Solutions Choose your path
For individuals Build, learn, and create with simple usage-based access. For business Scale teams, billing, governance, and model workflows. More English 繁體中文 日本語 한국어 Français Deutsch Español Italiano Português Русский العربية ไทย Tiếng Việt Bahasa Indonesia Bahasa Melayu Türkçe Polski Nederlands Danish Norsk Қазақ اردو
เริ่มต้นฟรี เริ่มต้นฟรี
500+ AI Model API, All In One API.
Just In CometAPI © 2026 CometAPI · All rights reserved
Home Blog Gemini Omni 1.2 Flash คืออะไร? ทุกสิ่งที่คุณควรรู้ new / งานวิจัย CometAPI
Gemini Omni 1.2 Flash คืออะไร? ทุกสิ่งที่คุณควรรู้ สำรวจข้อกำหนดทางเทคนิคของ Gemini Omni 1.2 Flash, วิดีโอความยาว 15 วินาที, การตั้งราคา, คุณสมบัติการตัดต่อ, วิธีการประเมินผล
Deon Goodwin ทีมวิจัยโมเดล AI และ API สำรวจข้อกำหนดทางเทคนิคของ Gemini Omni 1.2 Flash, วิดีโอความยาว 15 วินาที, การตั้งราคา, คุณสมบัติการตัดต่อ, วิธีการประเมินผล
ใช้สรุปนี้เพื่อดูคำตอบอย่างรวดเร็ว แล้วอ่านคู่มือเพื่อดูบริบท ตัวอย่าง และรายละเอียดการใช้งาน
from openai import OpenAI
client = OpenAI(
api_key="YOUR_COMETAPI_KEY",
base_url="https://api.cometapi.com/v1",
)
response = client.chat.completions.create(
model="gpt-5-mini",
messages=[{"role": "user", "content": "Build this workflow."}],
)
print(response.choices[0].message.content)สรุปย่อ
Gemini Omni 1.2 Flash คือโมเดลสร้างวิดีโอและแก้ไขแบบสนทนาของ Google เปิดตัวเมื่อ 5 พฤศจิกายน 2026 . โมเดลนี้สามารถสร้างและแก้ไขคลิปได้ยาวถึง 15 วินาที และลดราคาที่ประกาศสำหรับ 720p ลง 30% เหลือประมาณ $0.07 ต่อวินาที สำหรับทีมที่ทำวิดีโอสินค้าและโฆษณา นั่นหมายถึงมีพื้นที่เล่าเรื่องมากขึ้นและต้นทุนที่ต่ำลงในการลองหลายเวอร์ชัน คุณสามารถปรับแต่งคลิปผ่านการสนทนา จากนั้นใช้งานอัปสเกลแบบสแตนด์อโลนเพื่อเตรียมเวอร์ชันที่เลือกสำหรับการส่งมอบ
Gemini Omni 1.2 Flash คืออะไร?
Google อธิบายว่าโมเดลนี้รองรับการสร้างและแก้ไขวิดีโอผ่านการสนทนา . เอาต์พุตของโมเดลรวมวิดีโอพร้อมเสียง ขณะเดียวกันคำอธิบายโมเดลโดยรวมครอบคลุมอินพุตข้อความ รูปภาพ เสียง และวิดีโอ
สำหรับงานที่ยึดอ้างอิงเป็นหลัก โปรดตรวจสอบว่าเซอร์วิสที่คุณเลือกยอมรับอินพุตใดบ้าง Google Cloud เปิดให้ใช้งาน
เรียนรู้ต่อ
เชื่อมโยงบทความนี้กับการตัดสินใจถัดไป ดูทุกหัวข้อ ตรวจสอบความชัดเจน การอ้างอิงแหล่งที่มา และคำศัพท์ API ปัจจุบันแล้ว
