TL;DR
Gemini Omni 1.1 Flash เปิดให้ใช้งานทั่วไปผ่าน Gemini Developer API แบบชำระเงินภายใต้ gemini-omni-1.1-flash ขณะที่ Gemini Enterprise Agent Platform ให้บริการเอ็นด์พอยต์พรีวิว gemini-omni-1.1-flash-preview ในปัจจุบัน เพิ่มการควบคุมฉาก คีย์เฟรม เรฟเฟอเรนซ์ และความละเอียดเอาต์พุต เหมาะอย่างยิ่งเมื่อคลิปต้องการการกำกับหลายรอบ
- การควบคุม: ขยายฉากได้รวมสูงสุด 40 วินาที และกำกับช็อตด้วยเฟรมแรกและเฟรมสุดท้าย
- ต้นทุน: ร่างที่ประมาณ $0.03 ต่อวินาทีที่ 360p; เก็บความละเอียดสูงไว้สำหรับเทคที่คัดเลือกแล้ว
- คุณภาพ: เอาต์พุต 1080p และ 4K ใช้อัปสเกล ไม่ใช่การสร้างที่ความละเอียดเนทีฟ
- หลักฐาน: การประเมินระดับตระกูลอย่างเป็นทางการเด่นด้านการตัดต่อและการทำตามคำสั่ง แต่ไม่ครอบคลุมทุกเมตริกด้านการเคลื่อนไหวหรือการอ้างอิง
- การเข้าถึง: ID แพลตฟอร์มต่างกัน: Gemini Developer API ใช้ gemini-omni-1.1-flash ขณะที่ Gemini Enterprise Agent Platform ปัจจุบันใช้ gemini-omni-1.1-flash-preview ยืนยันเวอร์ชันจริงที่อยู่หลังเส้นทางของบุคคลที่สามเสมอ
โครงการ Omni ของ Google มองการสร้างวิดีโอเป็นการสนทนาแบบมัลติโหมด คำถามเชิงปฏิบัติคือผู้สร้างจะรักษาเทคที่ใช้ได้ เปลี่ยนรายละเอียดที่ไม่ต้องการ และดำเนินฉากต่อโดยไม่ต้องเริ่มใหม่ได้ดีเพียงใด
What Is Gemini Omni 1.1 Flash?
Gemini Omni 1.1 Flash คือโมเดลการสร้างและตัดต่อวิดีโอแบบมัลติโหมดของ Google DeepMind Google เปิดให้ใช้งานทั่วไปเมื่อ 27 สิงหาคม 2026 ภายใต้ตัวระบุเสถียร gemini-omni-1.1-flash
การ์ดโมเดลอธิบาย อินพุตข้อความ ภาพ เสียง และวิดีโอแบบเนทีฟ และเอาต์พุตวิดีโอพร้อมเสียง การดำเนินการของ API แต่ละรายการรองรับชุดอินพุตต่างกัน ดังนั้นการออกแบบมัลติโหมดโดยรวมของโมเดลไม่ควรถูกตีความว่าเอ็นด์พอยต์ทุกตัวรับได้ทุกโมดาลิตี
โมเดลสามารถสร้างคลิป ปรับแก้ฟุตเทจ ทำงานจากเรฟเฟอเรนซ์ อินเตอร์โพเลตระหว่างภาพ และขยายฉาก เวิร์กโฟลว์เชิงสนทนาเปิดโอกาสให้แอปพลิเคชันคงบริบทเชิงสร้างสรรค์ข้ามรอบการทำงาน สำหรับเดโมสินค้าหรือสตอรีบอร์ด นั่นหมายความว่าเจเนอเรชันแรกที่ยอมรับได้สามารถกลายเป็นจุดเริ่มต้นสำหรับการแก้ไขที่ควบคุมได้มากขึ้น
Gemini Omni 1.1 Flash Specifications
| สเปค | Gemini Omni 1.1 Flash |
|---|---|
| ผู้พัฒนา | Google DeepMind |
