Gemini Omni 1.2 Flash คืออะไร? ทำความรู้จักโมเดล AI จาก Google ฉบับสมบูรณ์

คำตอบโดยยัง: Gemini Omni 1.2 Flash คือโมเดลสร้างและตัดต่อวิดีโอที่พร้อมใช้งานทั่วไป (generally available) ของ Google เปิดตัวเมื่อวันที่ 5 พฤศจิกายน 2026 สร้างคลิปความยาว 3 ถึง 15 วินาทีพร้อมเสียงในตัว ราคาประมาณ $0.07 ต่อวินาทีที่ 720p และทำงานบน Interactions API ภายใต้ model ID gemini-omni-1.2-flash ในวันที่ 3 ธันวาคม 2026 คำขอที่ส่งไปยัง 1.1 จะถูกส่งต่อไปยังโมเดลนี้

วันที่หลังสุดนี้แหละที่ทำให้การเปิดตัวครั้งนี้สำคัญ หากคุณกำลังปล่อยฟีเจอร์วิดีโออยู่แล้ว โค้ด 1.1 ของคุณยังใช้งานได้ต่อไป แต่โมเดลอีกตัวจะตอบคำขอเหล่านั้นภายในเวลาไม่ถึงหนึ่งเดือน

หากคุณเพิ่งเริ่มรู้จักตระกูลโมเดลนี้ เริ่มต้นด้วยบทความ Gemini Omni คืออะไร ส่วนรายละเอียดการเปิดตัวเวอร์ชัน 1.1 ดูได้ที่ บทความ Omni 1.1 Flash ของเรา คู่มือนี้ครอบคลุมว่าเวอร์ชัน 1.2 มีความหมายอย่างไรสำหรับคนที่กำลังพัฒนาผลิตภัณฑ์อยู่ในวันนี้

Gemini Omni 1.2 Flash ทำอะไรได้บ้าง

Gemini Omni 1.2 Flash รับข้อความ รูปภาพ และวิดีโอเป็นอินพุต แล้วส่งคืนวิดีโอพร้อมเสียง สามารถสร้างคลิปใหม่ แก้ไขคลิปข้ามเทิร์น และต่อความยาวคลิปได้ ทั้งหมดผ่าน API เดียว คุณเลือกความยาวเป็นหน่วยวินาที และตั้งค่าความละเอียดได้ต่อคำขอ

ประกาศอย่างเป็นทางการระบุความสามารถ 5 ด้านที่ควรรู้ ดังนี้:

ความสม่ำเสมอกับภาพอ้างอิง รูปภาพตัวละคร ผลิตภัณฑ์ และสไตล์ ช่วยให้ใบหน้า เครื่องแต่งกาย บรรจุภัณฑ์ และสีประจำแบรนด์คงเดิมในทุกมุมกล้อง คุณใช้รูปอ้างอิงได้สูงสุด 6 รูป โดยตัวละครหนึ่งตัวใช้ได้สูงสุด 3 รูป และรองรับสูงสุด 2 ตัวละคร
ความสม่ำเสมอของฉาก Google ระบุว่าตัวละคร วัตถุ และฉากคงเดิมได้ดีขึ้นตั้งแต่เฟรมแรกถึงเฟรมสุดท้าย รวมถึงการทำ interpolation ระหว่าง keyframe แรกและสุดท้าย
การแก้ไขแบบหลายเทิร์น เปลี่ยนผลิตภัณฑ์ เปลี่ยนสภาพอากาศ หรือเปลี่ยนสัดส่วนภาพในเทิร์นถัดไปได้ โดยไม่ต้องเริ่มใหม่ทั้งหมด
การพูด Google อ้างว่าบทสนทนาเป็นธรรมชาติขึ้น ลิปซิงค์ชัดเจนขึ้น และแยกแยะเสียงผู้พูดหลายคนได้ชัดเจน
การควบคุมกล้อง ถ่ายแบบ FPV บินทะลุฉากและโคจรรอบวัตถุ โดยมีการกระโดดตัดภาพที่ไม่ตั้งใจน้อยลง

ข้ออ้างเรื่องคุณภาพข้างต้นเป็นของ Google ทั้งหมด ซึ่งไม่ได้เผยแพร่ benchmark ใด ๆ ดังนั้นให้ถือว่าเป็นเหตุผลในการทดสอบ ไม่ใช่ผลลัพธ์ที่พิสูจน์แล้ว