ลองนึกภาพการเปลี่ยนภาพถ่ายสินค้าให้กลายเป็นโฆษณาสั้นๆ เริ่มด้วยภาพสินค้าที่ชัดเจน สร้างฉาก แล้วขอเปลี่ยนสถานที่หรือแสง โดยยังคงให้สินค้าจดจำได้ นี่คือจุดที่การแก้ไขแบบสนทนามีประโยชน์: คุณสามารถพัฒนาไอเดียที่ได้รับอนุมัติผ่านหลายรอบ โดยไม่ต้องบรรยายทั้งฉากใหม่ทุกครั้งที่ทำเวอร์ชันต่างกัน
สเปกของ Gemini Omni 1.2 Flash รายละเอียดต่อไปนี้อ้างอิงจากเอกสารสำหรับนักพัฒนาระดับองค์กรของ Google แอปพลิเคชันสำหรับผู้บริโภคอาจมีข้อจำกัดที่แตกต่างกัน
Model ID gemini-omni-1.2-flash Release stage Generally available Release date November 5, 2026 Maximum input tokens 131,072 Maximum output tokens 260,640 Generation and editing duration 3–15 seconds First-and-last-frame generation 3–10 seconds Extension output per turn 3–10 seconds Aspect ratios 16:9 and 9:16 Resolution options 360p, 720p, 1080p, and 4K Sound generation Speech, music, and sound effects Supported generation interface Interactions API Chat Completions and GenerateContent Not supported on this documented surface Reference images per prompt Up to 10 Image files PNG, JPEG, WebP, HEIC, HEIF; up to 20 MB inline or via console upload, or 30 MB from Cloud Storage Videos per prompt Up to 3
โปรดใช้อย่างถูกต้องตามขีดจำกัดของปฏิบัติการที่คุณร้องขอ วิดีโอที่ยาวกว่าสำหรับการทำความเข้าใจไม่ได้หมายความว่าใช้ได้กับการแก้ไขโดยอัตโนมัติ สเปกทางเทคนิค ระบุขีดจำกัดอินพุตตามข้างต้น; คู่มือ Content Credentials ของ Google อธิบายเมทาดาท้าการระบุแหล่งที่มา
มีสองประเด็นที่สำคัญเมื่อต้องออกแบบแอปพลิเคชัน
ประการแรก ตัวเลือกความยาวควรขึ้นอยู่กับปฏิบัติการ คำขอสร้าง 15 วินาทีที่ถูกต้อง ไม่ได้หมายความว่าคำขอสร้างแบบเฟรมแรกและเฟรมสุดท้าย 15 วินาทีจะถูกต้อง
ประการที่สอง ความจุโทเคนไม่ใช่คะแนนคุณภาพ มันอธิบายข้อจำกัดของอินเทอร์เฟซ ไม่ได้ยืนยันการเคลื่อนไหวที่ดีกว่า การยึดพรอมต์ที่แข็งแรงกว่า หรือการเรนเดอร์ที่เร็วกว่า
Gemini Omni 1.2 Flash อยู่ในอันดับใดเมื่อเทียบอิสระ? ในสแนปช็อตวันที่ 8 พฤศจิกายน 2026 ของ Arena, Gemini Omni 1.2 Flash อยู่ในอันดับแรกทั้งตารางจัดอันดับ text-to-video และimage-to-video . ทั้งสองรายการถูกทำเครื่องหมายว่าเป็นเบื้องต้น ดังนั้นควรอ่านคะแนนร่วมกับความไม่แน่นอนและจำนวนโหวต
Text-to-video 1540 ± 16 1,714 1–2 Image-to-video 1503 ± 12 2,667 1–6
