Gemini Omni 1.1 Flash API
โมเดลวิดีโอหลายรูปแบบจาก Google DeepMind ที่สร้างวิดีโอพร้อมเสียงในตัวจากข้อความ รูปภาพ และวิดีโออ้างอิง ผ่าน API เดียว
Gemini Omni 1.1 Flash เป็นโมเดลวิดีโอหลายรูปแบบจาก Google DeepMind ที่รวมการประมวลผลข้อความ รูปภาพ เสียง และวิดีโอไว้ใน API เดียว โดยรับข้อความ รูปภาพ เสียง และวิดีโอเป็นอินพุต และสร้างวิดีโอพร้อมเสียงในตัว ทั้งเสียงพูด ดนตรี และเอฟเฟกต์เสียงไปพร้อมกัน รองรับการสร้างวิดีโอจากข้อความ จากรูปภาพเดี่ยว จากรูปภาพและวิดีโออ้างอิงสูงสุด 7 รูปภาพและ 3 วิดีโอ รวมถึงสร้างจากเฟรมแรกและเฟรมสุดท้ายเพื่อทำอินเทอร์โพเลชัน
จุดเด่นคือการต่อฉากเพิ่มได้ครั้งละ 10 วินาที สูงสุดรวม 40 วินาที โดยรักษาความสม่ำเสมอของภาพและลำดับเรื่องราว พร้อมแก้ไขวิดีโอผ่านคำสั่งภาษาธรรมชาติแบบสนทนา มีโหมดร่าง 360p การสร้างที่ 720p และการอัปสเกลเป็น 4K โดยโหมดร่าง 360p ทำงานเร็วกว่าการสร้างมาตรฐาน 720p ถึง 60% และมีค่าใช้จ่ายหนึ่งในสาม พร้อมรองรับ Content Credentials (C2PA) สำหรับตรวจสอบที่มา
โมเดลนี้เหมาะกับงานผลิตสื่อการตลาดจากบรีฟแคมเปญ รูปภาพสินค้า สตอรีบอร์ด และแนวคิดภาพ การทำสตอรีบอร์ดแบบสนทนาที่ปรับแต่งฉากซ้ำได้ การสร้างวิดีโอจากเสียงบรรยาย เนื้อหาอธิบายหลายภาษา การต่อคลิปที่มีอยู่ด้วยพรอมต์ และการสร้างต้นแบบฟีเจอร์ AI ใหม่ โดยรวบขั้นตอนที่อาจต้องใช้สามถึงสี่โมเดลแยกกันให้เหลือการเรียก API ครั้งเดียว ช่วยลดความหน่วง ต้นทุน และอัตราความล้มเหลว อย่างไรก็ตาม โมเดลนี้ไม่รองรับการสร้างภาพ การแก้ไขภาพ เอาต์พุตแบบมีโครงสร้าง คำสั่งระบบ แคชบริบท หรือการปรับแต่ง และมีรายงานจากบททดสอบจริงเมื่อพฤษภาคม 2026 พบเพดานการแก้ไขที่ 4 รอบ
อัปเดต:
ID โมเดล
gemini-omni-1.1-flash- บริบท
- 131.072K
- เอาต์พุตสูงสุด
- 65.536K
- อินพุต
- text / image / video
- เอาต์พุต
- video
จุดเด่น
- สร้างวิดีโอพร้อมเสียงในตัวจากอินพุตหลายรูปแบบ
- ต่อฉากเพิ่มได้ครั้งละ 10 วินาที สูงสุด 40 วินาที
- แก้ไขวิดีโอด้วยคำสั่งภาษาธรรมชาติ
- โหมดร่าง 360p เร็วขึ้น 60% และถูกกว่าหนึ่งในสาม
- รองรับ Content Credentials (C2PA)
- รวมหลายขั้นตอนไว้ในการเรียก API ครั้งเดียว
ผู้ให้บริการ
เปรียบเทียบราคา API ระหว่างผู้ให้บริการ เลือกผู้ให้บริการเพื่อดูค่าใช้จ่ายและเงื่อนไขทั้งหมด
| อัตราความพร้อมใช้งาน | |
|---|---|
สถิติย้อนหลังไม่ใช่การตรวจสอบแบบเรียลไทม์ ข้อมูลที่หายไปไม่ได้หมายถึงบริการขัดข้อง
การให้เหตุผล
- ระดับความพยายามเริ่มต้น
- low
- เปิดใช้งานตลอด
- ใช่
- ระดับความพยายามที่ใช้ได้
- high / low
ข้อมูลจำเพาะวิดีโอ
- อัตราส่วนภาพ
- 16:9 / 9:16
- เสียง · เอาต์พุต
- ใช่
- ความละเอียด
- 720p / 1080p / 4K / 360p
เอกสารอ้างอิง API
ยังไม่มีการเผยแพร่ข้อมูลโปรโตคอลของโมเดลนี้ ดูข้อกำหนดการเชื่อมต่อได้ในเอกสารอ้างอิง API
เอกสารอ้างอิง API →พารามิเตอร์ที่รองรับ
- prompt
- duration
- resolution
- aspect_ratio
- generate_audio
- seed
- size
- frame_images
- input_references
- user
- session_id
- trace
คำถามที่พบบ่อย
รู้จัก Gemini Omni 1.1 Flash?
