Yadeep Blog Yadeep Blog
หน้าแรก
หมวดหมู่
AI Generative
AI Generative
ML & Research
ML & Research
AI Agents & Tools
AI Agents & Tools
AI Ethics & Security
AI Ethics & Security
Hardware & Infrastructure
Hardware & Infrastructure
Robotics & Auto
Robotics & Auto
Tech & Career
Tech & Career
AI Models
AI Models
สอนใช้งานฟรีๆ เกี่ยวกับ ติดต่อ
เข้าสู่ระบบ สมัครสมาชิก
AI Models

Google เปิดตัว Gemini Omni 1.1 Flash: โมเดล AI สร้างวิดีโอ 4K ต่อคลิปยาว 40 วินาที คุมตัวละครไม่หลุดฉาก!

ก้าวสำคัญของวงการ AI Video เมื่อ Google DeepMind ส่ง Gemini Omni 1.1 Flash โมเดลสร้างวิดีโอระดับโปรดักชัน รองรับตั้งแต่ร่างเร็ว 360p ไปจนถึง 4K Ultra HD ต่อฉากยาว 40 วินาที คุมความสม่ำเสมอด้วย Video Reference และคิดราคาตามวินาทีจริง

Google เปิดตัว Gemini Omni 1.1 Flash: โมเดล AI สร้างวิดีโอ 4K ต่อคลิปยาว 40 วินาที คุมตัวละครไม่หลุดฉาก!

วงการ Generative Video กำลังก้าวเข้าสู่ยุคใหม่ที่ไม่ได้มีดีแค่ภาพสวยอีกต่อไป แต่เป็นการควบคุมความต่อเนื่อง (Consistency) และความแม่นยำในการผลิตระดับภาพยนตร์ เมื่อ Google เปิดตัว Gemini Omni 1.1 Flash โมเดล AI สร้างวิดีโอรุ่นล่าสุดที่ออกแบบมาเพื่อนักพัฒนาและครีเอเตอร์สายโปรโดยเฉพาะ โดยแก้ Pain Point สำคัญที่นักสร้างวิดีโอ AI ทั่วโลกต้องเจอมาตลอด ไม่ว่าจะเป็นปัญหาความยาวคลิปที่สั้นเกินไป ตัวละครเปลี่ยนหน้าทุกครั้งที่ตัดฉาก หรือต้นทุนการทดลองที่สูงลิ่ว

Gemini Omni 1.1 Flash คืออะไร? ทำไมถึงเป็นจุดเปลี่ยน

Gemini Omni 1.1 Flash คือโมเดลสร้างวิดีโอแบบ Multi-modal ตัวใหม่ล่าสุดจาก Google DeepMind ที่ผสานการทำงานระหว่าง Prompt ข้อความ, ภาพนิ่ง และคลิปวิดีโออ้างอิงเข้าด้วยกันใน Latent Space เดียวกัน จุดเด่นที่สุดคือการเปิดให้ผู้ใช้เลือกความละเอียดเอาต์พุตได้อย่างยืดหยุ่น ตั้งแต่ระดับ 360p Fast Preview สำหรับการขึ้นโครงร่างไอเดีย ไปจนถึง 4K Ultra HD ที่คมชัดระดับงานภาพยนตร์และโฆษณาระดับมืออาชีพ

อินเทอร์เฟซสร้างวิดีโอด้วย Google Gemini AI (ที่มา: Mint / Google DeepMind)

อินเทอร์เฟซสร้างวิดีโอด้วย Google Gemini AI (ที่มา: Mint / Google DeepMind)

5 ฟีเจอร์ทรงพลัง ปลดล็อกงานวิดีโอระดับโปรดักชัน

สิ่งที่ทำให้ Gemini Omni 1.1 Flash โดดเด่นกว่าโมเดลสร้างวิดีโอตัวอื่นๆ ในตลาด คือชุดเครื่องมือควบคุมที่ประณีตและทรงพลังอย่างที่ไม่เคยมีมาก่อน:

  • Scene Extension ไร้รอยต่อยาวสูงสุด 40 วินาที: สามารถต่อขยายเนื้อเรื่องจากส่วนท้ายของคลิปเดิมได้แบบเนียนกริบ โดยเพิ่มความยาวได้ครั้งละ 10 วินาที และสะสมความยาวต่อเนื่องได้สูงสุดถึง 40 วินาทีต่อหนึ่งเส้นเรื่อง
  • กำหนด First & Last Frame อย่างแม่นยำ: ผู้ใช้สามารถระบุภาพเฟรมเริ่มต้นและภาพเฟรมสุดท้าย แล้วปล่อยให้ AI คำนวณการเคลื่อนไหวของกล้อง (Camera Movement) และทรานซิชันที่นุ่มนวลอย่างเป็นธรรมชาติ
  • 360p Rapid Prototyping: โหมดร่างไอเดียความละเอียด 360p ที่เจนผลงานได้เร็วกว่า 720p ถึง 60% และประหยัดต้นทุนลงเหลือเพียง 1 ใน 3 ช่วยให้ทดลอง Prompt จนพอใจก่อนกด Render จริง
  • Video Reference ล็อกความสม่ำเสมอ: รองรับการป้อนคลิปวิดีโออ้างอิงความยาวสูงสุด 3 วินาที เพื่อล็อกหน้าตาตัวละคร โทนแสง และสไตล์ของฉากไม่ให้เพี้ยนตลอดการสร้าง
  • ความละเอียด 4K คมชัดระดับ Master: รองรับการสร้างเนื้อหาแบบ Native 1080p และ 4K สำหรับงานบรอดแคสต์และจอขนาดใหญ่

