Fitur dan kemampuan Gemini Omni
Gemini Omni adalah model any-to-any pertama dari Google, diumumkan di Google I/O 2026 pada 19 Mei 2026. Rilis pertamanya, Gemini Omni Flash, menerima teks, gambar, dan video sebagai input dan menghasilkan video dengan audio tersinkron, berlandaskan pengetahuan dunia nyata Gemini. Klip berdurasi hingga 10 detik pada 720p, dalam format 16:9 atau 9:16, dan Anda menyempurnakannya lewat percakapan, bukan generate ulang.
| Fitur | Fungsinya | Paling cocok untuk |
|---|---|---|
| Input any-to-any | Menggabungkan teks, gambar, dan video dalam satu prompt dan menalar semuanya jadi satu bidikan, bukan menyambungnya | Brief multireferensi, storyboard |
| Audio native | Menghasilkan audio tersinkron di setiap klip dalam satu proses, tanpa langkah audio terpisah | Adegan berbicara, suasana, musik |
| Editing lewat percakapan | Sempurnakan klip dengan instruksi lanjutan bahasa sehari-hari: ganti objek, terangi ulang, atau ubah aksi di adegan yang sama | Beriterasi pada bidikan tanpa generate ulang |
| Konsistensi karakter dan fisika | Mempertahankan karakter, objek, dan gaya di seluruh editan, dengan gravitasi, energi kinetik, dan dinamika fluida yang membumi | Karakter berulang, gerakan realistis |
| Pengetahuan dunia nyata | Memanfaatkan landasan Gemini di sejarah, sains, dan budaya agar detail adegan tetap akurat | Video penjelasan, detail akurat |
| Watermark SynthID | Watermark asal-usul tak kasat mata di setiap klip yang bertahan terhadap re-encoding dan pengubahan ukuran | Konten AI yang bisa dilacak dan diidentifikasi |
Input any-to-any
Satu prompt Gemini Omni menerima teks, gambar, dan video sekaligus. Alih-alih menyambung input satu per satu, model menalar semuanya sebagai satu brief, sehingga referensi potret, foto lokasi, dan satu beat tertulis sama-sama membentuk bidikan yang dihasilkan. Anda juga bisa memasukkan beberapa gambar referensi untuk membawa subjek tertentu ke dalam adegan. Unggah referensi audio terpisah sedang dirilis bertahap dan belum tersedia di semua tempat, dan di aplikasi Gemini milik Google Anda bisa tampil di video dengan suara Anda sendiri lewat Avatars.
Audio native
Setiap klip dihasilkan dengan audio tersinkronnya sendiri dalam satu proses, sehingga dialog, efek, suasana, atau musik kembali bersama gerakan, bukan render yang senyap. Deskripsikan suara yang Anda inginkan di prompt yang sama dengan bidikannya, dan audionya akan selaras dengan aksi, bukan ditambahkan belakangan.
Editing lewat percakapan
Editannya adalah prompt itu sendiri. Sempurnakan klip dengan instruksi lanjutan bahasa sehari-hari: "buat patungnya dari gelembung," terangi ulang adegannya, ubah sebuah aksi, atau tambahkan elemen, dan model mempertahankan sisa bidikannya. Model menyimpan konteks antar giliran, jadi beberapa putaran editan dibangun di atas adegan yang sama, bukan mulai dari nol lagi.
Konsistensi karakter dan fisika
Karakter, objek, dan gaya tetap konsisten di seluruh editan percakapan, didukung pemahaman yang lebih baik atas gaya seperti gravitasi, energi kinetik, dan dinamika fluida. Konsistensi paling kuat saat Anda menyempurnakan adegan yang sama. Berganti adegan atau meminta gerakan kamera yang besar bisa membuat hasil melenceng, jadi simpan perubahan besar dalam generasinya sendiri.
Pengetahuan dunia nyata
Gemini Omni melandaskan adegannya pada pengetahuan Gemini tentang sejarah, sains, dan budaya, sehingga detail zaman, perilaku fisik, dan kekhasan budaya tetap akurat, bukan meluncur jadi tekstur AI yang generik. Landasan itulah yang membuatnya berguna untuk video penjelasan dan bidikan apa pun yang detailnya harus benar.
Watermark SynthID
Setiap klip membawa watermark SynthID Google yang tak kasat mata untuk menandai asal-usul AI. Watermark ini aktif secara default, tak terlihat oleh penonton, dan bertahan terhadap transformasi umum seperti re-encoding dan pengubahan ukuran, sehingga materi yang dihasilkan tetap bisa diidentifikasi di sepanjang rantai produksi.
