Google rilis Gemini Omni, model video yang diedit lewat percakapan

Google merilis Gemini Omni, keluarga model video baru. Versi pertamanya, Gemini Omni Flash, menerima gambar, audio, video, dan teks sebagai input, dan menghasilkan video sebagai output. Yang dijual bukan keberadaan model video itu sendiri, karena kategori ini sudah ramai, tapi cara mengedit videonya. Alih-alih memotong dan masking lewat timeline, kamu bilang ke model apa yang ingin diubah dengan kalimat biasa, dan tiap instruksi berikutnya menumpuk di hasil sebelumnya tanpa membuat scene-nya geser. Google juga mengklaim Omni punya intuisi fisika yang lebih tajam, dengan penanganan gravitasi, energi kinetik, dan dinamika fluida yang lebih baik dibanding model video Gemini sebelumnya.

Strategi rilisnya lebih luas dari biasanya. Omni Flash mulai didorong ke pelanggan Google AI Plus, Pro, dan Ultra lewat aplikasi Gemini dan Google Flow, dan Google menempatkannya gratis di YouTube Shorts dan aplikasi YouTube Create. Artinya audiens yang sangat besar akan menyentuh model ini tanpa pernah membuka antarmuka Gemini. API untuk developer dan enterprise menyusul dalam beberapa minggu ke depan. Setiap video dapat watermark SynthID, skema provenance yang sama yang sedang Google dorong di gambar dan audio. Pengguna juga bisa menghasilkan video yang menampilkan avatar digital diri sendiri lengkap dengan suara aslinya.

Uji menarik untuk Omni bukan demo peluncurannya, melainkan seberapa kuat loop edit lewat percakapan ini bertahan setelah sepuluh-dua belas putaran, saat scene biasanya mulai bergeser dari niat awal.

Kenapa ini penting

Kalau kamu bekerja di video, peluncuran Omni Flash menaruh editor yang lumayan serius di tangan konsumen yang selama ini tidak memilikinya, dan distribusi lewat YouTube Shorts dan Create berarti penonton kamu akan mulai berharap perubahan iteratif berbasis prompt jauh sebelum tooling-mu ikut menyesuaikan.