# Artikel Terkait Generasi Gambar

Pusat Berita HTX menyediakan artikel terbaru dan analisis mendalam mengenai "Generasi Gambar", mencakup tren pasar, pembaruan proyek, perkembangan teknologi, dan kebijakan regulasi di industri kripto.

Ini Mungkin Gambar Paling Memukau di WAIC Tahun Ini!

Baru-baru ini di WAIC 2026, SenseTime meluncurkan model gambar AI baru mereka, **SenseNova U1 Pro**. Model ini menonjol karena kemampuannya menghasilkan gambar berkualitas **8K asli** dengan detail yang sangat jelas, bahkan dalam kanvas sangat panjang. Selain resolusi tinggi, U1 Pro dirancang untuk memahami tujuan kompleks, merencanakan, mengatur informasi, dan menghasilkan konten multimodal dalam satu alur kerja terpadu. Model ini diuji dengan berbagai permintaan menantang seperti membuat ilustrasi panjang bertema "24 Musim", poster laboratorium futuristik, pemandangan arsitektur kuno dengan nuansa kaca, serta poster film yang siap pakai. Hasilnya menunjukkan kemampuan U1 Pro dalam mempertahankan konsistensi visual, komposisi yang terstruktur, dan kejelasan teks bahkan pada gambar beresolusi sangat tinggi. Pendekatan U1 Pro bergeser dari sekadar menghasilkan gambar tunggal menjadi sistem yang bertanggung jawab atas **pengiriman konten akhir** yang dapat langsung digunakan. Ini mirip evolusi pada AI coding, di mana fokus berubah dari menulis kode baris demi baris menjadi menyelesaikan seluruh proyek. Dengan kemampuan "berpikir" dalam alur gambar-teks, pemeriksaan mandiri, dan perbaikan berkelanjutan, U1 Pro menargetkan skenario profesional seperti desain informasi, perencanaan kota, storyboard film, dan desain komersial. Intinya, SenseNova U1 Pro tidak hanya tentang gambar yang lebih tajam, tetapi tentang membawa generasi AI multimodal ke tahap di mana ia dapat mengelola tugas desain yang kompleks dan memberikan hasil akhir yang siap pakai, mengurangi ketergantungan pada penyuntingan manusia yang berulang.

marsbit07/19 02:42

Ini Mungkin Gambar Paling Memukau di WAIC Tahun Ini!

marsbit07/19 02:42

Model Gambar Generatif 'Mangga' Zuck Kalah Telak dari GPT Image 2, Tanpa Diajari, Ia Belajar Sendiri Cara Revisi

Meta Labs (MSL) meluncurkan model generasi gambar terbarunya, Muse Image dengan nama kode "Mango". Model ini menempati peringkat kedua dalam arena perbandingan Arena AI, di bawah GPT Image 2 dari OpenAI. Keunggulan utamanya bukan hanya pada kualitas gambar, tetapi pada kemampuannya sebagai *agent* yang dapat berpikir dan merevisi karyanya sendiri. Muse Image mampu mencari informasi online untuk referensi, menghasilkan kode untuk elemen seperti QR code, dan—yang paling mencolok—melakukan koreksi mandiri setelah gambar dibuat, sebuah perilaku yang muncul sendiri selama pelatihan. Model ini terintegrasi erat dengan ekosistem Meta. Pengguna dapat menyebut (@) nama pengguna Instagram publik untuk memasukkan wajah orang tersebut ke dalam gambar yang dibuat, sebuah fitur yang menimbulkan pertanyaan privasi karena diaktifkan secara default. Muse Image juga terhubung dengan model bahasa Muse Spark ("Alpukat"), memungkinkan pembuatan konten yang lebih kompleks seperti game web. Untuk video, Meta memperkenalkan Muse Video yang masih dalam pratinjau, menduduki peringkat ketiga di Arena. Kekuatan utama Meta terletak pada distribusi. Muse Image sudah diintegrasikan ke Meta AI, Instagram, WhatsApp, dan akan menyusul ke platform lainnya, menjangkau miliaran pengguna. Setiap gambar yang dihasilkan dilengkapi watermark digital "Content Seal" untuk identifikasi. Dengan strategi ini, Meta tidak hanya bersaing pada kualitas model, tetapi juga pada kemudahan akses dan integrasi AI ke dalam kehidupan digital sehari-hari.

marsbit07/08 10:42

Model Gambar Generatif 'Mangga' Zuck Kalah Telak dari GPT Image 2, Tanpa Diajari, Ia Belajar Sendiri Cara Revisi

marsbit07/08 10:42

AI Pembuatan Gambar Tanpa Pelatihan Dipercepat 1000%, Caranya: 'Pipa Tiga Tahap' Paling Sederhana

