วิธีสร้างวิดีโอจากหลายรูปด้วย Gemini

การสร้างวิดีโอจากหลายรูปด้วย Google Gemini ทำได้โดยนำรูปหลายภาพมาใช้เป็น Reference แล้วกำหนดหน้าที่ให้แต่ละรูป เช่น รูปบุคคล รูปสินค้า รูปสถานที่ หรือรูป Style จากนั้นเขียน Prompt บอก Gemini ว่าต้องการรวมองค์ประกอบเหล่านั้นเป็นวิดีโอแบบไหน

ปัจจุบัน Gemini Apps ใช้ Gemini Omni สำหรับการสร้างวิดีโอ และ Google ระบุว่าสามารถอัปโหลด รูปภาพได้สูงสุด 5 รูป พร้อมวิดีโอ 1 ไฟล์ ใน Video Creation Workflow หนึ่งครั้ง นอกจากนี้ Omni ยังรองรับการนำหลาย Reference มารวมกันและแก้ Video ต่อหลายรอบด้วย Conversation ได้ด้วย

ตัวอย่างเช่นมี

รูปที่ 1 = ผู้หญิง

รูปที่ 2 = เสื้อ

รูปที่ 3 = รถ

รูปที่ 4 = สถานที่

สามารถสั่งว่า

“ใช้บุคคลจาก Image 1 เป็นตัวละครหลัก ใช้เสื้อจาก Image 2 ใช้รถจาก Image 3 และใช้ Environment จาก Image 4 สร้างวิดีโอ Cinematic ที่ตัวละครเดินไปขึ้นรถ รักษา Facial Identity และรายละเอียดหลักของแต่ละ Reference ให้สอดคล้องตลอดวิดีโอ”

นี่คือหัวใจของการสร้าง Video จากหลายรูปด้วย Gemini

🎬 Gemini สร้างวิดีโอจากหลายรูปได้ไหม

ได้

Google Gemini Help ปัจจุบันระบุว่าใน Video Creation ผู้ใช้สามารถกด Add image แล้วอัปโหลดรูปได้สูงสุด 5 รูป และยังสามารถเพิ่ม Video Reference ได้อีก 1 ไฟล์

Gemini Omni ถูกออกแบบมาให้สามารถ

รวม Reference หลายแบบ

รักษา Character/Object/Environment

ถ่ายโอน Style

ถ่ายโอน Movement

และสร้าง Output ใหม่ที่นำองค์ประกอบเหล่านั้นมารวมกันได้

ดังนั้นหลายรูปไม่จำเป็นต้องเป็นรูปของสิ่งเดียวกันทั้งหมด

สามารถเป็นคนละหน้าที่กันได้

🧠 การสร้างวิดีโอจากหลายรูปทำงานอย่างไร

หลักการคือ

หลาย Reference + Prompt → Video

สมมติมี

Image 1 = ใบหน้าบุคคล

Image 2 = รูปเต็มตัว

Image 3 = เสื้อผ้า

Image 4 = Location

Image 5 = Visual Style

Gemini จะใช้ข้อมูลเหล่านี้ร่วมกับ Prompt เพื่อสร้าง Video

แต่คุณควรบอกให้ชัดว่า แต่ละรูปมีหน้าที่อะไร

เพราะถ้าเพียง Upload 5 รูปแล้วเขียน

“เอารูปทั้งหมดนี้ทำวิดีโอ”

AI ต้องเดาว่า

ใครเป็นตัวละครหลัก

เสื้อมาจากรูปไหน

ใช้ฉากไหน

ต้องรักษาอะไร

และรูปไหนเป็นเพียง Style Reference

🚀 วิธีสร้างวิดีโอจากหลายรูปด้วย Gemini

① เปิด Gemini

เข้าสู่ Gemini ด้วยบัญชีที่รองรับ Video Generation

② เลือก Create video

บนคอมพิวเตอร์เปิด Sidebar แล้วเลือก

Create video

บน Android เข้า

Menu → Videos

Google ระบุ Workflow นี้ใน Gemini Apps Help ปัจจุบัน

③ กด Add image

เลือกรูปที่ต้องการใช้เป็น Reference

สามารถใส่ได้สูงสุด 5 รูปใน Workflow ปัจจุบัน

④ เขียน Prompt

บอกหน้าที่ของแต่ละภาพ

⑤ กำหนด Action

ต้องการให้เกิดอะไรขึ้น

⑥ กำหนด Camera และ Style

เช่น

Tracking Shot

Dolly In

Cinematic

Photorealistic

⑦ กด Submit

Gemini จะสร้าง Video โดยใช้ Reference ที่ให้ไป

🧩 สูตร Prompt หลายรูปที่แนะนำ

ใช้สูตร

REFERENCE ROLE + PRESERVE + ACTION + CAMERA + STYLE + AUDIO + RESTRICTIONS

ตัวอย่าง

“Image 1 = Main Character
Image 2 = Clothing Reference
Image 3 = Car Reference
Image 4 = Location Reference

