Contact
Line : comsiam
Contact
Line : comsiam

Google Gemini สามารถวิเคราะห์รูปภาพและ Screenshot เพื่อช่วยอธิบายสิ่งที่อยู่ในภาพ อ่านข้อความ วิเคราะห์ตาราง ตรวจหน้าจอ Error เปรียบเทียบรูปหลายรูป หรือค้นหารายละเอียดที่ผู้ใช้อาจมองข้ามได้ เพียงอัปโหลดภาพแล้วเขียน Prompt ระบุสิ่งที่ต้องการให้ตรวจสอบ
หากต้องการให้ Gemini วิเคราะห์รูปภาพแบบละเอียด สิ่งสำคัญคือ อย่าถามกว้างเกินไป เช่น “รูปนี้คืออะไร” แต่ควรระบุว่าต้องการให้ Gemini ตรวจวัตถุ ข้อความ ตำแหน่ง ความแตกต่าง ปัญหา หรือข้อมูลส่วนใดของภาพโดยเฉพาะ
ได้ Gemini Apps รองรับการอัปโหลดรูปภาพและไฟล์ประเภทอื่นเพื่อใช้ถามคำถาม รับ Summary และค้นหา Insight จากเนื้อหาที่อัปโหลด
ตัวอย่างสิ่งที่สามารถใช้ Gemini ช่วยวิเคราะห์จากภาพได้ เช่น
Gemini จึงสามารถใช้ภาพเป็น Context ของคำถาม ไม่ได้จำกัดการทำงานอยู่ที่ข้อความเพียงอย่างเดียว
การเพิ่มรูปสามารถทำได้ทั้งบนคอมพิวเตอร์และโทรศัพท์
เข้าสู่ Gemini ด้วยบัญชี Google
หากเป็นงานใหม่ แนะนำให้เริ่มแชตใหม่เพื่อไม่ให้ Context จากบทสนทนาเดิมเข้ามาเกี่ยวข้อง
กดเมนูเพิ่มไฟล์บริเวณช่อง Prompt
จากนั้นสามารถเลือกภาพจากอุปกรณ์หรือแหล่งข้อมูลที่ Gemini รองรับ
บนโทรศัพท์ยังสามารถใช้กล้องถ่ายภาพแล้วส่งให้ Gemini วิเคราะห์ได้โดยตรงในสภาพแวดล้อมที่รองรับ
ควรเห็น Thumbnail ของรูปอยู่ใน Prompt ก่อนส่งคำถาม
แทนที่จะถาม
“วิเคราะห์รูปนี้”
ลองใช้
“ตรวจรูปนี้อย่างละเอียด แล้วแยกสิ่งที่เห็นออกเป็นวัตถุ ข้อความ ตัวเลข สัญลักษณ์ และจุดที่ดูผิดปกติ โดยอย่าคาดเดาสิ่งที่มองเห็นไม่ชัด”
คำสั่งนี้กำหนดกรอบการวิเคราะห์ชัดกว่า
สามารถใช้ Prompt นี้เป็นคำสั่งเริ่มต้นได้
“วิเคราะห์รูปภาพที่แนบมาอย่างละเอียด
ให้ตรวจสอบ:
แยกสิ่งที่เห็นได้จริงออกจากสิ่งที่เป็นการคาดเดา และห้ามสร้างรายละเอียดเพิ่มเติมหากภาพไม่มีข้อมูลเพียงพอ”
คำสั่งส่วนสุดท้ายมีความสำคัญ เพราะช่วยกำหนดให้ Gemini แยกระหว่างสิ่งที่มองเห็นกับการตีความ
หนึ่งในงานที่ใช้บ่อยคือการอ่านข้อความจาก Screenshot หรือภาพเอกสาร
Prompt
“อ่านข้อความทั้งหมดที่มองเห็นในภาพนี้ แล้วถอดออกมาเป็นข้อความตามลำดับเดิม หากคำใดอ่านไม่ชัดให้ใส่ [อ่านไม่ชัด] แทนการเดา”
วิธีนี้สามารถใช้กับ
ควรระบุ
“ไม่ต้องอธิบายภาพ ให้ดึงเฉพาะข้อความที่มองเห็น”
เพื่อลดข้อมูลที่ไม่จำเป็น
Screenshot เป็นหนึ่งในรูปแบบที่เหมาะกับการใช้งาน Gemini มาก เพราะสามารถแสดงบริบทของปัญหาได้ดีกว่าการพิมพ์ Error เอง
