Gemini Omni 1.2 vs 1.1 Flash: คลิปยาว 15 วินาที และไม่ตัดภาพมั่วๆ ในฉากบทสนทนาอีกแล้ว

เทียบ Gemini Omni 1.2 กับ 1.1 Flash ด้วยพรอมต์เดียวกัน: ช็อต FPV แบบเทคเดียวไม่ตัด ฉากบทสนทนาของสองคน คลิปยาว 15 วินาที และราคา ดูว่าอะไรดีขึ้นจริงบ้าง
เมื่อวันที่ 5 พฤศจิกายน Google เปิดให้ใช้ Gemini Omni 1.2 Flash อย่างเป็นทางการ ประกาศนี้ไล่เรียงการอัปเกรดมาเป็นชุด: คลิปยาวได้ถึง 15 วินาที ทำตามภาพอ้างอิงได้ใกล้เคียงขึ้น บทสนทนาและการขยับปากเป็นธรรมชาติขึ้น jump cut ที่ไม่ต้องการในการเคลื่อนกล้องยาวๆ ลดลง และราคาถูกกว่า 1.1 ประมาณ 30% แต่บรรทัดที่สำคัญที่สุดอยู่ในบันทึกการเปลี่ยนแปลงสำหรับนักพัฒนา: ตั้งแต่วันที่ 3 ธันวาคม ทุกคำขอที่เรียก Omni 1.1 จะถูกส่งต่อไปยัง 1.2 โดยอัตโนมัติ
แปลว่า 1.1 กำลังนับถอยหลัง ZOOOP ไม่รอ ตอนที่ Gemini Omni 1.2 Flash เปิดให้ใช้ เราก็ปิด 1.1 ไปพร้อมกัน และหน้าเดิมของ 1.1 ตอนนี้จะพาไปที่ 1.2 แทน ก่อนปิด เราลองรันพรอมต์เดียวกันบนทั้งสองเวอร์ชัน เพื่อดูว่าการอัปเกรดครั้งนี้เห็นผลตรงไหนจริงๆ
Gemini Omni 1.2 เปลี่ยนอะไรบ้าง
ดูสเปกกันก่อน ทั้งหมดนี้เห็นได้ทันทีใน เครื่องกำเนิดวิดีโอ AI:
- ความยาว: จาก 3–10 วินาที เป็น 3–15 วินาที เลือกได้ทีละวินาที ถ้าใส่เฟรมสุดท้าย จะยาวได้สูงสุด 10 วินาที
- การแก้ไข: วิดีโอต้นฉบับยาวได้ถึง 15 วินาที จากเดิม 10 วินาที
- การขยาย: ไม่จำกัดความยาวของวิดีโอต้นฉบับอีกต่อไป โมเดลจะอ่าน 10 วินาทีสุดท้าย แล้วต่อไปอีก 3–10 วินาที
- สิ่งที่ไม่เปลี่ยน: รองรับแค่ 16:9 และ 9:16 ความละเอียด 360p ถึง 4K และเสียงเปิดอยู่เสมอ กำหนดทิศทางของเสียงได้แต่ปิดไม่ได้ ใส่ภาพอ้างอิงได้สูงสุด 10 ภาพ และวิดีโออ้างอิงได้สูงสุด 3 คลิป คลิปละ 3 วินาที
เรื่องราคา บน ZOOOP Gemini Omni 1.2 ราคาต่อวินาทีเท่ากับ 1.1 ในทุกความละเอียด
เราทดสอบอย่างไร: สองพรอมต์ สองเวอร์ชัน