ใช้บุคคลจาก Image 1 เป็นตัวละครหลัก รักษา Facial Identity และทรงผม ใช้เสื้อผ้าจาก Image 2 และรถจาก Image 3 ให้ตัวละครเดินอยู่ในสถานที่ตาม Image 4 ก่อนเปิดประตูรถและขึ้นรถ ใช้ Medium Tracking Shot แบบ Photorealistic Cinematic พร้อมเสียงเมืองตามธรรมชาติ ห้ามเปลี่ยนใบหน้า รูปทรงรถ หรือสีเสื้อ”

🥇 กฎสำคัญที่สุด: บอกหน้าที่ของแต่ละรูป

เมื่อใช้หลายรูป อย่าปล่อยให้ Gemini ตีความทุกอย่างเอง

ตัวอย่างที่ไม่ชัด

“เอารูปพวกนี้รวมกันทำ Video”

ตัวอย่างที่ดีกว่า

“Image 1 และ Image 2 คือบุคคลคนเดียวกัน ใช้สำหรับรักษา Facial Identity

Image 3 คือเสื้อผ้าที่ต้องใช้

Image 4 คือ Location Reference

Image 5 คือ Color/Lighting Reference”

นี่ช่วยกำหนดความสัมพันธ์ของแต่ละไฟล์ได้ชัดเจนกว่า

👤 วิธีใช้หลายรูปเพื่อรักษาหน้าคน

สมมติมีรูปคนเดียวกัน 3 รูป

Image 1 = หน้าตรง

Image 2 = ด้านข้าง

Image 3 = Full Body

สามารถเขียน

“Images 1–3 เป็นบุคคลคนเดียวกัน ใช้ทั้งหมดเป็น Master Identity Reference รักษาใบหน้า รูปหน้า สีผิว ทรงผม อายุ และ Body Proportions ให้สอดคล้องตลอด Video”

จากนั้นเพิ่ม Action

“ให้บุคคลเดินเข้าหากล้องอย่างช้า ๆ”

การใช้ Reference มีประโยชน์เมื่ออยากรักษา Character หรือ Object ให้มีความสม่ำเสมอมากขึ้น โดย Google DeepMind แนะนำการใช้ Reference โดยตรงสำหรับ Character, Object และ Environment Consistency

🔥 Prompt คนหลายมุมพร้อมใช้

“Images 1, 2 และ 3 เป็นบุคคลคนเดียวกัน ใช้ทั้งสามภาพเป็น Identity References

รักษา Facial Identity, eyes, nose, lips, face shape, skin tone, hairstyle, age และ body proportions ให้สอดคล้อง

สร้างวิดีโอ Photorealistic ที่บุคคลเดินบนทางเท้าช่วงเย็นด้วยความเร็วธรรมชาติ ใช้ Medium Tracking Shot จากด้านหน้า เสื้อและผมเคลื่อนไหวตามลมเล็กน้อย พร้อมเสียงฝีเท้าและ Ambient City Sound”

⚠️ หลายรูปไม่ได้รับประกันหน้าเหมือน 100%

แม้ Reference หลายมุมจะให้ข้อมูลเพิ่ม แต่ Generative Video ยังต้องสร้าง Frame ใหม่

โดยเฉพาะเมื่อ

หันหน้ามาก

เปลี่ยน Pose มาก

วิ่ง

กระโดด

หมุนตัว

เปลี่ยน Lighting อย่างรุนแรง

หน้าและรายละเอียดบางอย่างยังสามารถเปลี่ยนได้

ดังนั้นต้องตรวจ Video Final

👥 วิธีใช้รูปคน 2 คนมาทำวิดีโอเดียวกัน

สมมติ

Image 1 = Person A

Image 2 = Person B

ให้ระบุชื่อชัดเจน

“Image 1 = Person A
Image 2 = Person B

ใช้คนทั้งสองเป็นตัวละครใน Scene เดียวกัน ให้ Person A ยืนทางซ้ายและ Person B ยืนทางขวา ทั้งคู่เดินเข้าหากันแล้วหยุดคุยกัน รักษา Facial Identity ของแต่ละคนแยกจากกัน”

การตั้งชื่อ

Person A

Person B

ช่วยลดความสับสนว่าหน้าไหนเป็นของใคร

🔥 Prompt รวมคน 2 รูป

“Image 1 = Person A
Image 2 = Person B

สร้าง Video Photorealistic ที่ Person A และ Person B เดินอยู่ด้วยกันในสวนช่วง Golden Hour รักษาใบหน้า ทรงผม อายุและเสื้อผ้าของแต่ละคนให้ตรงกับ Reference ของตนเอง ใช้ Medium-wide Tracking Shot Camera Movement Smooth และ Natural Walking Motion ไม่มีบุคคลอื่นใน Scene”