อะไรเปลี่ยนไปจาก Gemini Omni 1.1 Flash

สามเรื่องที่กระทบโค้ดของคุณโดยตรง: ความยาวคลิป ราคา และรูปแบบ prompt โมเดลทั้งสองทำงานบน Interactions API เหมือนกัน การย้ายจึงเป็นแค่การเปลี่ยนชื่อโมเดลและทดสอบใหม่

	Omni 1.1 Flash	Omni 1.2 Flash
สถานะ	รุ่นก่อนหน้า	พร้อมใช้งานทั่วไป
Model ID	`gemini-omni-1.1-flash`	`gemini-omni-1.2-flash`
คลิปเดี่ยวยาวสุด	10 วินาที	15 วินาที
ราคาวิดีโอเอาต์พุต	$17.50 ต่อ 1M tokens	$12.00 ต่อ 1M tokens
ต้นทุนต่อวินาทีที่ 720p	ประมาณ $0.10	ประมาณ $0.07
ราคาอินพุต	$1.50 ต่อ 1M tokens	$1.50 ต่อ 1M tokens
รูปอ้างอิงเมื่อต่อคลิป	ไม่รองรับ	สูงสุด 2 รูป บน Agent Platform
Free tier ของ Gemini API	ไม่มี	ไม่มี

เพดาน 15 วินาทีมีข้อยกเว้น interpolation ระหว่างเฟรมแรกและเฟรมสุดท้ายยังจำกัดที่ 3 ถึง 10 วินาที และการขอความยาวมากกว่านั้นจะได้รับ error invalid argument วิดีโออ้างอิงก็มีข้อจำกัดเช่นกัน: เอาต์พุต 3–10 วินาทีใช้คลิปอ้างอิงได้สูงสุด 3 คลิป ส่วนเอาต์พุต 11–15 วินาทีใช้ได้ 1 คลิป โดยแต่ละคลิปยาวได้สูงสุด 3 วินาที ดังนั้น slider ระยะเวลาเดียวที่ปรับได้ถึง 15 อาจทำให้โหมด keyframe ของคุณพังได้

เอกสารยังเตือนไม่ให้ใช้ control tags เช่น <FIRST_FRAME> และ <IMAGE_REF_0> ใน prompt โดย Google ระบุว่าแท็กเหล่านี้ deprecated และจะไม่รองรับในโมเดลในอนาคต ให้บรรยายบทบาทของอินพุตแต่ละตัวด้วยภาษาธรรมชาติแทน

ราคา Gemini Omni 1.2 Flash แยกตามความละเอียด

Omni คิดค่าบริการตาม output token และ หน้าราคาของ Google แปลงเป็นอัตราต่อวินาทีให้ วินาทีที่ 720p เท่ากับ 5,792 tokens ตัวเลขเหล่านี้เป็นต้นทุนเอาต์พุตเท่านั้น และ token อินพุตจะบวกเพิ่มอีกเล็กน้อย

ความละเอียด	ต่อวินาที	คลิป 5 วินาที	คลิป 15 วินาที
360p	$0.023	$0.12	$0.35
720p	ประมาณ $0.07	ประมาณ $0.35	ประมาณ $1.04
1080p (upsample)	$0.104	$0.52	$1.56
4K (upsample)	$0.209	$1.05	$3.14

Workflow ที่ Google แนะนำคือ ร่างคลิปที่ 360p หรือ 720p แก้ปัญหาด้วยการแก้ไขในเทิร์นถัดไปแทนการสร้างใหม่ แล้วจึงยกระดับเป็น 1080p หรือ 4K เป็นขั้นสุดท้าย ตัวเลขก็สนับสนุนแนวทางนี้: คลิปร่าง 15 วินาทีจำนวน 9 คลิปที่ 360p มีต้นทุนใกล้เคียงกับเรนเดอร์ 4K ความยาว 15 วินาทีเพียง 1 คลิป

ผังการทำงานสี่ขั้นตอน: ร่างคลิปที่ 360p แก้ไขในเทิร์นถัดไป ตรวจสอบที่ 720p และสรุปผลที่ 1080p หรือ 4K พร้อมราคาต่อวินาทีของแต่ละขั้นตอน

