Mengenal Google Veo 3, Mesin Pembuat Video AI Lewat Tulisan, Disebut Bisa Membahayakan

TRIBUNNEWS.COM - Google secara resmi memperkenalkan mesin pembuat video AI bernama Veo 3 pada Selasa (20/5/2025) lalu.

Pada konferensi pengembang tahunan I/O, Google mengumumkan peluncuran Veo 3 yang dilengkapi kemampuan untuk menghasilkan audio yang tersinkronisasi.

Google Veo 3 dapat menghasilkan video, suara latar belakang, suara manusia yang dihasilkan oleh AI, dan membuatnya seperti nyata.

Dalam laman resminya, Google menyatakan Veo 3 bisa membuat video AI dengan resolusi 4K.

"Veo 3 memungkinkan Anda menambahkan efek suara, suara sekitar, dan bahkan dialog ke dalam kreasi Anda – menghasilkan semua audio secara asli."

"Ia juga memberikan kualitas terbaik di kelasnya, unggul dalam fisika, realisme, dan kepatuhan yang cepat," klaim Google.

Model tersebut juga dilaporkan mengkhususkan diri dalam simulasi fisika dunia nyata dan sinkronisasi bibir, menjadikannya alat yang berpotensi berharga bagi para pembuat film dan memajukan misi Google yang lebih luas untuk menghadirkan AI yang dapat digunakan ke industri kreatif.

Model tersebut kini tersedia bagi pelanggan Gemini Ultra di Amerika Serikat (AS).

Model tersebut juga dapat diakses melalui Flow, alat pembuatan film baru Google yang didukung AI.

Veo 3 merupakan salah satu model pertama dari pengembang teknologi besar yang dapat menyinkronkan video dan audio yang dihasilkan AI.

Dikutip dari ZDNET, membangun model AI yang mampu menghasilkan video dan audio yang tersinkronisasi telah menjadi tantangan teknis yang pelik dan area penelitian yang aktif di seluruh industri AI.

Baik video yang dihasilkan AI maupun audio yang dihasilkan AI, merupakan tantangan teknis yang berbeda, dan menggabungkan keduanya menghadirkan dimensi kompleksitas yang sama sekali baru.

Pertama-tama, video adalah serangkaian bingkai diam, sedangkan audio adalah gelombang yang berkesinambungan.

Oleh karena itu, sinkronisasi keduanya memerlukan model yang dapat beroperasi di kedua modalitas ini, dengan memperhitungkan rentang waktu yang sangat berbeda di mana keduanya beroperasi.

Model AI yang menggabungkan video dengan suara juga harus mampu memperhitungkan variabel seperti material, jarak, dan kecepatan secara dinamis.