ตัวอย่าง Prompt
“ตรวจ Screenshot นี้แล้วบอกว่าหน้าจอกำลังแสดงอะไร มีข้อความ Error อะไร และจากข้อมูลที่มองเห็น ปัญหาน่าจะเกี่ยวข้องกับส่วนใด”
หรือ
“อ่านข้อความทั้งหมดจาก Screenshot ก่อน จากนั้นอธิบายทีละส่วนว่าหมายถึงอะไร”
เหมาะสำหรับ
หาก Screenshot มีข้อมูลจำนวนมาก แต่ Error อยู่เพียงมุมหนึ่งของหน้าจอ การ Crop ให้เหลือเฉพาะบริเวณที่เกี่ยวข้องสามารถทำให้การวิเคราะห์มีจุดโฟกัสมากขึ้น
หากมี Error Message ไม่จำเป็นต้องพิมพ์ข้อความเองทั้งหมด
สามารถถ่ายภาพหรือ Screenshot แล้วสั่ง
“อ่านข้อความ Error ในภาพนี้ให้ครบก่อน จากนั้นอธิบายว่า Error หมายถึงอะไร สาเหตุที่เป็นไปได้มีอะไร และเรียงวิธีแก้จากง่ายที่สุดไปยากที่สุด”
ควรให้ Gemini ทำงานตามลำดับ
อ่านข้อความ Error
ระบุ Error Code
อธิบายความหมาย
หาสาเหตุ
เสนอวิธีแก้
วิธีนี้ช่วยป้องกันการข้ามรายละเอียดสำคัญของข้อความ Error
ถ้ามีกราฟเป็น Screenshot สามารถถาม Gemini ได้ เช่น
“วิเคราะห์กราฟนี้ โดยระบุแกน X, แกน Y, หน่วยข้อมูล แนวโน้ม จุดสูงสุด จุดต่ำสุด และช่วงที่เกิดการเปลี่ยนแปลงมากที่สุด”
สามารถถามเพิ่มว่า
“แยกข้อเท็จจริงที่เห็นจากกราฟออกจากการตีความสาเหตุ”
จุดนี้สำคัญมาก
ตัวอย่างเช่น กราฟอาจแสดงว่า Traffic ลดลง แต่ภาพเพียงอย่างเดียวอาจไม่สามารถยืนยันได้ว่า Traffic ลดเพราะ Google Algorithm Update
ดังนั้นควรแยก
สิ่งที่กราฟแสดง
ออกจาก
สาเหตุที่คาดว่าอาจเกิดขึ้น
ถ้ามีตารางอยู่ใน Screenshot หรือรูปถ่าย สามารถสั่ง
“อ่านข้อความและตัวเลขจากตารางในภาพนี้ แล้วจัดใหม่เป็นตาราง โดยรักษา Row, Column, Header, ตัวเลข และหน่วยให้ใกล้เคียงต้นฉบับที่สุด”
จากนั้นถามต่อ
“ตรวจตารางที่สร้างกับรูปต้นฉบับอีกครั้ง และระบุตัวเลขใดที่อ่านไม่ชัด”
หากข้อมูลเกี่ยวข้องกับ
ควรตรวจตัวเลขจากภาพต้นฉบับด้วยตัวเองอีกครั้ง
สามารถเพิ่มรูปหลายรูปใน Prompt เดียวแล้วให้ Gemini เปรียบเทียบได้
Prompt
“เปรียบเทียบรูปที่ 1 และรูปที่ 2 อย่างละเอียด แล้วแสดง:
เหมาะกับงาน เช่น
หากรูปคล้ายกันมาก สามารถระบุตำแหน่งให้ชัดขึ้น
ตัวอย่าง
“เปรียบเทียบภาพทั้งสองโดยแบ่งพื้นที่เป็น ซ้ายบน ขวาบน ซ้ายล่าง และขวาล่าง แล้วตรวจความแตกต่างในแต่ละส่วน”
หรือ
“ตรวจเฉพาะบริเวณเมนูด้านบนของทั้งสองภาพ และบอกว่ามีอะไรเปลี่ยนไป”
การลดพื้นที่วิเคราะห์ช่วยให้ Gemini โฟกัสกับรายละเอียดที่ผู้ใช้สนใจจริง
หากเป็นภาพที่มีองค์ประกอบหลายส่วน เช่น Dashboard สามารถถาม