| Stable model ID | gemini-omni-1.1-flash |
| สถานะ/วันที่วางจำหน่าย | เปิดให้ใช้งานทั่วไป; 27 สิงหาคม 2026 |
| หน้าต่างบริบท | 1,048,576 โทเคน |
| อินพุตการสร้างผ่าน API | ข้อความ ภาพ วิดีโอ; การรองรับขึ้นกับโอเปอเรชัน |
| เอาต์พุต | วิดีโอพร้อมเสียง |
| ความยาวคลิป | 3–10 วินาทีต่อการสร้าง |
| อัตราเฟรม | 24 FPS |
| ความละเอียดเอาต์พุต | 360p, 720p, 1080p, 4K |
| ความละเอียดเริ่มต้น | 720p |
| 1080p / 4K | เอาต์พุตแบบอัปสเกล |
| การขยายฉาก | เพิ่มครั้งละ 10 วินาที รวมสูงสุด 40 วินาที |
| บริบทวิดีโอก่อนหน้าสำหรับการขยาย | สูงสุด 10 วินาที |
| การควบคุมเฟรมแรกและเฟรมสุดท้าย | รองรับ |
| วิดีโอเรฟเฟอเรนซ์เพื่อสร้างฉาก | สูงสุด 3 วินาทีในเวิร์กโฟลว์ที่รองรับ |
| เวิร์กโฟลว์หลัก | Gemini API / Interactions API |
| ชั้น API ฟรี | ไม่มี |
| ยุติพรีวิว | 30 กันยายน 2026 |
ขีดจำกัดวิดีโอเรฟเฟอเรนซ์สามวินาทีและขีดจำกัดบริบทก่อนหน้าสิบวินาทีอธิบายโอเปอเรชันต่างกัน เช่นเดียวกัน คลิปเอาต์พุตสิบวินาทีและสายโซ่การขยายสี่สิบวินาทีเป็นหน่วยงานงานคนละแบบ การคงความแตกต่างเหล่านี้ให้ชัดเจนทำให้การวางแผน API และการเปรียบเทียบราคาใช้งานได้จริงยิ่งขึ้น
What Is New in Gemini Omni 1.1 Flash?
ดำเนินฉากต่อแทนการเย็บคลิปที่ไม่เกี่ยวข้อง
อัปเดตรองรับการตรวจสอบฟุตเทจก่อนหน้าสูงสุดสิบวินาที เมื่อเทียบกับเพียงวินาทีสุดท้ายของโมเดลก่อนหน้า และรองรับ การขยายครั้งละ 10 วินาทีรวมสูงสุด 40 วินาที บริบทที่เพิ่มขึ้นช่วยรักษาตัวละคร ฉาก และทิศทางการเล่าเรื่องข้ามการดำเนินต่อ
นี่ไม่ใช่คำขอ text-to-video เดี่ยวความยาวสี่สิบวินาที การดำเนินต่อแต่ละครั้งจะเพิ่มส่วนใหม่เข้าในลำดับที่มีอยู่ ทบทวนรอยต่อ เอกลักษณ์ตัวละคร และการเคลื่อนกล้องหลังการขยายแต่ละครั้งก่อนอนุมัติทั้งฉาก
กำหนดทั้งต้นและปลายของช็อต
ผู้สร้างสามารถให้ทั้งเฟรมแรกและเฟรมสุดท้าย แล้วปล่อยให้โมเดลสร้างการทรานซิชันระหว่างทั้งสอง เหมาะสำหรับการเปิดเผยสินค้าแบบควบคุม ก่อน-หลัง การเคลื่อนกล้อง และช็อตที่ต้องเชื่อมกับฟุตเทจโดยรอบ
ใช้ 360p เพื่อลองร่างราคาถูก
Google รายงานปริมาณงานของระบบสูงขึ้นถึง 60% ที่ 360p เมื่อเทียบกับ 720p โดยมีต้นทุนเอาต์พุตวิดีโอประมาณหนึ่งในสาม นี่เป็นการเปรียบเทียบปริมาณงาน ไม่ใช่การรับประกันการลดเวลาแฝงสำหรับทุกคำขอ
