Gemini Omni Flash: Model Video Google yang Bisa Diedit Cukup dengan Berbicara
Model any-to-any dari Google yang menghasilkan video 720p dengan audio tersinkronisasi — dan bisa diedit hanya dengan berbicara lintas giliran percakapan.
Gemini Omni Flash: Model Video Google yang Diedit dengan Berbicara Padanya
Gemini Omni Flash adalah model generasi video multimodal any-to-any pertama dari Google DeepMind — bukan antarmuka suara, bukan upgrade chatbot, dan sama sekali bukan hal yang sama dengan arsitektur "omni" milik OpenAI. Sebelum kita melangkah lebih jauh, mari selesaikan dulu kebingungan ini, karena hal ini membentuk cara Anda seharusnya memikirkan model ini.
Saat OpenAI merilis GPT-4o, mereka menyebutnya "omni" untuk menandakan input suara + visual secara real-time dalam satu model. Penggunaan "Omni" oleh Google berarti sesuatu yang secara struktural berbeda: istilah ini menggambarkan keluarga model baru yang dirancang untuk menerima modalitas input apa pun (teks, gambar, audio, video) dan menghasilkan modalitas output apa pun dalam satu forward pass — dimulai dengan video, dengan output generasi gambar dan audio yang akan datang kemudian dalam roadmap. Omni milik Google adalah arsitektur generatif. "Omni" milik OpenAI adalah cerita persepsi. Ini bukan konsep yang sama.
Framing itu penting karena kekuatan sesungguhnya dari Gemini Omni Flash bukanlah interaksi suara — melainkan pengeditan video yang bersifat percakapan dan stateful di berbagai giliran. Anda dapat menghasilkan klip, memintanya mengubah pencahayaan, meminta memperpanjang scene, mengganti pakaian karakter, dan menyesuaikan sudut kamera — dalam sesi berkelanjutan di mana model mengingat apa yang telah dibuatnya. Kemampuan itu, ditambah generasi audio tersinkronisasi terintegrasi dan AI Avatar, membuatnya menjadi sesuatu yang benar-benar baru dalam lanskap generasi video.
Apa Sebenarnya Arti "Omni" bagi Google
Google DeepMind mengumumkan keluarga Omni di Google I/O pada 19 Mei 2026, dengan ketersediaan umum developer/API meluncur pada 30 Juni 2026. Arsitektur Omni dibangun berdasarkan prinsip bahwa satu model tunggal harus memproses semua modalitas secara native — bukan melalui model spesialis yang dirangkai dengan adapter yang ditempelkan, tetapi dalam satu ruang representasi terpadu.
Saat peluncuran, sisi "output apa pun" dari persamaan itu dimulai secara spesifik dengan video. Model menghasilkan klip MP4 pada 720p, 24fps, dalam rasio aspek 16:9, 9:16, atau 1:1, dengan durasi antara 4 hingga 10 detik — dengan audio tersinkronisasi yang dihasilkan dalam pass yang sama. Output gambar dan output audio mandiri ada dalam roadmap tetapi belum aktif.
"Flash" adalah tier kecepatan dan biaya, konsisten dengan penamaan Google di seluruh keluarga Gemini. Gemini Omni Pro direncanakan, yang kemungkinan akan mendorong ke wilayah resolusi lebih tinggi dan durasi lebih panjang. Untuk saat ini, Omni Flash adalah model yang tersedia melalui Gemini API (string model preview publik: gemini-omni-flash-preview), Google AI Studio, Flow, YouTube, aplikasi Gemini, dan — untuk praktisi yang ingin menjalankannya bersama 150+ model media lainnya tanpa harus menyentuh Google Cloud IAM — Happycapy.