Contoh prompt Gemini Omni
Noir sinematik
Detektif di gang Tokyo yang basah oleh hujan, cahaya lampu sodium, noir teal-amber
Edit prompt
Peluncuran produk
Sneaker avant-garde melayang di atas alas titanium, key light keras, nuansa peluncuran
Edit prompt
Video penjelasan alam
Tetesan air membeku jadi mahkota kristal di daun berembun, makro backlight matahari terbit
Edit prompt
Juru bicara avatar
Pembawa acara studio yang tenang berbicara ke lensa, three-point light hangat, bokeh 85mm
Edit prompt
Walkthrough arsitektur
Cahaya golden hour menembus vila beton brutalis, bayangan panjang, debu beterbangan
Edit prompt
Momen cerita
Perempuan di dekat jendela berbintik hujan membaca surat, cemas mereda jadi lega
Edit promptCara memaksimalkan Gemini Omni
Gemini Omni menghargai brief yang memperlakukan tiap referensi sebagai bagian dari satu adegan, menyebut audionya, dan mengedit lewat percakapan alih-alih generate ulang. Beberapa kebiasaan menentukan sebagian besar kualitasnya:
- Muat semua referensi sekaligus. Teks, gambar, dan video bisa masuk ke prompt yang sama, karena model menalar semuanya bersamaan alih-alih menyambungnya satu per satu. Tambahkan gambar referensi untuk membawa subjek tertentu ke dalam adegan.
- Selalu sebut audionya. Dialog, efek suara, suasana, atau musik dalam bahasa sederhana, agar klip kembali dengan suara yang selaras dengan gerakan, bukan senyap.
- Edit lewat percakapan. Saat bidikan sudah mendekati, deskripsikan satu perubahan yang Anda inginkan di pesan berikutnya, bukan mengulang dari awal. Adegannya mempertahankan karakter, pencahayaan, dan kontinuitasnya.
- Sesuaikan beat dengan 10 detik. Tidak ada perpanjangan video atau interpolasi, jadi rencanakan satu aksi yang selesai di dalam klip, bukan mengandalkan perpanjangan nanti.
- Simpan pergantian adegan dalam generasinya sendiri. Konsistensi paling kuat saat Anda menyempurnakan adegan yang sama; pergantian adegan yang drastis atau gerakan kamera besar lebih baik sebagai bidikan baru.
- Arahkan fisika yang Anda pentingkan. Sebutkan bobotnya, tumbukannya, atau bagaimana fluida harus bergerak, karena fisika yang membumi adalah kekuatan yang layak dikendalikan.
Panduan prompt Gemini Omni
Prompt yang kuat terbaca seperti brief bidikan singkat, bukan caption. Dua hal menentukan hasilnya: daftar jelas apa saja isi bidikannya, dan pemilihan kata yang konkret ketimbang samar.
Apa yang masuk ke dalam prompt
| Elemen | Yang perlu dimasukkan | Contoh |
|---|---|---|
| Subjek | Siapa atau apa yang ada di frame, dideskripsikan konkret | pembawa acara studio berblazer arang di meja kaca |
| Gerakan | Apa yang bergerak, dan bagaimana | ia menoleh ke lensa dan memberi isyarat tangan |
| Kamera | Jenis bidikan plus satu gerakan | medium shot, push-in perlahan |
| Audio | Dialog, efek, suasana, atau musik | ia berkata, 'Selamat datang kembali'; room tone studio yang lembut |
| Format | Durasi dan rasio aspek | 10 detik, 16:9 |
Mengedit lewat percakapan
Editannya adalah prompt itu sendiri. Pertahankan adegannya, sebutkan hanya perubahannya, dan biarkan sisanya terbawa dari giliran sebelumnya.
Pembawa acara dan meja yang sama, pencahayaan yang sama. Ubah blazernya jadi hijau tua dan tambahkan push-in perlahan di dua detik terakhir. Pertahankan room tone yang tadi.
Prompt lemah vs kuat
Sebutkan kamera, gerakan beserta timing-nya, dan audionya, jangan biarkan itu untung-untungan.
| Fokus | Lemah | Kuat |
|---|---|---|
| Kamera | Seorang perempuan di kota pada malam hari | Handheld tracking shot mengikuti seorang perempuan menyusuri jalanan yang licin oleh hujan, lampu toko memantul di trotoar, depth of field dangkal |
| Gerakan dan timing | Pintu terbuka dan seseorang masuk | Pintu terayun terbuka perlahan, sesosok orang melangkah masuk setelah sejenak, lalu kamera menetap ke medium shot |
| Audio | Seorang koki menata hidangan | Close-up seorang koki menata hidangan, uap mengepul. Audio: desis wajan, suasana dapur yang lembut, dan 'Service.' |
Kesalahan umum
- Membiarkan prompt senyap: selalu tulis setidaknya satu isyarat suara, karena model menghasilkan audio bersama videonya.
- Generate ulang alih-alih mengedit: saat bidikan sudah mendekati, minta satu perubahan lewat percakapan agar karakter dan kontinuitas tetap terjaga.
- Mengandalkan perpanjangan: tidak ada perpanjangan video, jadi simpan satu aksi di dalam klip 10 detik.
- Teks layar yang padat: rendering teks dan gerakan yang sangat kompleks masih jadi titik lemah, jadi buat caption tetap singkat atau tambahkan di pascaproduksi.
