Text-to-image

Bayangkan kamu pesan kue ulang tahun dan cuma bilang: "Kue cokelat, tema sepak bola, ada tulisan Selamat Ulang Tahun." Tukang kuenya tidak mengambil kue dari etalase toko lain. Dia membuat kue baru dari pengalamannya membuat ratusan kue.

Text-to-image mirip begitu. Banyak modelnya memakai teknik difusi: mulai dari gambar penuh bintik acak, lalu bintiknya dibersihkan sedikit demi sedikit sampai cocok dengan kalimatmu. Bedanya, tukang kue bisa bertanya balik kalau pesananmu kurang jelas. AI biasanya langsung menebak bagian yang tidak kamu sebut.

Laporan e-Conomy SEA 2026 dari Google, Temasek, dan Bain mencatat 32% permintaan Gemini dari Indonesia berupa pembuatan gambar. Jumlahnya sekitar 9 juta gambar per hari, tertinggi di Asia Tenggara. Kemampuan gambar Gemini ini dinamai Nano Banana, dan menurut dokumentasi Google, semua gambar buatannya diberi tanda air tak terlihat bernama SynthID.

Artinya buat kamu: gambar dari Gemini membawa tanda yang bisa dicek, tapi gambar dari alat lain belum tentu. Jadi jangan menilai sebuah gambar asli atau buatan AI hanya dari ada atau tidaknya tanda air.

"AI cuma nyomot gambar dari internet lalu menempelnya." Model difusi membuat piksel baru, bukan potong-tempel. Tapi bukan berarti hasilnya tidak pernah mirip karya orang. Carlini dkk. (2023) berhasil mengeluarkan lebih dari seribu gambar bahan latih yang dihafal model gambar populer, dari foto orang sampai logo merek dagang.

"Gambar buatan AI otomatis jadi milikku." Tergantung aturan negaranya dan seberapa besar campur tanganmu. Kantor Hak Cipta Amerika Serikat (Januari 2025) menyimpulkan bahwa prompt saja belum cukup menjadikan pemakai sebagai pencipta gambarnya. Aturan tiap negara bisa beda, jadi untuk keperluan komersial, baca dulu syarat layanan alat yang kamu pakai.