Gemini Omni 1.1 Flash พร้อมใช้งานจริงในระดับโปรดักชัน: ฉากความยาว 40 วินาที การควบคุมเฟรม และเอาต์พุตความละเอียด 4K

ส่งวินาทีสุดท้ายของคลิปให้โมเดลวิดีโอและขอให้มันต่อช็อต คุณกำลังพนันกับความทรงจำของมัน นี่คือสิ่งที่ Gemini Omni 1.1 Flash — อัปเดตโปรดักชันที่ Go​gle เปิดตัวเมื่อวันที่ 27 สิงหาคม 2026 — ถูกสร้างขึ้นเพื่อกำจัด: แทนที่จะมองย้อนไปหนึ่งวินาทีของฟุตเทจเมื่อขยายฉาก ตอนนี้มันอ่านได้ถึงสิบวินาที ระหว่างทาง Go​gle ได้ดึงคอนโทรลที่ผู้ใช้ร้องขอมากที่สุดของโมเดลออกจากคอลัมน์ทดลอง: การคอนดิชันเฟรมแรกและเฟรมสุดท้าย, ระดับการร่าง 360p ที่มีต้นทุนประมาณหนึ่งในสามของเอาต์พุต 720p มาตรฐาน, และการเรนเดอร์สุดท้ายสูงสุด 4K ราคาของระดับหลักไม่เปลี่ยนแปลง — คลิป 720p ยังคงมีค่าใช้จ่าย $0.10 ต่อวินาที — ดังนั้นเรื่องราวของการรีลีสนี้คือการควบคุมและต้นทุน ไม่ใช่ราคาที่ทำให้ตกใจ

Gemini Omni 1.1 Flash เป็นรุ่นต่อจาก Gemini Omni Flash preview ที่เปิดตัวให้นักพัฒนาเมื่อวันที่ 30 มิถุนายน 2026 และสืบทอดทุกอย่างที่ทำให้รุ่นดั้งเดิมมีความพิเศษ: อินพุตแบบมัลติโมดัลที่รับข้อความ รูปภาพ เสียง และวิดีโอในการเรียกครั้งเดียว, เสียงที่ซิงค์โดยกำเนิดในทุกคลิป, และการแก้ไขแบบสนทนาหลายรอบที่คุณปรับแต่งฉากด้วยการพูดกับโมเดลแทนที่จะเริ่มพรอมพ์ใหม่ตั้งแต่ต้น สิ่งที่ 1.1 เพิ่มคือเครื่องมือที่ขาดหายไป — ความยาว, การจัดเฟรม, ความละเอียด, และต้นทุนการวนซ้ำกลายเป็นอินพุตที่ผู้สร้างสามารถกำหนดค่าได้จริง

ปัญหาการมองย้อนกลับ แก้ไขแล้ว

การเปลี่ยนแปลงที่มีผลกระทบมากที่สุดเพียงอย่างเดียวคือบริบท โมเดลเวอร์ชันก่อนหน้าอ้างอิงเฉพาะวินาทีสุดท้ายของคลิปเมื่อจะต่อวิดีโอ ซึ่งเป็นเหตุให้ส่วนขยายเบี่ยงเบนไปในเรื่องของตัวละคร แสง และการเคลื่อนไหวของกล้อง Gemini Omni 1.1 Flash วิเคราะห์วิดีโอก่อนหน้าสูงสุด 10 วินาที และส่วนขยายจะทำงานเป็นช่วง ๆ ละ 10 วินาที รวมสะสมได้สูงสุด 40 วินาที ความแตกต่างในทางปฏิบัติคือระหว่าง "กลุ่มคลิปที่อยู่ติดกัน" กับ "ลำดับที่ดูเป็นฉากเดียวกัน" สำหรับโฆษณา 30 วินาทีหรือแบรนด์แอสเซทแบบวนซ้ำ นั่นคือความแตกต่างระหว่างการประกอบชิ้นส่วนกับการกำกับ

