Videogenerierung beschreibt Google inzwischen Gemini Omni / Gemini Omni Flash als integrierte Funktion. Du beschreibst eine Szene, und Gemini erzeugt daraus einen kurzen Videoclip als herunterladbare Datei. Die Funktion ist in Deutschland verfügbar – für ein bezahltes Google-AI-Abo.
Gemini nutzt für Videos jetzt Gemini Omni
Google hat die Videofunktion in Gemini weiterentwickelt. Statt nur Veo 3.1 steht auf der Gemini-Video-Seite jetzt Gemini Omni / Gemini Omni Flash im Mittelpunkt.
- Kurze Videos werden jetzt mit bis zu 10 Sekunden beschrieben.
- Google nennt native Audiogenerierung, Foto-zu-Video und mehrstufige Bearbeitung.
- Der Grundablauf bleibt einfach: Szene beschreiben, Ergebnis prüfen, bei Bedarf im Gespräch nachbearbeiten.
KI-Tools entwickeln sich schnell – deshalb halten wir unsere Beiträge aktuell. Das hat sich seit der letzten Veröffentlichung geändert:
Was Gemini ist
Gemini wird von Google entwickelt und ist über gemini.google.com im Browser erreichbar. Ein Google-Konto genügt zur Anmeldung – wer bereits Gmail oder Google Drive nutzt, ist damit bereits registriert. Gemini ist ein KI-Assistent, der auf Texteingaben reagiert: Du schreibst eine Frage oder eine Aufgabe, Gemini antwortet. Der Unterschied zu anderen KI-Systemen im Bereich Video ist, dass Gemini die Videoerzeugung direkt eingebaut hat. Google beschreibt diese Funktion inzwischen als Gemini Omni / Gemini Omni Flash. Du musst kein separates Werkzeug aufrufen – du beschreibst deine Szene im normalen Chat-Fenster, und Gemini erzeugt daraus den Clip.
Wo Gemini bei Videos wirklich beeindruckt
Gemini Omni setzt Textbeschreibungen in kurze Videoclips um. Google nennt aktuell bis zu 10 Sekunden, native Audiogenerierung, Foto-zu-Video und Bearbeitung in mehreren Schritten. Das klingt nach wenig, ist aber für eine stimmungsvolle Eingangsszene, einen kurzen Teaser oder eine bewegte Ankündigung mehr als ausreichend. Die erzeugten Clips haben echte Kamerabewegungen, Lichtänderungen und Tiefenschärfe. Sie sehen nicht aus wie Diashow-Bilder – sie wirken wie kurze Filmaufnahmen.
Gemini versteht Beschreibungen auf Deutsch zuverlässig. Stimmungsangaben („warm und nostalgisch“), Perspektiven („Nahaufnahme“, „Vogelperspektive“), Zeitangaben („Herbstmorgen“, „goldene Stunde“) – das System setzt auch nuancierte Vorgaben erkennbar um. Wer bereits das Google-Ökosystem nutzt (Google Drive, Google Fotos, Gmail), findet sich in Gemini schnell zurecht, denn die Oberfläche und die Anmeldung funktionieren auf dieselbe Weise.
Ein weiterer Vorteil: Gemini kann nicht nur Videos, sondern auch Texte, Bilder und Bildbeschreibungen verarbeiten. Wer im selben Gespräch erst ein Skript entwickeln und dann einen Clip dazu erzeugen möchte, kann das ohne Systemwechsel tun.
Wo die Grenzen liegen
Auch 10 Sekunden sind noch kurz. Das reicht für einen Teaser oder eine Eingangsszene, nicht für eine lange erzählerische Geschichte. Wer ein Video mit mehreren Szenen, Schnitt und dramaturgischem Aufbau möchte, braucht weiterhin ein spezialisiertes Videowerkzeug oder eine zusätzliche Bearbeitung.
Google nennt für Gemini Omni inzwischen native Audiogenerierung. Trotzdem lohnt sich bei längeren oder genauer geplanten Projekten oft ein zweiter Schritt in einem Videoeditor oder einer App wie CapCut, um Musik, Sprache, Schnitt und Text gezielt zu kontrollieren.