เวิร์กโฟลว์ที่เป็นประโยชน์คือทดสอบคอมโพสิชันและการเคลื่อนไหวด้วยร่างความละเอียดต่ำ ปรับปรุงพรอมต์หรือเรฟเฟอเรนซ์ แล้วอนุมัติเทคก่อนชำระเงินเพื่อส่งมอบความละเอียดสูง รวมความพยายามที่ถูกทิ้งเมื่อเปรียบเทียบต้นทุนของคลิปที่ยอมรับ
ส่งมอบ 1080p และ 4K ผ่านการอัปสเกล
รุ่นนี้รองรับเอาต์พุตเริ่มต้น 720p และการส่งมอบความละเอียดสูง โดย 1080p และ 4K เป็นเอาต์พุตแบบอัปสเกล จำนวนพิกเซลที่มากขึ้นไม่ได้ยืนยันการสร้างฉากแบบ 4K เนทีฟ และไม่ได้ขจัดข้อผิดพลาดด้านการเคลื่อนไหวและความคงเส้นคงวา
ใช้วิดีโอที่มีอยู่เป็นเรฟเฟอเรนซ์
สำหรับเวิร์กโฟลว์การสร้างฉากที่รองรับ วิดีโอเรฟเฟอเรนซ์สูงสุดสามวินาที สามารถพาไทมิง การเคลื่อนไหว และบริบทตัวละครที่ภาพนิ่งภาพเดียวทำไม่ได้ โอเปอเรชันเรฟเฟอเรนซ์นี้ต่างจากบริบทยาวกว่าที่ใช้เมื่อขยายคลิปที่มีอยู่
ย้ายออกจากเอ็นด์พอยต์พรีวิว
Google กำหนดให้เอ็นด์พอยต์ Gemini API แบบเดิม gemini-omni-flash-preview ยุติในวันที่ 30 กันยายน 2026; ซึ่งไม่ใช่การอ้างถึงเอ็นด์พอยต์พรีวิว gemini-omni-1.1-flash-preview ที่เปิดใน Gemini Enterprise Agent Platform นักพัฒนาควรยืนยันคอนฟิกคำขอใหม่และเอาต์พุตก่อนเปลี่ยนทราฟฟิกโปรดักชัน
What Do the Official Gemini Omni Flash Benchmarks Show?
ขอบเขตเบนช์มาร์ก:
กราฟผลการทำงานอย่างเป็นทางการระบุ Gemini Omni Flash โดยไม่แยกจุดเช็ค 1.1 ให้ถือว่าเป็นหลักฐานระดับตระกูล ไม่ใช่การวัดการปรับปรุงจากพรีวิวสู่เวอร์ชัน 1.1 ค่า Elo เป็นคะแนนสัมพัทธ์ ไม่ใช่เปอร์เซ็นต์; จำนวนตัวอย่างระบุขนาดการประเมิน
| การประเมิน | ลำดับเมตริก | ตัวอย่าง | Gemini Omni Flash — Elo | Seedance 2.0 — Elo |
|---|---|---|---|---|
| การตัดต่อวิดีโอ | ภาพรวม / คำสั่ง | 504 | 1087 / 1082 | 946 / 960 |
| MovieGenBench text-to-video | ภาพรวม / คำสั่ง | 1,003 | 1113 / 1108 | 1070 / 1051 |
| การเคลื่อนไหวเร็ว | คุณภาพการเคลื่อนไหวเร็ว | 500 | 1050 | 1112 |
| VBench image-to-video | ความชอบโดยรวม | 355 | 1057 | 1003 |
| Reference-to-video | ภาพรวม / คำพูด / การอ้างอิง | 468 | 1004 / 1028 / 962 | 996 / 972 / 1038 |
ภายในชุดการประเมินเหล่านี้ ผลลัพธ์ที่โดดเด่นที่สุดของตระกูลอยู่ที่การตัดต่อและการทำตามคำสั่ง ภาพจะเปลี่ยนเมื่อเป็นการเคลื่อนไหวเร็วและการยึดตามเรฟเฟอเรนซ์: Seedance 2.0 นำในสองเมตริกนั้น โมเดลจึงอาจกำกับง่ายกว่าโดยไม่จำเป็นต้องดีที่สุดสำหรับทุกฉากแอ็กชันหรือภารกิจที่พึ่งพาเรฟเฟอเรนซ์หนัก
