Gemini Omni 1.2 Flash API
โมเดลสร้างและตัดต่อวิดีโอแบบสนทนาจาก Google ที่รับข้อความ รูปภาพ เสียง และวิดีโอเป็นอินพุต พร้อมเอาต์พุตวิดีโอ
Gemini Omni 1.2 Flash คือโมเดลจาก Google ที่เน้นงานสร้างและตัดต่อวิดีโอผ่านบทสนทนาภาษาธรรมชาติ รองรับการป้อนข้อมูลหลายรูปแบบพร้อมกัน ทั้งข้อความ รูปภาพ เสียง และวิดีโอ และให้ผลลัพธ์เป็นวิดีโอโดยตรง ผู้ใช้สามารถอ้างอิงภาพตัวละคร ฉาก หรือภาพวาดเพื่อกำหนดทิศทางการสร้างสรรค์ได้ และแก้ไขงานเดิมด้วยการสนทนาโดยไม่ต้องเริ่มกระบวนการใหม่ทั้งหมด
จุดเด่นของโมเดลอยู่ที่ความเข้าใจเชิงสัญชาตญาณเกี่ยวกับฟิสิกส์ ทั้งแรงโน้มถ่วง พลังงานจลน์ และพลศาสตร์ของไหล ทำให้ฉากที่สร้างออกมาดูสมจริงยิ่งขึ้น อีกทั้งยังดึงองค์ความรู้ของ Gemini ด้านประวัติศาสตร์ วิทยาศาสตร์ และบริบททางวัฒนธรรมมาใช้ เลยเหมาะกับงานอย่างโฆษณาสื่อสังคมออนไลน์ คลิปเปิดตัวสินค้า โฆษณาเคลื่อนไหวสำหรับอีคอมเมิร์ซ วิดีโอสาธิตแอป และงานที่ต้องทดลองหลายเวอร์ชันอย่างรวดเร็ว
ทั้งนี้ Gemini Omni Flash ในช่วงเปิดตัวสร้างคลิปความยาว 10 วินาที และเปิดให้ใช้ในสถานะพรีวิวสาธารณะผ่าน Google AI Studio และ Gemini API โดยยังไม่มี API สำหรับอ้างอิงเสียงหรือขยายฉาก และยังมีข้อจำกัดด้านความสม่ำเสมอของตัวละครในการเปลี่ยนฉากหรือการแพนกล้องบางกรณี
อัปเดต:
ID โมเดล
gemini-omni-1.2-flash- บริบท
- 131.072K
- เอาต์พุตสูงสุด
- 65.536K
- อินพุต
- text / image / video
- เอาต์พุต
- video
จุดเด่น
- สร้างวิดีโอจากข้อความและรูปภาพ
- ตัดต่อวิดีโอด้วยบทสนทนา
- รับข้อความ รูปภาพ เสียง และวิดีโอ
- สร้างจากภาพอ้างอิงตัวละครหรือฉาก
- เข้าใจฟิสิกส์สมจริงขึ้น
ผู้ให้บริการ
เปรียบเทียบราคา API ระหว่างผู้ให้บริการ เลือกผู้ให้บริการเพื่อดูค่าใช้จ่ายและเงื่อนไขทั้งหมด
| อัตราความพร้อมใช้งาน | |
|---|---|
สถิติย้อนหลังไม่ใช่การตรวจสอบแบบเรียลไทม์ ข้อมูลที่หายไปไม่ได้หมายถึงบริการขัดข้อง
เบนช์มาร์ก
- 1404
Video Arena Elo
อันดับหนึ่งโดยรวมของ Gemini Omni Flash
คะแนนตามที่ผู้ให้บริการโมเดลเผยแพร่
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 1.2 Flash?