• การขยายฉาก. ดำเนินการต่อคลิปที่มีอยู่เป็นช่วงๆ ละ 10 วินาที ไปจนถึงเพดาน 40 วินาที โดยมีบริบทย้อนหลังสูงสุด 10 วินาทีเพื่อให้การต่อเนื่องสอดคล้องกัน

• การควบคุมเฟรมแรก/เฟรมสุดท้าย ระบุเฟรมเริ่มต้นและเฟรมสุดท้ายของช็อต แล้วโมเดลจะสร้างวิดีโอต่อเนื่องระหว่างคีย์เฟรมทั้งสอง — ซึ่งเป็นพื้นฐานเบื้องหลังการโคจรของกล้อง การเปลี่ยนซูม และลูปที่ไร้รอยต่อ

• ข้อมูลอ้างอิงวิดีโอ ฟุตเทจอ้างอิงความยาวไม่เกินสามวินาทีสามารถรวมอยู่ในอินพุตแบบมัลติโมดัลได้ เพื่อคงตัวละคร เครื่องแต่งกาย และรูปแบบการเคลื่อนไหวให้สอดคล้องกันในทุกช็อต

• เสียงเนทีฟ คลิปที่สร้างขึ้นยังคงมีบทสนทนาที่ซิงก์พร้อมเอฟเฟกต์เสียงและเสียงรอบข้าง ดังนั้นผลลัพธ์จึงเป็นคลิปสั้นที่เสร็จสมบูรณ์ ไม่ใช่ไฟล์เสียงที่เงียบซึ่งรอการเพิ่มเสียงในภายหลัง

การควบคุมของ Veo, ไปป์ไลน์ของ Omni

ประกาศนี้อาศัยวลีที่ว่า "คอนโทรลสร้างสรรค์ที่คุณชื่นชอบจาก Veo" และนั่นคือคำอธิบายที่ถูกต้องว่าฟีเจอร์เหล่านี้มาจากที่ใด Veo 3.1 เครื่องสร้างวิดีโอความละเอียดสูงแบบ one-shot แยกต่างหากของ Go​gle มีการปรับสภาพแบบคีย์เฟรมและการอัปสเกลอยู่ในชุดเครื่องมืออยู่แล้ว; Gemini Omni 1.1 Flash นำคำศัพท์การควบคุมนั้นเข้าสู่ไปป์ไลน์ Omni แบบมัลติโมดัล — ซึ่งอินพุตสามารถเป็นภาพ เสียง และวิดีโออ้างอิง และการแก้ไขเป็นแบบสนทนา แทนที่จะเป็นการสร้างใหม่ในทุกครั้ง โมเดลทั้งสองไม่ใช่คู่แข่งภายในกลุ่มผลิตภัณฑ์ของ Go​gle; เอกสารของ Gemini API ระบุให้ Gemini Omni Flash เป็นค่าเริ่มต้นที่แนะนำสำหรับการสร้างวิดีโอ โดยมี Veo เป็นผู้เชี่ยวชาญที่ให้ความเที่ยงตรงสูงกว่า

เรื่องนี้สำคัญด้วยเหตุผลเชิงปฏิบัติ: ตัวควบคุมตอนนี้อยู่ในโมเดลที่คุณมักจะเรียกใช้สำหรับงานวิดีโอประจำวัน ไม่ใช่ในระดับพรีเมียมแยกต่างหากที่คุณต้องเรียนรู้ API ตัวที่สองเพื่อเข้าถึง การควบคุมเฟรม การร่าง และการอัปสเกลใช้เอนด์พอยต์เดียวกันและโมเดลราคาเดียวกัน

ขั้นตอนการทำงานจากร่างถึงฉบับสมบูรณ์

ระดับ drafting 360p เป็นฟีเจอร์ที่เงียบที่สุดในการประกาศครั้งนี้ และอาจมีคุณค่ามากที่สุด การพรีวิวที่ความละเอียด 360p เรนเดอร์ได้เร็วขึ้นถึง 60% เมื่อเทียบกับ 720p มาตรฐาน และมีต้นทุนประมาณหนึ่งในสาม ซึ่งเปลี่ยนเศรษฐศาสตร์ของการวนซ้ำโดยสิ้นเชิง ด้วยอัตราต่อวินาทีที่ผู้คนอ้างถึง ดราฟต์ 360p ความยาว 10 วินาทีมีราคาประมาณ 0.30 ดอลลาร์ เทียบกับ 1.00 ดอลลาร์ที่ 720p — ได้สำรวจสามรอบในราคาของการเรนเดอร์ที่มุ่งมั่นหนึ่งครั้ง

