Google เปิดตัว Gemini Omni โมเดลสร้างวิดีโอ AI รองรับอินพุตหลายรูปแบบ แก้ไขวิดีโอด้วยภาษา

Google เปิดตัว Gemini Omni ในงาน Google I/O 2026 โดย Demis Hassabis ซีอีโอของ Google DeepMind ขึ้นเวทีประกาศนวัตกรรมที่ถูกจับตามองมากที่สุดในงานนี้

Gemini Omni คืออะไร

Gemini Omni เป็นโมเดลสร้างวิดีโอ (Video Generation Model) ตัวแรกของ Google ที่สามารถทำงานกับอินพุตหลายรูปแบบในพรอมต์เดียว ไม่ว่าจะเป็น วิดีโอ, เสียง, ข้อความ และรูปภาพ ทำให้ผู้ใช้สามารถสร้างอะไรก็ได้จากอินพุตที่หลากหลาย

ความสามารถหลัก

สร้างวิดีโอจากพรอมต์ผสม — ใส่วิดีโอตัวอย่าง, รูปภาพ, เสียงประกอบ และข้อความบรรยายในพรอมต์เดียวได้
แก้ไขวิดีโอด้วยภาษาธรรมชาติ — เปลี่ยนองค์ประกอบต่างๆ ในวิดีโอ เช่น ตัวละคร, วัตถุ, พื้นหลัง ด้วยการพูดหรือพิมพ์คำสั่ง
ทำงานบน Gemini Omni Flash — เวอร์ชันแรกที่เปิดให้บริการ เน้นความเร็วและประสิทธิภาพ

ความก้าวหน้าด้านโมเดล

นอกจาก Gemini Omni แล้ว งานนี้ Google ยังเปิดตัว Gemini 3.5 Flash โมเดลรุ่นใหม่ที่ Google อ้างว่ามีประสิทธิภาพเหนือกว่า Claude Sonnet 4.6, Claude Opus 4.7 และ GPT-5.5 ในหลาย benchmark เช่น MCP Atlas, Toolathlon, Finance Agent v2, MMMU Pro และ MRCR v2

Gemini 3.5 Flash สามารถสร้างเอาต์พุตได้เร็วถึง 289 tokens ต่อวินาที และถูกออกแบบมาให้เป็นโมเดลที่เก่งด้าน Agentic และ Coding มากที่สุดของ Google

กำหนดการเปิดให้บริการ

Gemini Omni Flash กำลังเปิดให้บริการแก่สมาชิก Google AI Plus, Pro และ Ultra ทั่วโลกผ่าน Gemini App และ Google Flow รวมถึงเปิดให้ผู้ใช้ YouTube Shorts และ YouTube Create App ได้ใช้งานฟรีตั้งแต่สัปดาห์นี้

ที่มา:

มุมมองของผู้เขียน: การที่ Google เปิดตัว Gemini Omni พร้อมกับ Gemini 3.5 Flash ที่แรงกว่า GPT-5.5 และ Claude รุ่นล่าสุดในหลาย benchmark แสดงให้เห็นว่าสงคราม AI กำลังเข้าสู่รอบใหม่ที่หนักหน่วงขึ้น การที่ Gemini 3.5 Flash สร้างระบบปฏิบัติการได้ภายใน 12 ชม. ด้วยต้นทุนแค่ $1,000 โดยใช้ 93 Agents ทำงานคู่ขนานกัน — นี่คือภาพอนาคตของการพัฒนา software ที่กำลังจะเปลี่ยนไปอย่างสิ้นเชิง