Gemini Omni Flash: สิ่งที่เปิดตัวแล้วและสิ่งที่ Google ยังไม่ปล่อยออกมา
Google เปิดตัว Gemini Omni Flash ในงาน I/O 2026 มาดูกันว่าโมเดล Omni ตัวแรกทำอะไรได้บ้าง ฟีเจอร์ใดที่ถูกตั้งใจเก็บไว้ และแนวทางปฏิบัติที่ดีที่สุดสำหรับนักสร้างสรรค์บน OmniArt
Google I/O 2026 จัดขึ้นวันที่ 19 พฤษภาคม และเมื่อ keynote จบลง Gemini Omni Flash ก็พร้อมใช้งานทันที ไม่ใช่ "เร็ว ๆ นี้" ไม่ใช่ "พรีวิวจำกัด" แต่ใช้ได้จริงในวันเดียวกัน สองสัปดาห์ก่อนหน้านั้น เราเผยแพร่ การวิเคราะห์ข้อมูลรั่วไหลก่อน I/O โดยแยกสัญญาณที่ยืนยันแล้วออกจากการคาดเดา ตอนนี้มีโมเดลจริงแล้ว ต่อไปนี้คือสิ่งที่เปิดตัวออกมา สิ่งที่ Google ตั้งใจไม่เปิดตัว และความหมายสำหรับนักสร้างสรรค์ที่มีงานส่งสัปดาห์นี้
Omni Flash คือโมเดลสาธารณะตัวแรกในกรอบงาน "Omni" ใหม่ของ Google ไม่ใช่ Veo 4 และไม่ใช่การเปลี่ยนชื่อ Veo 3.1 แต่เป็นสายผลิตภัณฑ์แยกต่างหาก โดย Google DeepMind ยืนยันแล้วว่าจะมี Omni Pro ระดับสูงกว่าตามมา แต่ยังไม่มีวันที่ชัดเจน Flash คือระยะแรก
สิ่งที่ยืนยันแล้ว vs. สิ่งที่ถูกเก็บไว้
บทความวิเคราะห์ข้อมูลรั่วไหลอธิบายโมเดลนี้ว่า "วิดีโอที่สร้างมาเพื่อ Gemini โดยตรง พร้อมความทะเยอทะยานแบบมัลติโมดัล" ซึ่งเป็นการอธิบายที่ค่อนข้างตรง นี่คือภาพรวมทั้งหมดหลังจากที่ธุลีจาก keynote จางลงแล้ว
| ฟีเจอร์ | สถานะ | ความหมายสำหรับนักสร้างสรรค์ |
|---|---|---|
| คลิปวิดีโอ 10 วินาทีพร้อมเสียงซิงค์จาก prompt เดียว | เปิดตัวแล้ว | ความยาวคลิปแบบนี้เหมาะกับ short-form สำหรับโซเชียล ตัวอย่างหนัง และ ident ตามธรรมชาติ |
| รับข้อมูลได้ทุกประเภท: ข้อความ รูปภาพ เสียง และวิดีโอในครั้งเดียว | เปิดตัวแล้ว | ใส่รูปอ้างอิง บันทึกเสียง และ briefing ได้ในครั้งเดียว ไวยากรณ์ prompt เดียวรองรับทั้งสาม |
| การแก้ไขแบบสนทนา ("เปลี่ยนแสง", "เปลี่ยนสุนัขเป็นแมว") | เปิดตัวแล้ว | การเปลี่ยนแปลงขั้นตอนการทำงานที่บทความข้อมูลรั่วไหลระบุว่าเป็นพาดหัวที่แท้จริง รายละเอียดด้านล่าง |
| ลายน้ำ SynthID ในทุก output | เปิดตัวแล้ว ปิดไม่ได้ ไม่มี API toggle | วางแผนว่า output จะมีลายน้ำโดยค่าเริ่มต้น ตรวจสอบเงื่อนไขการใช้งานก่อนนำไปใช้เชิงพาณิชย์ |
| แก้ไขเสียงพูดหรือเสียงภายในวิดีโอที่สร้าง | ถูกเก็บไว้เพื่อความปลอดภัย | เสี่ยงต่อการสร้าง deepfake Google ยืนยันว่าเป็นการตัดสินใจตั้งใจ ไม่ใช่ข้อจำกัดทางเทคนิค |