กราฟ image-to-video รายงาน 1057 สำหรับ Omni, 1054 สำหรับ Grok Imagine Video, และ 1053 สำหรับ Kling v3 Pro ช่องว่างคะแนนเล็ก ๆ เช่นนี้ไม่ควรถูกตีความว่าเป็นข้อได้เปรียบด้านคุณภาพที่เด็ดขาด กราฟที่เผยแพร่ไม่ได้ให้ช่วงความเชื่อมั่นเพื่อประเมินนัยสำคัญทางสถิติ
กราฟทางการของ Google สำหรับการตัดต่อวิดีโอและการเคลื่อนไหวเร็ว: ภาพหน้าจอจากกราฟเชิงโต้ตอบต้นฉบับ
สำหรับการทดสอบโปรดักชัน ให้ให้คะแนนเอาต์พุตที่ทีมของคุณยอมรับจริง: การยึดตามพรอมต์ ความต่อเนื่องของตัวละคร การเคลื่อนไหว เสียง และจำนวนการแก้ไขแก้ไข การเป็นผู้นำเบนช์มาร์กเป็นหลักฐานที่เป็นประโยชน์ แต่ต้นทุนในการไปถึงเทคที่ยอมรับได้คือการตัดสินใจด้านการดีพลอย
Gemini Omni 1.1 Flash vs Gemini Omni Flash Preview
| มิติ | Gemini Omni 1.1 Flash | Gemini Omni Flash Preview |
|---|---|---|
| วงจรชีวิต | เสถียร / เปิดให้ใช้งานทั่วไป | พรีวิว; กำหนดเลิกใช้งาน |
| Model ID | gemini-omni-1.1-flash | gemini-omni-flash-preview |
| ทิศทางโปรดักชัน | แนะนำให้ทดแทน | ย้ายไปยังโมเดลเสถียร |
| วันที่ยุติ | ไม่มีประกาศยุติ | 30 กันยายน 2026 |
| บริบทก่อนหน้าสำหรับการดำเนินต่อ | สูงสุด 10 วินาที | วินาทีสุดท้าย ตามการเปิดตัวเปรียบเทียบ |
| ระดับร่าง 360p | มี | ไม่รวมอยู่ในราคาช่วงเปิดตัวก่อนหน้า |
| เอาต์พุต 1080p / 4K | ผ่านการอัปสเกล | ไม่มีในราคาช่วงเปิดตัวก่อนหน้า |
| อินเตอร์โพเลตเฟรมแรก/สุดท้าย | เพิ่มใน 1.1 | ไม่ได้ยืนยันโดยการเปรียบเทียบพรีวิวที่อ้างถึง |
| สายโซ่การขยาย | รวมสูงสุด 40 วินาที | ไม่มีขีดจำกัดรวมที่ตรงกันในการเปรียบเทียบที่อ้าง |
| ผลลัพธ์เบนช์มาร์กแบบแยกเวอร์ชัน | ไม่มีคะแนนที่แยกเวอร์ชัน | ผลระดับตระกูลไม่สามารถวัดการอัปเกรดได้ |
การอัปเกรดที่ชัดเจนที่สุดคือการควบคุมและวงจรโปรดักชัน รุ่นเสถียรเปิดเผยวิธีจำกัดช็อตมากขึ้น และแทนที่เอ็นด์พอยต์ที่กำลังจะยุติ เมื่อเอกสารพรีวิวไม่กล่าวถึงความสามารถ ให้ถือว่ายังไม่ยืนยัน แทนที่จะสรุปว่าไม่รองรับ
Gemini Omni 1.1 Flash Pricing
