Acara Google I/O yang begitu dinanti tidak mengecewakan. Setelah sedikit pengantar dan bersamaan dengan Gemini 3.5 Flash dan Gemini Spark, sorotan utamanya: Gemini Omni, keluarga baru model AI multimodal native "any-to-any", yang berarti dapat memproses apa pun — teks, gambar, audio, dan video secara bersamaan. Dengan kata lain, Nano Banana, tetapi untuk video. (Begitulah cara Google sendiri membahasnya.)
Model awalnya adalah Omni Flash. Ini memperkenalkan penyuntingan video berbasis percakapan untuk menciptakan media yang padu dari aset-aset terpisah. Jadi, Anda dapat mengedit dan meremiks video melalui percakapan, bukan dengan perangkat lunak pengeditan.
Apa itu Gemini Omni?
Mari pahami lebih rinci tentang Omni.
Gemini Omni adalah model media generatif multimodal native pertama dari Google DeepMind. Varian pertama dalam keluarga ini adalah Gemini Omni Flash, yang kini tersedia
- Di dalam aplikasi Gemini,
- Google Flow, dan
- YouTube Shorts
Omni menerima kombinasi apa pun dari teks, gambar, audio, dan video sebagai masukan dan menghasilkan sebuah video. Kuncinya di sini adalah tidak ada relai yang terjadi di berbagai sistem; semuanya dikerjakan oleh satu model.
Selama ini, Google menjalankan tumpukan terpisah: Veo untuk video, Imagen untuk gambar, dan sistem terpisah untuk audio. Omni menggabungkannya menjadi satu model (karena itu namanya!) yang dapat menalar lintas modalitas. Secara praktik, ini berarti penyuntingan yang lebih koheren dan lebih sedikit artefak dari alur kerja berantai.
Sebelum terlalu jauh, mari bingkai ini dalam fitur-fitur kunci.
Fitur Utama Gemini Omni
Yang menonjol bagi saya adalah prosesnya. Baik penyuntingan berbasis percakapan maupun penggunaan sketsa sebagai cetak biru adalah fitur yang kita kenal dari alat pembangkit gambar seperti Nano Banana 2 atau ChatGPT Images 2.0 dari OpenAI, tetapi Omni membawanya juga ke pembuatan video.
Penyuntingan video berbasis percakapan
Kemampuan utamanya adalah penyuntingan video berbasis percakapan. Anda memberi Omni sebuah klip (yang Anda buat atau yang Anda rekam dengan ponsel), lalu Anda mengubahnya dengan berbicara. "Buat pencahayaannya lebih redup." "Ubah sudut kamera menjadi over the shoulder dari belakangnya." "Buat biolanya tak terlihat." Setiap instruksi bertahan lintas percakapan berikutnya. Adegan terus berkembang; tidak direset.
Fisika dunia nyata dan pengetahuan dunia
Google menekankan hal ini saat peluncuran. Omni memiliki pemahaman intuitif tentang gravitasi, energi kinetik, dan dinamika fluida. Dalam uji awal saya, video yang dihasilkan belum terasa seperti fisika dunia nyata — namun ini versi Flash, dan kami memperkirakan model Omni Pro akan segera menyusul dan lebih kompetitif dengan alat seperti Seedance 2.0.
Sketsa dan gambar menjadi video
Anda dapat mengubah coretan menjadi cuplikan realistis, menggunakan sketsa hanya sebagai panduan gerak alih-alih referensi visual final. Ini akan berguna dalam pra-produksi. Anak-anak juga akan menyukainya untuk gambar-gambar mereka.
Tanda air SynthID dan kredensial konten C2PA
Setiap keluaran Omni dilengkapi dua lapis asal-usul (provenance).
- SynthID adalah tanda air tak kasatmata yang disisipkan langsung ke piksel saat generasi. Tidak terlihat oleh penonton. Dan dirancang untuk tetap ada meski dipangkas, diberi filter, atau dienkode ulang.
- Kredensial konten C2PA menyertainya sebagai manifes kriptografis bertanda tangan yang terlampir pada file. Meskipun metadata dihapus, sinyal setingkat piksel tetap bertahan.
Perlu dicatat: SynthID khusus untuk Google. Hanya model Google sendiri yang menyisipkannya, jadi "tanpa tanda air" bukan berarti "buatan manusia" — itu hanya berarti "bukan dari model Google." Mengingat betapa mudahnya Omni meremiks cuplikan nyata, asal-usul yang tahan lama pada setiap keluaran semakin terlihat bukan sekadar nilai tambah, melainkan prasyarat.
Menguji Gemini Omni Flash
Saya menguji kemampuan pembuatan video Omni Flash dalam dua kategori berbeda: fisika dunia nyata dan transfer gaya.
Menguji fisika dan pengetahuan dunia
Ini adalah prompt saya:
A medieval trebuchet launching a fired clay pot at a stone castle wall, shot in slow motion. The counterweight falls, the sling whips around, the pot arcs through the air and shatters against the stone, shards and embers scattering across the courtyard. Continuous handheld camera move, golden hour light, period-accurate construction and dress. Realistic sound design — wood creaking under tension, rope strain, the whoosh of the sling, the sharp crack of impact. No music.
Pemberitahuannya mengatakan perlu beberapa menit, tetapi sebenarnya hanya sekitar sepuluh detik.