| โหมดอวตาร | ถูกเก็บไว้ | อยู่ในหมวดความกังวลด้านความปลอดภัยเดียวกับการแก้ไขเสียง ยังไม่มีไทม์ไลน์ |
| API สำหรับนักพัฒนา | "ในอีกไม่กี่สัปดาห์" | อย่าสร้าง production pipeline จนกว่า API จะพร้อมและเสถียร |
คำเตือน
Google ยังยอมรับต่อสาธารณะถึงข้อจำกัดปัจจุบันสามประการ ได้แก่ ความสม่ำเสมอของภาพระหว่างการแก้ไข ลำดับการเคลื่อนไหวที่ซับซ้อน และการเรนเดอร์ข้อความในวิดีโอให้อ่านได้ สิ่งเหล่านี้คือจุดอ่อนที่โมเดลวิดีโอ AI ทุกค่ายยังมีร่วมกัน Omni Flash ก็ยังไม่ได้แก้ปัญหาเหล่านั้น
ข้อมูลรั่วไหล vs. ความเป็นจริง
ก่อน I/O เราได้อธิบาย สามสถานการณ์ว่า Omni อาจเป็นอะไร ได้แก่ การ rebranding Veo สำหรับผู้บริโภค โมเดลวิดีโอที่สร้างมาเพื่อ Gemini โดยตรง หรือระบบมัลติโมดัลแบบรวมจริง ๆ เราประเมินว่า "การผสมผสานระหว่างสถานการณ์ 2 และ 3" มีแนวโน้มสูงที่สุด
การประเมินนั้นแม่นยำ Omni Flash เป็น Gemini-native อย่างชัดเจน ทำงานในแอป Gemini และ Google Flow ไม่ใช่เป็นบริการ Veo แยกต่างหาก และรับข้อมูลได้อย่างแท้จริงทุกรูปแบบ การวางตำแหน่ง "มัลติโมดัล" ที่ Google ใช้ไม่ใช่การพูดเกินจริงเชิงการตลาด การรวมข้อความ ภาพ เสียง และวิดีโอไว้ใน prompt เดียวเป็นการเปลี่ยนแปลงความสามารถจริงจากโมเดลอินพุตของ Veo 3.1
สิ่งที่การคาดเดาเดาผิด คือกรอบ "remix" จากข้อมูลรั่วไหลประเมินความลึกของฟีเจอร์การแก้ไขแบบสนทนาต่ำเกินไป ไม่ใช่แค่การ remix ใหม่ตั้งแต่ต้น แต่คือการรักษาความสม่ำเสมอผ่านการแก้ไขหลายรอบ ซึ่งเป็นสิ่งที่แตกต่างกันอย่างมีนัยสำคัญ
การแก้ไขแบบสนทนาคือพาดหัวที่แท้จริง
โมเดลวิดีโอ AI ชั้นนำทั้งหมดในปัจจุบันทำงานในระดับขั้นตอนเหมือนกัน คือเขียน prompt รอ ดาวน์โหลดคลิป แล้วเขียน prompt ใหม่ถ้าไม่ถูกต้อง Omni Flash เปลี่ยนรูปแบบนี้ ฟีเจอร์การแก้ไขแบบสนทนาให้คุณพิมพ์ "เปลี่ยนแสงเป็นช่วงพระอาทิตย์ตก" หรือ "เปลี่ยนสุนัขเป็นแมว" แล้วได้คลิปที่แก้ไขแล้วซึ่งยังคงความสม่ำเสมอกับ output ก่อนหน้า แทนที่จะสร้างใหม่ตั้งแต่ต้น
เรื่องนี้สำคัญเพราะต้นทุนของการทำซ้ำในวิดีโอมักอยู่ที่รอบการสร้างใหม่ ทั้งในแง่เวลาและเครดิต การแก้ไขหลายรอบที่รักษาความสม่ำเสมอช่วยลดช่องว่างระหว่างแบบร่างแรกและคลิปสำเร็จรูป ยังหมายความว่าโมเดลเก็บสถานะโปรเจกต์ของคุณไว้ในลักษณะที่ขั้นตอนการทำงานแบบสร้าง-แล้ว-ทิ้งทำไม่ได้