Gemini Omni 1.1 Flash เป็นโมเดลวิดีโอหลายรูปแบบจาก Google DeepMind ที่รวมการประมวลผลข้อความ รูปภาพ เสียง และวิดีโอไว้ใน API เดียว โดยรับข้อความ รูปภาพ เสียง และวิดีโอเป็นอินพุต และสร้างวิดีโอพร้อมเสียงในตัว ทั้งเสียงพูด ดนตรี และเอฟเฟกต์เสียงไปพร้อมกัน รองรับการสร้างวิดีโอจากข้อความ จากรูปภาพเดี่ยว จากรูปภาพและวิดีโออ้างอิงสูงสุด 7 รูปภาพและ 3 วิดีโอ รวมถึงสร้างจากเฟรมแรกและเฟรมสุดท้ายเพื่อทำอินเทอร์โพเลชัน จุดเด่นคือการต่อฉากเพิ่มได้ครั้งละ 10 วินาที สูงสุดรวม 40 วินาที โดยรักษาความสม่ำเสมอของภาพและลำดับเรื่องราว พร้อมแก้ไขวิดีโอผ่านคำสั่งภาษาธรรมชาติแบบสนทนา มีโหมดร่าง 360p การสร้างที่ 720p และการอัปสเกลเป็น 4K โดยโหมดร่าง 360p ทำงานเร็วกว่าการสร้างมาตรฐาน 720p ถึง 60% และมีค่าใช้จ่ายหนึ่งในสาม พร้อมรองรับ Content Credentials (C2PA) สำหรับตรวจสอบที่มา โมเดลนี้เหมาะกับงานผลิตสื่อการตลาดจากบรีฟแคมเปญ รูปภาพสินค้า สตอรีบอร์ด และแนวคิดภาพ การทำสตอรีบอร์ดแบบสนทนาที่ปรับแต่งฉากซ้ำได้ การสร้างวิดีโอจากเสียงบรรยาย เนื้อหาอธิบายหลายภาษา การต่อคลิปที่มีอยู่ด้วยพรอมต์ และการสร้างต้นแบบฟีเจอร์ AI ใหม่ โดยรวบขั้นตอนที่อาจต้องใช้สามถึงสี่โมเดลแยกกันให้เหลือการเรียก API ครั้งเดียว ช่วยลดความหน่วง ต้นทุน และอัตราความล้มเหลว อย่างไรก็ตาม โมเดลนี้ไม่รองรับการสร้างภาพ การแก้ไขภาพ เอาต์พุตแบบมีโครงสร้าง คำสั่งระบบ แคชบริบท หรือการปรับแต่ง และมีรายงานจากบททดสอบจริงเมื่อพฤษภาคม 2026 พบเพดานการแก้ไขที่ 4 รอบ
การใช้งานถูกเรียกเก็บเงินอย่างไร
ค่าใช้จ่ายขึ้นอยู่กับผู้ให้บริการที่คุณใช้ ราคาของผู้ให้บริการนั้น และปริมาณการใช้งาน อินพุตที่ยาวขึ้นหรือเงื่อนไขอื่นอาจมีราคาแตกต่างกัน คิดค่าบริการตามต้นทุนการสร้างจริง ดูยอดสุดท้ายได้ในใบแจ้งหนี้
Gemini Omni 1.1 Flash รับอินพุตแบบใดได้บ้าง
รับข้อความ รูปภาพ เสียง และวิดีโอเป็นอินพุต และสร้างวิดีโอพร้อมเสียงในตัวเป็นเอาต์พุต
โมเดลนี้สร้างวิดีโอได้นานแค่ไหน
ต่อฉากเพิ่มได้ครั้งละ 10 วินาที สูงสุดรวม 40 วินาที โดยรักษาความสม่ำเสมอของภาพและลำดับเรื่องราว
ใช้รูปภาพหรือวิดีโออ้างอิงได้กี่ชิ้น
รับรูปภาพอ้างอิงได้สูงสุด 7 รูปภาพ และวิดีโออ้างอิงได้สูงสุด 3 วิดีโอ
โมเดลนี้เหมาะกับงานประเภทใด
เหมาะกับงานผลิตสื่อการตลาด สตอรีบอร์ดแบบสนทนา วิดีโอจากเสียงบรรยาย เนื้อหาอธิบายหลายภาษา การต่อคลิปเดิม และการสร้างต้นแบบฟีเจอร์ AI
Gemini Omni 1.1 Flash ต่างจากเวอร์ชันพรีวิวก่อนหน้าอย่างไร
เวอร์ชันนี้เปิดตัวแบบ general availability โดยเวอร์ชันพรีวิวก่อนหน้าถูกยกเลิกและแทนที่ด้วยโมเดล 1.2 Flash
โมเดลที่เกี่ยวข้อง
Gemini Omni 1.2 Flash
Googleวิดีโอgemini-omni-1.2-flashโมเดลสร้างและตัดต่อวิดีโอแบบสนทนาจาก Google ที่รับข้อความ รูปภาพ เสียง และวิดีโอเป็นอินพุต พร้อมเอาต์พุตวิดีโอ
ความละเอียด
720p / 1080p / 4K / 360p
ความยาว
—
คิดค่าบริการตามต้นทุนการสร้างจริง ดูยอดสุดท้ายได้ในใบแจ้งหนี้
Veo 3.1 Fast
Googleวิดีโอveo-3.1-fastVeo 3.1 Fast คือโมเดลสร้างวิดีโอจาก Google ที่รองรับการสร้างวิดีโอจากข้อความและจากภาพ
ความละเอียด
720p / 1080p / 4K
ความยาว
—
คิดค่าบริการตามต้นทุนการสร้างจริง ดูยอดสุดท้ายได้ในใบแจ้งหนี้