Google kembali menunjukkan komitmennya dalam mengembangkan teknologi berbasis kecerdasan buatan (AI) dengan merilis Whisk. Whisk merupakan eksperimen AI terbaru dari Google yang memungkinkan pengguna untuk menghasilkan gambar baru menggunakan gambar sebagai input utama. Berbeda dengan generator gambar AI konvensional yang mengandalkan perintah teks, Whisk membawa pendekatan baru yang lebih visual dan intuitif.
Apa Itu Whisk?
Whisk adalah aplikasi AI berbasis gambar yang memungkinkan pengguna untuk menggabungkan beberapa gambar menjadi sebuah gambar baru sesuai dengan keinginan mereka. Konsep ini membuka peluang bagi pengguna untuk menciptakan karya seni yang lebih kompleks dengan hanya mengandalkan gambar sebagai bahan input. Whisk menawarkan cara yang lebih mudah dan cepat dalam membuat karya seni digital, tanpa perlu keterampilan desain grafis yang rumit.
Cara Kerja Whisk
Dalam penggunaan Whisk, Google menyediakan tiga kotak input yang masing-masing memiliki fungsi spesifik:
- Kotak Pertama – Subyek Gambar: Pengguna dapat mengunggah gambar utama yang menjadi fokus atau objek utama dari gambar yang akan dihasilkan.
- Kotak Kedua – Scene (Latar Belakang): Di sini, pengguna bisa menambahkan gambar yang akan dijadikan sebagai latar belakang atau scene dari gambar baru.
- Kotak Ketiga – Gaya: Pada bagian ini, pengguna bisa memasukkan gambar yang akan dijadikan referensi untuk gaya atau tema gambar yang ingin dihasilkan.
Selain itu, pengguna dapat menambahkan rincian tambahan terkait warna, pola, atau elemen gaya lainnya untuk menyempurnakan hasil gambar yang diinginkan. Hasil akhirnya adalah gambar baru yang menggabungkan elemen-elemen yang diinputkan oleh pengguna.
Proses AI yang Canggih
Meski Whisk memanfaatkan gambar sebagai input utama, dalam prosesnya, Google tetap menggunakan perintah berbasis teks untuk menghasilkan gambar akhir. Hal ini dijelaskan oleh pihak Google bahwa gambar yang diunggah oleh pengguna akan dianalisis menggunakan AI Gemini, teknologi AI terbaru milik Google.
AI Gemini kemudian akan mengonversi gambar tersebut menjadi deskripsi teks yang rinci tentang karakteristik gambar tersebut. Hal ini kemudian diterjemahkan ke dalam Imagen 3, model AI milik Google yang dapat menghasilkan gambar.
Selain itu, AI Gemini bertugas untuk mengidentifikasi dan mengabstraksi elemen-elemen penting dari gambar, seperti bentuk, warna, tekstur, dan gaya. Sementara itu, Imagen 3 bertugas untuk mengubah teks deskriptif tersebut menjadi gambar yang sesuai dengan instruksi yang diberikan.
Meskipun demikian, gambar yang dihasilkan tidak akan sepenuhnya mereplikasi gambar input, tetapi akan menciptakan gambar baru dengan elemen-elemen serupa yang sesuai dengan karakteristik utama gambar input.
Whisk dan Tantangan yang Dihadapi Pengguna
Whisk menawarkan banyak potensi bagi para kreator, desainer, dan seniman digital. Namun, seperti teknologi AI lainnya, Whisk memiliki beberapa batasan. Salah satunya adalah hasil gambar yang dihasilkan tidak selalu sesuai dengan harapan pengguna, karena Whisk hanya mengekstrak karakteristik utama dari gambar input, bukan menyalin gambar tersebut secara persis.
Google juga memberikan fleksibilitas kepada pengguna untuk melakukan penyuntingan terhadap perintah yang diberikan, sehingga mereka bisa mengubah elemen-elemen dalam gambar untuk mencapai hasil yang lebih sesuai dengan keinginan mereka.
Fitur ini memungkinkan pengguna untuk bereksperimen dengan berbagai variasi dan mendapatkan gambar yang lebih dekat dengan apa yang mereka bayangkan. Meski demikian, saat ini, Whisk masih tersedia dalam versi eksperimen dan hanya dapat diakses oleh pengguna di Amerika Serikat.