Modalitas Input: Apa yang Berfungsi Sekarang, Apa yang Tidak
Dokumentasi resmi menjelaskan skema input yang kaya, dan penting untuk bersikap presisi di sini karena beberapa input diterima oleh API tetapi tidak berfungsi saat peluncuran:
Berfungsi saat peluncuran:
- Prompt teks (dukungan penuh)
- Gambar — hingga 7 gambar referensi untuk konsistensi karakter/produk atau transfer gaya
- Audio sebagai referensi suara untuk AI Avatar (replikasi wajah/suara)
Diterima oleh skema, TIDAK berfungsi saat peluncuran:
- Referensi video sebagai input
- Input audio generik (kasus penggunaan non-Avatar)
Ini adalah catatan penting. "Pengeditan video-referensi-ke-video" terdengar seperti kasus penggunaan inti, dan secara teknis skema menerimanya — tetapi jika Anda mengirim referensi video dengan ekspektasi model akan mengubah gaya atau memperpanjangnya, Anda akan mendapatkan hasil yang tidak terduga. Jalur yang dapat diandalkan saat ini adalah: gunakan gambar referensi untuk konsistensi visual, gunakan teks untuk arahan scene, dan gunakan alur pengeditan multi-turn untuk iterasi. Input video adalah limitasi yang diketahui dan kemungkinan akan tertutup saat Omni semakin matang.
Fitur Utama: Pengeditan Multi-Turn yang Bersifat Percakapan
Setiap model generasi video lainnya — Veo 3.1, Seedance 2.0, Sora 2 (sebelum penghentian versi konsumennya), Runway, Kling — beroperasi pada model prompt-per-klip. Anda menulis prompt, Anda mendapatkan klip. Anda tidak menyukainya, Anda menulis prompt baru, Anda mendapatkan klip baru. Iterasi adalah serangkaian peristiwa generasi yang terputus.
Gemini Omni Flash mendobrak model itu. Menggunakan parameter previous_interaction_id dalam Gemini API, model ini mempertahankan konteks stateful di berbagai giliran. Anda menghasilkan klip, model menyimpannya dalam memori, dan instruksi berikutnya mengubahnya — bukan dari awal, tetapi sebagai edit di atas hasil yang sudah ada.
Dalam praktiknya, alur kerja terlihat seperti ini:
- "Hasilkan klip 6 detik seorang wanita di kafe membaca surat, cahaya pagi yang hangat, depth of field yang dangkal."
- "Ubah kafenya menjadi teras rooftop dengan skyline kota."
- "Sekarang zoom out sedikit dan tambahkan suara ambient jalanan."
- "Jaket wanita itu harus berwarna navy gelap, bukan abu-abu."
Setiap giliran mempertahankan apa yang sebelumnya dan menerapkan delta. Ini, secara fungsional, terasa seperti bekerja dengan editor video manusia — kecuali setiap round-trip menghabiskan biaya sekitar $0,10-$1,00 tergantung panjang klip, dan model merespons dalam hitungan detik.
Catatan yang jujur: drift mulai muncul sekitar giliran ke-4–5. Model secara konsisten menjaga koherensi hingga sekitar empat giliran pengeditan; pada giliran kelima, konsistensi karakter, kontinuitas pencahayaan, dan hubungan spasial mulai rusak. Untuk sekuens kompleks, pola yang muncul di kalangan praktisi adalah: hasilkan base berfidelitas tinggi di Seedance 2.0 atau Veo 3.1, lalu bawa ke sesi pengeditan Omni Flash untuk penyempurnaan — memperlakukan Omni Flash sebagai alat finishing presisi ketimbang engine generatif utama. Kita akan kembali membahas ini.
Diagram: Bagaimana pengeditan multi-turn stateful bekerja di Gemini Omni Flash. Setiap giliran mengeluarkan instruksi; model merangkai konteks melalui previous_interaction_id untuk menerapkan edit yang ditargetkan tanpa menghasilkan ulang dari awal.