🛍️ ใช้รูปสินค้า + คน + สถานที่

นี่เป็น Use Case ที่เหมาะมากกับ Multi-reference Video

เช่น

Image 1 = Model

Image 2 = Product

Image 3 = Location

Prompt:

“ใช้ Model จาก Image 1 ถือ Product จาก Image 2 และยืนอยู่ใน Environment ตาม Image 3 รักษาหน้า Model และรูปร่างสินค้าให้สอดคล้อง กล้อง Slow Dolly In มี Soft Natural Light”

Google DeepMind ระบุว่า Gemini Omni สามารถ Combine Multiple Inputs เพื่อสร้าง Scene ใหม่ที่รวมองค์ประกอบจาก Reference ต่าง ๆ เข้าด้วยกันได้

👜 Prompt โฆษณาสินค้าจากหลายรูป

“Image 1 = Female Model
Image 2 = Handbag Product
Image 3 = Luxury Lobby

ใช้ผู้หญิงจาก Image 1 เป็น Main Character ให้ถือกระเป๋าจาก Image 2 และเดินผ่าน Lobby ตาม Image 3 รักษา Facial Identity ของ Model และ Shape, Color, Logo และ Material ของกระเป๋า ใช้ Full-body Tracking Shot แบบ Premium Fashion Commercial มี Soft Warm Lighting และ Ambient Lobby Sound”

⚠️ สินค้าจริงต้องตรวจรายละเอียด

AI อาจทำให้

Logo เปลี่ยน

Label ผิด

สีคลาดเคลื่อน

Material เปลี่ยน

รูปร่างเปลี่ยน

ดังนั้น Product Video ต้องตรวจหลาย Frame ก่อนใช้จริง

🚗 ใช้รูปคน + รถ + Location

สมมติ

Image 1 = คน

Image 2 = รถ

Image 3 = ถนน

Prompt

“ใช้บุคคลจาก Image 1 เป็นตัวละครหลักและรถจาก Image 2 เป็นรถคันหลัก ให้บุคคลเดินไปยังรถที่จอดอยู่ใน Environment ตาม Image 3 จากนั้นเปิดประตูและขึ้นรถ ใช้ Cinematic Medium Tracking Shot รักษา Character Identity และ Vehicle Design ตลอด Sequence”

🏠 สร้างวิดีโออสังหาริมทรัพย์จากหลายรูป

สามารถใช้

Image 1 = หน้าบ้าน

Image 2 = ห้องนั่งเล่น

Image 3 = ห้องครัว

Image 4 = ห้องนอน

เป็น Reference สำหรับ Concept หรือ Storyboard

Prompt:

“ใช้ Images 1–4 เป็น Reference ของบ้านหลังเดียวกัน สร้าง Cinematic Property Tour เริ่มจากหน้าบ้าน จากนั้นเข้าสู่ห้องนั่งเล่น ห้องครัว และจบที่ห้องนอน รักษา Architectural Style, Materials และ Color Palette ให้ต่อเนื่อง”

อย่างไรก็ตาม AI อาจสร้าง Transition หรือรายละเอียดพื้นที่ที่ไม่อยู่ในรูปขึ้นมาเอง

หากเป็นอสังหาริมทรัพย์จริง ต้องไม่ทำให้ผู้ชมเข้าใจว่าเป็นภาพสภาพจริง หากระบบสร้างรายละเอียดเพิ่ม

🎨 ใช้รูปหนึ่งเป็น Style Reference ได้ไหม

ได้

Google DeepMind ระบุว่า Gemini Omni สามารถ Apply Style จาก Reference ไปยัง Video Output ได้ รวมถึงนำ Style และ Motion จาก Media อื่นมาประยุกต์กับ Output ใหม่

ตัวอย่าง

Image 1 = Character

Image 2 = Style

Prompt

“ใช้ Character จาก Image 1 แต่ใช้ Visual Style, Color Palette และ Lighting Mood จาก Image 2 รักษา Character Identity และสร้าง Video ที่ตัวละครเดินผ่านเมือง”

🎨 Prompt Character + Style

“Image 1 = Character Reference
Image 2 = Style Reference

สร้างวิดีโอของ Character จาก Image 1 เดินในเมือง โดยรักษา Facial Identity และ Outfit เดิม แต่ใช้ Color Palette, Texture และ Lighting Style จาก Image 2”

🌍 ใช้รูป Background เป็น Environment Reference

ถ้ามีรูปสถานที่ที่ต้องการ

Prompt:

“ใช้ Image 1 เป็น Character Reference และ Image 2 เป็น Environment Reference วาง Character จาก Image 1 อยู่ในสถานที่ตาม Image 2 โดยให้ Perspective, Lighting และ Shadow สัมพันธ์กับ Environment”

อย่าเขียนแค่

“เอาคนไปอยู่ในรูปนี้”

