Gemini Omni 1.2 Flash ของ Google เปิดให้ใช้งานทั่วไปแล้ว

Google ประกาศเปิดตัว Gemini Omni 1.2 Flash เมื่อวันที่ 5 พฤศจิกายน 2026 พร้อมเปิดให้ใช้งานโมเดลสร้างและตัดต่อวิดีโอนี้ได้ทั่วไป การอัปเดตเพิ่มความยาวคลิปสูงสุดที่สร้างได้โดยตรงเป็น 15 วินาที เพิ่มการตัดต่อแบบสนทนาหลายรอบ และลดราคาวิดีโอ 720p ลง 30% เหลือประมาณ 0.07 ดอลลาร์ต่อวินาที

โมเดลนี้สร้างวิดีโอพร้อมเสียงต้นฉบับที่ซิงก์กันได้จากข้อความ รูปภาพ และวิดีโอ การเพิ่มระยะเวลานี้มีจุดประสงค์เพื่อให้สร้างเรื่องราวที่สมบูรณ์ วิดีโออธิบายสินค้า และโฆษณาบนโซเชียลมีเดียฉบับเต็มได้ภายในการสร้างเพียงครั้งเดียว

คลิปยาวขึ้นและการตัดต่อแบบสนทนา

เอกสารสำหรับนักพัฒนารองรับระยะเวลาที่กำหนดเป็นวินาทีเต็มตั้งแต่ 3 ถึง 15 วินาที เทียบกับความยาวสูงสุด 10 วินาทีของ Omni 1.1 และกำหนดค่าเริ่มต้นไว้ที่ 10 วินาที เอาต์พุตมีความละเอียดเริ่มต้นที่ 720p และอัตราส่วนภาพ 16:9 แนวนอน โดยรองรับแนวตั้ง 9:16 ด้วย ทีมงานสามารถสร้างฉบับร่างที่ความละเอียด 360p หรือ 720p แล้วเพิ่มความละเอียดให้ผลงานที่เลือกเป็น 1080p หรือ 4K ได้

การตัดต่อแบบสนทนาสามารถเปลี่ยนสินค้า หรือฉากหลัง ปรับแสงหรือสภาพอากาศ และเปลี่ยนอัตราส่วนภาพได้ โดยคงองค์ประกอบที่ไม่ได้ระบุให้เปลี่ยนไว้ตามเดิม ตัวระบุการโต้ตอบก่อนหน้าจะเก็บบริบทระหว่างคำขอ API ทำให้ไม่ต้องอัปโหลดวิดีโอก่อนหน้าอีกครั้ง แต่ละคำขอยังใช้ภาพอ้างอิงได้สูงสุด 6 ภาพ ซึ่งรวมถึงภาพสูงสุด 3 ภาพต่อตัวละคร สำหรับตัวละครได้สูงสุด 2 ตัว

การต่อขยายวิดีโอแยกจากการสร้างวิดีโอโดยตรง โดยจะต่อคลิปเพิ่มครั้งละ 3 ถึง 10 วินาที ใช้ 10 วินาทีสุดท้ายเป็นบริบท และต่อได้ยาวสูงสุด 30 วินาที ไม่สามารถเพิ่มฟุตเทจไว้ตอนต้นหรือตัดแทรกเนื้อหากลางคลิปได้ ส่วนการสร้างภาพแทรกระหว่างเฟรมแรกกับเฟรมสุดท้ายยังจำกัดไว้ที่เอาต์พุตความยาว 3 ถึง 10 วินาที

ราคาและการย้ายระบบ

สำหรับ Gemini API แบบชำระเงิน ราคาอยู่ที่ 12 ดอลลาร์ต่อโทเคนเอาต์พุตวิดีโอ 1 ล้านโทเคน โดยคิดปริมาณการใช้งานที่ 5,792 โทเคนต่อวินาทีของวิดีโอ 720p ค่าใช้จ่ายที่ระบุอยู่ที่ประมาณ 0.70 ดอลลาร์สำหรับคลิป 10 วินาที และ 1.04 ดอลลาร์สำหรับคลิป 15 วินาที ส่วนอินพุตข้อความ รูปภาพ และวิดีโอมีค่าใช้จ่าย 1.50 ดอลลาร์ต่อ 1 ล้านโทเคน และโมเดลนี้ไม่เปิดให้ใช้ในแพ็กเกจฟรี

Gemini Omni 1.1 Flash จะยังเปิดให้ใช้งานในช่วงเปลี่ยนผ่าน 4 สัปดาห์ เมื่อถึงวันที่ 3 ธันวาคม 2026 คำขอ API ที่ส่งไปยัง 1.1 จะถูกเปลี่ยนเส้นทางไปยัง 1.2 โดยอัตโนมัติ โดยไม่ต้องแก้ไขโค้ด และจะใช้อัตราค่าบริการที่ต่ำกว่าของ 1.2 ดังนั้น การผสานระบบที่มีอยู่จึงมีกำหนดย้ายระบบที่ชัดเจน โดยไม่จำเป็นต้องเขียนระบบใหม่ทันที