มีข้อควรระวังสองข้อสำหรับงบประมาณของคุณ หนึ่ง ไม่มีการระบุราคา Batch สำหรับโมเดลนี้ สอง เราไม่ได้รันการ upscale แบบเสียเงินจริง จึงควรยืนยันวิธีการคิดค่าบริการของคลิปร่างที่เสร็จแล้วเมื่อเรนเดอร์เป็น 1080p หรือ 4K ก่อนวางแผนบนมัน สำหรับรายละเอียดการคำนวณ token ดู บทวิเคราะห์ราคา Omni 1.1 ของเราและเปลี่ยนอัตราเป็น $12.00

เรียกใช้ Gemini Omni 1.2 Flash ได้จากที่ไหน

คุณเข้าถึงโมเดลได้ผ่าน API สองตัวและแอปของ Google สี่ตัว ช่องทางสำหรับนักพัฒนามีดังนี้:

Gemini API. ใช้ POST https://generativelanguage.googleapis.com/v1beta/interactions พร้อม API key จาก Google AI Studio
Vertex AI Studio และ Gemini Enterprise Agent Platform. ใช้ endpoint interactions แบบ global พร้อม Google Cloud project และ access token เอกสารส่วนขยายวิดีโอของ Googleแสดงรูปแบบ request ไว้

ช่องทางแอปไม่ต้องเขียนโค้ด:

Flow: แก้ไขฉากแบบหลายเทิร์น
Google Vids: คลิป 15 วินาทีโดยไม่มีค่าใช้จ่ายเพิ่มเติม เมื่อมีบัญชี Google หรือสมาชิก Workspace
แอป Gemini: วิดีโอ 15 วินาที กำลังเปิดให้สมาชิก Google AI Ultra ใช้งานแบบค่อยเป็นค่อยไป
Google Ads: แคมเปญวิดีโอ

การเรียก Gemini API แบบพื้นฐานที่สุดมีลักษณะดังนี้:

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-omni-1.2-flash",
    "input": "A marble rolling fast along a chain reaction track, one smooth shot.",
    "response_format": {
      "type": "video",
      "duration": "3s",
      "resolution": "360p",
      "delivery": "uri"
    }
  }'

การตอบกลับเป็น interaction object ที่มี id, status และ array steps วิดีโออยู่ใน step model_output ในรูปแบบ video/mp4 ตามค่าเริ่มต้นจะส่งมาเป็น base64 ใน data หากไฟล์ใหญ่เกิน 4MB ให้ตั้ง "delivery": "uri" แล้วค่อย poll ผ่าน Files API จนกว่าไฟล์จะมีสถานะ ACTIVE ข้อควรระวัง: การ GET interaction ในภายหลังจะคืน base64 แบบ inline เสมอ แม้คุณจะขอเป็น URI ดังนั้นให้บันทึก URI จาก response ตอนสร้างไว้ เอกสาร Omniมีตัวอย่างใน Python, JavaScript, Java, Go และ REST ส่วน คู่มือ Omni 1.1 API ของเราอธิบายขั้นตอน request แบบเดียวกันนี้

เพื่อแก้ไขคลิป ให้ส่ง previous_interaction_id พร้อม prompt ใหม่ อย่าตั้ง store เป็น false กับคลิปที่วางแผนจะแก้ไข เพราะจะบล็อกเทิร์นถัดไป คู่มือการต่อคลิปของเราอธิบายการต่อเนื่องเทิร์น หากคุณยังเลือกผู้ให้บริการไม่ได้ อ่าน Omni 1.2 Flash หรือ Veo

การเปลี่ยนเส้นทางวันที่ 3 ธันวาคม มีผลต่อแอปของคุณอย่างไร

ตั้งแต่วันที่ 3 ธันวาคม 2026 Google จะส่งคำขอทั้งหมดไปยัง gemini-omni-1.1-flash ต่อไปยัง gemini-omni-1.2-flash และคิดค่าบริการตามอัตราของ 1.2 จะไม่มีอะไร error เลย วินาทีที่ 720p ของคุณถูกลงประมาณ 30% แต่โมเดลอีกตัวจะเริ่มตอบ prompt เดิม ๆ ของคุณ

