Kirimkan sebuah video swafoto ke model, lalu katakan “gambarnya bergerak seperti cairan”, “ubah tokoh menjadi boneka”, “pertahankan ruangan dan gerakan aslinya”—pekerjaan yang dulu memerlukan editor untuk menyelesaikannya secara bertahap di timeline, kini dapat dilakukan dengan pertanyaan berurutan seperti mengedit teks. Google DeepMind merilis kartu model Gemini Omni 1.2 Flash pada 5 November, menggambarkan model ini mampu menghasilkan video resolusi tinggi dengan suara dari input teks, gambar, audio, dan video, serta mendukung pengeditan berulang melalui percakapan alami. Titik masuk pembuatan video sedang berpindah dari panel perangkat lunak ke bahasa, tetapi hal ini juga membuat jejak pengeditan, otorisasi tokoh, dan kredibilitas fakta menjadi lebih sulit diidentifikasi secara visual.
Apa yang sebenarnya dihemat oleh pengeditan percakapan
Video generasi tradisional biasanya mengikuti pola "satu prompt, satu hasil". Jika kreator ingin mengubah gerakan karakter, pencahayaan, atau sudut kamera, mereka sering harus menghasilkan ulang, dan karakter serta adegan versi sebelumnya mungkin berubah tidak sesuai harapan. Gemini Omni menekankan pengeditan berkelanjutan: setiap modifikasi dibangun berdasarkan hasil putaran sebelumnya, dengan mempertahankan konsistensi adegan sebanyak mungkin. Mekanisme ini memecah operasi kompleks menjadi serangkaian niat yang mudah dipahami, sehingga kreator tidak perlu mempelajari masker, keyframe, dan node komposisi terlebih dahulu untuk secara bertahap mencapai tujuan mereka.
Kartu model mencantumkan input yang mencakup teks, gambar, audio, dan video, dengan output berupa video beraudio. Halaman produk lebih lanjut menampilkan contoh penggunaan bahan referensi untuk mengubah gaya visual, menulis ulang gerakan, dan menambahkan suara. Produk ini tidak hanya mengurangi waktu produksi, tetapi juga biaya ekspresi. Seorang sutradara dapat terlebih dahulu mendeskripsikan "tokoh menyentuh cermin", lalu menambahkan material, efek suara, dan ritme kamera, tanpa perlu menulis prompt panjang yang sulit dikendalikan sekaligus.
Model versi kecepatan tidak ditujukan untuk sebuah film
“Flash” berarti produk lebih fokus pada kecepatan dan biaya. Tim iklan, pembuat konten video pendek, studio game, dan pembuat konten edukasi biasanya perlu menguji beberapa versi dengan cepat: mengubah rasio, bahasa, dan ritme dari bahan yang sama, lalu memperbaikinya berdasarkan umpan balik. Jika model dapat mempertahankan konsistensi karakter, dialog, dan gerakan dalam waktu singkat, yang pertama kali akan diubah adalah iterasi frekuensi tinggi, bukan produksi besar sekali jalan.
Ini juga akan mengatur ulang pembagian tugas tim. Banyak penyesuaian format dan sintesis awal yang sebelumnya dilakukan oleh staf eksekutif mungkin akan dialihkan terlebih dahulu ke model; manusia akan fokus pada pemilihan adegan, mengendalikan ritme, memverifikasi fakta, dan menangani hak cipta. Posisi kreatif tidak akan hilang secara otomatis karena tombol menjadi lebih sedikit, tetapi "kemampuan mengoperasikan perangkat lunak tertentu" akan kehilangan keunggulan kompetitifnya, sementara nilai memahami narasi, estetika, dan audiens akan meningkat.