คุณภาพตามที่ระบุและข้อจำกัดในการใช้งานจริง

Google ระบุว่าการอัปเดตนี้ช่วยคงรายละเอียดของใบหน้า เสื้อผ้า ตัวอักษรบนบรรจุภัณฑ์ และสีของแบรนด์ได้ดีขึ้นเมื่อเปลี่ยนมุมกล้องและฉาก โดยมีภาพที่เปลี่ยนเพี้ยนหรือละลายกลืนน้อยลง พร้อมปรับการซิงก์ปากให้ชัดเจนขึ้น บทสนทนาเป็นธรรมชาติมากขึ้น แยกเสียงของผู้พูดหลายคนได้ชัดเจน และเคลื่อนกล้องต่อเนื่องโดยมีการตัดฉับพลันที่ไม่ต้องการน้อยลง

ผลการประเมินแบบเปรียบเทียบเคียงข้างกันของ Google DeepMind ระบุว่า ในการทดสอบแปลงข้อความเป็นวิดีโอ Omni 1.2 ได้อัตราชนะด้านความสม่ำเสมอของภาพ 62% เทียบกับ 38% ของ Omni 1.1 ส่วนการเปรียบเทียบการสร้างวิดีโอจากภาพอ้างอิงพบว่า 1.2 ได้อัตราชนะด้านความสม่ำเสมอของอัตลักษณ์จากภาพอ้างอิงหลายภาพ 63% เทียบกับ 37%

นอกจากนี้ยังมีข้อจำกัดทางเทคนิคที่ระบุไว้อย่างชัดเจน การพัฒนายังคงดำเนินต่อไปในด้านฉากกีฬาที่เคลื่อนไหวรวดเร็ว การเปลี่ยนบทอย่างฉับพลัน และฟิสิกส์ที่ซับซ้อน Gemini API รองรับภาษาอังกฤษอย่างเต็มรูปแบบ แต่ยังไม่ได้ประเมินภาษาอื่น API ในปัจจุบันไม่รองรับการตัดต่อเสียง อินพุตเสียงที่อัปโหลด และเสียงอ้างอิง ระยะเวลาการสร้างแตกต่างกันไปตามความยาว ความละเอียด และภาระงานของ API อีกทั้งยังมีตัวกรองความปลอดภัยสำหรับพรอมต์และวิดีโอที่สร้างขึ้น

การเปิดให้ใช้งานและการนำไปใช้จริง

นักพัฒนาสามารถสร้างต้นแบบใน Google AI Studio และใช้ Gemini API แบบชำระเงินได้ การเปิดให้ใช้งานในวงกว้างครอบคลุม Flow สำหรับกำกับฉากและแก้ไขหลายรอบ คลิปที่ยาวขึ้นใน Google Vids โดยไม่มีค่าใช้จ่ายเพิ่มเติมเมื่อมีบัญชี Google หรือการสมัครใช้ Workspace การทยอยเปิดให้สมาชิก Google AI Ultra ใช้งานผ่านแอป Gemini และการสร้างแคมเปญใน Google Ads วิดีโอทุกชิ้นที่สร้างผ่าน API จะมีลายน้ำ SynthID ที่มองไม่เห็น ซึ่งตรวจจับได้ด้วยระบบเพื่อยืนยันแหล่งที่มา

ประกาศเปิดให้ใช้งานทั่วไปของ Google Cloud เพิ่มการเข้าถึงผ่านคอนโซลและ API โครงสร้างพื้นฐานและความปลอดภัยระดับองค์กร รวมถึง Provisioned Throughput โดยจำกัดการใช้เสียงอ้างอิงไว้เฉพาะผู้ที่ได้รับอนุญาต Matt Rouif ประธานเจ้าหน้าที่บริหารของ Photoroom กล่าวว่า การเพิ่มขีดจำกัดความยาวในการสร้างเป็นคำขอสำคัญจากผู้ใช้ และการเปิดให้ใช้งานทั่วไปพร้อมข้อตกลงระดับการให้บริการจะช่วยให้บริษัทพึ่งพา Gemini Omni Flash ในการใช้งานจริงสำหรับผู้ขายและลูกค้าองค์กรได้ โมเดลนี้ขับเคลื่อน Video Ad Maker และ Product Animator ของ Photoroom

การเปิดตัวครั้งนี้เชื่อมโยงราคาที่ลดลงเข้ากับขั้นตอนการผลิตที่เปลี่ยนไป กล่าวคือ การแก้ไขเฉพาะจุดสามารถใช้แทนการสร้างใหม่ทั้งหมดได้ และสงวนการเรนเดอร์ความละเอียดสูงไว้สำหรับผลงานที่เลือก คุณค่าของโมเดลในการใช้งานจริงจึงขึ้นอยู่กับการปรับปรุงความสม่ำเสมอตามที่รายงานไว้ เพราะการคงตัวละคร สินค้า และฉากให้ต่อเนื่องกันระหว่างการแก้ไข คือสิ่งที่ทำให้การตัดต่อแบบปรับแก้ซ้ำเป็นทางเลือกที่ใช้งานได้จริงแทนการเริ่มต้นใหม่