Pada 5 November 2026, Google mengumumkan Gemini Omni 1.2 Flash tersedia secara umum. Model video generatif ini membawa tiga perubahan yang langsung terasa bagi siapa pun yang membuat video dengan AI: klip yang kini bisa mencapai 15 detik, harga yang dipangkas 30 persen dari pendahulunya, dan kemampuan menyunting yang bekerja lewat percakapan berantai, bukan dengan mengulang pembuatan dari nol. Bagi kreator yang selama ini memakai video AI untuk iklan, penjelasan produk, atau konten sosial, kombinasi ketiganya mengubah perhitungan biaya dan waktu secara nyata — satu generasi yang sama kini bisa membuat klip lebih panjang, lebih murah, dan lebih mudah diperbaiki.
DITERBITKAN November 06, 2026 • TIM REDAKSI EYTVERSE (DIKURASI KREATOR)
Artikel ini disusun dari pengumuman resmi Google di blog Google dan dokumentasi pengembangnya, tanpa pengujian langsung oleh penulis. Semua angka harga, durasi, dan contoh kemampuan yang dikutip di bawah adalah angka dan contoh yang dilaporkan Google sendiri, bukan hasil pengukuran independen.
Dari 10 Detik ke 15 Detik — dan Kenapa Lima Detik Itu Penting
Perubahan yang paling mudah dipahami adalah durasi. Gemini Omni 1.1 Flash membatasi pembuatan dan penyuntingan video native sampai 10 detik. Gemini Omni 1.2 Flash menaikkan batas itu menjadi 15 detik, dan durasi bisa ditentukan dalam kelipatan satu detik, dari 3 sampai 15 detik. Lima detik tambahan mungkin terdengar kecil, tetapi dalam bahasa iklan dan konten sosial, lima detik adalah perbedaan antara klip yang terpotong di tengah kalimat dan klip yang selesai menyampaikan satu pesan utuh.
Google sendiri mencontohkan kegunaannya dengan cukup konkret: durasi 15 detik memberi ruang untuk bercerita secara utuh, membuat penjelasan produk, atau menghasilkan satu spot iklan sosial lengkap dalam sekali pembuatan. Sebelumnya, kreator yang butuh 15 detik harus memotong dan menyambung dua klip, dengan risiko lompatan visual di titik sambungan. Kini satu generasi bisa menampung satu adegan utuh — misalnya satu putaran penuh model yang memperagakan busana, atau satu penjelasan produk dari awal sampai akhir — tanpa sambungan.
Durasi yang bisa diatur per detik juga memberi kendali biaya yang lebih halus. Klip 7 detik tidak lagi harus dibayar sebagai klip 10 detik; kreator bisa meminta tepat sepanjang yang dibutuhkan naskahnya. Bagi tim yang membuat banyak varian iklan, kontrol semacam ini adalah penghematan yang terakumulasi dengan cepat.
Harga: 0,07 Dolar per Detik di 720p, dengan Alur Kerja yang Menekan Biaya
Harga baru Gemini Omni 1.2 Flash adalah 0,07 dolar AS per detik untuk video 720p — turun 30 persen dari Gemini Omni 1.1. Dengan tarif itu, satu klip 15 detik di 720p berharga sekitar 1,05 dolar. Angka itu menempatkan pembuatan video AI generatif di kisaran harga yang bisa dipakai untuk produksi massal: puluhan varian iklan dalam sehari tidak lagi menuntut anggaran yang besar.
Yang sama pentingnya dengan tarif per detik adalah alur kerja yang dirancang Google untuk menekan biaya. Kreator bisa membuat draf dengan cepat di resolusi 360p atau 720p, memperbaiki detail lewat suntingan lanjutan tanpa membuat ulang seluruh klip, lalu meningkatkan (upscale) hasil terbaik ke 1080p atau 4K. Dengan kata lain, biaya paling besar hanya dikeluarkan untuk klip yang sudah terbukti bagus, bukan untuk setiap percobaan yang gagal di tengah jalan.
Pendekatan ini mencerminkan cara kerja produksi video yang sebenarnya: sebagian besar waktu dihabiskan untuk mencoba dan memperbaiki, dan hanya sebagian kecil hasil yang layak dipoles sampai final. Model yang memaksa pengguna membayar penuh untuk setiap percobaan akan membuat orang berhemat pada percobaan — dan hasil akhirnya ikut berhemat. Model yang membuat percobaan murah justru mendorong iterasi yang lebih banyak.
