เอาต์พุตมัลติโมดอลในตัว
พรอมต์เดียวสร้างข้อความ คีย์เฟรม และวิดีโอที่กลมกลืน โดยตัวละคร สไตล์ และแสงคงเส้นคงวาข้ามฟอร์แมต
เปิดใช้งานแล้ว · แทนที่ Veo ในแอป Gemini Gemini Omni
Gemini Omni
พูด มอง แชร์
เปิดตัวบนเวทีหลัก Google I/O 2026 โดย Gemini Omni หลอมรวมความเข้าใจโลกของ Gemini เข้ากับการสร้างเนื้อหาแบบมัลติโมดอลในตัว — ข้อความ ภาพ วิดีโอ และเสียงที่ซิงค์กันในสถาปัตยกรรมเดียว ปัจจุบันแทนที่ Veo 3.1 ภายในแอป Gemini พร้อม image-to-video การแก้ไขแบบ video-to-video และอวาตาร์ AI ส่วนตัว
โมเดลรวม เสียงซิงค์ แก้ไขในแชต
Omni
Text
Image
Video
Audio
สถิติย่อ
5–10 วินาที ความยาวคลิป
1080p เอาต์พุตสูงสุด
16:9 · 9:16 · 1:1 อัตราส่วนภาพ
I/O 2026 คาดว่าจะเปิดตัว
เดโมอย่างเป็นทางการ
ดูว่า Gemini Omni ผลิตอะไรออกมาได้จริง
ทุกคลิปด้านล่างฝังตรงจากหน้าผลิตภัณฑ์ Gemini Omni อย่างเป็นทางการของ Google: text-to-video, image-to-video, การถ่ายทอดสไตล์, การแก้ไขผ่านแชต, video-to-video และ AI avatar — พื้นผิวความสามารถทั้งหมด
วิดีโอเดโมทั้งหมด © Google นำมาใช้ที่นี่เพื่อการรวบรวมข้อมูล สตรีมตรงจาก storage.googleapis.com/gweb-gemini-cdn
พูด มอง แชร์
รีลฮีโร่หลักของ Gemini Omni: สร้าง รีมิกซ์ และแก้ไขวิดีโอผ่านการสนทนา
ข้อความ → วิดีโอ
ก้าวเข้าไปในเรื่อง
พรอมต์ข้อความเดียวสร้างคลิปหลายช็อตด้วยสภาพแวดล้อมและภาษากล้องที่สอดคล้อง
ภาพ → วิดีโอ
ปลุกชีวิตให้รูปถ่าย
อัปโหลดภาพอ้างอิงแล้ว Omni ขับเคลื่อนการเคลื่อนไหวและเติมไทม์ไลน์อัตโนมัติ
สไตล์ · เทมเพลต
รักษาจิตวิญญาณของช็อต
สลับฉาก เปลี่ยนชุด หรือถ่ายทอดสไตล์ — ตัวแบบยังรักษารายละเอียดเอาไว้
วิดีโอ → วิดีโอ
รีมิกซ์คลิปที่มีอยู่
หล่อหลอมฟุตเทจเดิมในสไตล์ใหม่ — แสง เลนส์ หรือแม้แต่วัสดุเขียนใหม่ด้วยพรอมต์
แก้ไขผ่านแชต
แก้ไขง่าย
หล่อใหม่ตัวละคร ปรับแสง รักษาช็อตให้นิ่ง — ทำได้หมดด้วยการแชต ไม่ต้องสร้างใหม่
AI avatar
เป็นดาราในรายการของคุณเอง
ตั้งค่า AI avatar ครั้งเดียว แล้วร่วมแสดงในวิดีโออนาคตทุกครั้งโดยไม่ต้องอัปโหลดรูปใหม่
ความสามารถ
ไปป์ไลน์ทั้งหมดยุบเหลือโมเดลเดียว
ไม่เหมือนกับโมเดลวิดีโอเฉพาะทางอย่าง Veo, Sora 2, Seedance 2.0 หรือ Kling, Gemini Omni เก็บการให้เหตุผลทางภาษา การสร้างภาพ การสร้างวิดีโอ และการสังเคราะห์เสียงไว้ในสถาปัตยกรรมเดียว
สแต็ก Gemini รวมเป็นหนึ่ง
ไม่ต้องต่อโมเดลเฉพาะทางหลายตัวอีกต่อไป ข้อความ ภาพ วิดีโอ และเสียงใช้น้ำหนักเดียวและบริบทยาวเดียวกัน
เสียงในตัวที่ซิงค์
เสียงบรรยากาศ ดนตรี และบทพูดถูกจัดให้ตรงกับภาพในฟอร์เวิร์ดพาสเดียวกัน — เสียงฝีเท้าลงจังหวะ ริมฝีปากตรงคำพูดตั้งแต่เอ็กซ์พอร์ตครั้งแรก
