Google resmi memperkenalkan Gemini Omni sebagai model AI terbaru yang menggabungkan penalaran Gemini dengan teknologi generatif multimodal. Bagi Google, ini bukan sekadar alat pembuat video, melainkan langkah awal menuju sistem AI yang bisa memahami dan mengolah berbagai jenis media dalam satu alur kerja.
Arah itu terlihat jelas dari fokus awalnya pada produksi video. Gemini Omni dirancang untuk menerima teks, gambar, audio, hingga video sebagai masukan, lalu mengubahnya menjadi konten baru yang tetap menjaga konteks dari sumber awal.
Dari text-to-video ke multimodal yang lebih luas
Gemini Omni tidak diposisikan sebagai alat text-to-video biasa. Google menjelaskan bahwa kemampuan reasoning Gemini membuat model ini mampu menangkap konteks visual, suara, dan hubungan antarobjek secara lebih kompleks.
Perbedaan itu juga terlihat saat dibandingkan dengan Veo. Jika Veo lebih berfokus pada teks ke video, Gemini Omni diarahkan agar bekerja dengan kombinasi input yang lebih fleksibel dari berbagai media.
Dengan pendekatan tersebut, pengguna bisa memulai dari foto, potongan video, atau rekaman audio. Sistem kemudian mengolahnya menjadi konten baru yang tetap selaras dengan konteks awal.
Gemini Omni Flash jadi pintu masuk
Versi pertama yang diperkenalkan adalah Gemini Omni Flash. Model ini dibuat untuk menghasilkan video dan audio secara simultan dengan pendekatan yang lebih cepat dan responsif.
Google DeepMind menyebut Gemini Omni Flash saat ini mampu menghasilkan video berdurasi hingga sekitar 10 detik. Perusahaan juga menegaskan bahwa durasi itu akan terus ditingkatkan pada pengembangan berikutnya.
Kemampuan awal itu menunjukkan arah pengembangan yang masih bertahap. Google tampak lebih dulu membangun fondasi sistem sebelum memperluas batas durasi dan cakupan hasil generatifnya.
Editing video lewat percakapan
Salah satu fitur yang paling menonjol adalah conversational editing. Pengguna dapat mengedit video lewat percakapan alami dengan AI tanpa bergantung pada timeline editing tradisional.
Pendekatan ini mengubah cara kerja penyuntingan konten. Pengguna cukup memberi instruksi dalam bahasa sehari-hari untuk mengubah bagian tertentu dari video.
Model semacam ini berpotensi menyederhanakan proses kreatif. Fokusnya bergeser dari pengoperasian perangkat lunak ke interaksi langsung dengan AI yang memahami maksud instruksi.
Masuk ke ekosistem Google yang lebih luas
Google menyatakan bahwa Gemini Omni adalah bagian dari visi AI generatif yang menyatu dengan berbagai bentuk media. Ke depan, model ini direncanakan mendukung generasi gambar dan audio secara langsung dalam satu sistem terpadu.
Dalam penerapannya, Gemini Omni akan hadir di beberapa layanan Google. Daftar itu mencakup aplikasi Gemini, platform kreatif Google Flow, dan YouTube Shorts.
Integrasi tersebut ditujukan untuk mempermudah proses pembuatan konten kreatif di dalam ekosistem Google. Dengan begitu, AI tidak hanya hadir sebagai fitur tambahan, tetapi menjadi bagian dari alur produksi konten harian.
Transparansi lewat SynthID
Google juga memastikan seluruh konten video hasil AI dari Gemini Omni akan diberi watermark SynthID. Langkah ini dipakai untuk membantu identifikasi konten sintetis dan meningkatkan transparansi dalam penggunaan AI generatif.
Keputusan itu penting di tengah makin luasnya penggunaan media sintetis. Watermark membantu membedakan konten hasil AI dari video yang dibuat secara konvensional.
Peluncuran Gemini Omni juga menjadi bagian dari strategi besar Google dalam memperluas era Agentic Gemini. Pada fase ini, AI tidak hanya menjawab pertanyaan, tetapi juga mampu membuat, mengedit, dan menyelesaikan pekerjaan kreatif secara lebih mandiri.