Gemini Omni 1.2 Flash คือโมเดลจาก Google ที่เน้นงานสร้างและตัดต่อวิดีโอผ่านบทสนทนาภาษาธรรมชาติ รองรับการป้อนข้อมูลหลายรูปแบบพร้อมกัน ทั้งข้อความ รูปภาพ เสียง และวิดีโอ และให้ผลลัพธ์เป็นวิดีโอโดยตรง ผู้ใช้สามารถอ้างอิงภาพตัวละคร ฉาก หรือภาพวาดเพื่อกำหนดทิศทางการสร้างสรรค์ได้ และแก้ไขงานเดิมด้วยการสนทนาโดยไม่ต้องเริ่มกระบวนการใหม่ทั้งหมด จุดเด่นของโมเดลอยู่ที่ความเข้าใจเชิงสัญชาตญาณเกี่ยวกับฟิสิกส์ ทั้งแรงโน้มถ่วง พลังงานจลน์ และพลศาสตร์ของไหล ทำให้ฉากที่สร้างออกมาดูสมจริงยิ่งขึ้น อีกทั้งยังดึงองค์ความรู้ของ Gemini ด้านประวัติศาสตร์ วิทยาศาสตร์ และบริบททางวัฒนธรรมมาใช้ เลยเหมาะกับงานอย่างโฆษณาสื่อสังคมออนไลน์ คลิปเปิดตัวสินค้า โฆษณาเคลื่อนไหวสำหรับอีคอมเมิร์ซ วิดีโอสาธิตแอป และงานที่ต้องทดลองหลายเวอร์ชันอย่างรวดเร็ว ทั้งนี้ Gemini Omni Flash ในช่วงเปิดตัวสร้างคลิปความยาว 10 วินาที และเปิดให้ใช้ในสถานะพรีวิวสาธารณะผ่าน Google AI Studio และ Gemini API โดยยังไม่มี API สำหรับอ้างอิงเสียงหรือขยายฉาก และยังมีข้อจำกัดด้านความสม่ำเสมอของตัวละครในการเปลี่ยนฉากหรือการแพนกล้องบางกรณี
การใช้งานถูกเรียกเก็บเงินอย่างไร
ค่าใช้จ่ายขึ้นอยู่กับผู้ให้บริการที่คุณใช้ ราคาของผู้ให้บริการนั้น และปริมาณการใช้งาน อินพุตที่ยาวขึ้นหรือเงื่อนไขอื่นอาจมีราคาแตกต่างกัน คิดค่าบริการตามต้นทุนการสร้างจริง ดูยอดสุดท้ายได้ในใบแจ้งหนี้
Gemini Omni 1.2 Flash รับอินพุตแบบใดได้บ้าง?
รับได้ทั้งข้อความ รูปภาพ เสียง และวิดีโอ โดยสามารถผสมหลายรูปแบบพร้อมกันได้ และสร้างผลลัพธ์ออกมาเป็นวิดีโอ
โมเดลนี้เหมาะกับงานประเภทไหน?
เหมาะกับงานสร้างและตัดต่อวิดีโอผ่านบทสนทนา เช่น ร่างโฆษณา คลิปเปิดตัวสินค้า วิดีโอสาธิตแอป และการทดลองครีเอทีฟหลายเวอร์ชัน
ความยาวคลิปที่สร้างได้ในช่วงเปิดตัวเป็นเท่าไร?
Gemini Omni Flash ในช่วงเปิดตัวสร้างคลิปความยาว 10 วินาที
Gemini Omni 1.2 Flash ต่างจาก Gemini Omni 1.1 Flash อย่างไร?
Gemini Omni 1.1 Flash รองรับการขยายฉากต่อเนื่องได้ถึง 40 วินาที วิเคราะห์บริบทก่อนหน้าได้สูงสุด 10 วินาที กำหนดเฟรมเริ่มต้นและสิ้นสุดได้ และส่งออกความละเอียดสูงถึง 4K พร้อมพรีวิว 360p ส่วน Gemini Omni Flash เน้นการสร้างและตัดต่อวิดีโอผ่านบทสนทนาโดยไม่ต้องเริ่มกระบวนการใหม่ทั้งหมด
มีข้อจำกัดอะไรบ้างในเวอร์ชันนี้?
ในช่วงเปิดตัว Gemini Omni Flash ยังไม่มี API สำหรับอ้างอิงเสียงหรือขยายฉาก และมีความสม่ำเสมอของตัวละครจำกัดในการเปลี่ยนฉากหรือการแพนกล้องบางกรณี
โมเดลที่เกี่ยวข้อง
Gemini Omni 1.1 Flash
Googleวิดีโอgemini-omni-1.1-flashโมเดลวิดีโอหลายรูปแบบจาก Google DeepMind ที่สร้างวิดีโอพร้อมเสียงในตัวจากข้อความ รูปภาพ และวิดีโออ้างอิง ผ่าน API เดียว
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