Google pada hari Kamis mengumumkan Gemini Omni 1.1 Flash, pembaruan siap produksi untuk model video generatifnya yang menambahkan ekstensi adegan, kontrol kamera sinematik, dan output 4K, menurut postingan di blog resmi Google oleh manajer produk DeepMind Anish Nangia dan Alisa Fortin.
Pembaruan ini mengubah Omni dari model eksperimental menjadi apa yang disebut Google sebagai kesiapan produksi untuk penggunaan profesional melalui Gemini API di Google AI Studio, dengan ketersediaan juga terdaftar melalui Gemini Enterprise Agent Platform. Google mendeskripsikan Gemini Omni sebagai orang yang membawa penalaran dunia nyata ke dalam kreasi generatif, dan memposisikan rilis 1.1 sebagai titik di mana model menjadi cukup dapat diandalkan bagi pengembang yang membuat alur kerja video, alat kreatif, dan perangkat lunak pengeditan media.
Cerita yang lebih panjang melalui perluasan adegan
Kemampuan utama adalah ekstensi adegan, yang memungkinkan pengembang mengambil video yang sudah ada dan terus membuat rekaman dengan lancar dari bagian terakhirnya. Dengan Omni 1.1, Google mengatakan model tersebut dapat menganalisis konteks sebelumnya hingga 10 detik — sebuah lompatan dari model sebelumnya yang hanya merujuk pada detik terakhir. Hasilnya, menurut perusahaan, adalah peningkatan konsistensi visual dan kepatuhan narasi ketika membangun cerita yang lebih panjang atau bercabang ke arah kreatif yang baru.
Video dapat diperpanjang dalam kelipatan 10 detik hingga total durasi kumulatif 40 detik. Durasi tersebut masih jauh dari durasi video tradisional, namun untuk konten berdurasi pendek, materi iklan, dan pra-visualisasi, Google yakin bahwa kontrol dan konsistensi lebih penting daripada durasi.
Materi demonstrasi yang dipublikasikan bersamaan dengan pengumuman menunjukkan bagaimana alur kerja dimaksudkan untuk berfungsi dalam praktik: setiap perintah baru melanjutkan adegan sebelumnya, dengan model meneruskan konteks visual sementara perintah mengarahkan perubahan dalam pergerakan kamera, pengaturan, dan bahkan suasana hati — satu urutan berpindah dari percakapan dekat ke penarikan perlahan melalui katakombe berdebu dan kemudian ke perpustakaan terapung yang luas. Membangun adegan berlapis-lapis, dibandingkan menghasilkannya dalam satu gambar, lebih mirip dengan cara editor menyusun rekaman dibandingkan cara kerja alat teks-ke-video awal.
Kontrol kamera dan interpolasi bingkai
Rilis ini juga menambahkan apa yang Google gambarkan sebagai alat produksi video berkualitas studio. Di antara contoh yang ditampilkan pada postingan pengumuman: dolly-zoom sinematik yang menggerakkan kamera ke depan saat melakukan zoom out, snap-zoom mekanis pada mata karakter, dan rotasi orbital 360 derajat di sekitar karakter beku untuk menampilkan kedalaman dan paralaks 3D.
Pengembang juga dapat menentukan frame pertama dan terakhir untuk sebuah pengambilan gambar, dengan model yang menginterpolasi transisi mulus di antara keduanya — sebuah teknik yang familiar bagi animator profesional yang memberikan kontrol halus atas awal dan akhir pengambilan gambar. Ikuti perkembangan AI terkini seiring Google melanjutkan laju rilis cepatnya.
Ulangi dalam 360p, kirim dalam 4K
Omni 1.1 Flash memperkenalkan alur kerja kualitas dua tingkat yang ditujukan untuk pengendalian biaya. Pengembang dapat membuat pratinjau 360p dengan cepat untuk mengulangi ide dengan lebih cepat dan lebih murah selama proses kreatif, lalu meningkatkan proyek akhir ke resolusi 4K untuk hasil yang lebih baik. Google mengatakan peningkatan ini menghasilkan keluaran resolusi tinggi yang tajam dan cocok untuk penggunaan profesional.
Saluran pratinjau ke 4K mengatasi salah satu masalah ekonomi yang terus-menerus terjadi pada video generatif: biaya pembuatan ulang keluaran resolusi penuh setiap kali ada perubahan yang cepat. Dengan memisahkan eksplorasi dari pengiriman, Google membuat model ini lebih praktis untuk jalur komersial yang memerlukan puluhan iterasi sebelum render akhir.
Mengapa itu penting
Pembaruan ini mencerminkan pergeseran industri dari kualitas generasi mentah menuju kemampuan kontrol — kemampuan untuk mengarahkan pergerakan kamera, menjaga konsistensi karakter, dan menghasilkan bingkai yang tepat, seperti yang dilakukan sutradara atau editor. Bagi pengembang yang membuat perangkat lunak kreatif, perbedaan antara demo dan produk yang dapat diterapkan sering kali terletak pada kontrol ini, bukan pada ketelitian aslinya.
Pembingkaian rilis oleh Google membuat audiens yang dituju menjadi eksplisit. Perusahaan menyebutkan tiga kategori target – alur kerja video generatif, alat kreatif, dan perangkat lunak pengeditan media – dan menggambarkan pembaruan tersebut sebagai upaya membuat video generatif lebih mudah dikontrol, lebih cepat untuk diulang, dan disempurnakan untuk penerapan di dunia nyata. Pembuatan prototipe yang lebih cepat muncul bersamaan dengan peningkatan 4K dalam ringkasan rilis, yang menggarisbawahi bahwa kecepatan iterasi dijual sebagai fitur tersendiri.
Dengan Omni 1.1 Flash yang tersedia di AI Studio dan melalui Gemini API, Google juga mendorong model ini ke arah pengguna perusahaan melalui Gemini Enterprise Agent Platform, yang menandakan bahwa video generatif diposisikan sebagai infrastruktur bisnis dan bukan hal baru bagi konsumen.
Apa yang harus ditonton
Detail harga untuk keluaran 4K tidak disorot dalam pengumuman tersebut, dan pengembang akan mengamati bagaimana batas kumulatif 40 detik memengaruhi rencana produksi di dunia nyata. Persaingan dalam video AI tetap ketat, dengan banyak pesaing yang mengirimkan fitur pengendaliannya dengan sangat cepat — sebuah dinamika yang berulang kali memperpendek umur simpan klaim-klaim canggih tahun ini.
Untuk saat ini, pesan Google kepada pengembang bersifat langsung: video generatif yang dulunya membutuhkan alkimia dan keberuntungan yang cepat kini dapat diarahkan, diperluas, dan diselesaikan dalam 4K melalui satu API.
---
Tetap Terdepan dalam AIDapatkan berita, analisis, dan terobosan AI terkini — semuanya di satu tempat.
Baca berita AI selengkapnya →