Audio: Diferensiator Lain yang Kebanyakan Orang Lewatkan
Setiap video yang dihasilkan oleh Gemini Omni Flash mencakup audio tersinkronisasi, dirender dalam pass inferensi yang sama. Ini bukan langkah post-processing atau model audio terpisah yang dijahit ke klip diam — model menghasilkan video dan suara bersamaan, menggunakan simulasi suara berbasis fisika.
Apa artinya dalam praktik: jika prompt Anda menggambarkan ombak yang menghantam pantai, Anda mendapatkan suara ombak. Scene kafe menghasilkan obrolan ambient dan suara mesin kopi. Karakter yang berbicara menghasilkan dialog dengan lip-sync. Sinkronisasi sangat rapat — nyaman di bawah satu detik — dan untuk klip di bawah enam hingga tujuh detik, kualitasnya tetap terjaga. Setelah itu, drift lip-sync menjadi terlihat, yang memperkuat sweet spot 4–10 detik yang saat ini dioptimalkan oleh model.
Bagi content creator yang selama ini menjahit video + stok audio + post-processing dalam tiga alat terpisah, mendapatkan semua itu dalam satu panggilan generasi benar-benar berharga. Ini tidak selalu sempurna — tetapi merupakan titik awal yang kuat yang menghilangkan satu lapisan overhead produksi secara keseluruhan.
AI Avatar: Kasus Penggunaan Tersembunyi
Gemini Omni Flash menyertakan kemampuan tersendiri yang disebut AI Avatar: diberikan gambar referensi wajah dan sampel suara (untuk kloning suara), model menghasilkan video fotorealistis avatar tersebut yang berbicara. Ini adalah satu-satunya kasus penggunaan di mana audio-sebagai-input benar-benar berfungsi saat peluncuran — khususnya sebagai referensi suara untuk Avatar.
Bagi tim marketing, produser e-learning, dan komunikasi pelanggan skala besar, fitur Avatar dapat langsung diterapkan. Hasilkan video juru bicara berbranding, lokalisasikan dengan mengganti klon suara + prompt teks, jalankan ulang dalam tiga puluh detik. Adobe Firefly, Invideo, dan WPP adalah beberapa pengadopsi enterprise awal yang secara spesifik menyebut Avatar sebagai integrasi alur kerja utama.
Ada guardrail penting: kebijakan konten memblokir nama dan kemiripan wajah asli individu yang tidak memberikan persetujuan, simulasi penuaan, scene perkelahian, dan apa pun yang secara wajar dapat merupakan deepfake dari orang nyata. Pengeditan ucapan — mengubah apa yang tampaknya diucapkan seseorang secara retroaktif — ditahan sepenuhnya, sebagai pilihan pencegahan deepfake yang disengaja. Setiap output membawa watermark SynthID yang tidak dapat dimatikan (tidak terlihat oleh mata manusia, dapat dibaca mesin) ditambah Content Credentials C2PA. Ini adalah stack provenance yang lebih komprehensif daripada model video lain mana pun yang saat ini sudah dirilis.
Benchmark: Apa yang Diklaim Google vs. Apa yang Diverifikasi Secara Independen
Evaluasi human-rater internal Google mengklaim Omni Flash berada di peringkat #1 pada:
- Preferensi pengeditan video dan kepatuhan pada instruksi
- Kualitas text-to-video (MovieGenBench)
- Konsistensi reference-to-video
- Image-to-video (seri #1, VBench I2V)
Angka-angka ini menarik, tetapi pembacaan yang jujur adalah bahwa semuanya adalah evaluasi internal Google. Belum ada benchmark head-to-head independen yang dipublikasikan hingga penulisan ini. Perlu dicatat, Omni Flash belum diajukan ke Artificial Analysis Video Arena, di mana Seedance 2.0 saat ini memimpin untuk gerakan manusia realistis dan fisika. Sampai pengajuan itu terjadi dan hasil pihak ketiga masuk, benchmark ini sebaiknya dianggap indikatif dan bukan definitif.