ข้อจำกัดที่ยอมรับในปัจจุบันมีอยู่จริง ลำดับการเคลื่อนไหวที่ซับซ้อนสูญเสียความสอดคล้องในการแก้ไข และโมเดลยังอาจเกิดการเบี่ยงเบนในรายละเอียดภาพที่ละเอียด แต่หลักการของขั้นตอนการทำงานนั้นถูกต้อง และเป็นฟีเจอร์ที่มีแนวโน้มอยู่ยั้งยืนยงที่สุดเมื่อโมเดลพื้นฐานพัฒนาขึ้น
ตำแหน่งของ Omni Flash ในสายผลิตภัณฑ์
จุดแข็งของ Omni Flash คือความเข้าถึงได้สำหรับผู้บริโภค การทำซ้ำแบบสนทนา และความยืดหยุ่นของอินพุตแบบมัลติโมดัล ข้อจำกัด ได้แก่ คลิป 10 วินาที ไม่มีการแก้ไขเสียงพูด และช่องว่างที่ยอมรับในด้านการเคลื่อนไหวและการเรนเดอร์ข้อความ ซึ่งกำหนดขอบเขตการใช้งานได้อย่างชัดเจน
| งานที่ต้องการ | เลือกใช้ |
|---|---|
| การทำซ้ำแบบสนทนา การปรับปรุงผ่านแชท | Omni Flash (บนแพลตฟอร์มของ Google) |
| 4K native เสียงพื้นที่ คุณภาพระดับออกอากาศ | Veo 3.1 |
| ช็อตเดียวยาว | Sora 2 |
| ความต่อเนื่องของ storyboard หลายช็อต | Kling, V6 + BACH |
| คลิปเร็ว มีสไตล์ พลังงานสูง | โมเดล PixVerse |
| ประหยัดต้นทุนในปริมาณมาก | Kling (วินาทีสำเร็จรูปที่คุ้มค่า) |
สำหรับการเปรียบเทียบเชิงลึกระหว่าง Omni Flash และ Veo 3.1 ทีละช็อต ดูได้ที่ Gemini Omni Flash vs. Veo 3.1: อันไหนเหมาะกับขั้นตอนการทำงานของคุณ
เข้าถึงได้จากที่ไหน
Omni Flash พร้อมใช้งานบน YouTube Shorts, YouTube Create, แอป Gemini และ Google Flow ราคาผ่านระดับสมาชิก AI ของ Google: AI Plus เริ่มต้นที่ประมาณ $7.99/เดือน และ Ultra ลดราคาจาก $250 เหลือ $100/เดือน API สำหรับนักพัฒนาจะมาถึง "ในอีกไม่กี่สัปดาห์" โดยไม่มีวันที่แน่นอน
สำหรับบริบทของสาย Veo ทั้งหมด สถานะการเปิดตัว Veo 4 และที่ที่ Veo อยู่บน OmniArt ครอบคลุมสิ่งที่ Veo 3.1 ทำได้แล้วและตำแหน่งของมันใน workspace หลายโมเดล
Omni Pro ได้รับการยืนยันแล้ว แต่ยังไม่มีกำหนด
Google DeepMind ยืนยันว่า Omni Pro ระดับสูงกว่ากำลังจะมา โดยอธิบายว่า "ก้าวขึ้นมาเหนือ Flash" ไม่มีวันเปิดตัว ไม่มีรายการฟีเจอร์ และไม่มีการเข้าถึงล่วงหน้า วางแผนโดยอิงสิ่งที่เปิดตัวแล้ว ไม่ใช่สิ่งที่สัญญาไว้
ถ้า pipeline ของคุณมีงานส่ง Q3 ให้สร้างโดยอิงสเปคที่ยืนยันแล้วของ Omni Flash วันนี้เลย เมื่อ Omni Pro มาถึง คุณก็แค่เพิ่มมันเป็นตัวเลือกในขั้นตอนการทำงานที่กำลังผลิตอยู่แล้ว ไม่ต้องรอมัน และไม่ต้องสร้างแพลตฟอร์มใหม่เพื่อมัน
หมายเหตุ
สิ่งที่ควรทำสัปดาห์นี้
Omni Flash ทำงานบนแพลตฟอร์มของ Google เอง ได้แก่ แอป Gemini, YouTube Shorts, Google Flow ถ้าต้องการทดสอบการแก้ไขแบบสนทนาก็ไปที่นั่น Google ยังไม่ประกาศการรวม API กับบุคคลที่สามนอกจากไทม์ไลน์ "ไม่กี่สัปดาห์" สำหรับนักพัฒนา