Für die Weitergabe per Messenger, für Vereinspräsentationen auf einem Bildschirm oder für soziale Medien reicht die Qualität kurzer KI-Clips oft aus. Für professionelle Videoproduktionen oder großformatige Bildschirme ist es weiterhin kein Kinoformat.
Gemini Omni ist für kurze Clips und Bearbeitungsschritte ausgelegt, nicht für lange Erklärvideos, Trickfilm-Sequenzen oder Dokumentarformate. Je genauer und bildlicher deine Beschreibung, desto besser das Ergebnis – aber bei sehr komplexen Szenen mit vielen gleichzeitigen Elementen kann das Ergebnis von der Vorstellung abweichen.
Im Vergleich
ChatGPT unterstützt beim Schreiben von Videoskripten und Storyboards sehr gut – kann aber in der EU keine Videos direkt erzeugen, da der zugehörige Generator (Sora) für europäische Nutzerinnen und Nutzer nicht verfügbar ist. Gemini ist damit das einzige der großen KI-Systeme, mit dem du von Deutschland aus tatsächlich einen Clip herunterladen kannst.
So sieht das in der Praxis aus
Du möchtest nach einem Urlaub einen kurzen Clip verschicken, der die Stimmung des Urlaubs einfangt – als persönlichere Alternative zum Foto-Album. Du beschreibst in Gemini eine typische Szene aus dem Urlaub: eine Meeresbucht im Abendlicht, ein Bergpfad im Morgennebel, ein belebter Marktplatz in der Mittagssonne. Gemini erzeugt daraus einen achtsekündigen Clip, den du als MP4 herunterladen und per Messenger oder E-Mail teilen kannst. Du musst kein Filmmaterial aufnehmen und kein Schnittprogramm bedienen.
Dein Verein richtet eine Veranstaltung aus und möchte auf der Website oder im Newsletter mit mehr als einem Textblock aufmerksamkeitsstark einladen. Du beschreibst, was die Veranstaltung ausmacht – eine festliche Atmosphäre, ein Vereinsheim, Menschen im Gespräch, warmem Licht – und Gemini erzeugt einen kurzen, stimmungsvollen Clip. Dieser kann als Hintergrundvideo in eine Webseite eingebettet oder vor einen Ankündigungstext gestellt werden.
Zum runden Geburtstag einer Person, die dir wichtig ist, möchtest du etwas Persönliches gestalten. Du beschreibst eine Szene, die zu ihrer Lebensgeschichte passt – ein Garten im Frühling, eine Berglandschaft, ein altes Stadtbild. Gemini erzeugt daraus einen kurzen Clip, den du mit einem Videoeditor um Fotos, Musik und einen persoönlichen Text ergänzt. Das Ergebnis ist kein professioneller Film – aber ein durchdachtes, selbst gestaltetes Geschenk.
Für Videos, die deutlich länger sein sollen oder mit eigenem Filmmaterial, Musik, Sprechertext und Schnitt kombiniert werden sollen, sind spezialisierte Apps weiterhin die bessere Wahl. CapCut, Runway und andere Werkzeuge aus der Reihe Apps mit KI bieten mehr Kontrolle über Länge, Schnitt, Ton und Stil. Sie sind ebenfalls ohne Vorkenntnisse nutzbar und auf ältere Nutzerinnen und Nutzer abgestimmt.
Direkt ausprobieren: So sprichst du mit Gemini
In Gemini gibst du deine Videobeschreibung als normalen deutschen Satz ein. Gemini liest ihn und erzeugt daraus den Clip. Der Text, den du eingibst, nennt sich Prompt. Je genauer du ihn formulierst, desto gezielter das Ergebnis. Hier sind drei Beschreibungen, die du direkt kopieren und in Gemini eingeben kannst:
Zum Kopieren:
Erstelle ein kurzes Video: Ein älteres Paar spaziert an einem Herbstmorgen durch einen bunten Park. Warmes Licht, ruhige Atmosphäre.
Was passiert dann?
Gemini erzeugt einen achtsekündigen Clip mit einer Parkszene im Herbstlicht. Kamerabewegung, Farbpalette und Licht entsprechen der Stimmungsbeschreibung. Das Ergebnis kannst du sofort herunterladen.