ผลลัพธ์เหล่านี้ทำให้โมเดลน่าทดลอง โดยเฉพาะอย่างยิ่งสำหรับการแปลงพรอมต์หรือภาพสินค้าให้เป็นคลิปสั้น อย่างไรก็ตาม สิ่งนี้ไม่ได้ยืนยันว่าจะชนะทุกงานโปรดักชัน ช่วงอันดับของ image-to-video ค่อนข้างกว้าง: โปรดเปรียบเทียบรายละเอียดสินค้า การเคลื่อนไหว และผลการแก้ไขของคุณเองก่อนเลือกโมเดลสำหรับแคมเปญ อันดับอาจเปลี่ยนเมื่อมีโหวตเพิ่ม
Gemini Omni 1.2 Flash เทียบกับ Omni 1.1 Flash: มีอะไรเปลี่ยน? ความเปลี่ยนแปลงที่ชัดเจนที่สุดคือคลิปที่ยาวขึ้นและราคาการเอาต์พุตที่ต่ำลง เวิร์กโฟลว์ก็ควรได้รับความสนใจ: การสร้างอิงอ้างอิง การแก้ไขแบบสนทนา และการอัปสเกลแบบสแตนด์อโลนช่วยให้คุณพาร่างแรกที่ใช้งานได้ไปสู่การส่งมอบ ตารางด้านล่างแยกการเปรียบเทียบเวอร์ชันที่ชัดเจนออกจากความสามารถที่คุณใช้ได้ใน 1.2
Maximum native clip 10 seconds 15 seconds ระยะเวลาต่อคลิปเพิ่มขึ้น 50% Approximate 720p price $0.10/second, implied by the announced reduction $0.07/second ต้นทุนเอาต์พุตต่ำลงเมื่อระยะเวลาเท่ากัน Reference adherence Comparison baseline Google reports improvement ทดสอบอัตลักษณ์สินค้าและรายละเอียดปลีกย่อย Temporal consistency Comparison baseline Google reports less drift ตรวจทานเฟรมระหว่างกลาง ไม่ใช่แค่เฟรมต้นและท้าย Conversational revisions Earlier workflow Multi-turn editing across full 15-second clips ทดสอบว่ารายละเอียดที่ไม่เกี่ยวข้องยังคงเสถียรหรือไม่ Independent preference comparison Arena text-to-video: 1513 ± 15 in the November 8 snapshot Arena text-to-video: 1540 ± 16, preliminary, in the same snapshot คะแนนความชอบสูงกว่าในสแนปช็อตนี้; ไม่ใช่การปรับปรุงคุณภาพเป็นเปอร์เซ็นต์โดยตรง Standalone upscaling Not listed in the current standalone upscaling guide Documented separate upscale operation อนุมัติร่าง แล้วอัปสเกลวิดีโอที่เลือก Reference workflow Reference-based generation already existed Stronger reference adherence reported สร้างเวอร์ชันแปรผันรอบๆ สินค้าหรือตัวละครเดียวกัน
สำหรับทีมที่ผลิตโฆษณา 15 วินาที เพิ่มอีกห้าวินาทีช่วยให้ใส่ฮุก สาธิต และข้อความปิดท้ายไว้ในครั้งเดียวได้ ที่ความยาวเท่ากัน อัตรา 720p ที่ลดลงยังทำให้การลองเวอร์ชันสร้างสรรค์เพิ่มเติมมีต้นทุนต่ำลง การปรับปรุงคุณภาพมีความสำคัญเป็นพิเศษเมื่อจำเป็นต้องให้สินค้าเดียวกันหรือตัวละครเดิมจดจำได้ตลอดทั้งคลิป
ระยะเวลาและความสามารถด้านการแก้ไข Gemini Omni 1.2 Flash เพิ่มความยาวการสร้างและการแก้ไขแบบเนทีฟจาก 3–10 seconds ใน 1.1 เป็น 3–15 seconds (เลือกได้ทีละ 1 วินาที) อินพุตวิดีโอสำหรับการแก้ไขก็ขยายจาก 10 วินาทีเป็น 15 วินาที การแก้ไขแบบสนทนาหลายรอบได้รับการปรับปรุง ให้คุณแก้ไขได้ทั้งคลิปโดยตรง (รวมถึงการเปลี่ยนอัตราส่วนภาพ) โดยไม่ต้องสร้างใหม่ทั้งหมด การต่อวิดีโอยังคงอยู่ที่ 3–10 วินาทีต่อรอบ โดยความยาวรวมได้ประมาณ 30 วินาที การอินเตอร์โพลเลชันแบบเฟรมแรกและเฟรมสุดท้ายยังจำกัดที่ 3–10 วินาที