Konsensus praktisi dari penguji awal sejalan dengan yang diharapkan: akurasi semantik yang kuat, sinkronisasi audio yang solid, pengeditan percakapan yang benar-benar baru — tetapi dengan kelemahan yang terlihat dalam fisika gerakan (terasa "melayang", simulasi bobot yang kurang), konsistensi wajah yang rusak saat kepala berputar, kegagalan teks non-Latin (hiragana dan karakter Tionghoa dengan banyak stroke terutama tidak reliabel dalam review langsung), dan plafon pengeditan empat giliran yang disebutkan di atas.
Gemini Omni Flash vs. Kompetisi
Berikut perbandingan jujur di antara model-model yang paling mungkin Anda evaluasi bersamaan dengan Omni Flash:
| Gemini Omni Flash | Veo 3.1 | Seedance 2.0 | Sora 2 | |
|---|---|---|---|---|
| Resolusi maksimum | 720p | Hingga 4K | Hingga 1080p | N/A (dihentikan) |
| Pengeditan multi-turn | Ya (stateful, ~4 giliran) | Tidak | Tidak | Tidak |
| Generasi audio | Ya (dalam-pass, berbasis fisika) | Ya | Tidak | Tidak |
| AI Avatar | Ya | Tidak | Tidak | Tidak |
| Perkiraan biaya/detik | ~$0,10 | ~$0,40–$0,75 | Variabel | N/A (API dihentikan Sep 2026) |
| Paling unggul di | Alur kerja/pengeditan, Avatar, audio | Kualitas sinematik, format panjang | Gerakan manusia realistis, fisika | N/A |
| Kelemahan | Plafon 720p, fisika gerakan, drift 4-giliran | Tidak ada pengeditan stateful, lebih mahal | Tidak ada pengeditan percakapan, tidak ada audio | Dihentikan |
vs. Veo 3.1: Veo adalah pilihan yang tepat saat kualitas sinematik adalah deliverable utama dan Anda tidak berencana untuk melakukan iterasi secara percakapan. Sinematografer dan produksi komersial kelas atas sebaiknya mulai di sana. Omni Flash unggul saat Anda membutuhkan kecepatan iterasi, audio terintegrasi, atau kemampuan Avatar — dan saat 720p dapat diterima untuk kasus penggunaan tersebut (yang, untuk YouTube Shorts, konten sosial, dan demo produk, biasanya memang bisa diterima).
vs. Seedance 2.0: Seedance saat ini memimpin dalam skor leaderboard independen untuk realisme gerakan manusia. Jika Anda menghasilkan footage orang bergerak — berjalan, menari, gerakan atletik — simulasi fisika Seedance masih memiliki keunggulan. Alur kerja yang muncul: hasilkan klip base Anda di Seedance, lalu sempurnakan secara percakapan di Omni Flash. Anda mendapatkan kualitas gerakan dari model spesialis plus fleksibilitas pengeditan dari antarmuka multi-turn Omni.
vs. Sora 2: Kurang relevan sekarang. Aplikasi Sora konsumer milik OpenAI dihentikan pada April 2026, dan API dijadwalkan dihentikan pada September 2026. Sora bukan pilihan jangka panjang yang layak.
Perbandingan ini juga menempatkan harga Omni Flash dalam konteks. Dengan sekitar $0,10 per detik ($1,50/M input token, $17,50/M output token video), klip 10 detik berbiaya sekitar $1,00. Itu 4–7x lebih murah daripada Veo 3.1. Pengeditan multi-turn memang berarti menjalankan beberapa pass generasi, sehingga sesi pengeditan empat-giliran pada klip 10 detik dapat mencapai $4,00 — masih wajar untuk produksi profesional, tetapi perlu diperhitungkan dalam estimasi volume.