Warum funktioniert das gut?
Motiv, Tageszeit, Stimmung – drei Elemente reichen für ein erstes, brauchbares Ergebnis. Von hier aus kannst du die Beschreibung schrittweise präzisieren.
Zum Kopieren:
Erstelle ein kurzes Video: Eine ruhige Meeresbucht bei Sonnenuntergang. Das Wasser spiegelt das orange-goldene Licht. Leichte Wellen, keine Menschen. Kamera langsam schwenkend von links nach rechts.
Was passiert dann?
Gemini erzeugt eine Abendszene am Meer mit der beschriebenen Farbstimmung und einer sanften Schwenkbewegung. Der Clip sieht aus wie eine kurze Drohnenaufnahme oder eine ruhige Kamerafahrt.
Warum funktioniert das gut?
Farbangabe („orange-golden“), Bewegungsangabe („Kamera schwenkend“) und ein ausdrücklicher Ausschluss („keine Menschen“) geben Gemini einen sehr präzisen Rahmen. Das Ergebnis ist entsprechend fokussierter.
Zum Kopieren:
Erstelle ein kurzes Video: Nahaufnahme einer alten Holzbank in einem herbstlichen Garten. Gelbe und rote Blätter fallen langsam herab. Weiches, diffuses Licht wie an einem bewölkten Tag. Kamera leicht unschärfe im Hintergrund. Stimmung: nostalgisch, ruhig, erinnerungsvoll.
Was passiert dann?
Gemini erzeugt eine Nahaufnahme mit Tiefenschärfe und Bokeh-Effekt im Hintergrund. Die fallenden Blätter sind in Bewegung, das Licht wirkt bewusst gefältert. Der Clip wirkt wie ein Filmmoment aus einem ruhigen Drama.
Warum funktioniert das gut?
Kameraangabe („Nahaufnahme“, „Unschärfe im Hintergrund“), eine konkrete Bildwelt (Holzbank, fallende Blätter) und eine emotionale Stimmungsangabe („nostalgisch“) zusammen geben Gemini alle nötigen Informationen für ein gezieltes Ergebnis.
Schnellstart – Schritt für Schritt
Schritt 1: Anmelden
- Seite aufrufen: Öffne gemini.google.com im Browser – Chrome, Firefox oder Edge funktionieren alle.
- Google-Konto: Klicke auf „Anmelden“ und gib deine Google-Kontodaten ein. Wer bereits Gmail oder Google Drive nutzt, hat automatisch ein Google-Konto.
- Kein Konto vorhanden? Unter „Konto erstellen“ lässt sich kostenlos ein Google-Konto einrichten. Eine bestehende E-Mail-Adresse kann dafür verwendet werden.
- Abo aktivieren: Die Videofunktion ist in einem kostenpflichtigen Google-AI-Abo enthalten. Klicke in Gemini auf die Abo- oder Upgrade-Hinweise und folge den Anweisungen. Google AI Pro kostet aktuell 21,99 Euro pro Monat.
Schritt 2: Video erzeugen
- Textfeld öffnen: Im Hauptbereich von Gemini siehst du ein Eingabefeld. Hier tippst du deine Szenenb eschreibung ein.
- Beschreibung eingeben: Schreib, was du dir vorstellst – zum Beispiel einen der Prompts aus dem Abschnitt oben. Du kannst auf Deutsch schreiben.
- Auf Senden klicken: Drücke Enter oder klicke auf den Sende-Pfeil. Gemini verarbeitet die Anfrage und erzeugt innerhalb von etwa zwanzig bis dreißig Sekunden einen Clip.
- Video erscheint als Player: Das Ergebnis erscheint direkt unter deiner Eingabe als abspielbarer Videobereich. Klicke auf Play, um den Clip anzusehen.
Schritt 3: Ergebnis prüfen und verfeinern
- Passt der Clip? Wenn das Ergebnis gut ist, fahre mit dem nächsten Schritt fort. Wenn nicht, passe die Beschreibung an und erzeuge eine neue Version.
