เปิดตัว Gemini Omni 1.2 Flash อัปเกรดวิดีโอ 15 วินาทีที่คุ้มค่ากว่าเดิม

วันนี้เรากำลังทยอยเปิดตัว Gemini Omni 1.2 Flash เพื่อให้ใช้งานได้ทั่วไป (generally available) ผ่านทาง Gemini API และ Gemini for business

โมเดลใหม่นี้นำเสนอความสามารถในการสร้างวิดีโอแบบ native ความยาว 15 วินาที พร้อมฟีเจอร์การแก้ไขแบบสนทนาหลายรอบ (multi-turn conversational editing) และการทำตามภาพอ้างอิงที่แม่นยำยิ่งขึ้น โดยมีการปรับลดราคาลงถึง 30% จาก Gemini Omni 1.1 ทำให้ราคาเริ่มต้นเพียง $0.07 ต่อวินาทีสำหรับวิดีโอความละเอียด 720p

รวดเร็วและคุ้มค่าในระดับสเกลใหญ่

นอกเหนือจากราคาที่ถูกลงแล้ว ขั้นตอนการทำงานยังช่วยควบคุมค่าใช้จ่ายให้ต่ำลงได้ด้วย โดยผู้ใช้สามารถร่างงานเริ่มต้นที่ความละเอียด 360p หรือ 720p และใช้วิธีการแก้ไขรายละเอียดผ่านการสั่งงานต่อเนื่องแทนการสร้างใหม่ทั้งหมด ก่อนจะทำการ upscale ผลงานชิ้นสุดท้ายเป็นความละเอียด 1080p หรือ 4K

คลิปยาวขึ้นสูงสุด 15 วินาที

ปัจจุบันคุณสามารถสร้างและแก้ไขวิดีโอแบบ native ได้ยาวสูงสุด 15 วินาที เพิ่มขึ้นจากเดิม 10 วินาทีในเวอร์ชัน 1.1 โดยสามารถระบุระยะเวลาที่ต้องการได้ตั้งแต่ 3 ถึง 15 วินาที (เพิ่มทีละ 1 วินาที) ช่วยให้การเล่าเรื่องราว การสาธิตผลิตภัณฑ์ หรือการทำโฆษณาโซเชียลมีเดียจบได้ในการสร้างเพียงครั้งเดียว

การปฏิบัติตามข้อมูลอ้างอิงที่ดีขึ้น

ผู้ใช้สามารถควบคุมผลลัพธ์ได้ด้วยการผสมผสานรูปภาพตัวละคร ผลิตภัณฑ์ สไตล์ คลิปสั้นๆ และเสียง ซึ่ง Gemini Omni 1.2 Flash จะรักษาความต่อเนื่องของรายละเอียด เช่น ใบหน้า เสื้อผ้า และสีของแบรนด์ให้สม่ำเสมอตลอดทั้งคลิป

ความสามารถนี้ช่วยให้การเปลี่ยนภาพถ่ายผลิตภัณฑ์หรือ character sheets ให้กลายเป็นคลิปลองชุดเสมือนจริง (virtual try-on) หรือวิดีโอโฆษณาแบรนด์ทำได้ง่ายขึ้น ตัวอย่างเช่น การใช้นางแบบหนึ่งคนร่วมกับชุดสามชุด โมเดลสามารถสร้างวิดีโอหมุน 360 องศาความยาว 15 วินาทีที่รักษาเอกลักษณ์ของนางแบบและการทิ้งตัวของผ้าได้อย่างแม่นยำ

ผลลัพธ์ที่สม่ำเสมอยิ่งขึ้น

โมเดลใหม่ช่วยลดปัญหาการเลื่อนไหลทางภาพ (visual drift) หรือการกลายร่าง (morphing) ระหว่างการเคลื่อนไหวของกล้อง ทำให้ตัวละครและสภาพแวดล้อมมีความสม่ำเสมอตั้งแต่เฟรมแรกจนถึงเฟรมสุดท้าย