สองพรอมต์นี้เล็งไปที่จุดที่ Google บอกว่าพัฒนาขึ้นมากที่สุด พรอมต์แรกคือ ช็อตโดรน FPV แบบเทคเดียวไม่ตัด: บินเรี่ยผิวทะเลสาบที่มีหมอกยามรุ่งสาง ลอดระหว่างต้นสนสองต้น ข้ามหลังคากระท่อม แล้วเผยให้เห็นภูเขายอดหิมะด้านหลัง โดยเขียนในพรอมต์ไว้ชัดว่า "ไม่มีการตัดภาพ" พรอมต์ที่สองคือ ฉากบทสนทนาของสองคน: ในร้านกาแฟ บาริสต้าผมหยิกยื่นลาเต้ให้พร้อมพูดหนึ่งประโยค แล้วลูกค้าที่ใส่โค้ทสีเทาก็ตอบกลับ ทั้งสองพรอมต์ใช้ 720p, 6 วินาที, 16:9
ความต่างที่หนึ่ง: การเคลื่อนกล้องแบบเทคเดียวเสมอกัน
เราคาดว่า 1.2 จะชนะข้อนี้แบบสบายๆ แต่ทั้งสองเวอร์ชันทำได้ดี เรารันการตรวจจับการเปลี่ยนฉากทีละเฟรมกับทั้งสองคลิป และ ไม่มีคลิปไหนมีการตัดภาพแบบฮาร์ดคัตเลย การเปลี่ยนแปลงระหว่างเฟรมที่มากที่สุดในทั้งสองคลิปเป็นแค่การเคลื่อนกล้องตามปกติ

ความต่างอยู่ที่เส้นทางการบิน 1.1 บินจากริมทะเลสาบไปถึงหน้ากระท่อม แล้วลอยขึ้นข้ามหลังคาไปเลย ส่วน 1.2 บินลอดระหว่างต้นสนสองต้นจริงๆ และไต่ขึ้นสูงกว่าในตอนท้าย เผยให้เห็นยอดเขาหิมะกับทะเลเมฆในหุบเขา ซึ่งตรงกับพรอมต์มากกว่า ถ้าคุณต้องการช็อตวิวทิวทัศน์ยาวๆ แบบเทคเดียว 1.1 ก็ทำได้อยู่แล้ว 1.2 แค่ทำตามคำสั่งได้ดีขึ้นอีกนิด
ความต่างที่สอง: ในฉากบทสนทนา 1.2 เลิกตัดภาพเอง
ตรงนี้คือจุดที่เห็นความต่างชัดที่สุด
1.1 ถ่ายแบบช็อตสลับมุมไปมาระหว่างสองคน: เริ่มด้วยช็อตมีเดียมของบาริสต้าที่ยื่นแก้วให้ แล้วที่วินาที 4.6 ก็ ตัดภาพแบบฮาร์ดคัตไปที่ภาพโคลสอัปของลูกค้า การตัดต่อแบบนี้ไม่ได้ผิดอะไร ฉากที่ใช้คนแสดงจริงจำนวนมากก็ตัดแบบนี้ แต่พรอมต์ขอช็อตมีเดียมช็อตเดียว และหลังจากตัดแล้วบาริสต้าก็หลุดออกจากเฟรม Gemini Omni 1.2 อยู่ในช็อตที่เห็นทั้งสองคนตลอดทั้งคลิป ทั้งคู่อยู่ในเฟรม และการยื่นแก้ว การรับแก้ว กับการพูดโต้ตอบกันเกิดขึ้นในช็อตต่อเนื่องเดียว การเคลื่อนไหวลื่นไหลเป็นธรรมชาติ


แต่มีรายละเอียดหนึ่งที่ 1.1 ชนะ: พรอมต์บอกว่า "โค้ทสีเทา" และ 1.1 ก็ให้สีเทามา ส่วนโค้ทในคลิปของ 1.2 เข้มจนเกือบเป็นสีดำ ทั้งสองคลิปมีเสียงพูดและเสียงบรรยากาศร้านกาแฟ แต่เราไม่ได้ถอดบทพูดออกมาคำต่อคำ จึงจะไม่ฟันธงว่าคลิปไหนขยับปากตรงกว่า
ความต่างที่สาม: 15 วินาทีพอสำหรับเล่าเรื่องได้ครบหนึ่งช่วง