การปรับปรุงคุณภาพและความสม่ำเสมอ เวอร์ชัน 1.2 มีความเสถียรที่ดีขึ้นอย่างเห็นได้ชัดสำหรับตัวละคร สินค้า เสื้อผ้า สีแบรนด์ ใบหน้า และการล็อกวัตถุ มีการไหลเลื่อน (drift) ลดลงและจั๊มพ์คัตน้อยลง การเคลื่อนไหวของกล้องลื่นไหลและควบคุมได้มากขึ้น ลิปซิงก์และเสียงพูดเป็นธรรมชาติมากขึ้น และรองรับการคอนดิชันแบบหลายผู้พูด มันทำตามภาพอ้างอิง คลิปการเคลื่อนไหวสั้น และสัญญาณเสียงได้เชื่อถือได้มากขึ้น การประเมินอิสระ (เช่น คะแนน Arena) แสดงให้เห็นว่า 1.2 นำหน้า 1.1 อยู่เล็กน้อยทั้ง text-to-video และ image-to-video
รายละเอียดเอาต์พุตและสเปก ทั้งสองโมเดลรองรับความละเอียดเดียวกัน: 360p / 720p แบบเนทีฟ พร้อมอัปสเกลเป็น 1080p / 4K ที่ 24 FPS อัตราส่วนภาพยังคงเป็น 16:9 และ 9:16 1.2 รองรับเอาต์พุตข้อความควบคู่ไปกับวิดีโอที่มีเสียงในตัว และเสริมความแข็งแกร่งให้การอัปสเกลแบบสแตนด์อโลนในฐานะงานเฉพาะ ทางเลือกอินพุต (ข้อความ รูปภาพ วิดีโอ) และขนาดหน้าต่างบริบทแทบไม่เปลี่ยน
การอัปสเกลวิดีโอแบบสแตนด์อโลน Gemini Omni 1.2 Flash สามารถอัปสเกลวิดีโอที่สร้างไว้ก่อนหน้านี้ได้โดยไม่ต้องร้องขอการสร้างข้อความเป็นวิดีโอใหม่ เส้นทางที่รองรับได้แก่ 360p ไป 720p หรือ 1080p และ 720p ไป 1080p หรือ 4K ช่วยให้ทีมอนุมัติองค์ประกอบและการเคลื่อนไหวที่ความละเอียดต่ำก่อน แล้วจึงเตรียมเวอร์ชันสำหรับส่งมอบ
Gemini Omni 1.2 Flash มีค่าใช้จ่ายเท่าไร? ที่เอาต์พุต 720p, 1.2 Flash มีราคาโดยประมาณที่ $0.07 ต่อวินาที (ประมาณ $12.00 ต่อหนึ่งล้าน video tokens) ซึ่งต่ำกว่าเวอร์ชัน 1.1 ประมาณ 30% จาก ~$0.10 ต่อวินาที ($17.50 ต่อหนึ่งล้านโทเคน) ร่าง 360p มีราคาถูกกว่า และเอาต์พุตอัปสเกลเป็น 1080p / 4K ก็ลดลงตามสัดส่วนเดียวกัน เวิร์กโฟลว์ที่แนะนำคือไล่ทำซ้ำอย่างรวดเร็วที่ความละเอียดต่ำ แล้วอัปสเกลเฉพาะตัวที่ผ่านการคัดเลือกสุดท้ายเพื่อควบคุมต้นทุน
เวิร์กโฟลว์มีประสิทธิภาพ 1 $1.05 แก้ไขพอประมาณ 2 $2.10 แก้ไขหนัก 4 $4.20
ที่อัตราเดิมโดยนัยประมาณ $0.10 ต่อวินาที คลิป 100 ชิ้น ความยาว 15 วินาที จะมีค่าใช้จ่ายเอาต์พุตราว $150 อัตราใหม่แบบปัดกลมทำให้ประมาณการอยู่ที่ $105 ประหยัดได้ราว $45 สำหรับระยะเวลารวมเท่าเดิม ทั้งหมดนี้เป็นการคำนวณเพื่อการวางแผน ไม่ใช่ใบเสนอราคาสำหรับโปรเจ็กต์ครบวงจร