Mengikuti Referensi dengan Lebih Setia
Perubahan kedua yang ditekankan Google adalah kemampuan mengikuti referensi (reference adherence). Pengguna bisa memandu pembuatan video dengan menggabungkan gambar karakter, produk, atau gaya, klip gerakan pendek sampai tiga detik, dan isyarat audio — dan model ini mempertahankan detail-detail itu dari awal sampai akhir. Wajah, pakaian, tipografi pada kemasan, dan warna merek disebut Google tetap konsisten di berbagai sudut kamera.
Contoh yang diberikan Google cukup ambisius: dari satu foto model dan foto depan-belakang tiga pakaian, Gemini Omni 1.2 Flash menghasilkan urutan virtual try-on 15 detik — model berputar 360 derajat dan berpindah pakaian lewat match cut — sambil menjaga identitas model dan detail potongan, jatuhnya kain, serta bagian belakang setiap pakaian tetap konsisten. Bagi toko daring, ini adalah kemampuan yang langsung bernilai komersial: foto katalog yang sudah ada bisa diubah menjadi video try-on tanpa sesi pemotretan baru.
Contoh lain yang dipakai Google adalah pembuatan poster pameran: dari satu gambar referensi pencahayaan studio dan prompt animasi lima lapis, Gemini Omni 1.2 Flash membangun poster lapis demi lapis di atas cyclorama merah muda berdebu yang menanjak ke podium heksagonal — merakit kaca bergerigi, filamen hangat, kristal berfaset, dan huruf tali melingkar untuk HALO, GLOW, dan LUMEN — sambil mengunci setiap material, bayangan, dan detail tipografi sampai frame terakhir. Google membandingkannya langsung dengan Omni 1.1 Flash, yang menurut mereka tidak mengikuti gambar referensi sedekat itu. Perbandingan yang dibuat oleh pembuat model sendiri tentu harus dibaca dengan hati-hati, tetapi contohnya menunjukkan jenis tugas yang ditargetkan: pekerjaan visual yang menuntut ketelitian terhadap referensi, bukan sekadar suasana umum.
Konsistensi dari Frame Pertama sampai Terakhir
Terkait erat dengan kemampuan mengikuti referensi adalah konsistensi yang lebih kuat. Google mengklaim karakter, objek, dan latar kini lebih konsisten dari frame pertama sampai terakhir, dengan lebih sedikit penyimpangan visual atau morphing saat ada gerakan dan perpindahan kamera. Ini adalah masalah klasik video generatif: wajah yang berubah bentuk di tengah klip, pakaian yang berganti warna tanpa alasan, atau latar yang bergeser diam-diam. Klaim bahwa masalah itu berkurang adalah klaim yang penting — dan juga klaim yang paling mudah diuji oleh siapa pun yang mencoba modelnya.
Konsistensi ini juga berlaku untuk dua teknik yang penting dalam produksi: interpolasi antara keyframe pertama dan terakhir, serta perpanjangan klip untuk membangun urutan yang lebih panjang. Produk, karakter, properti, dan lingkungan disebut tetap konsisten dari satu shot ke shot berikutnya. Bagi kreator yang menyusun video dari beberapa klip, konsistensi antar-shot sama pentingnya dengan kualitas satu klip: video yang setiap klipnya bagus tetapi karakternya berubah-ubah tetap tidak bisa dipakai.
Menyunting Lewat Percakapan, Bukan Mengulang dari Nol
Perubahan ketiga adalah penyuntingan multi-turn dalam percakapan. Pengguna bisa menyempurnakan klip yang sama giliran demi giliran — menukar produk atau latar, mengubah pencahayaan atau cuaca, atau mengganti rasio aspek — tanpa memulai dari awal. Penyuntingan ini bekerja di seluruh klip 15 detik, sehingga satu klip bisa menghasilkan banyak varian iklan untuk audiens dan penempatan yang berbeda tanpa perlu membuat ulang dari brief awal.
Contoh yang diberikan Google menggambarkan dua karakter yang latarnya ditukar giliran demi giliran: dari tenda paviliun bergaris, ke hutan ek, ke kandang dengan kuda putih, ke pameran pasar, lalu ke kastil batu — sementara penampilan kedua karakter, pantulan baju zirah, dan framing kamera tetap utuh. Ini adalah cara kerja yang mirip dengan menyunting bersama editor manusia: arahkan, lihat hasilnya, arahkan lagi. Bedanya, editornya adalah model yang sama yang membuat klipnya.