ขั้นตอนที่ตั้งใจไว้ชัดเจน: สร้างสตอรีบอร์ดและปรับแก้ที่ 360p จากนั้นเรนเดอร์ช็อตที่ใช้ได้จริงที่ 720p, 1080p หรือ 4K สำหรับทีมที่ผลิตเวอร์ชันตัดต่อสำหรับโซเชียลมีเดียหรือโฆษณารูปแบบต่างๆ ระดับ draft จะเปลี่ยนเวิร์กโฟลว์ที่ถูกจำกัดด้วยต้นทุนให้เป็นเวิร์กโฟลว์ที่ถูกจำกัดด้วยการสำรวจทดลอง ตัวเลขความเร็วและต้นทุนที่นี่เป็นข้อมูลที่ผู้จำหน่ายรายงาน — เป็นคำกล่าวอ้างของ Go​gle เองที่ยังไม่มีการพิสูจน์ซ้ำ — แต่การคำนวณต่อจากตัวเลขเหล่านั้นก็เป็นเรื่องง่าย

ภาพรวมด้านราคา

ตัวเลข $0.10 ต่อวินาทีที่ถูกอ้างถึงอยู่เสมอคือระดับมาตรฐาน 720p ที่ Go​gle เปิดเผยไว้ ซึ่งไม่มีการเปลี่ยนแปลงจากตัวอย่างก่อนเปิดตัว อินพุตอยู่ที่ $1.50 ต่อล้านโทเคน ไม่ว่าโทเคนเหล่านั้นจะเป็นข้อความ รูปภาพ เสียง หรือวิดีโอ และเอาต์พุตที่เป็นข้อความอยู่ที่ $9.00 ต่อล้านโทเคน — ซึ่งมีโครงสร้างเดียวกันกับเวอร์ชันดั้งเดิม ระดับ 360p คิดเป็นประมาณ $0.03 ต่อวินาที ซึ่งสอดคล้องกับกรอบที่ Go​gle บอกว่า "ราคาประมาณหนึ่งในสาม" และเป็นสิ่งที่รายการของผู้ขายต่อแสดงอยู่ในตอนนี้

สิ่งที่ Go​gle ยังไม่ได้เผยแพร่คืออัตราต่อวินาทีสำหรับระดับ 1080p และ 4K ใหม่ รายการจากผู้ขายต่อระบุราคา $0.15 ต่อวินาทีสำหรับ 1080p และ $0.30 ต่อวินาทีสำหรับ 4K แต่ตัวเลขเหล่านั้นเป็นเพียงการประเมินจากตลาด ไม่ใช่ตัวเลขของ Go​gle — ให้ถือว่างบประมาณการผลิตความละเอียดสูงใดๆ เป็นเพียงชั่วคราวจนกว่าอัตราอย่างเป็นทางการจะปรากฏบนหน้าวาราคา Gemini API เพื่อให้เห็นภาพขนาด ฉากแบบขยายเต็มที่ความยาว 40 วินาทีที่ 720p มีค่าใช้จ่ายสูงสุด $4.00, ชิ้นงาน 4K ความยาว 10 วินาทีอยู่ที่ประมาณ $3.00 ตามอัตราที่ผู้ขายอ้าง และ 10 วินาทีเดียวกันที่ความละเอียด 360p อยู่ที่ประมาณ $0.30