การอัปสเกลแบบสแตนด์อโลนมีการใช้โทเคนเอาต์พุตของตัวเองและรายงานโทเคนอินพุตเป็นศูนย์ ค่าบริการขึ้นกับความละเอียดต้นทางและปลายทาง ดังนั้นอย่านำประมาณการ $0.07 ต่อวินาทีสำหรับการสร้างไปใช้กับการอัปสเกลทุกกรณี โปรดดูกฎการคิดค่าบริการการอัปสเกล
ตัวชี้วัดทางธุรกิจที่มีประโยชน์กว่าคือ ต้นทุนต่อคลิปที่ยอมรับ
ตัวอย่างเช่น หากวิดีโอ 15 วินาทีแต่ละชิ้นที่ได้รับอนุมัติต้องสร้างแยกกันสี่ครั้ง (มีการคิดค่าใช้จ่าย) ค่าเอาต์พุตโดยประมาณจะเป็น $4.20 ก่อนต้นทุนอื่น อัตราการลองใหม่ที่ต่ำกว่าจึงอาจสำคัญกว่าความต่างเล็กน้อยในราคาต่อหน่วยที่ประกาศ
นักพัฒนาจะใช้งาน Gemini Omni 1.2 Flash ได้อย่างไร? ใช้ Interactions API สำหรับการสร้างและแก้ไขบนบริการระดับองค์กรที่มีเอกสารไว้ ไม่สามารถใช้ GenerateContent และ Chat Completions สำหรับการดำเนินการเหล่านั้น เริ่มจากคลิปสั้นและการแก้ไขง่ายๆ ก่อนจะเพิ่มเวิร์กโฟลว์เข้าไปในแอปพลิเคชันโปรดักชัน
โปรเจ็กต์แรกที่ตรงไปตรงมาคือวิดีโอสินค้าแบบสั้น:
เตรียมภาพสินค้าที่ชัดเจนและบรีฟที่อธิบายช็อต การเคลื่อนไหว และเสียง
สร้างร่างสั้นผ่าน Interactions API
ร้องขอการแก้ไขเฉพาะจุด เช่น เปลี่ยนฉากหลัง โดยคงสินค้าและเฟรมมิ่งไว้
ตรวจทานผลลัพธ์ก่อนเลือกความละเอียดสำหรับส่งมอบ
บันทึกการตั้งค่าและการใช้งานคำขอเพื่อให้ทำซ้ำเวิร์กโฟลว์ที่อนุมัติได้
Model ID gemini-omni-1.2-flash omni-fast API endpoint Interactions API POST /v1/videos พื้นฐานการคิดเงิน ประมาณ $0.07/second ที่ 720p $0.40/request ในแค็ตตาล็อกปัจจุบัน รูปแบบคำขอ Interactions API JSON Multipart form / JSON แล้วแต่ภารกิจ การจัดการงาน Sync, stateful, streaming, async Submit, poll, download ความแน่นอนของเวอร์ชัน 1.2 Flash ระบุชัดเจน ID ที่เผยแพร่ไม่ยืนยันว่าเป็น 1.2 สถานะ API GA Endpoint ของ CometAPI ถูกทำเครื่องหมายเป็น Beta
Gemini Omni Fast API ใน CometAPI ให้เส้นทางอินทิเกรชันแยกภายใต้ omni-fast ตัวระบุที่เผยแพร่ไม่ได้ระบุว่าเป็น 1.2 Flash ดังนั้นให้ใช้การตั้งค่าและราคาเท่าที่ผู้ให้บริการระบุไว้สำหรับเส้นทางนั้น
วิดีโอที่สร้างมีการวอเตอร์มาร์ก SynthID และพื้นผิวโมเดลของ Google Cloud ที่มีเอกสารยังรองรับ Content Credentials (C2PA) กลไกการระบุแหล่งที่มาเหล่านี้มีประโยชน์เมื่อเผยแพร่แอสเซ็ตการตลาดที่สร้างด้วย AI หรือบริหารเวิร์กโฟลว์การรีวิวคอนเทนต์ภายใน
คำขอ Omni 1.1 Flash ที่มีอยู่จะเป็นอย่างไรต่อไป? 1.2 เปิดให้ใช้งานทั่วไปเมื่อ 5 พฤศจิกายน 2026 (Model ID: gemini-omni-1.2-flash) เริ่มตั้งแต่วันที่ 3 ธันวาคม 2026 คำขอไปยัง gemini-omni-1.1-flash จะถูกส่งต่อไปยัง 1.2 โดยอัตโนมัติและคิดค่าบริการตามอัตราใหม่ที่ต่ำกว่า โดยไม่ต้องเปลี่ยนโค้ด ขีดจำกัดอัตราสำหรับชั้นแบบชำระเงินก็เพิ่มขึ้นด้วย
