Google เปิดตัว Gemini Omni 1.2 Flash สร้างวิดีโอ 15 วินาที ราคาถูกลง

Google เปิดตัว Gemini Omni 1.2 Flash โมเดลสร้างและตัดต่อวิดีโอเวอร์ชันล่าสุดที่รองรับความยาวคลิปสูงสุด 15 วินาทีแบบ native โดยเปิดให้ใช้งานทั่วไปแล้วผ่าน Google Cloud และ Gemini API สำหรับนักพัฒนา จุดเด่นสำคัญคือการลดราคาลง 30% เมื่อเทียบกับเวอร์ชัน 1.1 ทำให้ค่าใช้จ่ายต่อวินาทีถูกลงและช่วยให้นักพัฒนาเข้าถึงเทคโนโลยีได้ง่ายขึ้น

TL;DR

• รันบน: โฮสต์ของ Google เท่านั้น (Gemini API, Google Cloud) ไม่มี open weights และไม่มีการติดตั้งแบบ local
• ประสิทธิภาพ: Google รายงานว่ามีการยึดตามข้อมูลอ้างอิงที่ดีขึ้นและมีการคลาดเคลื่อน (drift) น้อยลง ทั้งนี้ยังไม่มีการประกาศคะแนน benchmark ของเวอร์ชัน 1.2
• จุดเด่น: คลิปแบบ native ยาว 15 วินาที ในราคา 0.07 ดอลลาร์ต่อวินาทีสำหรับวิดีโอ 720p หรือประมาณ 1.05 ดอลลาร์ต่อคลิป 15 วินาที
• จุดด้อย: Google ระบุว่าฉากกีฬาที่รวดเร็ว การเปลี่ยนสคริปต์อย่างกะทันหัน และฟิสิกส์ที่ซับซ้อนยังคงต้องได้รับการพัฒนาต่อ

Gemini Omni 1.2 Flash คืออะไร?

Gemini Omni 1.2 Flash เป็นโมเดลวิดีโอ multimodal จาก Google DeepMind ที่สามารถรับข้อมูลนำเข้าได้หลากหลายทั้งข้อความ รูปภาพ คลิปวิดีโอสั้น และเสียง โดยจะประมวลผลออกมาเป็นวิดีโอพร้อมเสียงในตัว ซึ่งตระกูล Omni ถูกออกแบบมาให้เป็นแบบ natively multimodal และจัดการการตัดต่อผ่าน Interactions API

โมเดลรุ่นนี้อัปเกรดความยาวคลิปจาก 10 วินาทีในรุ่นก่อนหน้าเป็น 15 วินาที โดยผู้ใช้สามารถกำหนดความยาวได้ละเอียดระดับ 1 วินาที (ตั้งแต่ 3-15 วินาที) นอกจากนี้ยังปรับปรุงการยึดตามข้อมูลอ้างอิง (Reference-adherence) เพื่อรักษาความสม่ำเสมอของใบหน้า เครื่องแต่งกาย และสีของแบรนด์ให้คงที่แม้เปลี่ยนมุมกล้อง รวมถึงพัฒนาระบบเสียงและลิปซิงค์ให้เป็นธรรมชาติมากขึ้น

เวิร์กโฟลว์การร่าง ตัดต่อ และอัปสเกล

Google วางโครงสร้างการทำงานเน้นที่การควบคุมต้นทุน โดยผู้ใช้สามารถร่าง (draft) วิดีโอที่ความละเอียด 360p หรือ 720p ก่อนจะใช้ระบบ Multi-turn conversational editing เพื่อแก้ไขรายละเอียดต่างๆ เช่น เปลี่ยนพื้นหลัง แสง หรืออัตราส่วนภาพทีละขั้นตอนผ่าน previous_interaction_id โดยไม่ต้องอัปโหลดวิดีโอซ้ำ

เมื่อได้ผลลัพธ์ที่พึงพอใจแล้ว จึงค่อยทำการอัปสเกลวิดีโอเป็นความละเอียดสูงระดับ 1080p หรือ 4K ช่วยให้กระบวนการผลิตวิดีโอมีความยืดหยุ่นและประหยัดงบประมาณมากกว่าการสร้างคลิปใหม่ทั้งหมดทุกครั้งที่ต้องการแก้ไข

รายละเอียดราคาและลายน้ำป้องกัน

ราคาสำหรับ Gemini Omni 1.2 Flash ถูกตั้งไว้ที่ 0.07 ดอลลาร์ต่อวินาทีสำหรับความละเอียด 720p ซึ่งลดลงจากเดิมที่เคยสูงถึง 0.10 ดอลลาร์ในเวอร์ชัน 1.1 โดยวิดีโอความยาว 15 วินาทีเต็มจะมีต้นทุนประมาณ 1.05 ดอลลาร์ สำหรับผู้ใช้ Google Vids สามารถใช้งานคลิป 15 วินาทีได้โดยไม่มีค่าใช้จ่ายเพิ่มเติม และผลลัพธ์ทุกชิ้นจะมีการใส่ลายน้ำ SynthID เพื่อความโปร่งใส

การเปรียบเทียบและประสิทธิภาพใน Benchmark

แม้ในปัจจุบันจะยังไม่มีการประกาศคะแนน benchmark อย่างเป็นทางการสำหรับเวอร์ชัน 1.2 แต่คำติชมจากพาร์ทเนอร์อย่าง invideo และ QuickFrame AI ต่างยืนยันไปในทิศทางบวก โดยระบุว่าโมเดลสามารถทำตามพรอมต์ได้แม่นยำขึ้น มีฟิสิกส์ที่สมจริง และความยาวที่เพิ่มขึ้นช่วยให้สร้างโฆษณาฉบับเต็มได้ในการรันเพียงครั้งเดียว นักพัฒนาที่สนใจสามารถเริ่มต้นทดลองใช้ได้ผ่าน Google AI Studio และ Gemini API