Nilai praktisnya besar untuk tim pemasaran. Satu klip dasar bisa menjadi belasan varian — latar berbeda untuk musim berbeda, produk berbeda untuk segmen berbeda — dengan biaya tambahan yang kecil per varian. Tetapi ada juga batasnya: setiap giliran suntingan adalah kesempatan baru bagi model untuk menyimpang dari referensi, jadi kualitas varian kesepuluh mungkin tidak sama dengan varian pertama. Google tidak memberi angka tentang seberapa jauh konsistensi bertahan setelah banyak giliran, dan itu adalah hal yang perlu diuji sendiri oleh pengguna.
Dialog yang Lebih Alami dan Kamera yang Lebih Sinematik
Dua peningkatan lain menyasar kualitas adegan itu sendiri. Pertama, ucapan yang lebih alami: dialog yang lebih cair, sinkronisasi bibir yang lebih jelas, dan pengondisian multi-pembicara yang berbeda-beda. Google mencontohkan adegan konservatori dengan satu gambar referensi dan empat referensi karakter, mulut, dan suara satu detik: model mengarahkan setiap suara sampel ke karakter yang tepat, dengan lip-sync yang ekspresif dan timing komedi yang natural selama 15 detik adegan animasi. Kemampuan ini relevan untuk penjelasan video, video dengan avatar, musik dan narasi di Google Vids, serta adegan dialog multi-karakter di Flow.
Kedua, tampilan yang lebih sinematik dan terkendali. Pengguna bisa mengarahkan gerakan kamera yang kompleks dan berkelanjutan — dari flythrough FPV yang menyapu sampai zoom-out dramatis dan orbit — dengan jauh lebih sedikit jump cut yang tidak diinginkan, skala yang lebih stabil, dan tampilan yang lebih halus. Contoh Google adalah satu penerbangan drone FPV yang berkelanjutan melintasi piazza, menembus pintu perunggu, lalu naik melewati kubah Pantheon yang berkubah sampai ke oculus — tanpa satu pun jump cut. Bagi kreator, kamera yang bisa diarahkan dengan presisi adalah perbedaan antara video yang terasa seperti rekaman dan video yang terasa seperti kumpulan klip yang ditempel.
Tersedia Secara Umum, dengan Watermark SynthID
Untuk pertama kalinya, Gemini Omni kini tersedia secara umum, didukung infrastruktur dan keamanan tingkat enterprise Google Cloud. Provisioned Throughput tersedia bagi yang membutuhkan kapasitas terjamin, dan output membawa watermark SynthID yang tidak kasat mata — penanda bahwa video itu dibuat oleh AI. Watermark semacam ini penting di tengah maraknya video sintetis: ia tidak menghentikan penyalahgunaan, tetapi memberi jalur bagi platform dan penonton untuk memeriksa asal sebuah video.
Aksesnya dibuka lewat beberapa jalur. Pengembang bisa membuat prototipe di Google AI Studio dan memakai Gemini API. Bisnis bisa mencoba lewat konsol Google Cloud dan membangun solusi enterprise dengan API-nya. Pengguna aplikasi Google bisa mengarahkan adegan dan melakukan edit multi-turn di Flow, membuat klip 15 detik tanpa biaya tambahan di Google Vids dengan akun Google atau langganan Google Workspace, membuat video 15 detik di aplikasi Gemini (diluncurkan bertahap untuk pelanggan Google AI Ultra), dan meningkatkan skala kampanye video di Google Ads.
Ketersediaan yang luas ini penting karena menandai peralihan Gemini Omni dari pratinjau menjadi produk. Pratinjau adalah janji; ketersediaan umum adalah komitmen untuk mendukung, menjaga harga, dan memperbaiki modelnya dalam jangka panjang. Tentu saja, komitmen itu tetap bisa berubah — harga dan batasan bisa direvisi — tetapi status GA memberi sinyal yang berbeda dari sekadar peluncuran fitur baru.
Yang Masih dalam Pengembangan
Google sendiri mengakui bahwa pengembangan masih berjalan untuk beberapa hal: aksi olahraga yang cepat, perubahan naskah yang cepat, dan fisika yang kompleks. Pengakuan ini berguna karena menunjukkan di mana model ini masih lemah. Video olahraga dengan gerakan cepat dan tak terduga, adegan yang naskahnya berubah di tengah jalan, serta interaksi fisika yang rumit — benda yang jatuh, bertabrakan, atau terdeformasi secara realistis — adalah tantangan yang diketahui sulit bagi model video generatif. Kreator yang bekerja di area-area itu sebaiknya menguji sendiri sebelum mengandalkan model ini untuk proyek penting.