บน OmniArt คุณทำงานได้ทันทีด้วย Veo 3.1 สำหรับ 4K native และเสียงพื้นที่ รวมถึงโมเดลอื่น ๆ ในสายผลิตภัณฑ์ ได้แก่ โมเดล PixVerse, Sora 2, Kling, HappyHorse, Seedance 2 และอื่น ๆ ทั้งภาพ วิดีโอ เสียง และดนตรีใน workspace เดียว ยอดเงินเดียว ไวยากรณ์ prompt เดียว ที่เดียวสำหรับเปรียบเทียบ output แบบเคียงข้างกัน
สำหรับขั้นตอนปฏิบัติในการใช้ Veo 3.1 ให้ได้ประโยชน์สูงสุดในขณะที่ประเมิน Omni Flash คู่มือ prompt และภาพยนตร์ของ Veo 3.1 ครอบคลุมขั้นตอนการทำงานทั้งหมดตั้งแต่ briefing ไปจนถึงคลิปสำเร็จรูป
แนวทางปฏิบัติ: ประมวลผล briefing ปัจจุบันด้วยโมเดลที่ออนไลน์และเสถียรแล้ว เมื่อ Omni Pro มาถึงหรือ API ของ Omni Flash เปิดให้ใช้ ก็แค่เพิ่มเข้า pipeline ที่กำลังผลิตผลลัพธ์อยู่แล้ว แทนที่จะรอให้ถึงตอนนั้นก่อนเริ่ม
คำถามที่พบบ่อย
Gemini Omni Flash ใช้ได้ตอนนี้เลยไหม
ใช่ เปิดตัวในงาน Google I/O 2026 เมื่อวันที่ 19 พฤษภาคม 2026 และพร้อมใช้งานในวันเดียวกันผ่าน YouTube Shorts, YouTube Create, แอป Gemini และ Google Flow API สำหรับนักพัฒนาอธิบายว่าจะมาถึง "ในอีกไม่กี่สัปดาห์"
Omni Flash และ Veo 3.1 ต่างกันอย่างไร
Omni Flash เป็น Gemini-native รับข้อมูลได้ทุกประเภท (ข้อความ ภาพ เสียง วิดีโอใน prompt เดียว) และมีการแก้ไขแบบสนทนาหลายรอบ Veo 3.1 คือโมเดลวิดีโอเฉพาะทางที่ยืนยันแล้วว่ามี native 4K และเสียงพื้นที่ ทั้งสองมีจุดแข็งต่างกันและปัจจุบันทำงานบนแพลตฟอร์มที่ต่างกัน
Google เก็บฟีเจอร์อะไรไว้ใน Omni Flash บ้าง
ความสามารถสองอย่างถูกตั้งใจเก็บไว้ ได้แก่ การแก้ไขเสียงพูดและเสียงในวิดีโอ และโหมดอวตาร Google ยืนยันว่าถูกเก็บไว้เพราะเหตุผลด้านความปลอดภัย ไม่ใช่ข้อจำกัดทางเทคนิค ทั้งสองไม่มีวันที่เปิดตัว
Gemini Omni Pro จะมาแทนที่ Flash ไหม
Google DeepMind ยืนยัน Omni Pro ว่าเป็นโมเดลระดับสูงกว่าในอนาคต อธิบายว่า "ก้าวขึ้นเหนือ Flash" แต่ยังไม่มีการเปิดเผยฟีเจอร์ ราคา หรือวันที่เปิดตัว วางแผนโดยอิงความสามารถที่ยืนยันแล้วของ Flash และมองว่า Omni Pro เป็นการเพิ่มเติมในอนาคต
Omni Flash มีลายน้ำ SynthID ไหม
ใช่ ทุก output ของ Omni Flash มีลายน้ำ SynthID ปิดไม่ได้และไม่มี API toggle ตรวจสอบเงื่อนไขการให้บริการของแพลตฟอร์มก่อนใช้ output ในบริบทเชิงพาณิชย์
พร้อมสร้างหรือยัง?
เริ่มสร้างคอนเทนต์ที่ยอดเยี่ยมด้วย AI