โมเดลเสถียรพร้อมใช้งานผ่านระดับ API แบบชำระเงินของ Google อัตราโทเคนอยู่ที่ $1.50 อินพุต และ $17.50 เอาต์พุตวิดีโอต่อหนึ่งล้านโทเคน; เอาต์พุตข้อความ $9 ต่อหนึ่งล้านโทเคน นี่คืออัตราของ Google แยกจากเส้นทางของ CometAPI ใด ๆ
ที่ 720p การคิดเงินใช้ 5,792 โทเคนเอาต์พุตวิดีโอต่อวินาที คูณ 5,792 ด้วย $17.50 ต่อหนึ่งล้านจะได้ $0.10136 ต่อวินาที อธิบายตัวเลขปัด $0.10 ที่ใช้ในการเปรียบเทียบช่วงเปิดตัว
| ความละเอียด | Google: Omni 1.1 Flash | Google: Veo 3.1 Fast | CometAPI: Veo 3.1 Fast |
|---|---|---|---|
| 360p | $0.03 | Not available | Not available |
| 720p | $0.10 | $0.10 | $0.08 |
| 1080p | $0.15 | $0.12 | $0.096 |
| 4K | $0.30 | $0.30 | $0.24 |
ดอลลาร์สหรัฐต่อวินาทีที่สร้าง; ตรวจสอบเมื่อ 8 กันยายน 2026 คอลัมน์ Omni ของ Google ใช้ประมาณการที่ปัดกลม สองคอลัมน์ขวาสุดแยกราคาเดิมของผู้ให้บริการออกจากราคาของ CometAPI สำหรับโมเดลชื่อเดียวกัน
กราฟเปรียบเทียบราคาเปิดตัวทางการของ Google ที่คัดลอกตรง ภาพนี้แสดงราคาของ Google ไม่ใช่ค่าบริการของ CometAPI
ประมาณต้นทุนของหนึ่งเทค
| ความละเอียด | เอาต์พุต 3 วินาที | เอาต์พุต 10 วินาที | เอาต์พุตรวม 40 วินาที |
|---|---|---|---|
| 360p | ~$0.09 | ~$0.30 | ~$1.20 |
| 720p | ~$0.30 | ~$1.00 | ~$4.00 |
| 1080p | ~$0.45 | ~$1.50 | ~$6.00 |
| 4K | ~$0.90 | ~$3.00 | ~$12.00 |
ประมาณต้นทุน:
การคำนวณเหล่านี้คูณอัตราเอาต์พุตวิดีโอของ Google ที่ปัดกลมด้วยระยะเวลาที่สร้าง ไม่รวมค่าธรรมเนียมอินพุต เอาต์พุตข้อความ ความพยายามที่ทิ้ง และกิจกรรมที่คิดเงินแยกอื่น ๆ สายโซ่การขยายสี่สิบวินาทีอาจมีค่าใช้จ่ายการประมวลผลบริบทเพิ่ม; ไม่ใช่แพ็คเกจราคาแบบคงที่
การสร้างร่างเชิงทดลองที่ 4K มีต้นทุนต่อวินาทีเอาต์พุตประมาณสิบเท่าเมื่อเทียบกับการร่างที่ 360p ภายใต้ประมาณการเหล่านี้ ประเมินคอมโพสิชันและการเคลื่อนไหวก่อน แล้วจึงจัดงบประมาณสำหรับการส่งมอบสุดท้าย ติดตามค่าใช้จ่ายรวมทั้งหมดของความพยายามทั้งหมดหารด้วยเทคที่ยอมรับ เพื่อเปรียบเทียบเวิร์กโฟลว์อย่างยุติธรรม
Gemini Omni 1.1 Flash vs Veo 3.1 Fast
| มิติ | Gemini Omni 1.1 Flash | Veo 3.1 Fast |
|---|---|---|
| วัตถุประสงค์หลัก | การสร้างและตัดต่อแบบเชิงสนทนา | การสร้างวิดีโอโดยตรงที่รวดเร็ว |
| อินพุตข้อความ/ภาพ | รองรับ | รองรับ |
| งานมีเงื่อนไขด้วยวิดีโอ | เรฟเฟอเรนซ์ การตัดต่อ และการขยาย | โอเปอเรชันที่รองรับขึ้นอยู่กับเส้นทาง |