Kemampuan gambar AI semakin kuat, namun pengguna masih merasakannya lambat. Metode akselerasi model difusi tradisional seperti kuantisasi atau distilasi langkah sering kali bergantung pada perangkat keras atau fine-tuning yang mahal. Tim peneliti dari Beihang University, NTU, dan ETH memperkenalkan **MrFlow (Multi-Resolution Flow Matching)**, sebuah pipeline tiga tahap sederhana dan bebas pelatihan untuk mempercepat pembuatan gambar secara signifikan: 1. **Pembuatan Kerangka Beresolusi Rendah:** Model asli menghasilkan gambar struktur global (subjek, tata letak, semantik) di ruang latens beresolusi rendah. Token gambar jauh lebih sedikit, sehingga setiap langkah lebih murah dan konvergensinya lebih cepat. 2. **Super-Resolution di Ruang Pixel:** Hasil beresolusi rendah didekode ke gambar, lalu ditingkatkan resolusinya di ruang pixel menggunakan model super-resolution yang telah dilatih sebelumnya (seperti Real-ESRGAN). Pendekatan ini mempertahankan struktur dengan lebih baik daripada upsampling di ruang latens. 3. **Pemurnian Satu Langkah Beresolusi Tinggi:** Gambar super-resolution dienkode ulang ke ruang latens, ditambahkan sedikit noise intensitas rendah (~0.12), lalu dimurnikan oleh model flow-matching asli hanya dalam **satu langkah** inferensi resolusi tinggi. Noise rendah memungkinkan titik awal dekat dengan gambar bersih. Dengan konfigurasi default "12+1" (12 langkah rendah-res, 1 langkah tinggi-res), MrFlow mencapai **percepatan 10.35x** (dari 49.32s menjadi 4.77s) pada model seperti Qwen-Image, dengan penurunan kualitas minimal (~1%). Metode ini unggul dalam kurva trade-off kecepatan-kualitas dibanding metode akselerasi bebas pelatihan lainnya, dapat digabungkan dengan model distilasi untuk akselerasi lebih lanjut, dan sudah tersedia sebagai kode open-source beserta plugin ComfyUI.

marsbit07/08 07:16

AI Pembuatan Gambar Tanpa Pelatihan Dipercepat 1000%, Caranya: 'Pipa Tiga Tahap' Paling Sederhana

marsbit07/08 07:16

Versi Video Nano Banana Sudah Hadir: Dilengkapi Pengetahuan Dunia Gemini, Buat Gambar Cuma Perlu 4 Detik

Versi video dari Nano Banana telah hadir: dilengkapi dengan pengetahuan dunia Gemini, versi asli "Banana" dapat menghasilkan gambar hanya dalam 4 detik. Google telah membuka API untuk Gemini Omni Flash, yang mengintegrasikan kemampuan penalaran multimodal dengan generasi dan penyuntingan video. Model ini dapat menghasilkan video berkualitas tinggi dari input teks, gambar, atau video, dengan fitur seperti penyuntingan percakapan, referensi multimodal, dan sinkronisasi teks dengan gerakan. Biayanya kompetitif: $0.10 per detik video. Sementara itu, Nano Banana 2 Lite (gemini-3.1-flash-lite-image) dirancang untuk kecepatan ekstrem, menghasilkan gambar 1K dalam sekitar 4 detik dengan biaya sekitar $0.034 per gambar. Kemampuan render teksnya tetap unggul. Keajaiban sebenarnya, menurut Google, adalah menggabungkan kedua model ini. Pengguna dapat membuat gambar cepat dengan Nano Banana 2 Lite, lalu menggunakannya sebagai referensi untuk Gemini Omni Flash guna membuat video secara mulus. Tiga aplikasi demo menunjukkan alur kerja ini: "Anywhere" untuk foto perjalanan dinamis, "Space Lift" untuk tur virtual desain interior, dan "Omni Product Studio" untuk membuat materi iklan e-commerce dari gambar produk. Pendekatan multimodal Google ini membuka potensi besar untuk aplikasi praktis di bidang e-commerce, desain, dan pembuatan konten pendek, memanfaatkan ekosistem Android untuk komersialisasi. Meskipun kemampuan coding masih menjadi tantangan, Google memperkuat posisinya di bidang multimodal.

marsbit07/01 01:56

Versi Video Nano Banana Sudah Hadir: Dilengkapi Pengetahuan Dunia Gemini, Buat Gambar Cuma Perlu 4 Detik

marsbit07/01 01:56

活动图片