Gemini Omni 1.1 Flash ขึ้น GA — ต่อฉากได้ถึง 40 วินาที กำหนดเฟรมแรก-เฟรมสุดท้าย และร่างที่ 360p ถูกลงสามเท่า

Google ประกาศเมื่อวันที่ 27 สิงหาคม 2026 ปล่อย Gemini Omni 1.1 Flash (model ID: gemini-omni-1.1-flash) เป็นอัปเดตสำหรับนักพัฒนาที่เน้นเรื่องเดียว — การควบคุม หน้าเอกสารราคาของ Gemini API ระบุสถานะไว้ชัดว่าเป็นโมเดล generative video รุ่นถัดไปที่ generally available ให้นักพัฒนาบน paid tier แล้ว ไม่ใช่ preview

ประเด็นสำหรับคนที่กำลังสร้างเครื่องมือตัดต่อหรือ workflow วิดีโอไม่ใช่ “ภาพสวยขึ้น” แต่เป็นชุด control ที่ทำให้ผลลัพธ์ คาดเดาได้ และ ลองผิดลองถูกได้ในราคาที่ยอมรับได้

ต่อฉากได้ยาวขึ้น เพราะจำบริบทได้มากขึ้น

ความสามารถที่เปลี่ยนมากที่สุดคือ scene extension — เอาวิดีโอที่มีอยู่มาสร้างต่อจากจุดที่ค้างไว้ ของเดิมทำได้อยู่แล้ว แต่ Omni 1.1 วิเคราะห์บริบทย้อนหลังได้ถึง 10 วินาที ขณะที่โมเดลรุ่นก่อนอ้างอิงแค่ วินาทีสุดท้าย เท่านั้น

ผลคือความต่อเนื่องทั้งด้านภาพและด้านเรื่องเล่าดีขึ้น ต่อได้ ทีละ 10 วินาที จนยาวรวม 40 วินาที และเรียกใช้ผ่าน API โดยอ้าง interaction เดิม:

from google import genai

client = genai.Client()
interaction = client.interactions.create(
    model="gemini-omni-1.1-flash",
    previous_interaction_id=previous_video_interaction.id,
    input=[{"type": "text", "text": "Continue the scene."}],
    response_format={"resolution": "360p"},
)

รูปแบบ previous_interaction_id นี้สำคัญกว่าที่เห็น — มันแปลว่าการต่อฉากเป็น state ฝั่งเซิร์ฟเวอร์ ไม่ใช่การอัปโหลดคลิปกลับขึ้นไปใหม่ทุกรอบ

ควบคู่กันคือความสามารถ กำหนดเฟรมแรกและเฟรมสุดท้าย ของช็อต แล้วให้โมเดลสร้างวิดีโอที่ต่อเนื่องระหว่างสองคีย์เฟรมนั้น ซึ่งเป็นทางที่ทำ camera orbit, zoom transition หรือคลิปวนลูปแบบไร้รอยต่อได้ตรงเป้ากว่าการเขียน prompt บรรยายอย่างเดียว และรับ วิดีโออ้างอิงได้ยาวถึง 3 วินาที เป็น multimodal input เพื่อคุมความคงเส้นคงวาของตัวละคร

ตัวเลขราคาที่ควรกางออกมาดู

Google อธิบายว่าร่างที่ 360p เร็วขึ้นได้ถึง 60% และราคาราวหนึ่งในสาม เทียบกับ 720p มาตรฐาน (โดยหมายเหตุกำกับว่า 60% วัดจาก system throughput ของ 360p เทียบ 720p)

จากหน้าราคาของ Gemini API ตัวเลขจริงคือ:

รายการ	ราคา (paid tier)
Input (text / image / video / audio)	$1.50 ต่อ 1M tokens
Output — text	$9.00 ต่อ 1M tokens
Output — video	$17.50 ต่อ 1M tokens
อัตราแปลง	5,792 tokens ต่อวิดีโอ 720p 1 วินาที
ราคาโดยประมาณ	~$0.10 ต่อวินาที ที่ 720p

แปลว่าคลิป 40 วินาทีที่ต่อจนสุดเพดานอยู่ที่ราว 4 ดอลลาร์ ที่ 720p และร่าง 360p จะตกราว หนึ่งในสาม ของนั้น ซึ่งอธิบายว่าทำไม Google ถึงดันแนวคิด “draft room” — สร้าง 3–4 เวอร์ชันที่ 360p เปลี่ยนทีละตัวแปร เทียบกันข้าง ๆ แล้วค่อยเรนเดอร์ตัวที่เลือกจริง