Karakter yang bisa mengubah suara, risikonya lebih besar daripada mengganti latar belakang
DeepMind secara khusus menyebutkan dalam kartu model bahwa kemampuan pengeditan video dapat mengubah konten ucapan seseorang, dan saat ini fitur ini dibatasi sambil terus meneliti cara membukanya secara aman. Pernyataan ini sangat penting. Mengganti warna langit dan membuat seseorang yang nyata mengucapkan sesuatu yang tidak pernah mereka katakan bukanlah risiko yang sama. Yang terakhir dapat melibatkan pencemaran nama baik, penipuan, penyebaran politik, dan pencemaran bukti, dan semakin tinggi kualitas generasinya, semakin sulit bagi pengguna biasa untuk menilainya secara intuitif.
Google menyatakan bahwa sistem menggunakan langkah-langkah keamanan sebelum dan sesudah pelatihan, serta menambahkan tanda air ke konten AI melalui SynthID. Tanda air ini dapat memberikan petunjuk untuk verifikasi platform, tetapi bukan bukti mutlak: kemampuan pengenalan dapat terpengaruh jika video dipotong, dikonversi, atau difilmkan ulang; aplikasi yang tidak mendukung verifikasi juga tidak akan secara otomatis memberi tahu penonton. Tata kelola yang benar-benar efektif memerlukan kolaborasi antara rekam jejak sumber, otorisasi individu, pelabelan platform, dan mekanisme pelaporan penyalahgunaan.
Model card juga mengekspos celah informasi
Kartu model ini tidak menyediakan daftar lengkap data pelatihan, melainkan mengarahkan beberapa konten ke model dasar Gemini Omni Flash; bagian batasan yang diketahui juga terutama mengutip materi model dasar. Bagi kreator biasa, hal ini tidak menghambat pengujian; namun bagi hukum perusahaan, media, dan lembaga pendidikan, ini berarti mereka tetap harus menjawab sendiri pertanyaan tentang lisensi data, ketersediaan geografis, citra orang, dan tanggung jawab output.
Kartu model juga menjelaskan bahwa Omni 1.2 Flash tidak dianggap memberikan lonjakan kemampuan terdepan yang substansial dibandingkan Gemini 3.1 Pro atau 3.7 Flash, sehingga penilaian keamanan terkait tetap berlaku. Ini adalah penilaian klasifikasi risiko, bukan berarti setiap skenario pengeditan video telah diverifikasi. Risiko sosial dari produk yang mampu mengubah suara dan gambar secara besar-besaran lebih banyak berasal dari ketersediaan, kecepatan, dan penyebaran, bukan hanya dari apakah model mencapai tingkat kemampuan terdepan tertentu.
Perangkat lunak video sedang berubah menjadi sistem niat
Alat video masa depan mungkin tidak lagi meminta pengguna untuk memulai dari kotak bahan, trek, dan filter, tetapi lebih dulu bertanya, "Apa yang ingin Anda tunjukkan kepada penonton?" Model kemudian akan menerjemahkan satu kalimat bahasa alami menjadi adegan, trek audio, dan efek. Pintu masuk semacam ini akan memberikan kemampuan ekspresi yang lebih luas kepada lebih banyak orang, sekaligus menyebabkan lonjakan jumlah video yang dihasilkan. Sumber daya yang langka kemudian bergeser dari keterampilan produksi menuju sumber tepercaya, bahan unik, dan tanggung jawab penulis yang dapat diidentifikasi.
Yang paling patut diperhatikan dari Gemini Omni 1.2 Flash bukanlah kemampuannya menghasilkan gambar yang semakin indah, melainkan proses pengeditan yang sedang berubah dari operasi manual menjadi layanan yang dapat didialogkan dan dipanggil secara berkelanjutan. Ketika hambatan kreatif menurun, platform dan pencipta harus secara bersamaan meningkatkan batas bukti: ini wajah siapa, suara siapa, bagian mana yang telah diubah, dan bagaimana penonton dapat memverifikasinya. Jika tidak, alat pengeditan paling nyaman pun bisa menjadi alat pemalsuan paling murah.