| เอาต์พุตเสียง | รองรับ | รองรับ |
| อัตราเฟรม | 24 FPS | 24 FPS |
| การร่าง 360p | มี | ไม่มีระดับที่เอกสารเทียบเคียง |
| 720p | รองรับ | รองรับ |
| 1080p / 4K | เอาต์พุตแบบอัปสเกล | รองรับ; ต้องสร้าง 8 วินาที |
| ระยะเวลาคลิปมาตรฐาน | 3–10 วินาที | 4, 6, หรือ 8 วินาที |
| การขยาย | รวมสูงสุด 40 วินาที | รองรับที่ 720p |
| เฟรมแรก/สุดท้าย | อินเตอร์โพเลต | คอนโทรลการอินเตอร์โพเลต |
| เน้นเวิร์กโฟลว์ | การกำกับซ้ำ บริบทสร้างสรรค์ | คอนโทรลการสร้างและเอาต์พุตโดยตรง |
Google เอกสารไว้ 720p, 1080p และ 4K ที่ 24 FPS สำหรับเส้นทางเปรียบเทียบ ความละเอียดสูงกว่าต้องการการสร้างแปดวินาที ขณะที่เอาต์พุตการขยายจำกัดที่ 720p การรองรับฟีเจอร์ของเกตเวย์ควรตรวจสอบแยกต่างหากจากสเปกความสามารถของผู้ให้บริการต้นทาง
ที่อัตราที่เผยแพร่โดย Google โมเดลเสมอกันที่ 720p และ 4K ขณะที่ทางเลือกการสร้างโดยตรงมีต้นทุนต่ำกว่าที่ 1080p อัตราของ CometAPI สำหรับเส้นทางนั้นยิ่งต่ำลงตามส่วนราคาข้างต้น ระดับ 360p ของ Omni ให้บริการความต้องการที่ต่างออกไป: การทดลองราคาถูกก่อนส่งมอบ
เลือก Omni เมื่อความสำเร็จขึ้นกับการกำกับซ้ำ ความต่อเนื่องของฉาก ข้อจำกัดคีย์เฟรม และการแก้ไข เลือกทางเลือกเมื่อคำขอสร้างโดยตรงและคอนโทรลที่มีอยู่ตอบโจทย์โปรดักชันอยู่แล้ว ทั้งคะแนน Elo ระดับตระกูลและราคาต่อโทเคนเพียงอย่างเดียวไม่สามารถระบุได้ว่าต้นทุนต่อเทคที่ยอมรับต่ำกว่า
Why Gemini Omni 1.1 Flash Matters
เวิร์กโฟลว์โปรดักชันไม่ค่อยจบหลังเจเนอเรชันแรกที่สำเร็จ ผู้กำกับอาจชอบการเคลื่อนกล้องแต่ไม่ชอบท่าจบ นักการตลาดอาจต้องการคอมโพสิชันสินค้ารูปแบบเดิมแต่ฉากหลังต่างกัน ศิลปินสตอรีบอร์ดอาจต้องการให้ช็อตถัดไปเริ่มตรงกับจุดจบของช็อตก่อนหน้าอย่างแม่นยำ
งานเหล่านี้ต้องการให้ระบบรักษาสถานะที่มีประโยชน์ไว้พร้อมเปลี่ยนข้อจำกัดเฉพาะ คอนโทรลเชิงสร้างสรรค์ของ Omni ตอบโจทย์เวิร์กโฟลว์นั้น: เรฟเฟอเรนซ์ช่วยกำหนดฉาก คีย์เฟรมจำกัดจุดต้นและปลาย และการขยายพามันเดินหน้าต่อ
โอกาสเชิงปฏิบัติคือการรีสตาร์ทเต็มรูปแบบน้อยลง วัดว่าการแก้ไขแบบเจาะจงให้ผลลัพธ์ที่ยอมรับได้บ่อยแค่ไหน ต้องแก้กี่รอบ และลำดับสุดท้ายรักษาความตั้งใจเดิมไว้หรือไม่ การประเมินนั้นให้ข้อมูลมากกว่าการเลือกโมเดลจากโชว์เคสภาพเพียงอย่างเดียว