แก้ไขในแชตโดยตรง
สลับวัตถุ เปลี่ยนแสง หรือปรับการเคลื่อนกล้องด้วยภาษาธรรมชาติ — ไม่ต้องสร้างใหม่ทั้งหมด เดินตามรอย Nano Banana
รีมิกซ์และกำหนดทิศทาง
อัปโหลดคลิปที่มีอยู่และเปลี่ยนทิศทางด้วยพรอมต์ ภาพ วิดีโอ และเสียงอ้างอิงผสานได้ในคำสั่งเดียว
เทมเพลตและสไตล์
เทมเพลตในตัวสำหรับโฆษณาสินค้า Reels มิวสิกวิดีโอ และหนังสั้นเชิงภาพยนตร์ ลดเพดานสำหรับผู้ใช้ใหม่ขณะรักษาภาษาภาพให้สอดคล้อง
สเปก
สิ่งที่ปะติดปะต่อได้ก่อนคีย์โน้ต
ตัวเลขด้านล่างรวบรวมจากการรั่วของ Reddit/X และรายงานจาก TestingCatalog, Programming Insider และ OfficeChai
| หัวข้อ | สัญญาณที่ทราบ |
|---|---|
| ตระกูลโมเดล | Google Gemini — การสืบทอดแบรนด์สาย Veo |
| Model ID | bard_eac_video_generation_omni / v3smm-lora-prod |
| ความยาวคลิป | 5 / 8 / 10 วินาทีต่อการสร้าง ต่อรวมได้ในแอป |
| ความละเอียด | 480p / 720p / 1080p |
| อัตราส่วน | 16:9, 9:16, 1:1 |
| เสียง | สังเคราะห์ในตัว ซิงค์ในพาสเดียว |
| อินพุต | อ้างอิงข้อความ / ภาพ / วิดีโอ / เสียง |
| การเข้าถึง | ใช้งานในแอป Gemini สำหรับสมาชิก Google AI Plus / Pro / Ultra อายุ 18 ปีขึ้นไป |
| สัญญาณโควต้า | รายงานระบุว่าการสร้าง Omni สองครั้งกินโควต้ารายวันของ AI Pro ราว 86% |
สถาปัตยกรรม
สามสายผลิตภัณฑ์รวมเป็น Omni เดียว
สแต็กเชิงสร้างของ Google เคยแยกเป็น Veo สำหรับวิดีโอ, Nano Banana / Imagen สำหรับภาพ และ Gemini สำหรับข้อความ Omni ม้วนทั้งหมดเข้าสู่สถาปัตยกรรมเดียว
ก่อน
Veo 3.1
วิดีโอ + เสียงในตัว
Nano Banana / Imagen
สร้างและแก้ไขภาพ
Gemini 2.5 / 3.x
การให้เหตุผล · บริบทยาว
ตอนนี้ · Omni
Gemini Omni
ข้อความ · ภาพ · วิดีโอ · เสียง โมเดลเดียว พรอมต์เดียว
Text Image Video Audio
กรณีใช้งาน
จากบรีฟเดียวสู่คอนเทนต์พร้อมเผยแพร่
โมเดลรวมที่มีบริบทยาวและเสียงซิงค์หมายถึงทีมเขียนบรีฟเดียวอย่างกลมกลืนและกลับบ้านพร้อมคัตที่เสร็จสมบูรณ์
01
โฆษณาสินค้า
ฮีโร่ช็อต โชว์แพ็กเกจ และคัตไลฟ์สไตล์ส่งออกพร้อมเสียงบรรยากาศที่ล็อกแล้ว
02
Reels & Shorts
คลิปแนวตั้ง 9:16 พร้อมบทพูดตรงไมค์และมูฟเมนต์ที่ซิงค์จังหวะ เพื่อหยุดนิ้วผู้ชมบนโซเชียล
03
มิวสิกวิดีโอ
อ้างอิงแทร็กแล้วให้ Omni ตัดภาพตามจังหวะ พร้อมรักษาตัวละครให้สอดคล้องตลอด
04
หนังสั้นเชิงภาพยนตร์
ต่อ omni-clip 10 วินาทีหลายตัวเป็นซีเควนซ์หลายช็อตด้วยแสงและชั้นเสียงต่อเนื่อง
05
ฮีโร่ลูปหน้าแลนดิ้ง
คลิปบรรยากาศ 16:9 ลูปได้สำหรับเว็บ SaaS, แฟชั่น และ DTC — มีแบรนด์และเป็นมิตรเมื่อปิดเสียง
06
เอ็กซ์เพลนเนอร์และทูทอเรียล
