Google mengumumkan peluncuran “Gemini Omni,” sebuah model AI multimodal yang dirancang untuk menghasilkan dan mengedit video dari kombinasi input teks, gambar, audio, dan video. Perusahaan tersebut mengatakan rilis pertama, Gemini Omni Flash, diluncurkan melalui aplikasi Gemini, Google Flow , dan YouTube Shorts.

Menurut Google, model ini memungkinkan pengeditan video berbasis percakapan sambil mempertahankan kesinambungan adegan, konsistensi karakter, dan fisika realistis di berbagai revisi. Pengguna dapat memodifikasi lingkungan, tindakan, dan gaya visual secara berulang menggunakan perintah bahasa alami.

Perusahaan tersebut menambahkan bahwa Gemini Omni menggabungkan kemampuan penalaran Gemini dengan teknologi media generatif untuk mendukung penceritaan visual yang kompleks, penjelasan edukatif, dan konten sinematik yang bergaya. Sistem ini juga dapat mengintegrasikan referensi eksternal seperti gambar, sampel gerakan, dan trek audio ke dalam klip yang dihasilkan secara terpadu.

Google menyatakan bahwa semua video yang dihasilkan melalui Omni menyertakan watermark digital SynthID untuk verifikasi konten dan transparansi. Perusahaan berencana untuk memperluas dukungan Omni ke format output tambahan dan merilis akses API untuk pengembang dan pelanggan perusahaan dalam beberapa minggu mendatang.