การกำหนดราคาต่อวินาทีคือจุดเด่น แต่จำนวนเงินที่คุณจ่ายจริงถูกกำหนดโดยแพลตฟอร์มที่คุณซื้อผ่าน — Go​gle ขายในราคารายการ และผู้ค้าปลีกและเกตเวย์ API ก็บวกมาร์จิ้นของตัวเองเพิ่มเข้าไป นี่คือเหตุผลที่นโยบายมาร์กอัป 0% มีความสำคัญในฝั่งโครงสร้างพื้นฐาน: OrcaRouter ส่งผ่านราคารายการของผู้ให้บริการโดยตรง ดังนั้นเมื่ออัตราของโมเดลเปลี่ยนไป ราคาฝั่งเราก็เปลี่ยนในวันเดียวกัน โดยไม่มีชั้นมาร์กอัปใด ๆ คั่นระหว่างคุณกับตัวเลขที่ผู้ให้บริการเผยแพร่ เรายังไม่ได้จัดเส้นทางให้ Gemini Omni 1.1 Flash — Go​gle ยังไม่ได้เปิด Omni video API สำหรับการจัดเส้นทางของบุคคลที่สาม และเราไม่อ้างว่าโฮสต์โมเดลที่เราไม่ได้โฮสต์ — แต่ประเด็นคือวินัยด้านราคา และเมื่อ API ระดับนั้นเปิดใช้งาน โมเดลก็จะปรากฏในราคารายการ

ที่ที่คุณสามารถเรียกมันได้

Gemini Omni 1.1 Flash เปิดใช้งานแล้วในขณะนี้ภายใต้รหัสโมเดล gemini-omni-1.1-flash ผ่าน Gemini API ใน Go​gle AI Studio โดยระบุว่าพร้อมใช้งานจริง ไม่ใช่เวอร์ชันพรีวิว นอกจากนี้ยังพร้อมใช้งานผ่าน Gemini Enterprise Agent Platform สำหรับงานในระบบผลิตจริง — อินเทอร์เฟซเดียวกับที่ Adobe, Figma, GMI Cloud และ Runway กำลังผสานใช้งานอยู่แล้ว ตามประกาศ ในฝั่งผู้บริโภค Go​gle Flow รองรับฟีเจอร์ครบชุดสำหรับสมาชิก AI Plus, Pro และ Ultra ทั้งหมดทั่วโลก และการขยายฉากเปิดใช้งานแล้วในแอป Gemini นี่ไม่ใช่การเปิดตัวเพียงในนาม: API, แพลตฟอร์มเอเจนต์ และช่องทางผู้บริโภคทั้งหมดเปิดใช้งานในวันเดียวกัน

หากคุณลองใช้พรีวิวเดือนมิถุนายนแล้วสะดุดกับขีดจำกัด 10 วินาทีที่ตายตัว หรือไม่สามารถรักษาความต่อเนื่องของฉากได้ เวอร์ชันนี้ตอบสนองข้อร้องเรียนเหล่านั้นได้ตรงจุด — ขยายเวลาเป็น 40 วินาที, วิดีโออ้างอิงที่ใช้งานได้จริง และบันไดความละเอียดที่เหมาะสม โครงสร้างของ API ก็น่ารู้ไว้เช่นกัน: การสร้างและการแก้ไขทำงานผ่าน Interactions API ซึ่งเป็นสิ่งที่ทำให้โมเดลการแก้ไขเชิงสนทนาแบบหลายเทิร์นเป็นไปได้ และการตั้งค่า response_format สามารถกำหนดความละเอียดเอาต์พุตให้ตายตัวได้ — 360p สำหรับแบบร่าง และความละเอียดเต็มสำหรับฉบับสุดท้าย.

สิ่งที่ยังไม่ได้รับการพิสูจน์

สำหรับการควบคุมใหม่ทั้งหมด ข้อแลกเปลี่ยนที่นิยามเวอร์ชันดั้งเดิมยังคงสืบทอดมา ผลลัพธ์ยังคงเป็นวิดีโอรูปแบบสั้นพร้อมเสียงซิงโครไนซ์ ไม่ใช่สิ่งทดแทน Veo 3.1 — ทั้งสองโมเดลถูกออกแบบมาสำหรับงานที่แตกต่างกัน ความสม่ำเสมอของตัวละครเมื่อเปลี่ยนฉากได้รับการปรับปรุงด้วยการย้อนดู 10 วินาทีและการป้อนวิดีโออ้างอิง แต่ก็ยังเป็นจุดอ่อนด้านการสร้างที่ควรทดสอบกับฟุตเทจของคุณเองแทนที่จะคาดเดา คลิปที่สร้างขึ้นทุกคลิปมีลายน้ำ SynthID กำกับ ซึ่งสำคัญสำหรับเครื่องมือที่ต้องการการรับประกันแหล่งที่มา