แปลงสคริปต์เป็นซีเควนซ์มีเสียงบรรยาย ลิปซิงค์และเสียงบรรยากาศที่เข้ากัน
เปรียบเทียบ
ตำแหน่งของ Omni ในสแต็กวิดีโอปี 2026
รวบรวมจาก Artificial Analysis, Looksy AI, Oimi AI และคีย์โน้ตอย่างเป็นทางการ — เพื่อจัดบริบท ไม่ใช่คะแนนเบนช์มาร์ก
| โมเดล | ผู้สร้าง | สถาปัตยกรรม | เสียงในตัว | ความยาวคลิป |
|---|---|---|---|---|
| Gemini Omni
Omni
| Omni รวม (วิดีโอ + ภาพ + เสียง) | ซิงค์ในพาสเดียว | 5 / 8 / 10 วินาที | |
| Veo 3.1 | โมเดลวิดีโอเฉพาะทาง | ใช่ | ~8 วินาที | |
| Seedance 2.0 | ByteDance | โมเดลวิดีโอมัลติโมดอลเฉพาะทาง | ใช่ | สูงสุด 15 วินาที / ช็อต |
| Sora 2 | OpenAI | โมเดลวิดีโอเฉพาะทาง | ใช่ | ~20 วินาที |
| Kling V3.0 | Kuaishou | โมเดลวิดีโอเฉพาะทาง | จำกัด | ~10 วินาที |
ไทม์ไลน์
จากการรั่วครั้งแรกถึงเวที I/O 2026
เรียงตามวันที่รายงานสาธารณะ ยังคงเดินหน้าต่อ
- 2026 · 05 · 02
สตริง "Powered by Omni" ตัวแรก
ผู้ใช้ X @Thomas16937378 พบ "Start with an idea or try a template. Powered by Omni." ในแท็บวิดีโอของ Gemini
- 2026 · 05 · 11
การ์ดพรีวิวฉบับเต็มใน Gemini มือถือ
TestingCatalog และ Chetaslua เปิดเผยการ์ด "Meet our new video model" พร้อม Model ID เต็มและขีดจำกัดคลิป 10 วินาที
- 2026 · 05 · 12 – 18
เดโมแพร่ในชุมชน
คลิป "อาจารย์แก้ตรีโกณบนกระดานดำ" โชว์ความเชื่อมโยงของข้อความและความสมจริงเชิงฟิสิกส์ จุดกระแสเทียบกับ Veo 3.1
- 2026 · 05 · 19
เปิดตัวอย่างเป็นทางการที่ Google I/O 2026
Google เปิดตัว Gemini Omni บนเวทีหลัก I/O 2026 ส่งหน้าผลิตภัณฑ์อย่างเป็นทางการพร้อมวิดีโอเดโม และเริ่มแทนที่ Veo 3.1 ภายในแอป Gemini
- 2026 · 05 · 19 เป็นต้นไป
ทยอยปล่อย AI Avatar, video-to-video และการแก้ไขหลายรอบ
เวอร์ชันเปิดตัวมาพร้อมอวาตาร์ AI ส่วนตัว การแก้ไข video-to-video และการแก้ไขแบบแชตหลายรอบ — ถูกจำกัดตามภูมิภาคและระดับสมัครสมาชิก
- อีกไม่กี่สัปดาห์ · 2026 · 06+
API สำหรับนักพัฒนาและองค์กรผ่าน Gemini API และ Vertex AI
Google ยืนยันว่า API สำหรับนักพัฒนาและลูกค้าองค์กรจะ "มาในอีกไม่กี่สัปดาห์" โดยยังไม่กำหนดวันแน่นอน นักวิเคราะห์ประเมินราคาราว 0.10–0.30 ดอลลาร์ต่อวินาทีของวิดีโอที่สร้าง
- อยู่ในแผน
Gemini Omni Pro และเอาต์พุตภาพและเสียง
ลำดับถัดไปคาดว่า Omni Pro ที่ทรงพลังกว่าจะเปิดตัว พร้อมอินพุตเสียงที่หลากหลายเกินจาก voice reference และช่องทางเอาต์พุตทั้งภาพและเสียง ทำให้คำสัญญา "อินพุตอะไรก็ได้ → เอาต์พุตอะไรก็ได้" สมบูรณ์
คำถามที่พบบ่อย
คำถามที่ถามมากที่สุดเกี่ยวกับ Gemini Omni
Gemini Omni คืออะไรแน่?