การประมวลผล Multi-modal แปลงภาพและข้อความเป็นวิดีโอ (ที่มา: Mashable)

การประมวลผล Multi-modal แปลงภาพและข้อความเป็นวิดีโอ (ที่มา: Mashable)

สเปกหลักและขุมพลังเบื้องหลัง (Technical Architecture)

เบื้องหลังความสามารถอันทรงพลังของ Gemini Omni 1.1 Flash คือสถาปัตยกรรมที่ขยาย Temporal Context Window จากเดิมเพียง 1 วินาที เพิ่มขึ้นเป็น 10 วินาทีเต็ม ทำให้โมเดลสามารถจดจำรายละเอียดการเคลื่อนไหว สภาพแวดล้อม และตรรกะการเล่าเรื่องในอดีตได้อย่างสมบูรณ์แบบ จึงไม่เกิดอาการฉากกระตุกหรือใบหน้าตัวละครบิดเบี้ยวระหว่างรอยต่อคลิป

สรุปสเปกหลัก Gemini Omni 1.1 Flash (ความละเอียด 4K, ยาวสูงสุด 40 วินาที)

สรุปสเปกหลัก Gemini Omni 1.1 Flash (ความละเอียด 4K, ยาวสูงสุด 40 วินาที)

เปรียบเทียบสเปก: Gemini Omni 1.1 Flash vs Runway Gen-3/4

เมื่อนำ Gemini Omni 1.1 Flash มาเทียบเคียงกับผู้นำตลาดอย่าง Runway Gen-3/4 จะเห็นได้ชัดว่า Google เน้นการแก้ปัญหาเรื่อง Production Workflow โดยตรง ทั้งความยาวคลิปต่อเนื่อง การควบคุมฉาก และการประหยัดต้นทุน:

เปรียบเทียบสเปกและฟีเจอร์ AI Video: Gemini Omni 1.1 Flash vs Runway Gen-3/4

เปรียบเทียบสเปกและฟีเจอร์ AI Video: Gemini Omni 1.1 Flash vs Runway Gen-3/4

โครงสร้างราคาและวิธีใช้งานผ่าน Gemini API

Google เลือกใช้โมเดลราคาแบบ Pay-per-second ตามระยะเวลาวิดีโอจริง ทำให้นักพัฒนาไม่ต้องจ่ายค่าสมาชิกรายเดือนราคาแพงหากใช้งานน้อย โดยมีอัตราค่าบริการโดยประมาณดังนี้:

  • 360p Draft: ประมาณ $0.03 / วินาที (~0.2 - 0.3 บาท/วินาที) เหมาะสำหรับงานทดสอบและระบบ Batch Generator
  • 4K Ultra HD: ประมาณ $0.30 / วินาที (~2 บาท/วินาที) สำหรับงาน Master Final Output

นักพัฒนาสามารถเริ่มต้นใช้งานได้ทันทีผ่าน Google AI Studio หรือเรียกผ่าน Gemini API โดยระบุพารามิเตอร์ gemini-omni-1.1-flash พร้อมส่ง previous_interaction_id เมื่อต้องการสั่ง Scene Extension ต่อคลิปเดิม

การประยุกต์ใช้งานสร้างคลิปวิดีโอบนอุปกรณ์ต่างๆ (ที่มา: The Seattle Times)

การประยุกต์ใช้งานสร้างคลิปวิดีโอบนอุปกรณ์ต่างๆ (ที่มา: The Seattle Times)

5 รูปแบบการประยุกต์ใช้งานจริงในอุตสาหกรรม

ด้วยความสามารถในการคุมความสม่ำเสมอและความละเอียดระดับ 4K ทำให้ Gemini Omni 1.1 Flash ตอบโจทย์หลากหลายอุตสาหกรรม:

  1. งานภาพยนตร์และโฆษณา (Commercial & Previz): ทำ Storyboard เคลื่อนไหวและฉากต้นแบบที่มีความต่อเนื่องของตัวละคร
  2. Social Media Content: สร้าง Short-form Video ความยาว 30-40 วินาทีจบครบในคลิปเดียวด้วยต้นทุนที่ควบคุมได้
  3. E-commerce Product Showcase: กำหนด First & Last Frame เพื่อสร้างวิดีโอหมุนสินค้า 360 องศาที่สมบูรณ์แบบ
  4. เกมและแอนิเมชัน: ทำ Pre-visualization สำหรับฉาก Cutscene และการออกแบบการเคลื่อนไหวของตัวละคร
  5. สื่อการศึกษาและการอบรม: ผลิตวิดีโออธิบายบทเรียนที่มีผู้สอน AI นำเสนออย่างต่อเนื่อง

บทสรุปสำหรับ Creator และ Developer

Gemini Omni 1.1 Flash ไม่ได้เป็นเพียงการอัปเกรดโมเดลวิดีโอธรรมดา แต่เป็นการวางรากฐานสำคัญให้ AI Video กลายเป็นเครื่องมือโปรดักชันที่ใช้งานได้จริงในระดับอุตสาหกรรม ด้วยการผสาน Workflow ที่ยืดหยุ่น การคุมคาแร็กเตอร์ที่แม่นยำ และราคาที่เข้าถึงได้

3 จุดเปลี่ยนสำคัญสำหรับ Creator และ Developer

3 จุดเปลี่ยนสำคัญสำหรับ Creator และ Developer

แชร์บทความนี้:

ความคิดเห็น 0

ยังไม่มีความคิดเห็น — เป็นคนแรกที่แสดงความคิดเห็น!

แสดงความคิดเห็น