- Variante erzeugen: Schreib „Noch eine Variante“ oder „Diesmal mehr Bewegung im Vordergrund“ – Gemini erzeugt eine neue Version auf Basis der gleichen Grundidee.
- Details anpassen: Wenn ein Element fehlt oder stört, formuliere gezielt: „Ohne Personen im Hintergrund“, „Die Stimmung soll wärmer wirken“, „Kamera ruhiger“.
Schritt 4: Video herunterladen und weiterverarbeiten
- Herunterladen: Neben dem Video-Player erscheint ein Download-Symbol. Klicke darauf, um den Clip als MP4-Datei auf deinem Gerät zu speichern.
- Weiterverarbeiten: Den heruntergeladenen Clip kannst du in einem einfachen Videoeditor (z. B. CapCut, iMovie, Windows-Fotos) mit Musik, Text oder anderen Clips kombinieren.
- Teilen: Als MP4-Datei lässt sich der Clip per E-Mail, Messenger oder als Anhang in einer Präsentation weitergeben.
- Nutzungsrechte: Für private, nicht-kommerzielle Nutzung kannst du die erzeugten Clips ohne Einschränkung verwenden. Für öffentliche Veröffentlichung oder kommerzielle Nutzung empfiehlt sich ein Blick in die Nutzungsbedingungen von Google.
Typische Stolpersteine – und wie du sie vermeidest
Wenn das Ergebnis beliebig aussieht und nicht zur gewünschten Stimmung passt, war die Beschreibung wahrscheinlich zu kurz. Ergänze konkrete Details: eine Tageszeit, ein Lichtverhältnis, eine Kameraangabe („Nahaufnahme“, „langsamer Schwenk“) oder eine emotionale Stimmungsangabe („ruhig und nostalgisch“). Jedes zusätzliche Detail hilft Gemini, das Ergebnis einzugrenzen.
Falls Gemini auf deine Beschreibung nur mit Text antwortet statt einen Clip zu erzeugen, prüfe zwei Dinge: Erstens, ob ein passendes Google-AI-Abo aktiv ist – die Videofunktion ist nur in der bezahlten Version enthalten. Zweitens, ob du mit deinem Google-Konto angemeldet bist. Manchmal hilft es, die Anfrage direkter zu formulieren: „Erstelle ein kurzes Video:“ als Einleitung vor die Beschreibung setzen.
Gemini Omni erzeugt kurze Clips. Wenn das Ergebnis kürzer wirkt oder ein abrupter Schnitt zu sehen ist, liegt das oft an der Szenenkomplexität. Eine ruhigere Szene mit weniger Bewegungselementen ergibt in der Regel einen flüssigeren Clip. Versuche, die Beschreibung auf eine einzige, ruhige Kamerabewegung zu fokussieren.
Was ist neu?
Google beschreibt die Videofunktion in Gemini inzwischen als Gemini Omni / Gemini Omni Flash – verfügbar auch für Deutschland. Die aktuelle Darstellung nennt Clips bis zu 10 Sekunden, native Audiogenerierung, Foto-zu-Video und Bearbeitung in mehreren Schritten.
Quelle: Google Blog, 2026
Recherche-Stand: 06/2026
Wichtige Hinweise
Die kostenlose Version von Gemini enthält keine Videogenerierung. Für Videoclips mit Gemini Omni ist ein kostenpflichtiges Google-AI-Abo erforderlich. Google AI Pro kostet aktuell 21,99 Euro pro Monat. Stand: 06/2026. Aktuelle Preise bei Google.
Gemini verarbeitet Eingaben auf Google-Servern. KI-generierte Videoclips können ein unsichtbares digitales Wasserzeichen (SynthID) tragen – ein Hinweis darauf, dass der Clip KI-erzeugt wurde. Für das Abspielen und private Weitergeben ist das irrelevant. Daten aus dem Gespräch können für die Modellverbesserung genutzt werden; ein Opt-out ist in den Google-Kontoeinstellungen möglich. Für private, nicht-öffentliche Nutzung der Clips gibt es keine Einschränkungen.
Offizielle Links:
Gemini |
Google AI – Abos und Preise |
Datenschutzerklärung Google