เส้นเวลาที่ทำเครื่องหมายวันที่ 3 ธันวาคม 2026: ก่อนวันนั้น string gemini-omni-1.1-flash ทำงานบน 1.1 ที่ประมาณ $0.10 ต่อวินาทีที่ 720p หลังจากนั้น string เดียวกันถูกส่งต่อไปยัง 1.2 ที่ประมาณ $0.07

ความเสี่ยงคือการเปลี่ยนแบบเงียบ ๆ ดังนั้นให้ย้ายตามตารางของคุณเอง:

เปลี่ยนชื่อโมเดลเดี๋ยวนี้ เลือกวันทดสอบของคุณเอง แทนที่จะรับตารางของ Google
รัน prompt ที่บันทึกไว้ซ้ำ เปรียบเทียบคลิปแบบเคียงข้างกัน โดยเฉพาะอย่างยิ่งคลิปที่มีเสียงพูดหรือ asset ของแบรนด์
อัปเดตการประมาณต้นทุน ตัวเลข $0.10 ต่อวินาทีที่ hardcode ไว้จะผิดหลังจากสลับโมเดลแล้ว
จำกัดความยาวตามโหมด อนุญาต 15 วินาทีสำหรับการสร้างปกติ และ 10 วินาทีสำหรับ keyframes
แทนที่ control tags เขียนใหม่ทุก prompt ที่ยังใช้แท็กแบบ <IMAGE_REF_0>
ใช้ URI delivery สำหรับคลิปยาว เอาต์พุต 15 วินาทีมีแนวโน้มเกินลิมิต inline 4MB มากกว่า

ประกาศนี้ปรากฏอยู่บนหน้าราคา Gemini API หากคุณเรียกผ่าน Agent Platform ให้ตรวจสอบหน้า model page ของแพลตฟอร์มนั้นสำหรับตารางของมันเอง

สิ่งที่ Gemini Omni 1.2 Flash ยังทำได้ไม่ดี

Google ระบุจุดอ่อนสามด้าน: การเคลื่อนไหวกีฬาที่รวดเร็ว การเปลี่ยนฉากที่เร็วมาก และฟิสิกส์ที่ซับซ้อน หากผลิตภัณฑ์ของคุณพึ่งพาด้านใด ให้ทดสอบ prompt เหล่านั้นก่อน

เอกสารระบุข้อจำกัดแบบตายตัวเพิ่มเติม:

ไม่มี prompt controls ไม่รองรับ system instructions, temperature, top_p, stop sequences และฟิลด์ negative prompt ให้เขียนสิ่งที่ไม่ต้องการลงใน prompt เอง
ข้อจำกัดตามภูมิภาค การแก้ไขหรือต่อคลิปวิดีโอที่อัปโหลดไม่พร้อมใช้งานใน EEA, สวิตเซอร์แลนด์ และสหราชอาณาจักร
ต่อท้ายได้อย่างเดียว การต่อคลิปจะเพิ่มที่ท้ายคลิปเท่านั้น ไม่สามารถเพิ่มด้านหน้าหรือแก้ตรงกลางได้
ภาษา อังกฤษรองรับเต็มรูปแบบ Google ระบุว่าภาษาอื่นยังไม่ได้ผ่านการทดสอบ
แหล่งที่มา เอาต์พุตทุกชิ้นมีลายน้ำ SynthID ที่ตามองไม่เห็น

หน้าเอกสารของ Google เองยังขัดแย้งกันในสามจุด จึงควรทดสอบบนแพลตฟอร์มที่คุณจะปล่อยจริง:

ความยาวหลังต่อ เอกสาร Gemini API ระบุรวม 30 วินาที ส่วนเอกสาร Agent Platform ระบุสูงสุด 40 วินาที
เสียง ประกาศการเปิดตัวกล่าวถึง audio cue เป็นอินพุตอ้างอิง แต่เอกสาร Gemini API ระบุว่าไม่รองรับอินพุตเสียง
Provisioned Throughput ประกาศระบุว่าพร้อมให้ลูกค้าองค์กรใช้ แต่เอกสาร Gemini API ระบุว่าไม่รองรับ จึงคาดว่าจะมีเฉพาะฝั่ง enterprise เท่านั้น

ให้ coding agent ของคุณทดสอบด้วย Apidog CLI

การเปลี่ยนเส้นทางโมเดลเป็นการเปลี่ยนแปลงประเภทที่ contract test ควรจับได้ Coding agent ของคุณเขียน test ดังกล่าวกับ Interactions API และรันจาก terminal ได้ ในขณะที่คุณตรวจผลลัพธ์ ติดตั้ง Apidog CLIครั้งเดียว:

npm install -g apidog-cli@latest
apidog auth login --with-token <YOUR_TOKEN>
apidog skill install

