Gemini Omni: โมเดล AI แบบมัลติโหมดของ Google ที่สร้างวิดีโอจากข้อความ ภาพ เสียง และวิดีโอได้

Gemini Omni ต่างจาก Veo อย่างไร

ก่อนหน้านี้ Google มีโมเดลสร้างวิดีโอชื่อ Veo ซึ่งถูกออกแบบมาเพื่อสร้างวิดีโอโดยเฉพาะ

ความแตกต่างสำคัญคือขอบเขตของโมเดล

Veo

• โมเดลสร้างวิดีโอโดยเฉพาะ
• เป็นส่วนหนึ่งของระบบสร้างสื่อแยกต่างหาก

Gemini Omni

• โมเดลพื้นฐานแบบมัลติโหมด
• รองรับอินพุตหลายประเภทพร้อมกัน
• รวมความสามารถของ Gemini และโมเดลสร้างสื่อไว้ในระบบเดียว

กล่าวอีกอย่างคือ Omni ถูกออกแบบให้เป็น โมเดลพื้นฐานเดียวที่รวมเครื่องมือหลายตัวเข้าด้วยกัน ซึ่งก่อนหน้านี้กระจายอยู่ในระบบต่าง ๆ เช่น Veo และโมเดลสื่ออื่น ๆ ของ Google

แนวคิดนี้ช่วยให้ AI เข้าใจบริบทข้ามสื่อได้ เช่น การใช้บทสนทนา เสียง และภาพอ้างอิงร่วมกันเพื่อสร้างหรือแก้ไขวิดีโอ

Gemini Omni Flash ทำอะไรได้บ้าง

Gemini Omni Flash เป็นโมเดลรุ่นแรกในตระกูล Omni ที่เปิดให้ใช้งานจริง

ผู้ใช้สามารถใส่อินพุตหลายประเภทในคำสั่งเดียว เช่น

• ข้อความ
• ภาพ
• เสียง
• วิดีโอ

จากนั้นระบบจะสร้าง วิดีโอสมจริง และสามารถปรับแก้ได้ผ่านการสนทนา

ตัวอย่างการใช้งานที่ Googleสาธิต ได้แก่

• สร้างฉากวิดีโอจากข้อความพร้อมภาพอ้างอิง
• อัปโหลดวิดีโอแล้วสั่งแก้ไขผ่านภาษาธรรมชาติ
• ใช้คำสั่งเสียงร่วมกับภาพเพื่อเปลี่ยนองค์ประกอบของฉาก

โมเดลถูกออกแบบให้เข้าใจการเคลื่อนไหวของวัตถุและแรงต่าง ๆ จึงช่วยให้วิดีโอมี ความสมจริงทางฟิสิกส์มากขึ้น เมื่อเทียบกับโมเดลรุ่นก่อน

เปิดใช้งานเมื่อไร และใช้ได้ที่ไหน

Google เริ่มทยอยเปิดตัว Gemini Omni Flash ในวันที่ 19 พฤษภาคม 2026 ซึ่งเป็นวันเดียวกับงาน Google I/O

แพลตฟอร์มที่รองรับในช่วงแรก ได้แก่

• แอป Gemini
• Google Flow เครื่องมือสร้างคอนเทนต์ด้วย AI
• YouTube Shorts และ YouTube Create สำหรับครีเอเตอร์

การเข้าถึงผ่านระบบ Gemini จะผูกกับแพ็กเกจสมัครสมาชิก AI ของ Google ได้แก่

• Google AI Plus
• Google AI Pro
• Google AI Ultra

แพ็กเกจระดับสูงจะมีข้อจำกัดการใช้งานที่มากกว่าและฟีเจอร์ขั้นสูงเพิ่มเติม

ในงานเดียวกัน Google ยังเปิดตัวแพ็กเกจ AI Ultra ราคา 100 ดอลลาร์ต่อเดือน ซึ่งออกแบบมาสำหรับนักพัฒนาและครีเอเตอร์ที่ต้องการพลังประมวลผลสูงในระบบ Gemini

SynthID: ลายน้ำและระบบตรวจจับคอนเทนต์ AI

พร้อมกับการเปิดตัวเครื่องมือสร้างสื่อใหม่ Google ยังเน้นเรื่อง ความโปร่งใสของคอนเทนต์ AI ผ่านระบบ SynthID

SynthID เป็นเทคโนโลยีลายน้ำดิจิทัลแบบมองไม่เห็น ซึ่งฝังสัญญาณไว้ในคอนเทนต์ที่สร้างด้วย AI เช่น

• ภาพ
• วิดีโอ
• เสียง
• ข้อความ

ลายน้ำเหล่านี้ มนุษย์มองไม่เห็น แต่ซอฟต์แวร์สามารถตรวจจับได้ เพื่อช่วยยืนยันว่าคอนเทนต์ถูกสร้างด้วย AI หรือไม่

ในงาน I/O 2026 Google ประกาศขยายการใช้งาน SynthID หลายด้าน

การตรวจจับในผลิตภัณฑ์ของ Google

Google กำลังเพิ่มเครื่องมือตรวจสอบใน Google Search และ Chrome เพื่อช่วยให้ผู้ใช้สามารถดูได้ว่า ภาพที่พบออนไลน์เป็นภาพจริง ภาพที่ถูกแก้ไข หรือภาพที่สร้างด้วย AI

การยอมรับจากบริษัทอื่น

Google ยังประกาศว่าบริษัทหลายแห่งเริ่มนำ SynthID ไปใช้ในระบบ AI ของตัวเอง เช่น

• OpenAI
• Kakao
• ElevenLabs
• Nvidia

เป้าหมายคือการสร้าง มาตรฐานร่วมของอุตสาหกรรม สำหรับการระบุคอนเทนต์ที่สร้างด้วย AI บนอินเทอร์เน็ต

เครื่องมือ SynthID Detector

Google ยังมีพอร์ทัลชื่อ SynthID Detector ที่ให้ผู้ใช้หรือองค์กรอัปโหลดไฟล์สื่อเพื่อตรวจสอบว่ามีลายน้ำ SynthID ฝังอยู่หรือไม่ ซึ่งช่วยให้สื่อมวลชน นักวิจัย หรือแพลตฟอร์มต่าง ๆ ตรวจสอบที่มาของคอนเทนต์ได้ง่ายขึ้น

ทำไม Gemini Omni จึงสำคัญ

การเปิดตัว Gemini Omni สะท้อนแนวโน้มใหม่ของโมเดล AI

แทนที่จะมีโมเดลแยกกันสำหรับข้อความ ภาพ หรือวิดีโอ Google กำลังมุ่งสู่ ระบบ AI แบบมัลติโหมดที่รวมทุกอย่างไว้ในโมเดลเดียว

ขั้นแรกคือการสร้างวิดีโอจากอินพุตหลายรูปแบบ แต่เป้าหมายระยะยาวคือโมเดลที่สามารถ สร้างเอาต์พุตใดก็ได้จากอินพุตใดก็ได้ ซึ่งเป็นแนวทางที่ Google มองว่าเป็นก้าวสำคัญของ AI ด้านการเข้าใจโลกและการสร้างสื่อดิจิทัล

ในขณะเดียวกัน Google ก็พยายามพัฒนาระบบตรวจสอบและลายน้ำอย่าง SynthID ควบคู่ไปด้วย เพื่อลดความเสี่ยงจากคอนเทนต์ AI และดีปเฟกในโลกออนไลน์