Batasan lain yang tidak disebutkan Google tetapi patut diingat: harga 0,07 dolar per detik berlaku untuk 720p, dan harga untuk resolusi yang lebih tinggi tidak dirinci dalam pengumuman ini. Biaya upscale ke 1080p atau 4K, serta tarif Provisioned Throughput, adalah hal yang perlu dicek di halaman harga resmi sebelum menyusun anggaran. Dan seperti semua klaim perbandingan antar-generasi — Omni 1.2 yang lebih konsisten dari Omni 1.1 — penilaian akhirnya ada di tangan pengguna yang mencoba kedua model itu pada brief yang sama.
Untuk Siapa Gemini Omni 1.2 Flash Masuk Akal
Gemini Omni 1.2 Flash paling masuk akal untuk empat kelompok. Pertama, tim pemasaran dan e-commerce yang membutuhkan banyak varian video produk dengan cepat dan murah, terutama virtual try-on dan video katalog dari foto yang sudah ada. Kedua, kreator konten dan agensi kecil yang membuat iklan sosial 15 detik dan butuh konsistensi merek — warna, kemasan, tipografi — di setiap varian. Ketiga, pengembang dan tim produk yang membangun fitur video ke dalam aplikasi mereka lewat Gemini API, terutama yang membutuhkan penyuntingan multi-turn sebagai bagian dari alur kerja. Keempat, pengguna Google Workspace dan Flow yang sudah berada di ekosistem Google dan bisa memakai klip 15 detik tanpa biaya tambahan di Vids atau lewat langganan Ultra.
Sebaliknya, model ini kurang masuk akal — untuk saat ini — bagi mereka yang membutuhkan aksi cepat dan fisika kompleks, karena Google sendiri mengakui area itu masih dikembangkan. Ia juga bukan pengganti produksi video tradisional untuk pekerjaan yang menuntut kendali penuh atas setiap frame, karena video generatif, betapapun konsistennya, tetap bekerja dari prompt dan referensi, bukan dari arahan frame demi frame. Dan bagi siapa pun yang menghitung anggaran produksi, harga per detik hanyalah satu bagian: biaya percobaan, biaya upscale, dan biaya waktu untuk mengulang klip yang gagal tetap harus dimasukkan.
Apa yang Perlu Diikuti Setelah Ini
Ada tiga hal yang layak dipantau setelah pengumuman 5 November ini. Pertama, apakah klaim konsistensi dan ketepatan referensi bertahan ketika diuji oleh kreator independen pada brief mereka sendiri, bukan pada contoh yang dipilih Google. Kedua, bagaimana harga dan batasan berkembang setelah status GA — apakah tarif 0,07 dolar bertahan, dan berapa biaya upscale serta throughput yang dijamin. Ketiga, bagaimana pesaing merespons: video generatif adalah arena yang bergerak cepat, dan keunggulan durasi atau harga selama satu kuartal bisa hilang pada kuartal berikutnya.
Gemini Omni 1.2 Flash menandai satu pergeseran yang lebih besar dari sekadar satu pembaruan model. Selama ini, video AI sering dipakai untuk klip pendek yang berdiri sendiri — satu adegan, satu ide, satu kali pakai. Dengan durasi 15 detik, penyuntingan multi-turn, dan harga yang turun, video AI mulai bisa dipakai sebagai bahan produksi yang sesungguhnya: sesuatu yang dibuat, diperbaiki, divariasikan, dan dipakai ulang dalam alur kerja yang nyata. Apakah pergeseran itu benar-benar terjadi, atau apakah 15 detik tetap terasa seperti klip pendek yang sedikit lebih panjang, akan ditentukan oleh kreator yang menggunakannya setiap hari — bukan oleh pengumuman peluncurannya.
Catatan transparansi: Artikel ini disusun dari pengumuman resmi Google di blog Google tertanggal 5 November 2026 dan dokumentasi pengembang terkait, tanpa pengujian langsung oleh penulis. Semua angka harga, durasi, dan contoh kemampuan yang dikutip adalah angka dan contoh yang dilaporkan Google sendiri, bukan hasil pengukuran independen, dan perbandingan dengan Gemini Omni 1.1 Flash berasal dari materi peluncuran Google. Harga, ketersediaan fitur, dan batasan dapat berubah setelah peluncuran, dan pembaca sebaiknya memeriksa halaman harga dan dokumentasi resmi Gemini API untuk informasi terbaru sebelum merencanakan produksi.