เมื่อได้ช็อตที่ต้องการแล้วก็ อัปสเกลเป็น 1080p หรือ 4K ได้ในตัว

ใช้ได้ที่ไหน และใครใช้อยู่แล้ว

• Google AI Studio และ Gemini Enterprise Agent Platform API — ช่องทางหลักของนักพัฒนา
• Google Flow — Omni 1.1 เปิดให้ผู้สมัครสมาชิกทุกระดับ ส่วน scene extension จำกัดที่ Plus / Pro / Ultra
• แอป Gemini — scene extension สำหรับ Plus / Pro / Ultra

ฝั่งลูกค้าที่ใช้ในโปรดักชันแล้ว Google ยก Adobe ที่ผนวก Gemini Omni Flash เข้า Firefly และ Figma Weave โดย Itay Schiff, Creative Director ของ Figma Weave ให้ความเห็นว่าการมี extension, reference material ที่รวยขึ้น และ 4K ทำให้ทีม “ขยับจากการ generate วิดีโอไปสู่การกำกับมันจริง ๆ”

มุมมอง AI Curator

โมเดลวิดีโอเข้าสู่ช่วงที่การแข่งกันด้วย “ภาพสวยแค่ไหน” เริ่มให้ผลตอบแทนลดลง และรอบนี้ Google เลือกแข่งด้วย ความสามารถในการสั่งการ แทน ซึ่งเป็นการเดิมพันที่ตรงกับความจริงของงานโปรดักชันมากกว่า — ไม่มีใครในสายงานจริงต้องการคลิปสวยแบบสุ่ม พวกเขาต้องการช็อตที่ต่อกับช็อตก่อนหน้าได้

ตัวเลขที่ผมคิดว่าสำคัญที่สุดไม่ใช่ 4K แต่คือ “อ่านบริบทย้อนหลัง 10 วินาที เทียบกับ 1 วินาที” เพราะมันคือความต่างระหว่าง “ต่อภาพ” กับ “ต่อเรื่อง” การอ้างอิงแค่เฟรมสุดท้ายทำให้โมเดลรักษาได้แค่องค์ประกอบในภาพ แต่รักษาจังหวะ การเคลื่อนกล้อง หรือทิศทางของฉากไม่ได้ — และนั่นคือสาเหตุที่คลิป AI ที่ต่อกันหลายท่อนมักดู “หลุด” ตรงรอยต่อ

สำหรับผู้สร้างในไทยและ SEA เพดาน 40 วินาที ยังหมายความว่านี่เป็นเครื่องมือสำหรับ โฆษณาสั้น คลิปโซเชียล และ pre-visualization ไม่ใช่งานยาว แต่ที่น่าสนใจกว่าคือโครงสร้างราคา: ที่ ~$0.10 ต่อวินาทีบน 720p งบทดลอง 1,000 บาทได้วิดีโอราวห้านาที ซึ่งสำหรับเอเจนซีเล็กหรือครีเอเตอร์เดี่ยวถือว่าเข้าถึงได้จริง ถ้าใช้ 360p เป็นชั้นร่างอย่างมีวินัย — ประเด็นคือ ต้องออกแบบ pipeline ให้ร่างถูกและเรนเดอร์แพงแยกกัน ไม่ใช่ยิง 720p ทุกครั้งที่อยากดูว่าไอเดียเวิร์กไหม ทีมที่ไม่ทำแบบนี้จะจ่ายแพงกว่าสามเท่าโดยไม่จำเป็น

ข้อควรระวังสองข้อ: หนึ่ง — ตัวอย่าง prompt ทั้งหมดที่ Google โชว์เป็นภาษาอังกฤษ และ Google ไม่ได้เผยแพร่เบนช์มาร์กเปรียบเทียบใด ๆ ในประกาศนี้ การอ้างว่า “ควบคุมได้ดีขึ้น” จึงยังเป็นคำกล่าวของผู้ขาย ไม่ใช่ตัวเลขที่ตรวจสอบได้ สอง — โมเดลนี้เป็น API ปิด ไม่มีน้ำหนักโมเดล ทีมที่ต้องการรันในประเทศด้วยเหตุผลด้านข้อมูลหรือกฎระเบียบยังไม่มีทางเลือกฝั่งนี้ และควรจับตาโมเดลวิดีโอ open-weight ควบคู่กันไป

แหล่งข่าว

• Gemini Omni 1.1 Flash lets you build with more control — Google (27 ส.ค. 2026)
• Gemini API pricing — ตัวเลขราคาและอัตราแปลง token ต่อวินาที
• Google’s Gemini Omni 1.1 Flash makes AI video generation cheaper and more flexible — The Decoder