ถ้าต้องการผลสมจริง

💡 Lighting ของ Character ต้องเข้ากับ Background

สมมติรูปคนถ่ายกลางวัน

แต่ Background เป็นกลางคืน

AI ต้องปรับ Lighting ใหม่

เขียน

“ปรับ Lighting บน Character ให้สัมพันธ์กับไฟถนนและแสง Neon ใน Environment แต่รักษา Facial Identity และ Skin Tone”

จะสมเหตุสมผลกว่าการสั่งให้เก็บ Lighting เดิมทุกอย่าง

🎭 ใช้หลายรูปสร้าง Character ใหม่ได้ไหม

ทำได้ในเชิง Creative เช่น

Image 1 = เสื้อ

Image 2 = Hairstyle

Image 3 = Boots

Image 4 = Environment

แล้วสั่งสร้าง Character ตาม Ingredients

แต่ต้องแยกจากกรณี “รักษาบุคคลเดิม”

เพราะถ้าผสมใบหน้า เสื้อ ทรงผม และสัดส่วนจากหลาย Reference AI อาจสร้าง Character ใหม่ขึ้นมาแทน

🎬 ใช้หลายรูปสร้าง Story ได้ไหม

ได้

Google DeepMind ระบุว่า Gemini Omni รองรับ Visual Storyboard โดยผู้ใช้สามารถส่ง Storyboard เพื่อให้ Model สร้าง Video ตาม Key Beats ที่กำหนดได้

เช่นมีภาพ

Image 1 = คนยืนหน้าประตู

Image 2 = คนเปิดประตู

Image 3 = คนเดินเข้าไป

Image 4 = คนพบห้องลับ

สามารถกำหนด Sequence ใน Prompt

🔥 Prompt หลายรูปแบบ Story

“ใช้ Images 1–4 เป็น Story Sequence ตามลำดับ

Scene 1:
ตัวละครยืนหน้าประตูตาม Image 1

Scene 2:
เปิดประตูตาม Image 2

Scene 3:
เดินเข้าไปตาม Image 3

Scene 4:
พบห้องตาม Image 4

รักษาตัวละครคนเดิมตลอด Sequence ใช้ Cinematic Photorealistic Style และสร้าง Transition ให้ต่อเนื่อง”

📝 Storyboard กับ Reference ต่างกันอย่างไร

Reference Images

บอกว่า

คนหน้าตาแบบไหน

สินค้าแบบไหน

Environment แบบไหน

Storyboard

บอกว่า

เหตุการณ์เกิดตามลำดับอย่างไร

ดังนั้นภาพเดียวกันสามารถทำหน้าที่แตกต่างกันได้

ควรระบุให้ Gemini รู้

📚 ใช้ภาพ Storyboard ที่รวมหลายช่องในรูปเดียวได้ไหม

ได้เช่นกัน

Google DeepMind Prompt Guide แสดงตัวอย่างการส่ง Visual Storyboard แล้วสั่งให้ Gemini Omni เดินเรื่องตาม Key Beats ของ Storyboard

ตัวอย่าง

“ใช้ Storyboard นี้ตามลำดับจากซ้ายบนไปขวาล่าง รักษาตัวละครและ Style ให้เหมือนกันตลอด Video”

🎯 แบบไหนดีกว่า: 5 รูปแยก หรือ Storyboard รูปเดียว

ขึ้นอยู่กับงาน

ใช้หลายรูปแยก

เมื่อแต่ละรูปมี Role ชัด

คน

สินค้า

สถานที่

Style

ใช้ Storyboard

เมื่อภาพแต่ละช่องคือเหตุการณ์ตามลำดับ

ถ้าต้องการ Narrative

Storyboard มักเข้าใจง่ายกว่า

📐 รูปหลายรูปควรมี Aspect Ratio เหมือนกันไหม

ถ้าเป็นไปได้ ควรเตรียมให้ใกล้เคียงกัน

โดยเฉพาะเมื่อรูปเหล่านั้นเป็น Scene หรือ Storyboard

Google Gemini Help ระบุว่าเมื่อมี Reference Image หรือ Video ระบบจะอิง Aspect Ratio ของ Content ที่อัปโหลด และ Gemini Omni ยังมี Aspect Ratio Control ก่อนสร้าง Video

ดังนั้นถ้าเป้าหมายคือ Video 9:16

ควรเตรียม Reference หลักให้เหมาะกับ Vertical Composition

ถ้าเป็น YouTube 16:9

ควรเตรียม Composition แนวนอน

⚠️ อย่าใช้รูปหลาย Ratio แบบไม่มีแผน

เช่น

รูปหนึ่ง 9:16

รูปหนึ่ง 16:9

รูปหนึ่ง Square

และทุกภาพถูกใช้เป็น Scene หลัก

AI ต้องตีความ Composition ใหม่จำนวนมาก

ไม่ได้หมายความว่าจะใช้ไม่ได้

แต่ Control อาจลดลง

📱 วิธีสร้างวิดีโอหลายรูปสำหรับ TikTok/Reels

ใช้ Reference แนวตั้งหรือวาง Subject ให้เหมาะกับ Vertical

Prompt:

“สร้าง Video แนวตั้ง 9:16 โดยใช้ Person จาก Image 1, Clothing จาก Image 2 และ Location จาก Image 3 วาง Character อยู่กลาง Frame และรักษา Full Body ให้อยู่ใน Safe Area ใช้ Smooth Tracking Shot ไม่มีข้อความ”

▶️ วิธีสร้างวิดีโอหลายรูปสำหรับ YouTube

ใช้ Landscape Composition

ตัวอย่าง

“สร้างวิดีโอ 16:9 โดยใช้ Character จาก Image 1 และ Location จาก Image 2 ใช้ Medium-wide Cinematic Tracking Shot และรักษาพื้นที่ด้านข้างสำหรับ Environment”

🎥 Camera ควรเขียนอย่างไร

Google DeepMind แนะนำให้กำหนด Shot Framing และ Camera Motion โดยตรง เพราะช่วยเพิ่ม Control ต่อ Video

ตัวอย่าง

Close-up

Medium Shot

Wide Shot

Tracking Shot

Dolly In

Push In

Static

Locked-off

One Continuous Shot

🔥 Prompt หลายรูป + Camera

“Image 1 = Main Character
Image 2 = Product
Image 3 = Location

ให้ Character จาก Image 1 ถือ Product จาก Image 2 และเดินผ่าน Location ตาม Image 3 ใช้ Medium Tracking Shot จากด้านหน้า กล้องเคลื่อนถอยหลังอย่างนุ่มนวล รักษา Character และ Product Consistency ตลอด Video”

🔊 สร้างเสียงพร้อมวิดีโอจากหลายรูปได้ไหม

ได้

Gemini Apps รองรับการขอ Audio พร้อม Video ใน Video Generation Workflow ปัจจุบัน

ตัวอย่าง

“ใช้ Character จาก Image 1 และ Cafe จาก Image 2 ให้ตัวละครเดินเข้าร้าน พร้อมเสียงประตูเปิด เสียงเครื่องชงกาแฟ และ Ambient Café เบา ๆ”

เสียงควรสัมพันธ์กับ Scene ที่สร้างจาก Reference

🎵 ใช้ภาพ + Audio + Video Reference พร้อมกันได้ไหม

ในระดับ Gemini Omni Google DeepMind ระบุว่าสามารถ Combine Media หลายชนิด เช่น Image, Video, Text และ Audio เพื่อสร้าง Output ร่วมกันได้

อย่างไรก็ตาม ตัวเลือก Upload ที่เห็นใน Gemini Apps อาจแตกต่างจาก Model Capability และเปลี่ยนไปตาม Plan หรือ Surface

บทความนี้จึงเน้น Workflow รูปภาพใน Gemini Apps เป็นหลัก

🔄 ถ้า Gemini ใช้ผิดรูปต้องทำอย่างไร

สมมติ AI เอา

เสื้อจาก Image 3

ทั้งที่ต้องใช้ Image 2

อย่า Generate ใหม่ทั้งหมดโดยไม่บอกปัญหา

พิมพ์ต่อ

“รักษา Video เดิมทั้งหมด แต่ Clothing Reference ไม่ถูกต้อง ใช้เสื้อจาก Image 2 เท่านั้น และรักษาหน้า Character จาก Image 1”

Gemini Omni รองรับ Multi-turn Editing และ Google แนะนำให้ขอ Specific Update โดยไม่จำเป็นต้อง Prompt Scene ใหม่ทั้งหมด

🔄 สูตรแก้ Reference ผิด

ใช้

PRESERVE + WRONG PART + CORRECT REFERENCE

ตัวอย่าง

“รักษา Character, Camera, Location และ Action เดิมทั้งหมด เปลี่ยนเฉพาะกระเป๋าให้ตรงกับ Image 3”

👤 ถ้าหน้าเปลี่ยนหลังแก้หลายรอบ

กลับไป Version ที่หน้ายังถูกต้อง

แล้วเพิ่ม Image Reference ของบุคคลอีกครั้ง

Prompt

“ใช้ Image 1 เป็น Master Identity Reference และแก้เฉพาะ Background โดยรักษาหน้าตัวละครเดิม”

Gemini Omni รองรับการเพิ่ม Image หรือ Video Reference ในแต่ละ Turn ของ Multi-turn Editing