“แบ่งภาพนี้ออกเป็น Section ตามตำแหน่ง แล้วอธิบายแต่ละ Section ว่ามีองค์ประกอบอะไรและมีหน้าที่อะไร”
ตัวอย่างผลลัพธ์
เหมาะกับ
หากต้องการตรวจหน้าเว็บไซต์ สามารถ Screenshot หน้าเว็บแล้วถาม
“วิเคราะห์หน้าเว็บไซต์นี้จากมุมมอง UX และ Content โดยตรวจ:
แต่ต้องระวังว่า Gemini เห็นเฉพาะสิ่งที่อยู่ใน Screenshot
มันไม่ได้เห็นโดยอัตโนมัติถึง
ดังนั้นอย่าให้ AI สรุปข้อมูล Backend จากภาพหน้าจอเพียงอย่างเดียว
สามารถใช้ Gemini ช่วย Review งานออกแบบเบื้องต้นได้
Prompt
“วิเคราะห์งานออกแบบนี้โดยพิจารณา Visual Hierarchy, Typography, Spacing, Alignment, Contrast และความชัดเจนของ CTA”
ถามต่อได้ว่า
“เลือก 3 จุดที่ควรแก้ก่อน เพราะมีผลต่อการใช้งานมากที่สุด”
วิธีนี้ดีกว่าถามว่า
“สวยไหม”
เพราะกำหนดเกณฑ์ในการวิเคราะห์
สามารถถามเกี่ยวกับองค์ประกอบที่มองเห็นในภาพสินค้า เช่น
“อธิบายลักษณะสินค้านี้จากสิ่งที่เห็นเท่านั้น โดยแยกสี รูปร่าง วัสดุที่มองเห็น และองค์ประกอบภายนอก”
ควรใช้คำว่า
“จากสิ่งที่เห็นเท่านั้น”
เพราะรูปเพียงรูปเดียวอาจไม่สามารถยืนยันข้อมูลอย่าง
ได้อย่างแน่นอน
สามารถใช้ Gemini ช่วยอธิบายองค์ประกอบทั่วไปของสถานที่ได้ เช่น
“อธิบายสิ่งที่มองเห็นในภาพนี้ โดยแบ่งเป็นสิ่งปลูกสร้าง ถนน ป้าย ต้นไม้ ยานพาหนะ และองค์ประกอบอื่น ๆ”
แต่ไม่ควรคาดหวังว่า AI จะระบุสถานที่ที่แน่นอนได้ทุกภาพ
หากไม่มี Landmark, ป้าย หรือข้อมูลเพียงพอ Gemini อาจไม่สามารถยืนยัน Location ได้
เช่น มี Router, Computer, Printer หรืออุปกรณ์อิเล็กทรอนิกส์ที่มีไฟสถานะผิดปกติ
สามารถถาม
“ตรวจภาพอุปกรณ์นี้ แล้วบอกว่าเห็นไฟสถานะ ปุ่ม ช่องเชื่อมต่อ หรือสัญญาณผิดปกติอะไรบ้าง จากนั้นระบุสิ่งที่ควรตรวจสอบต่อ โดยอย่าคาดเดารุ่นหากมองไม่เห็น Model ชัดเจน”
สำหรับงานลักษณะนี้ comsiam แนะนำให้ถ่ายภาพเพิ่มเติมหลายมุม เช่น
ข้อมูลภาพหลายมุมช่วยให้การวิเคราะห์มี Context มากกว่าภาพเดียว
คุณภาพของภาพมีผลมากต่อข้อมูลที่ AI สามารถอ่านได้
หลีกเลี่ยงภาพเบลอ
ภาพมืดอาจทำให้ข้อความหรือวัตถุบางส่วนหายไป
หากต้องการให้อ่านข้อความ ควรถ่ายให้ตัวหนังสือมีขนาดใหญ่พอ
โดยเฉพาะเอกสารและตาราง
ลดข้อมูลรบกวน
วัตถุ 3 มิติอาจมีข้อมูลที่ภาพเดียวไม่สามารถแสดงได้ครบ
หากภาพซับซ้อน อย่าถามทุกอย่างพร้อมกัน
ใช้ Workflow ดังนี้
“บอกก่อนว่าคุณเห็นอะไรบ้างในภาพ โดยยังไม่วิเคราะห์”
“อ่านข้อความและตัวเลขทั้งหมดที่มองเห็น”
“จากข้อมูลที่ยืนยันได้ มีจุดใดผิดปกติ”
“สาเหตุที่เป็นไปได้มีอะไรบ้าง โดยแยกเป็นข้อและระบุระดับความมั่นใจ”