จากนั้นสั่ง Claude Code, Codex หรือ Cursor ด้วย prompt เดียว:

In Apidog project <id>, create an endpoint for POST /v1beta/interactions on
generativelanguage.googleapis.com, sending x-goog-api-key from {{GEMINI_API_KEY}}.
Add a test case that requests gemini-omni-1.2-flash at 3s, 360p, delivery uri.
Assert HTTP 200, object is "interaction", status is "completed", and steps holds
a model_output entry of type video with mime_type video/mp4 and a uri.
Run it and summarize any failures.

Agent จะอ่าน schema แต่ละตัว ตรวจสอบ payload เขียน test case และรัน:

apidog cli-schema get endpoint-create
apidog cli-schema validate endpoint-create --file omni.json
apidog endpoint create --project <id> --file omni.json
apidog test-case category --project <id>
apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <id> --file case.json
apidog run --test-case <caseId> --project <id> -e <envId> \
  --env-var "GEMINI_API_KEY=$GEMINI_API_KEY" \
  --timeout-request 300000 -r cli,json

การรันแต่ละครั้งคิดค่าวิดีโอจริง และ fixture นี้มีค่าใช้จ่ายประมาณ $0.07 จึงควรกำหนดเวลารันรายคืนแทนการรันทุก commit เพื่อครอบคลุมการเปลี่ยนเส้นทาง ให้สั่ง agent โคลน test case ด้วยชื่อโมเดล 1.1 และรันทั้งสองก่อนวันที่ 3 ธันวาคม คำสั่ง apidog run บรรทัดเดียวกันที่ใส่ -r junit ใช้ใน pipeline ได้ตามที่ คู่มือ Apidog CLI CI/CDของเราแสดง และ Apidog CLI ใน Claude Codeอธิบายการตั้งค่า agent Apidog Free รองรับผู้ใช้ได้สูงสุด 4 คน

คำถามที่พบบ่อย

Gemini Omni 1.2 Flash ฟรีหรือไม่? ไม่ฟรีบน API Google ระบุ free tier ของ Gemini API เป็น "ไม่พร้อมใช้งาน" ทั้งอินพุตและเอาต์พุต Google Vids ให้คลิป 15 วินาทีโดยไม่มีค่าใช้จ่ายเพิ่มเติม เมื่อมีบัญชี Google หรือสมาชิก Workspace

Model ID คืออะไร? gemini-omni-1.2-flash ทำงานบน Interactions API ไม่ใช่ generateContent

วิดีโอ Gemini Omni 1.2 Flash ยาวได้เท่าไร? คลิปเดี่ยวยาว 3 ถึง 15 วินาที เพิ่มทีละวินาที ค่าเริ่มต้น 10 วินาที การต่อคลิปเพิ่มได้ 3 ถึง 10 วินาทีต่อเทิร์น ความยาวรวมสูงสุดหลังต่อคือ 30 วินาทีตามเอกสาร Gemini API และสูงสุด 40 วินาทีตามเอกสาร Agent Platform

โค้ด Omni 1.1 ของฉันจะเป็นอย่างไรในวันที่ 3 ธันวาคม? ยังทำงานได้ต่อไป คำขอไปยัง gemini-omni-1.1-flash จะถูกส่งต่อไปยัง gemini-omni-1.2-flash และคิดค่าตามอัตราของ 1.2 จึงควรทดสอบ prompt ของคุณซ้ำก่อนวันนั้น

Gemini Omni 1.2 Flash สร้างเสียงได้หรือไม่? ได้ เสียงมาพร้อมคลิปในตัวอยู่แล้ว คุณอัปโหลดไฟล์เสียงเป็นอินพุตผ่าน Gemini API ไม่ได้ และเสียงในวิดีโออ้างอิงจะถูกเมิน

มี benchmark เปรียบเทียบ 1.2 กับ 1.1 หรือไม่? ไม่มี Google ไม่ได้เผยแพร่อะไรเลย จึงควรรัน prompt ของคุณผ่านทั้งสองโมเดลก่อนวันที่ 3 ธันวาคม