Di Mana Sebenarnya Omni Flash Cocok dalam Alur Kerja Produksi Nyata
Kesalahan yang harus dihindari adalah memperlakukan Omni Flash sebagai pengganti setiap model video yang Anda gunakan. Ini bukan opsi berfidelitas tertinggi saat peluncuran, dan tidak dirancang untuk itu. Tesis desainnya adalah: mengedit video seharusnya terasa seperti berbicara dengan kolaborator, bukan mengirim tiket baru setiap kali Anda ingin melakukan perubahan.
Alur kerja di mana model ini benar-benar unggul, hari ini:
1. Konten sosial dalam volume besar. 720p sudah cukup baik untuk TikTok, YouTube Shorts, Instagram Reels. Fitur Avatar plus pengeditan percakapan berarti Anda dapat memproduksi serial video short-form yang dilokalisasi lebih cepat daripada stack lain mana pun. Hasilkan → sempurnakan dengan berbicara → rilis.
2. Video demo produk. Gambar referensi produk + arahan teks + penyempurnaan percakapan = alur kerja yang menarik untuk tim e-commerce dan SaaS. Tidak diperlukan produksi audio terpisah.
3. Prototyping dan storyboarding. Biaya rendah dan iterasi cepat membuat Omni Flash ideal untuk memvisualisasikan konsep sebelum berkomitmen pada generasi resolusi tinggi yang mahal. Gunakan sebagai lapisan previsualisasi.
4. Penyempurnaan di atas output spesialis. Hasilkan base berkualitas tinggi Anda di Veo 3.1 atau Seedance 2.0. Impor sebagai referensi (saat input video sudah tersedia) atau jelaskan apa yang Anda miliki, lalu gunakan lapisan percakapan Omni Flash untuk menyesuaikan detail. Ini adalah pola yang mulai dikonvergensi oleh para pengadopsi enterprise awal.
Alur kerja di mana Anda sebaiknya menggunakan spesialis lebih dulu:
- Konten sinematik 4K → Veo 3.1
- Gerakan manusia realistis / atletik → Seedance 2.0
- Format panjang (>10dtk) dengan karakter konsisten → Veo 3.1 atau tunggu Omni Pro
Menjalankan Gemini Omni Flash di Happycapy (Tanpa Setup Google Cloud)
Menjalankan Gemini Omni Flash melalui Gemini API secara langsung memerlukan project Google Cloud, provisioning API key, memahami string model preview publik, dan biasanya sejumlah iterasi pada skema API. Itu adalah investasi yang wajar untuk tim engineering yang membangun alur kerja khusus — tetapi menjadi friksi jika Anda ingin menguji model dengan cepat atau menjalankannya bersamaan dengan generator video lain untuk perbandingan.
Happycapy menghosting Gemini Omni Flash sebagai salah satu dari 150+ model — termasuk Veo 3.1, Seedance 2.0, model generasi gambar seperti Seedream 4.5, dan lainnya — dalam sandbox cloud berbasis browser. Tidak perlu akun Google Cloud. Tidak perlu API key terpisah per provider. Anda dapat menjalankan generasi Gemini Omni Flash, membandingkannya dengan output Seedance 2.0 pada prompt yang sama, dan membangun alur kerja multi-model yang menggunakan setiap model di titik terkuatnya — semuanya dalam satu antarmuka.
Bagi tim yang mengeksplorasi alur kerja AI agentik di sekitar produksi video, kemampuan untuk merangkai panggilan model — hasilkan di Seedance, sempurnakan di Omni Flash, sintesis laporan atau caption dalam model bahasa — tanpa menjahit integrasi API terpisah adalah penghemat waktu yang berarti.
Verdict yang Jujur
Gemini Omni Flash bukanlah model video dengan tampilan paling tajam yang bisa Anda jalankan hari ini. Jika Anda membandingkan kualitas frame mentah pada resolusi yang setara, Seedance 2.0 menang pada fisika gerakan, dan Veo 3.1 menang pada kehalusan sinematik. Itu adalah limitasi nyata, dan plafon 720p, drift pengeditan empat-giliran, dan kegagalan teks non-Latin adalah titik friksi nyata untuk beberapa alur kerja.