🧠 อย่าใช้ Reference มากที่สุดเพียงเพราะใส่ได้ 5 รูป

5 รูปคือจำนวนสูงสุด ไม่ใช่จำนวนที่ต้องใช้

ถ้างานต้องการเพียง

คน + สถานที่

ใช้ 2 รูปก็เพียงพอ

การใส่ Reference ที่ไม่จำเป็นอาจเพิ่ม Requirement ที่ Model ต้องตีความ

หลักที่ดีกว่าคือ

ใช้เท่าที่จำเป็น แต่บอก Role ให้ชัด

⚠️ รูปที่ขัดกันเองทำให้ AI สับสนได้

ตัวอย่าง

Image 1 บอกเสื้อแดง

Image 2 คนเดียวกันใส่เสื้อดำ

แต่ Prompt ไม่บอกว่าใช้เสื้อตัวไหน

Gemini ต้องเดา

ให้เขียน

“ใช้ Facial Identity จาก Image 1 แต่ใช้ Clothing จาก Image 2”

หรือ

“Images 1–2 ใช้เฉพาะสำหรับ Facial Identity ไม่ใช้เสื้อผ้าจาก Reference”

🧩 ล็อกว่าเอาอะไรจากแต่ละรูป

ตัวอย่างที่ชัดมาก

Image 1:
Face only

Image 2:
Body proportions only

Image 3:
Clothes only

Image 4:
Environment only

Image 5:
Style only

จากนั้น Prompt

“Do not mix roles between references.”

แม้ไม่รับประกัน 100% แต่ Intent ชัดขึ้นมาก

🎯 Reference Priority ช่วยได้

สามารถกำหนด Priority เช่น

Priority 1:
Facial Identity จาก Image 1

Priority 2:
Product Accuracy จาก Image 2

Priority 3:
Environment จาก Image 3

Priority 4:
Lighting Style จาก Image 4

เมื่อมี Requirement เยอะ การบอกว่าอะไรสำคัญที่สุดช่วยจัด Prompt ให้มีโครงสร้าง

👕 Prompt เปลี่ยนเสื้อโดยใช้หลายรูป

“Image 1 = Person Identity
Image 2 = Clothing

ใช้บุคคลจาก Image 1 และรักษา Facial Identity เดิม เปลี่ยนเฉพาะเสื้อผ้าให้ตรงกับ Image 2 รักษา Action, Camera และ Environment เหมือนเดิม”

เหมาะกับ Multi-turn Editing

🚘 Prompt คน + รถ

“Image 1 = Person
Image 2 = Vehicle

ให้ Person จาก Image 1 เดินไปยังรถจาก Image 2 เปิดประตูด้านคนขับและขึ้นรถ รักษา Facial Identity และ Vehicle Design ให้สอดคล้อง ใช้ Wide-to-Medium Tracking Shot”

🏨 Prompt คน + สถานที่

“Image 1 = Character
Image 2 = Hotel Lobby

นำ Character จาก Image 1 มาอยู่ใน Environment ตาม Image 2 ปรับ Lighting ของ Character ให้สัมพันธ์กับ Environment ให้ตัวละครเดินเข้าหากล้องด้วย Natural Movement”

🎨 Prompt คน + Style

“Image 1 = Character
Image 2 = Visual Style

รักษา Character Identity จาก Image 1 แต่ใช้ Texture, Color Palette และ Lighting Mood จาก Image 2 สร้าง Video ที่ Character เดินผ่านเมือง”

🛍️ Prompt คน + สินค้า + ฉาก

“Image 1 = Model
Image 2 = Product
Image 3 = Location

สร้าง Premium Commercial Video ให้ Model จาก Image 1 ถือ Product จาก Image 2 ใน Location ตาม Image 3 ใช้ Slow Dolly In รักษาหน้า Model และรายละเอียดสินค้าให้สอดคล้อง มี Soft Cinematic Lighting ไม่มีข้อความ”

🎬 Prompt Story 5 รูป

“Images 1–5 เป็น Story Beats ตามลำดับ

1. ตัวละครออกจากบ้าน
2. เดินไปที่รถ
3. ขับรถผ่านเมือง
4. ถึงชายหาด
5. ยืนมองพระอาทิตย์ตก

สร้างเป็น Cinematic Story ตามลำดับ รักษาตัวละคร รถ และเสื้อผ้าให้ Consistent ตลอดเรื่อง”