จาก 10 เป็น 15 วินาทีฟังดูเหมือนเพิ่มมาแค่ห้าวินาที แต่มันเปลี่ยนวิธีใช้โมเดล สิบวินาทีมักพอสำหรับแอ็กชันเดียว ส่วนสิบห้าวินาทีใส่ทั้งช่วงเปิด ช่วงเผย และช่วงปิดได้ โฆษณาบนโซเชียลจึงไม่ต้องเอาหลายคลิปมาต่อกันอีก ระหว่างทดสอบช่วงเปิดตัว เราสร้างคลิปแนวตั้งยาว 15 วินาทีในการสร้างครั้งเดียว เสียงต่อเนื่องกลมกลืนตั้งแต่ต้นจนจบ ไม่เห็นรอยต่อ
มีเรื่องหนึ่งที่ต้องระวังกับคลิปยาว: การสร้างวิดีโอด้วย เฟรมเริ่มต้น/สิ้นสุด ยังจำกัดไว้ที่ 10 วินาทีเมื่อใส่เฟรมสุดท้าย และช่องเฟรมสุดท้ายจะถูกล็อกเมื่อเลือก 11 วินาทีขึ้นไป
ความเร็วและราคา
ความเร็วพอๆ กัน ในการทดสอบ 720p ยาว 6 วินาทีนี้ ทั้งสองเวอร์ชันเสร็จในเวลาประมาณ 50 วินาที ราคาต่อวินาทีเท่ากับ 1.1 และเมื่อ 1.1 ถูกปิดไปแล้ว ก็ไม่มีเหตุผลจะอยู่กับเวอร์ชันเก่าอยู่ดี
สรุป: ใช้ 1.2 ไปเลย
การอัปเกรดที่สำคัญที่สุดตรงนี้มีสองอย่าง: คลิปยาวได้ถึง 15 วินาที และฉากบทสนทนาที่ไม่ตัดภาพเองอีกแล้ว โดยราคาต่อวินาทียังเท่าเดิม สำหรับการเคลื่อนกล้องถ่ายวิวแบบเทคเดียว 1.1 ก็ดีอยู่แล้ว 1.2 แค่ทำตามพรอมต์ได้ใกล้กว่าอีกนิด
ถ้าคุณสร้างวิดีโอชุดหนึ่งไว้บน 1.1 แล้วต้องเพิ่มช็อต ให้เผื่อใจว่า Gemini Omni 1.2 จะให้สไตล์ต่างไปเล็กน้อย เช่น สีเสื้อผ้า จึงควรเขียนพรอมต์ให้ชัดเจน ถ้าจะเปลี่ยนสไตล์คลิปที่มีอยู่ ใช้ แก้ไขวิดีโอ และถ้าจะต่อคลิปให้ยาวขึ้น ใช้ ขยายวิดีโอ ตอนนี้ทั้งสองเครื่องมือทำงานบน 1.2 แล้ว
คำถามที่พบบ่อย
ยังใช้ Gemini Omni 1.1 ได้อยู่ไหม
ZOOOP ปิด 1.1 แล้ว และหน้าของ 1.1 จะพาไปที่ 1.2 นอกจากนี้ Google จะส่งต่อทุกคำขอของ 1.1 ไปยัง 1.2 โดยอัตโนมัติตั้งแต่วันที่ 3 ธันวาคม
คลิปจาก Gemini Omni 1.2 ยาวได้แค่ไหน
การสร้างวิดีโอจากข้อความ จากภาพอ้างอิง และจากเฟรมแรก ทำได้ 3 ถึง 15 วินาที ถ้าใส่เฟรมสุดท้าย จะยาวได้สูงสุด 10 วินาที
ปิดเสียงใน Gemini Omni 1.2 ได้ไหม
ไม่ได้ เสียงจะถูกสร้างขึ้นเสมอ คุณกำหนดทิศทางได้ด้วยพรอมต์อย่าง "ไม่มีบทพูด" หรือ "ไม่มีเพลงประกอบ" หรือจะปิดเสียงคลิปทีหลังก็ได้
1.2 แพงกว่า 1.1 ไหม
ไม่ บน ZOOOP Gemini Omni 1.2 ราคาต่อวินาทีเท่ากับ 1.1 ในทุกความละเอียด