โปรดทดสอบพรอมต์ตัวแทนบางส่วนก่อนวันดังกล่าว หากแอปพลิเคชันของคุณพึ่งพาพฤติกรรมของโมเดลก่อนหน้า การรูตอัตโนมัติช่วยให้เส้นทางคำขอยังทำงานได้ แต่คุณควรตรวจทานวิดีโอที่ได้เสมอ สำหรับแพลตฟอร์มอื่น โปรดใช้เอกสารการย้ายและการคิดค่าบริการของบริการนั้น
บทสรุป เลือกใช้ Gemini Omni 1.2 Flash สำหรับโปรเจ็กต์ที่งานสร้างสรรค์ดำเนินต่อหลังการสร้างครั้งแรก: เวอร์ชันสินค้าที่หลากหลาย ฉากตามฤดูกาล และโฆษณาสั้นที่ยึดตัวแบบเดียวกัน
เริ่มจากบรีฟแคมเปญที่ทำซ้ำได้หนึ่งชุดและแอสเซ็ตอ้างอิงจำนวนเล็กน้อย เมื่อองค์ประกอบและพฤติกรรมการแก้ไขทำงานได้กับบรีฟนั้น ให้ขยายไปยังสินค้าหรือพื้นที่วางมากขึ้น เปลี่ยนเดโมที่น่าประทับใจให้กลายเป็นกระบวนการโปรดักชันที่ทีมของคุณใช้ซ้ำได้
คำถามที่พบบ่อย
ฉันสามารถใช้ภาพอ้างอิงได้กี่ภาพกับ Gemini Omni 1.2 Flash? Enterprise API ยอมรับได้สูงสุด 10 ภาพต่อพรอมต์ ใช้สิทธิ์นี้สำหรับมุมมองหรือรายละเอียดที่สำคัญต่อช็อต; การใส่ภาพที่เกือบซ้ำกันอาจทำให้การบรีฟจัดการยากขึ้น คำตอบเหล่านี้อิงตามสเปกทางเทคนิคระดับองค์กรของ Google ; ขีดจำกัดในแอปสำหรับผู้บริโภคอาจแตกต่างออกไป
Gemini Omni 1.2 Flash ต่อวิดีโอที่ยาวกว่าอย่างไร? สำหรับการต่อวิดีโอ โมเดลจะใช้ได้สูงสุด 10 วินาทีสุดท้ายของอินพุต แม้ว่าแหล่งวิดีโอจะยาวกว่า จากนั้นจะสร้างส่วนต่อความยาว 3–10 วินาทีและนำไปต่อท้ายกับได้สูงสุด 30 วินาทีสุดท้ายของอินพุต เก็บไฟล์ต้นฉบับทั้งหมดไว้ในไทม์ไลน์ตัดต่อของคุณหากต้องการรักษาช่วงก่อนหน้าไว้; ส่วนต่อที่ส่งกลับไม่ควรถูกมองว่าเป็นการแทนที่แหล่งที่สมบูรณ์
Gemini Omni 1.2 Flash ยอมรับไฟล์ภาพอ้างอิงชนิดใดบ้าง? ฟอร์แมตภาพที่รองรับ ได้แก่ PNG, JPEG, WebP, HEIC และ HEIF แต่ละภาพได้สูงสุด 20 MB แบบอินไลน์หรืออัปโหลดโดยตรงผ่านคอนโซล หรือ 30 MB เมื่อมาจาก Google Cloud Storage โปรดตรวจสอบทั้งฟอร์แมตและขนาดไฟล์ก่อนส่งคำขอ โดยเฉพาะเมื่อแอสเซ็ตต้นฉบับเป็นภาพสินค้าความละเอียดสูง
Video input for editing or upscaling
Video input for extension Any duration; uses up to the final 10 seconds
Video understanding input Up to 10 minutes; this does not extend the editing limit
Video input MIME types video/x-flv, video/quicktime, video/mpeg, video/mpegs, video/mpg, video/mp4, video/webm, video/wmv, video/3gpp
Content provenance SynthID watermarking and C2PA Content Credentials
Gemini Omni 1.2 Flash คืออะไร? ทุกสิ่งที่คุณควรรู้ - CometAPI