Limitations of Gemini Omni 1.1 Flash
Google ระบุข้อจำกัดต่อเนื่องในด้านความคงเส้นคงวา การเคลื่อนไหวซับซ้อน และการเรนเดอร์ข้อความ สายโซ่การขยายที่ยาวขึ้นสร้างโอกาสให้เกิดการลื่นไหลของตัวตน รูปทรงเรขาคณิต แสง หรือวัตถุ มากขึ้น แม้คลิปเดี่ยวจะดูน่าเชื่อถือ
เอาต์พุตความละเอียดสูงไม่ได้แก้ข้อผิดพลาดของการสร้างทุกอย่าง ตรวจสอบฉากเองก่อนถือว่าไฟล์ 4K เป็นแอสเซ็ตพร้อมใช้งาน เช่นเดียวกัน การออกแบบโมเดลแบบมัลติโหมดกว้าง ๆ ไม่ได้ยืนยันความสามารถที่เหมือนกันในโอเปอเรชัน API ทุกตัว
การเปรียบเทียบ Elo อย่างเป็นทางการยังสนับสนุนการประเมินเฉพาะงาน คุณภาพการตัดต่อ การเคลื่อนไหวเร็ว และการยึดตามเรฟเฟอเรนซ์วัดสิ่งที่แตกต่างกัน; ความเป็นผู้นำโดยรวมไม่ควรถูกเหมารวมไปทั้งสาม
Is Gemini Omni 1.1 Flash Available Through CometAPI?
Gemini Omni Fast API in CometAPI ให้เส้นทางตระกูล Omni เช่น omni-fast และ omni-fast-v2v เอกสารสาธารณะที่ตรวจสอบสำหรับบทความนี้ไม่ได้ยืนยันว่า identifier เหล่านี้แมปกับจุดเช็คเสถียรของ Google คือ gemini-omni-1.1-flash
การตรวจสอบเวอร์ชัน:
การเข้าถึงตระกูล Omni และการเข้าถึง 1.1 ที่ยืนยันแล้วเป็นคนละข้ออ้าง ก่อนย้าย โปรดยืนยันเวอร์ชันโมเดลที่แน่นอน การรองรับโอเปอเรชัน และการคิดเงินบนเส้นทางที่บัญชีของคุณเข้าถึงได้ ชื่อสินค้าที่คล้ายกันไม่ใช่หลักฐานเพียงพอว่าเป็น alias
สำหรับเวิร์กโฟลว์วิดีโอของ Google อื่น ๆ Veo 3.1 API in CometAPI เสนอทางเชื่อมผสานทางเลือก เปรียบเทียบโอเปอเรชันที่รองรับและราคาของผู้ให้บริการแต่ละรายก่อนเลือกเส้นทาง
Is Gemini Omni 1.1 Flash Worth Using?
โมเดลนี้เด่นที่สุดเมื่อเทคที่ใช้งานได้ต้องการการกำกับหลายรอบ แนวคิดโฆษณา สตอรีบอร์ด การทำภาพสินค้าจำลอง และฉากสั้น ๆ เชิงเล่าเรื่องได้ประโยชน์จากร่างราคาถูกและการควบคุมความต่อเนื่องและจุดเริ่ม/จบที่แน่นขึ้น
กรณีที่แข็งแรงที่สุดคือเวิร์กโฟลว์ที่คอนโทรลเหล่านี้ลดเทคที่ทิ้งหรือการซ่อมแซมด้วยมือ หากโมเดลที่ใช้อยู่สร้างคลิปที่ต้องการได้อย่างสม่ำเสมออยู่แล้ว ให้เบนช์มาร์กคอนโทรลการตัดต่อเพิ่มเติมก่อนเปลี่ยนทราฟฟิกโปรดักชัน สำหรับฉากที่มีแอ็กชันสูงหรือข้อกำหนดด้านการยึดตามเรฟเฟอเรนซ์ที่เข้มงวด ทดสอบทางเลือกในข้อกำหนดเฉพาะนั้น
FAQ
1.1 เหมือนกับ Omni Flash พรีวิวก่อนหน้าหรือไม่?