และคำเตือนอย่างตรงไปตรงมา: ณ เวลาที่เขียนนี้ ยังไม่มีเกณฑ์วัดอิสระสำหรับ Gemini Omni 1.1 Flash บนกระดานผู้นำวิดีโอสาธารณะใดๆ ความเร็วที่เพิ่มขึ้น 60% สำหรับร่าง 360p คุณภาพที่ 1080p และ 4K ความน่าเชื่อถือของการปรับสภาพเฟรมแรก/เฟรมสุดท้าย — ทั้งหมดเป็นข้อมูลที่รายงานโดยผู้จำหน่าย ไม่มีใครจากบุคคลที่สามยืนยัน ใครก็ตามที่อ้างคะแนนคุณภาพสำหรับโมเดลนี้ในวันนี้ กำลังอ้างตัวเลขที่ไม่มีใครนอกห้องแล็บของ Go​gle ผลิตขึ้นมา

ใครควรย้ายตอนนี้

สามกลุ่มจะได้รับประโยชน์จากการเผยแพร่นี้ทันที ทีมที่กำลังพัฒนาบน Omni API อยู่แล้วควรเปลี่ยนรหัสโมเดลและทดสอบเส้นทางส่วนขยายและการควบคุมเฟรมอีกครั้ง — การอัปเกรดนี้เป็นการเปลี่ยนแปลงฟิลด์คำขอ ไม่ใช่การปรับสถาปัตยกรรมใหม่ ใครก็ตามที่ต้องการวิดีโอแบบสั้นในปริมาณมาก — เช่น วิดีโอโฆษณาแบบต่างๆ คลิปตัดต่อสำหรับโซเชียล และแบรนด์แอสเซทแบบวนซ้ำ — ควรประเมินต้นทุนของเวิร์กโฟลว์จากร่างจนถึงขั้นสุดท้ายที่ความละเอียด 360p เพราะนั่นคือจุดที่การคำนวณต้นทุนใหม่เกิดขึ้นจริง และทีมที่รอคอยเวอร์ชันพรีวิวควรลองใช้โมเดลนี้ได้แล้ว เนื่องจากอุปสรรคสองอย่างที่ทำให้พรีวิวไม่สามารถใช้งานในการผลิตจริง — คลิปความยาวสิบวินาทีและการไม่มีความต่อเนื่องของฉาก — เป็นสิ่งที่การอัปเดตนี้ขจัดออกไปอย่างแน่นอน

กลุ่มที่ควรรอไว้ก่อนนั้นถูกนิยามไว้ชัดเจนไม่แพ้กัน: หากคุณต้องการ{{1}}เกณฑ์มาตรฐานจากบุคคลที่สาม{{/1}}หรืออัตรา 4K ต่อวินาทีอย่างเป็นทางการก่อนที่จะจัดสรรงบประมาณ ยังไม่มีใครมีสิ่งเหล่านั้น และนั่นสมควรพูดตรงๆ มากกว่าจะกลบเกลื่อน การเปิดตัวเป็นของจริง ระบบควบคุมเป็นของจริง และ{{2}}ช่องว่างด้านราคา{{/2}}เป็นเพียงส่วนเดียวที่ยังคงเปลี่ยนแปลง จับตาดูหน้าราคา Gemini API สำหรับ{{3}}อัตรา 1080p และ 4K{{/3}} และจับตารอการประเมินอิสระครั้งแรก — เมื่อมีคนอื่นทดสอบโมเดลนี้ {{4}}ข้อควรระวังที่ผู้จำหน่ายรายงาน{{/4}}เกี่ยวกับการอ้างคุณภาพทุกข้อในบทความนี้จะได้รับเครื่องหมายถูกหรือธงแดง