จากการทดสอบด้วยภาพอ้างอิงที่ซับซ้อน Gemini Omni 1.2 Flash สามารถสร้างรายละเอียดของวัสดุ เช่น แก้วลายร่องและตัวอักษรรูปสายไฟ ได้อย่างแม่นยำตามเลเยอร์ที่กำหนดและคงความสม่ำเสมอของแสงเงาได้ดีกว่าเวอร์ชัน 1.1 อย่างชัดเจน

การแก้ไขที่ง่ายขึ้นผ่านการสนทนา

คุณสามารถปรับปรุงคลิปเดิมได้ผ่านการสนทนาแบบรอบต่อรอบ เช่น การเปลี่ยนพื้นหลัง สลับผลิตภัณฑ์ หรือปรับแสงและอัตราส่วนภาพ โดยไม่ต้องเริ่มสร้างใหม่ทั้งหมด ซึ่งรองรับการแก้ไขครอบคลุมตลอดความยาว 15 วินาที เหมาะสำหรับการผลิตโฆษณาหลายเวอร์ชันเพื่อกลุ่มเป้าหมายที่ต่างกัน

เสียงพูดที่เป็นธรรมชาติมากขึ้น

การสร้างฉากที่มีบทสนทนาจะดูไหลลื่นขึ้นด้วยระบบขยับปาก (lip-sync) ที่ชัดเจน และการรองรับผู้พูดหลายคน (multi-speaker conditioning) ที่แยกจากกัน ฟีเจอร์นี้ใช้งานได้ทั้งใน Flow, Gemini for business และ Google Vids

ลุคภาพยนตร์ที่ควบคุมได้มากขึ้น

ผู้ใช้สามารถกำกับการเคลื่อนกล้องที่ซับซ้อน เช่น การบินโดรน FPV การซูมออก หรือการโคจรรอบวัตถุได้ราบรื่นขึ้น โดยลดการเกิดจังหวะตัดกระโดด (jump cuts) ที่ไม่ต้องการ และให้ผลลัพธ์ที่มีคุณภาพระดับภาพยนตร์

คลิปที่ยาวขึ้นพร้อมการเคลื่อนไหวที่ราบรื่น

Gemini Omni 1.2 Flash รักษาข้อมูลอ้างอิงในช็อตที่ยาวขึ้นได้ดีเยี่ยม ไม่ว่าจะเป็นการสร้างวิดีโออธิบายวิทยาศาสตร์พร้อมคำอธิบายภาพที่ถูกต้อง หรือการส่งต่อการเคลื่อนไหว (motion transfer) จากสิ่งหนึ่งไปยังอีกสิ่งหนึ่ง เช่น จากปลาหมึกยักษ์ไปสู่นักเต้นที่เคลื่อนไหวในจังหวะเดียวกัน

ผลลัพธ์ในโลกแห่งความเป็นจริง

ปัจจุบันภาคธุรกิจและนักสร้างสรรค์ได้เริ่มนำ Gemini Omni 1.2 Flash ไปใช้งานในเวิร์กโฟลว์แล้ว โดยมาพร้อมความปลอดภัยระดับองค์กรของ Google Cloud และมีการฝังลายน้ำ SynthID ที่มองไม่เห็นเพื่อความปลอดภัย

เริ่มต้นใช้งาน Gemini Omni 1.2 Flash

แม้จะยังมีการพัฒนาต่อเนื่องในด้านฟิสิกส์ที่ซับซ้อน แต่โมเดลนี้พร้อมแล้วสำหรับนักพัฒนาและธุรกิจที่ต้องการผลิตวิดีโอจำนวนมาก โดยสามารถใช้งานได้ผ่านช่องทางต่างๆ ดังนี้:

• นักพัฒนา: ใช้งานผ่าน Google AI Studio พร้อมตรวจสอบ เอกสารสำหรับนักพัฒนา และ ราคา
• ธุรกิจ: ใช้งานผ่าน Google Cloud console และ API
• ผู้ใช้ทั่วไป: ใช้งานผ่าน Flow, Google Vids, แอป Gemini และ Google Ads