📌 ความผิดพลาดที่พบบ่อย

① Upload หลายรูปแต่ไม่บอก Role

② Reference ขัดกัน

③ ให้รูปทุกใบสำคัญเท่ากันหมด

④ ขอ Action ซับซ้อนเกินไปใน Generation แรก

⑤ ไม่ระบุว่าอะไรต้องรักษา

⑥ ใช้หลาย Character แต่ไม่ตั้งชื่อ

⑦ ใช้ Aspect Ratio ต่างกันมากโดยไม่มีแผน

⑧ แก้หลายอย่างพร้อมกัน

⑨ คิดว่าหลาย Reference = เหมือนต้นฉบับ 100%

⑩ ไม่ตรวจรายละเอียดสินค้าและใบหน้า

🥇 Workflow ที่แนะนำที่สุด

① เลือก Master Reference

กำหนดว่าอะไรสำคัญที่สุด

เช่นหน้า

② แยก Role

Person

Product

Clothing

Environment

Style

③ เรียงไฟล์

ให้จำง่าย

④ เขียน Prompt ระบุแต่ละ Role

⑤ สั่ง Action แบบไม่ซับซ้อนก่อน

⑥ กำหนด Camera

⑦ Generate

⑧ ตรวจ Reference Consistency

⑨ แก้ทีละจุด

⑩ เก็บ Version ที่ดีที่สุด

นี่ช่วยลดโอกาสที่ Character หรือ Product จะ Drift หลังแก้หลายรอบ

📋 Checklist ก่อน Generate

① ใช้กี่รูป

ต้องใช้ครบจริงไหม

② รูปไหนคือ Master

③ แต่ละรูปมี Role อะไร

④ มี Reference ขัดกันไหม

⑤ Character มีกี่คน

⑥ ต้องรักษาอะไร

หน้า
สินค้า
เสื้อ
รถ

⑦ Action คืออะไร

⑧ Camera คืออะไร

⑨ Aspect Ratio คืออะไร

⑩ Audio ต้องการไหม

🔍 Checklist หลัง Generate

ตรวจ

① Character Identity

คนถูกคนไหม

② Product

ตรง Reference ไหม

③ Clothing

AI หยิบจากรูปถูกใบไหม

④ Environment

ตรงหรือไม่

⑤ Style

ตรง Reference ไหม

⑥ Movement

ธรรมชาติไหม

⑦ Camera

ตรง Prompt ไหม

⑧ Lighting

กลมกลืนไหม

⑨ Continuity

รายละเอียดเปลี่ยนระหว่าง Frame หรือไม่

⑩ Audio

สัมพันธ์กับ Scene ไหม

⚖️ ใช้รูปคนอื่นเป็น Reference ได้ไหม

Google ระบุว่าผู้ใช้ควรอัปโหลดเฉพาะรูปที่ตนเองมีสิทธิใช้งาน และต้องไม่ละเมิด Copyright หรือ Privacy Rights ของบุคคลอื่น รวมถึงไม่ควรใช้ Video เพื่อหลอกลวง คุกคาม หรือทำร้ายผู้อื่น

ดังนั้นก่อนใช้รูป

คนอื่น

ลูกค้า

ดารา

สินค้า

Artwork

ภาพจากเว็บไซต์

ควรตรวจสิทธิให้เรียบร้อย

💳 ต้องมีแพ็กเกจอะไร

Gemini Apps Help ปัจจุบันระบุว่า Personal Account ต้องมี Google AI Plan สำหรับ Video Generation ส่วนบัญชี Work/School ต้องมี Workspace License ที่เข้าเกณฑ์ และฟีเจอร์ยังไม่เปิดให้ผู้ใช้อายุต่ำกว่า 18 ปี

สิทธิและ Limit สามารถเปลี่ยนตาม Plan และพื้นที่

❓ คำถามที่พบบ่อยเกี่ยวกับการสร้างวิดีโอจากหลายรูปด้วย Gemini

① Gemini ใช้หลายรูปสร้างวิดีโอได้ไหม

ได้ Gemini Apps ปัจจุบันรองรับรูปภาพสูงสุด 5 รูปและวิดีโอ 1 ไฟล์ใน Video Creation Workflow

② ใช้รูปคน 2 คนมาทำวิดีโอเดียวได้ไหม

ได้ ควรกำหนดชื่อหรือ Role เช่น Person A และ Person B เพื่อให้ Gemini แยก Character ได้ชัดขึ้น

③ ใช้รูปคนหลายมุมช่วยรักษาหน้าได้ไหม

ได้ในเชิง Reference เพราะทำให้ Model มีข้อมูลเกี่ยวกับ Character เพิ่มขึ้น แต่ไม่รับประกันว่าใบหน้าจะตรง 100% ทุก Frame

④ ใช้รูปคน + สินค้า + สถานที่พร้อมกันได้ไหม

ได้ Gemini Omni ถูกออกแบบให้ Combine Multiple References เพื่อสร้าง Scene เดียวที่รวมองค์ประกอบจากหลาย Input

⑤ ใช้รูปเป็น Style Reference ได้ไหม

ได้ Google DeepMind ระบุว่า Omni สามารถ Apply หรือ Transfer Style จาก Reference ไปยัง Video Output ได้

⑥ ใช้หลายรูปเป็น Storyboard ได้ไหม

ได้ Google DeepMind แสดงการใช้ Visual Storyboard เพื่อให้ Omni สร้างวิดีโอตาม Key Beats ของเรื่อง

⑦ ต้องใส่ 5 รูปทุกครั้งไหม

ไม่ต้อง 5 รูปคือจำนวนสูงสุดใน Gemini Apps Workflow ปัจจุบัน ไม่ใช่จำนวนขั้นต่ำ

⑧ ถ้า Gemini ใช้ Reference ผิดใบแก้อย่างไร

พิมพ์ต่อให้ชัด เช่น “รักษาทุกอย่างเดิม เปลี่ยนเฉพาะเสื้อโดยใช้ Image 2” Omni รองรับ Iterative/Multi-turn Editing

