Menantang Sora 2, Google Veo 3.1 Hadir dengan Kejutan Menyenangkan

Pada 16 Oktober waktu Beijing, Google resmi meluncurkan Veo 3.1 dan versi pratinjau berbayar Veo 3.1 Fast di dalam ekosistem Gemini API, dan kehadirannya langsung menarik perhatian dunia teknologi. Sama seperti Sora 2 yang baru saja dirilis oleh OpenAI, Veo 3.1 juga menghadirkan fitur audio yang menjadi sorotan besar di industri AI video. Dibandingkan dengan generasi sebelumnya, Veo 3.1 membawa peningkatan besar di tiga aspek utama. Pertama, AI video kini beralih dari “film bisu” menjadi “film bersuara”. Veo 3.1 mampu menyatukan audio dan visual secara harmonis, membuat efek suara menyatu dengan adegan secara alami, bahkan dapat menyesuaikan musik latar agar sesuai dengan suasana dan emosi video. Kedua, Veo 3.1 memungkinkan pengguna menentukan gambar awal dan akhir dari sebuah video, sehingga transisi antar video menjadi lebih mulus dan tampilan keseluruhan terasa lebih sinematik. Bahkan, setiap video baru bisa dilanjutkan langsung dari frame terakhir video sebelumnya — menciptakan efek “AI long video” yang terhubung tanpa batas. Ketiga, Veo 3.1 mampu menciptakan karakter hanya dari tiga gambar referensi — satu foto wajah, satu referensi pakaian, dan satu pengaturan lokasi. Berdasarkan prompt yang diberikan, AI dapat membangun karakter yang konsisten dan bahkan membuatnya berbicara sesuai dengan naskah yang diinginkan. Singkatnya, Veo 3.1 berfokus pada peningkatan pengalaman audiovisual, menekankan stabilitas gambar, kesinambungan cerita, dan keselarasan suara. Saat ini, pengguna umum dapat mencoba Veo 3.1 secara gratis melalui aplikasi Gemini dan platform Flow, meskipun aksesnya terbatas. Dalam waktu kurang dari satu hari sejak perilisan, sejumlah platform AI video seperti Imagine.art, Fal-ai, dan Lovart sudah mengumumkan dukungan terhadap model ini. Kami pun mencoba langsung Veo 3.1 di Lovart, dan hasilnya cukup menarik. Pada uji pertama dengan prompt berbahasa Inggris “It’s raining on the streets of New York. Suddenly, a lightning bolt strikes with thunder,” Veo 3.1 berhasil menampilkan sinkronisasi yang baik antara suara dan gambar — kilat muncul bersamaan dengan suara petir, dan suara mobil yang melintasi genangan air terasa berubah jaraknya dengan realistis. Namun, durasi video yang dihasilkan relatif pendek, sekitar 6 detik, lebih singkat dibandingkan Sora 2 yang mampu menghasilkan video berdurasi 10–20 detik. Selain itu, kami menemukan bahwa hanya mobil, hujan, dan kilat yang bergerak, sementara pejalan kaki dan pepohonan tetap diam — membuat video masih terlihat “AI-made”. Dalam pengujian berikutnya, kami mencoba memberi dua gambar sebagai frame pembuka dan penutup, dengan prompt “Seekor kucing belang melompat ke atas meja kerja dengan gerakan halus dan alami.” Hasilnya cukup realistis di bagian awal, namun di tengah video tiba-tiba muncul “kucing kedua”, menciptakan kesan aneh seolah efek sihir. Ketika dua klip kami sambungkan, transisinya cukup konsisten meski masih terasa sedikit janggal. Pada tes terakhir, kami menggunakan tiga gambar untuk menciptakan karakter wanita — satu foto wajah, satu referensi pakaian, dan satu gambar latar. Sayangnya, hasilnya jauh dari ekspektasi. Karakter tampak kaku, desain pakaian dan latar tidak sesuai referensi, serta aura “AI” sangat terasa. Dari semua pengujian, ini menjadi hasil terlemah. Secara keseluruhan, Veo 3.1 memang menunjukkan peningkatan dalam sinkronisasi audio-visual dan stabilitas frame, namun belum mampu menampilkan karakter yang realistis seperti klaim di situs resmi. Meski begitu, Google tampak percaya diri. Dalam pernyataannya, Google menegaskan bahwa Veo 3.1 melampaui Sora 2 Pro, Hailuo 2.0, Seedance 1.0 Pro, dan Renway Gen 3 dalam kualitas visual serta konsistensi frame. Bahkan, Google secara halus menyindir OpenAI dengan menyebut bahwa Sora 2 Pro tidak disertakan dalam perbandingan karena belum mendukung pembuatan karakter manusia. Namun, tidak semua pihak sepakat. Pendiri Otherside AI, Matt Shumer, menilai Veo 3.1 masih kalah dari Sora 2 dan bahkan lebih mahal, padahal Sora 2 masih bisa digunakan secara gratis. Seniman 3D Travis David juga mengkritik bahwa Veo 3.1 belum mampu menembus “batas 8 detik” dalam durasi video AI dan tidak memberikan opsi bagi pengguna untuk memilih jenis audio yang dihasilkan. Beberapa pengguna juga kecewa karena fitur “automated storyboarding” yang dijanjikan masih belum tersedia. Dari sisi harga, Veo 3.1 tetap diposisikan sebagai produk premium. Meskipun tarifnya sama seperti Veo 3, model ini masih menjadi salah satu AI video termahal di pasar, hanya sedikit di bawah Sora 2 Pro. Versi cepatnya, Veo 3.1 Fast, memungkinkan pembuatan video lebih singkat dengan biaya lebih rendah — sekitar $0.15 per detik tanpa audio, dan $0.40 per detik dengan audio. Google juga mencatat bahwa pengguna hanya akan dikenakan biaya jika video berhasil dibuat, menandakan masih adanya potensi ketidakstabilan pada sistem audio. Berbeda dengan Sora 2 yang menonjolkan sisi sosial dan hiburan, Veo 3.1 jelas diarahkan untuk kebutuhan profesional. Google menyebutkan bahwa studio film berbasis AI seperti Promise Studios sudah menggunakan Veo 3.1 di platform MUSE untuk meningkatkan kualitas storytelling video, sementara Latitude mengujinya untuk konversi instan dari teks ke narasi visual. Dengan kemampuan baru ini, Google berusaha membuka jalan menuju era produksi video AI profesional — membantu pembuat konten, studio, maupun kreator independen menciptakan film pendek berkualitas tinggi dengan karakter dan narasi yang konsisten. Namun jika dinilai secara keseluruhan, dalam lima bulan terakhir, kemajuan Google di model Veo ini baru bisa disebut sebagai langkah kecil — hanya “0.1 langkah” ke depan.