Tetapi perbandingan itu melewatkan apa yang sebenarnya sedang dicoba oleh Omni Flash. Model ini bertaruh bahwa kefasihan alur kerja lebih penting daripada peningkatan fidelitas marginal — dan taruhan itu terbukti benar lebih sering daripada tidak dalam lingkungan produksi nyata. Kemampuan untuk berkata "gelapkan background", mendapatkan hasil, berkata "sekarang ubah color grading agar lebih hangat", dan mendapatkan hasil lain — dalam sesi berkelanjutan, dengan $0,10/detik — adalah hubungan yang secara fundamental berbeda dengan generasi video dibandingkan apa pun yang saat ini tersedia.
Keluarga Omni jelas merupakan permainan arsitektur multi-tahun di Google DeepMind. Omni Pro akan datang. Input video (saat ini diterima tetapi tidak berfungsi) akan tertutup. Resolusi akan meningkat. Model pengeditan percakapan akan mendapatkan lebih banyak giliran sebelum drift. Apa yang Anda evaluasi hari ini adalah model pertama dalam sebuah keluarga — yang sudah mendapatkan tempatnya dalam stack multi-model, meskipun belum menggantikan spesialis.
Bagi para praktisi: jalankan secara paralel, bukan secara terisolasi. Gunakan di mana keunggulan alur kerjanya nyata, gunakan spesialis di mana fidelitas menjadi yang utama. Stack yang ideal adalah Seedance 2.0 + Veo 3.1 untuk kualitas generasi, Omni Flash untuk penyempurnaan percakapan dan Avatar. Kombinasi itu lebih kuat daripada model tunggal mana pun hari ini.
Untuk tinjauan lebih dalam tentang bagaimana arsitektur multimodal Google dibandingkan dengan model generasi gambar seperti GPT Image 2, atau untuk konteks tentang seperti apa integrasi server MCP dalam pipeline produksi video, sumber daya tersebut layak dibaca.
Akses Gemini Omni Flash bersama pustaka model lengkap — tanpa setup Google Cloud, tanpa API key per provider:
FAQ
Apa itu Gemini Omni Flash?
Gemini Omni Flash adalah model pertama dalam keluarga model "Omni" baru dari Google DeepMind, dirancang untuk menerima modalitas input apa pun (teks, gambar, audio, video) dan menghasilkan modalitas output apa pun dalam satu model. Saat peluncuran, model ini menghasilkan video dengan audio tersinkronisasi. Fitur utamanya adalah pengeditan multi-turn percakapan: Anda dapat menghasilkan klip video dan kemudian menyempurnakannya melalui berbagai giliran instruksi bahasa alami, dengan model menjaga konteks stateful di antara setiap edit. Model ini tersedia melalui Gemini API pada 30 Juni 2026.
Bagaimana Gemini Omni Flash berbeda dari GPT-4o "omni"?
Penamaannya membingungkan tetapi arsitekturnya secara fundamental berbeda. Saat OpenAI menyebut GPT-4o "omni," yang mereka maksud adalah kemampuannya mempersepsikan berbagai modalitas secara bersamaan (suara + visual) sebagai input. "Omni" milik Google mengacu pada arsitektur generatif: satu model tunggal yang sekaligus mempersepsikan dan menghasilkan di berbagai modalitas. Gemini Omni Flash tidak hanya memproses input multimodal — model ini menghasilkan output multimodal (video dan audio bersamaan). Keluarga Omni Google adalah sistem multimodal generatif; branding omni OpenAI adalah tentang input perseptual.
Gemini Omni Flash vs Veo 3 — mana yang lebih baik?
