เปิดตัว Gemini Omni AI โมเดลตัวตึงด้านวิดีโอ เก็บรายละเอียดเป๊ะขึ้น รองรับ Input หลายรูปแบบ

Gemini Omni โมเดลตัวใหม่ที่รองรับ “Input หลายรูปแบบ” ได้รับฉายาว่าเป็น Nano Banana เวอร์ชันวิดีโอ สามารถสร้าง/แก้ไขวิดีโอคุณภาพสูงได้ละเอียด คิดวิเคราะห์เก่งขึ้น จดจำรายละเอียดต่าง ๆ ได้ดีกว่าเดิม ช่วยให้วิดีโอมีความต่อเนื่องเป็นธรรมชาติ พร้อมใช้งานบน Google Flow กับ Gemini

โมเดลใหม่ตีคู่ Nano Banana แต่เด่นเรื่องงานวิดีโอสุด ๆ

โมเดล Omni Flash รุ่นแรก โดดเด่นด้วยการนำความสามารถในการสร้างสรรค์งานวิดีโอ และความสามารถในการใช้เหตุผลหรือการคิดวิเคราะห์ของ Gemini มารวมเข้าด้วยกัน

Omni Flash จึงเข้าใจภาษาธรรมชาติ (Natural Language) ผู้ใช้ไม่จำเป็นต้องเข้าใจศัพท์ด้านภาพยนต์ AI ก็รู้ได้ทันทีว่าต้องการอะไร และสามารถมอบรายละเอียดที่มีความสมจริงในงานวิดีโอได้เป็นอย่างดี เช่น ฉาก, คำพูด, รูปลักษณ์/ใบหน้าตัวละคร ท่าทางการเคลื่อนไหว และระบบฟิสิกส์ภายในฉาก

Omni Flash ใช้แก้ไขวิดีโอที่มีอยู่แล้วก็ได้ แก้ไขได้แบบละเอียด

สามารถใช้ Input เป็นวิดีโอที่มีอยู่แล้วก็ได้ Omni Flash รองรับการแก้ไขวิดีโอเฉพาะจุด และการแก้ไขเฉพาะช่วงเวลาหรือทั้งวิดีโอ โดยความสามารถที่ Google ยกตัวอย่างขึ้นมาว่าสามารถแก้ไขอะไรในวิดีโอต้นฉบับได้บ้าง เช่น

• แก้ไขฉากหลัง
• เพิ่มตัวละคร/วัตถุเข้าไปในฉาก
• เปลี่ยนแปลงมุมกล้อง
• แก้ไขรายละเอียดเล็ก ๆ น้อย ๆ ในบางฉาก
• ปรับเปลี่ยนเสียงหรือบทสนทนา (อยู่ระหว่างการทดสอบ)

Input – 1

Input – 2

ผลลัพธ์ที่ได้

ไม่ต้องเหนื่อย Prompt เยอะ รองรับอินพุตหลายแบบ และต่อเนื่องยิ่งกว่าเดิม

สำหรับการสร้างวิดีโออย่างที่เกริ่นไปก่อนหน้านี้ Omni Flash คือโมเดลที่ “รองรับ Input หลายรูปแบบในครั้งเดียว” ไม่ว่าจะเป็น รูปภาพ, ข้อความ, วิดีโอ หรือไฟล์เสียง ผู้ใช้สามารถแนบพร้อมกันทั้งหมดเพื่อให้ AI นำมาสร้างเป็นวิดีโอตามที่ผู้ใช้บรีฟมาได้เลย

ปัญหาฉากไม่ต่อเนื่อง ท่าทางตัวละครไม่เหมือนเดิม หรือน้ำเสียงเปลี่ยนไป Omni Flash จะไม่มีปัญหานี้เกิดขึ้นให้เห็นอย่างแน่นอน เพราะผลลัพธ์แต่ละครั้งจากการ Prompt ระบบจะอ้างอิงและทำออกมาให้ต่อเนื่องจากคำสั่งก่อนหน้าด้วย

รวมไปถึงการกำหนดสไตล์วิดีโอ รูปแบบการเคลื่อนไหวของตัวละคร และเอฟเฟกต์ในฉากหลังก็สามารถใช้วิธี “ป้อนคำสั่งเป็นข้อความด้วยภาษาพูด (Natural Language)” ก็ได้เช่นกัน

เพิ่มความปลอดภัยด้วย SynthID ป้องกันไม่ให้ใช้ AI เจน/แก้ไขวิดีโอในทางที่ผิด

Google ระบุว่าวิดีโอทุกตัวที่ถูกแก้ไข/สร้างโดยโมเดล Omni Flash จะมีการฝังลายน้ำดิจิทัล (SynthID) ซึ่งมองไม่เห็นด้วยตาเปล่าลงไปด้วย เพื่อใช้สำหรับตรวจสอบว่าเป็นวิดีโอที่ผ่านการสร้างด้วย AI มาหรือไม่

ส่วนฟีเจอร์อย่าง “การแก้ไขเสียงพูดในวิดีโอ” เช่น การเปลี่ยนเสียงคนในคลิปให้กลายเป็นเสียงอื่น ยังอยู่ในขั้นตอนทดสอบและกำลังหาวิธีที่จะนำมาให้บริการได้อย่างปลอดภัย (เพราะมีความเสี่ยงที่จะถูกนำไปใช้ในทางที่ผิด)

พร้อมให้งานเฉพาะผู้สมัครแพ็กเกจ Google AI Plus, AI Pro และ AI Ultra

Gemini Omni Flash เปิดให้ใช้งานแล้วทั่วโลกตั้งแต่วันนี้ เฉพาะผู้ใช้งานเสียเงินแพ็กเกจ Google AI Plus, AI Pro และ AI Ultra ผ่านแอปฯ Gemini กับ Gemini Flow และสามารถทดลองใช้โมเดลดังกล่าวเพื่อสร้างสรรค์วิดีโอได้ฟรีบน YouTube Shorts กับ YouTube Create

ที่มา: Google Blog