⑨ เพิ่มรูป Reference ตอนแก้รอบต่อไปได้ไหม

ได้ Gemini Apps Help ระบุว่าแต่ละ Turn ของ Multi-turn Editing สามารถมี Image หรือ Video Reference ได้

⑩ หลายรูปทำให้ Character เหมือนเดิม 100% ไหม

ไม่รับประกัน Reference ช่วยเพิ่ม Consistency แต่ Output ยังเป็น Generative Video และต้องตรวจทุก Version

⑪ สร้าง Video พร้อมเสียงจากหลายรูปได้ไหม

ได้ Gemini Apps รองรับการขอ Audio พร้อม Video ใน Workflow สร้างวิดีโอ

⑫ ควรเขียน Prompt หลายรูปอย่างไรให้ดีที่สุด

ควรกำหนด Role ของแต่ละ Reference + สิ่งที่ต้องรักษา + Action + Camera + Style + Restrictions ให้ชัดเจน

✅ สรุป วิธีสร้างวิดีโอจากหลายรูปด้วย Gemini

การสร้างวิดีโอจากหลายรูปด้วย Gemini ปัจจุบันทำได้โดยใช้ Gemini Omni และใน Gemini Apps สามารถอัปโหลดรูปภาพได้สูงสุด 5 รูป พร้อมวิดีโอ Reference 1 ไฟล์ ใน Workflow เดียว

แต่เคล็ดลับสำคัญไม่ได้อยู่ที่การใส่รูปให้ครบ 5 รูป

สิ่งสำคัญกว่าคือ

บอกว่าแต่ละรูปมีหน้าที่อะไร

เช่น

Image 1 = Person

Image 2 = Clothing

Image 3 = Product

Image 4 = Environment

Image 5 = Style

จากนั้นใช้สูตร

REFERENCE ROLE + PRESERVE + ACTION + CAMERA + STYLE + AUDIO + RESTRICTIONS

ตัวอย่าง

“ใช้บุคคลจาก Image 1 เป็น Main Character ใช้เสื้อจาก Image 2 ใช้ Product จาก Image 3 และ Location จาก Image 4 รักษา Facial Identity ของ Character และรายละเอียด Product ให้สอดคล้อง ให้ตัวละครถือสินค้าและเดินผ่าน Location ใช้ Medium Tracking Shot แบบ Photorealistic Cinematic พร้อม Ambient Sound ตามธรรมชาติ”

Gemini Omni ยังรองรับการ Combine References เพื่อรักษา Character, Object หรือ Environment และ Google DeepMind ระบุว่าสามารถนำหลาย Input มารวมเป็น Scene เดียวได้

ถ้าต้องการสร้างเป็น Story สามารถใช้รูปหลายใบเป็น

Storyboard / Key Beats

เช่น

รูปที่ 1 → เริ่มเรื่อง

รูปที่ 2 → Action

รูปที่ 3 → Scene ต่อไป

รูปที่ 4 → จุดสำคัญ

รูปที่ 5 → Ending

แล้วบอกให้ Gemini เดินเรื่องตามลำดับ

หากผลลัพธ์ผิดเพียงบางส่วน ไม่ต้องเริ่มใหม่ทั้งหมด เพราะ Omni รองรับ Multi-turn Editing

ใช้สูตร

PRESERVE + CHANGE ONLY + CORRECT REFERENCE

เช่น

“รักษาวิดีโอเดิมทั้งหมด เปลี่ยนเฉพาะเสื้อให้ตรงกับ Image 2”

หรือ

“รักษาตัวละคร Action และ Camera เดิม เปลี่ยนเฉพาะรถให้ตรงกับ Image 3”

Workflow ที่แนะนำที่สุดจึงเป็น

① เลือก Reference ที่จำเป็น

② กำหนด Role ของแต่ละรูป

③ เลือก Master Reference

④ เขียน Prompt

⑤ Generate

⑥ ตรวจหน้า/สินค้า/ฉาก

⑦ แก้ทีละจุด

⑧ เพิ่ม Reference ใหม่เมื่อจำเป็น

⑨ เก็บ Version ที่ดีที่สุด

สรุปให้จำง่ายที่สุด:

อย่าเพียง Upload หลายรูป — ต้องบอก Gemini ว่า “เอาอะไรจากรูปไหน”

เมื่อกำหนดหน้าที่ของแต่ละ Reference ชัดเจน Gemini Omni จะสามารถใช้จุดแข็งด้าน Multimodal Generation เพื่อรวม คน สินค้า สถานที่ Style และ Story จากหลายรูปให้กลายเป็นวิดีโอเดียวได้อย่างควบคุมได้มากขึ้น