Keduanya dioptimalkan untuk hal yang berbeda. Veo 3.1 menghasilkan output berresolusi lebih tinggi, lebih sinematik (hingga 4K vs. 720p milik Omni Flash) dan merupakan pilihan yang lebih baik untuk produksi video berfidelitas tinggi yang halus. Gemini Omni Flash unggul pada alur kerja: ini adalah satu-satunya model video dengan pengeditan multi-turn stateful, mencakup generasi AI Avatar, menghasilkan audio dalam pass inferensi yang sama, dan biayanya sekitar 4–7x lebih murah per detik daripada Veo 3.1. Untuk konten sosial, demo produk, dan prototyping iteratif, Omni Flash adalah alat yang lebih baik. Untuk output berkualitas sinematik atau broadcast, Veo 3.1 adalah pilihan yang tepat.
Apakah Gemini Omni Flash gratis?
Tidak melalui API. Harga API adalah $1,50/M input token dan $17,50/M output token video — sekitar $0,10 per detik video 720p, atau sekitar $1,00 untuk klip 10 detik. Tidak ada tier API gratis. Namun, Gemini Omni Flash tersedia tanpa biaya bagi pengguna yang memenuhi syarat di YouTube Shorts dan YouTube Create (18+), dan melalui subscription konsumer Google AI Plus, Pro, dan Ultra. Akses enterprise tersedia melalui Gemini Enterprise Agent Platform.
Resolusi apa yang dihasilkan Gemini Omni Flash?
720p saat peluncuran, pada 24fps. Rasio aspek yang didukung adalah 16:9, 9:16, dan 1:1. Durasi klip adalah 4–10 detik. Resolusi yang lebih tinggi (1080p dan di atasnya) ada dalam roadmap, kemungkinan terkait dengan tier Gemini Omni Pro yang akan datang, tetapi belum tersedia saat peluncuran.
Berapa harga Gemini Omni Flash?
Input token: $1,50 per juta. Output token video: $17,50 per juta. Dalam istilah praktis, ini setara dengan sekitar $0,10 per detik video 720p yang dihasilkan, atau sekitar $1,00 untuk klip 10 detik penuh. Sesi pengeditan multi-turn melibatkan beberapa panggilan generasi, sehingga sesi penyempurnaan empat-giliran pada klip 10 detik akan berbiaya sekitar $4,00. Detail harga lengkap dipublikasikan di ai.google.dev/gemini-api/docs/pricing.
Apa perbedaan antara Gemini Omni dan Gemini Flash?
Gemini Flash adalah lini model bahasa teks-dan-visual yang cepat dan efisien secara biaya — tier Flash dalam keluarga Gemini standar. Gemini Omni adalah keluarga model baru yang terpisah, dibangun berdasarkan arsitektur yang berbeda dirancang untuk generasi multimodal any-to-any, dimulai dengan output video. "Gemini Omni Flash" menggabungkan arsitektur Omni dengan tier kecepatan/biaya Flash, memposisikannya sebagai titik masuk yang mudah diakses ke keluarga Omni. Ini adalah lini model yang secara arsitektural berbeda, bukan model yang sama dengan ukuran berbeda. Gemini Omni Pro (fidelitas lebih tinggi, kemungkinan resolusi lebih tinggi) ada dalam roadmap secara terpisah dari model teks Gemini Flash.
Sumber
- Google Blog: Gemini Omni announcement
- Google AI Developers: Gemini Omni API documentation
- Google DeepMind: Gemini Omni model page
- Gemini API pricing
- Google Blog: Gemini Omni Flash / Nano / Banana 2 Lite
Diagram: Gambaran arsitektur Gemini Omni Flash secara sekilas — pemrosesan input terpadu di seluruh teks, gambar, dan referensi audio, dengan output video+audio tersinkronisasi pada 720p, 24fps, dalam format 16:9 / 9:16 / 1:1, 4–10 detik per klip.