เป็นโมเดลมัลติโมดอลรวมของ Google ที่กำลังจะมา สร้างข้อความ ภาพ วิดีโอ และเสียงซิงค์ในตัวภายในสถาปัตยกรรมเดียว — แทบจะรวม Veo, Imagen และ Gemini เข้าด้วยกัน
จะออกเมื่อไหร่?
ออกแล้ว Google ประกาศ Gemini Omni บนเวทีหลัก Google I/O 2026 วันที่ 19 พฤษภาคม 2026 พร้อมเผยแพร่หน้าผลิตภัณฑ์อย่างเป็นทางการและวิดีโอเดโม
เกี่ยวข้องกับ Veo 3.1 อย่างไร?
Gemini Omni คือผู้สืบทอด Veo ในแอป Gemini — Google ระบุชัดว่า Omni "จะแทนที่ Veo ในแอป Gemini" สแต็กวิดีโอตอนนี้ถูกพับเข้ามาในสถาปัตยกรรมเดียวกับข้อความและภาพของ Gemini
สร้างเสียงได้จริงไหม?
ใช่ เสียงบรรยากาศ ดนตรี และบทพูดถูกผลิตในพาสเดียวกับวิดีโอ — เหตุผลทั้งหมดของชื่อ "omni"
ขีดจำกัดความยาวคลิปปัจจุบันคืออะไร?
หน้าผลิตภัณฑ์อย่างเป็นทางการระบุคลิปสูงสุด 10 วินาที พร้อมเสียงในตัว ภาพอ้างอิงสูงสุด 5 รูป และการแก้ไขหลายรอบ
ราคาจะเป็นอย่างไร?
Gemini Omni ต้องใช้แผน Google AI Plus, Pro หรือ Ultra และต้องอายุ 18 ปีขึ้นไป ฟีเจอร์บางอย่าง (อวาตาร์, video-to-video) อาจถูกจำกัดในบางประเทศ
AI avatar ของ Gemini Omni คืออะไร?
เวอร์ชันดิจิทัลของคุณแบบเลือกใช้ ที่ให้ Gemini สร้างวิดีโอที่หน้าตาและเสียงเหมือนคุณ โดยไม่ต้องอัปโหลดรูปใหม่ทุกครั้ง — และมีเพียงคุณเท่านั้นที่ใช้อวาตาร์ของตัวเองได้
แหล่งอ้างอิง
รายงานหลักและลิงก์สาธารณะ
ทุกอย่างในหน้านี้รวบรวมจากแหล่งสาธารณะด้านล่าง แนะนำให้อ่านข้ามแหล่ง
blog.google อ่านแหล่ง
Google Blog · เปิดตัว Gemini Omni
ประกาศทางการที่อธิบายการเปิดตัว Omni Flash ความสามารถ ช่องทาง และแผนการ rollout
blog.google อ่านแหล่ง
Google Blog · 100 สิ่งจาก Google I/O 2026
สรุปฉบับเต็มของ I/O 2026 ครอบคลุม Gemini Omni, แพ็กเกจ AI Ultra ราคา 100 ดอลลาร์ใหม่ และการเปิดตัวที่เกี่ยวข้อง
gemini.google อ่านแหล่ง
Google · หน้าทางการ Gemini Omni
หน้าเปิดตัวอย่างเป็นทางการพร้อมวิดีโอเดโม ทัวร์ความสามารถ แผนที่รองรับ และรายละเอียดการทยอยปล่อย
datacamp.com อ่านแหล่ง
DataCamp · เจาะลึก Google I/O 2026
สรุปจากนักวิเคราะห์อิสระว่า Omni หลอมสแตก Veo + Imagen เข้าเป็นโมเดลเดียวอย่างไร และอะไรพร้อมใช้ตอนนี้กับอะไรจะมาภายหลัง
programminginsider.com อ่านแหล่ง
รายงาน TestingCatalog · Programming Insider
รายละเอียดการรั่ว สตริง UI และการวิเคราะห์เดโมยุคแรก
officechai.com อ่านแหล่ง
OfficeChai · Gemini Omni Spotted
Model ID เต็ม พรอมต์ในแอป และปฏิกิริยาของคอมมูนิตี้
looksyai.in อ่านแหล่ง
Looksy AI · หน้าผลิตภัณฑ์ Gemini Omni
สรุปสเปก กรณีใช้งาน และการเปรียบเทียบอย่างกระชับ
storage.googleapis.com อ่านแหล่ง
รายงานเทคนิค Gemini 2.5
มัลติโมดอลระดับตระกูล บริบทยาว และทิศทางเชิงเอเจนต์