เป็นรุ่นสืบทอดที่เสถียรพร้อมคอนโทรลเพิ่มเติมและ Google model ID ที่ต่างกัน เอ็นด์พอยต์ Gemini API แบบเดิม gemini-omni-flash-preview กำหนดยุติ; ซึ่งแยกจากเอ็นด์พอยต์พรีวิว gemini-omni-1.1-flash-preview ที่เปิดอยู่ใน Gemini Enterprise Agent Platform
สามารถสร้างวิดีโอสี่สิบวินาทีได้หรือไม่?
สามารถสร้างลำดับรวมสูงสุดสี่สิบวินาทีผ่านการขยายติดต่อกัน ระยะเวลารวมนี้ต่างจากการสร้างเดี่ยวปกติซึ่งให้คลิปสั้นกว่า
สร้าง 4K แบบเนทีฟได้หรือไม่?
ไม่ได้ ตัวเลือก 1080p และ 4K ที่ระบุเป็นการอัปสเกล ให้ถือว่าเป็นความละเอียดการส่งมอบ ไม่ใช่หลักฐานของการสร้าง 4K เนทีฟ
มีค่าใช้จ่ายเท่าไหร่?
ประมาณการเอาต์พุตวิดีโอที่ปัดกลมของ Google อยู่ระหว่าง $0.03 ต่อวินาทีที่ 360p ถึง $0.30 ที่ 4K อินพุต เอาต์พุตข้อความ และการลองซ้ำสามารถเพิ่มต้นทุน ใช้ตารางราคาที่ติดป้ายผู้ให้บริการด้านบนแทนการใช้ราคาของแพลตฟอร์มหนึ่งกับอีกแพลตฟอร์มหนึ่ง
มีชั้น API ฟรีหรือไม่?
โมเดลเสถียรพร้อมใช้งานบนระดับ Gemini API แบบชำระเงิน การเข้าถึงผ่านการสมัครสมาชิกสำหรับผู้บริโภคเป็นผลิตภัณฑ์และการเรียกเก็บเงินแยกต่างหาก
คะแนนเบนช์มาร์กพิสูจน์ว่า 1.1 ชนะทางเลือกทั้งหมดหรือไม่?
ไม่ กราฟที่แสดงระบุตระกูล Omni Flash ไม่ใช่จุดเช็ค 1.1 แยกต่างหาก ผลลัพธ์ยังต่างกันตามเมตริก: ตระกูลทำได้ดีในการตัดต่อ ขณะที่โมเดลอื่นนำในด้านการเคลื่อนไหวเร็วหรือการยึดตามเรฟเฟอเรนซ์
Conclusion
Gemini Omni 1.1 Flash ทำให้การสร้างวิดีโอแบบเชิงสนทนามีความเป็นจริงมากขึ้นผ่านการขยายฉาก ข้อจำกัดคีย์เฟรม เรฟเฟอเรนซ์วิดีโอ ร่างราคาถูก และการส่งมอบความละเอียดสูง คุณค่าของมันคือความสามารถในการกำกับเทคที่มีแนวโน้มดีต่อไป แทนที่จะทิ้งมันหลังความไม่ลงรอยครั้งแรกทุกครั้ง
ใช้เบนช์มาร์กระดับตระกูลอย่างเป็นทางการเป็นหลักฐานเชิงทิศทาง แยกราคาของ Google และ CometAPI ออกจากกัน และยืนยันเวอร์ชันที่แน่นอนเบื้องหลังเส้นทางที่เลือก ตัวชี้ขาดคือเวิร์กโฟลว์สามารถผลิตคลิปที่ยอมรับได้อย่างน่าเชื่อถือด้วยต้นทุนรวมที่ยั่งยืนเพียงใด