“มีข้อมูลอะไรเพิ่มเติมที่ควรถ่ายหรือให้คุณดูเพื่อแยกสาเหตุเหล่านี้”
Workflow นี้เหมาะกับการวิเคราะห์ปัญหาจาก Screenshot หรืออุปกรณ์
ได้ Gemini Apps ปัจจุบันรองรับการเพิ่มไฟล์ที่รองรับได้สูงสุดประมาณ
10 ไฟล์ใน Prompt เดียว
โดยขึ้นอยู่กับความพร้อมใช้งาน
สามารถนำมาใช้ได้ เช่น
แล้วสั่งให้ Gemini วิเคราะห์ร่วมกัน
“วิเคราะห์รูปทั้งหมดตามลำดับไฟล์ แล้วสรุปว่ามีข้อมูลใดปรากฏเหมือนกันทุกภาพ และมีรายละเอียดใดที่พบเฉพาะบางภาพ”
ตามข้อจำกัดปัจจุบันของ Gemini Apps ไฟล์ที่รองรับประเภทอื่นนอกเหนือจากวิดีโอสามารถมีขนาดสูงสุดประมาณ
100 MB ต่อไฟล์
อย่างไรก็ตาม การใช้ภาพขนาดใหญ่มากไม่ได้ทำให้การวิเคราะห์ดีขึ้นเสมอไป
สิ่งที่สำคัญกว่าคือ
นี่เป็น Prompt ที่ควรใช้กับการวิเคราะห์รูป
“แบ่งคำตอบเป็น 3 ส่วน:
ห้ามเขียนข้อสันนิษฐานเป็นข้อเท็จจริง”
วิธีนี้ช่วยให้คำตอบมีประโยชน์มากกว่าการให้ AI ฟันธงจากภาพเพียงภาพเดียว
ได้
AI สามารถ
ยิ่งภาพ
ความเสี่ยงต่อความผิดพลาดก็ยิ่งสูงขึ้น
ไม่ควรใช้คำตอบจากภาพเพียงอย่างเดียวเป็นข้อสรุปสุดท้ายสำหรับเรื่องที่มีผลสำคัญ เช่น
ควรใช้ข้อมูลหรือผู้เชี่ยวชาญที่เหมาะสมเพิ่มเติม
หาก Gemini อ่านภาพไม่ถูกต้อง ลองทำตามนี้
Google แนะนำว่า หากระบบแจ้งว่าไม่สามารถวิเคราะห์ไฟล์ได้อย่างถูกต้อง สามารถลองอัปโหลดไฟล์ใหม่
เหลือเฉพาะส่วนที่ต้องการวิเคราะห์
หลีกเลี่ยงภาพที่ถูกส่งต่อหรือบีบอัดหลายครั้ง
ถ่ายใหม่ให้ชัดขึ้น
หากต้องการอ่านข้อความ ให้ส่งภาพ Close-up
หาก Screenshot ยาวมาก ให้แบ่งเป็นหลายภาพ
เช่น
“วิเคราะห์เฉพาะมุมขวาบน”
ทำให้ Gemini รู้ว่าควรโฟกัสตรงไหน
Screenshot และภาพถ่ายสามารถมีข้อมูลส่วนตัวโดยไม่ตั้งใจ เช่น
ก่อนอัปโหลดควร Crop, Blur หรือปิดข้อมูลที่ไม่เกี่ยวข้อง
หลักของ comsiam คือหากต้องการให้ AI วิเคราะห์ Error เพียงบรรทัดเดียว ไม่จำเป็นต้องส่ง Screenshot ทั้งหน้าที่มีข้อมูลส่วนตัวอื่น ๆ อยู่ด้วย
“ตรวจทุกองค์ประกอบในภาพ และแยกสิ่งที่เห็นจริงออกจากสิ่งที่คาดเดา”
“อ่านข้อความทั้งหมดจากภาพตามลำดับ หากส่วนใดไม่ชัดให้ระบุว่าอ่านไม่ชัด”
“อ่านข้อความ Error จาก Screenshot แล้วอธิบายสาเหตุและวิธีแก้จากง่ายไปยาก”
“อธิบาย Trend จุดสูงสุด จุดต่ำสุด และการเปลี่ยนแปลงที่สำคัญของกราฟนี้”
“ถอดข้อมูลจากตารางในภาพเป็นตารางข้อความ และรักษาตัวเลขเดิม”
“เปรียบเทียบสองภาพและแสดงเฉพาะสิ่งที่แตกต่างกัน”
“วิเคราะห์ UX ของหน้าจอนี้และเลือก 5 จุดที่ควรแก้ก่อน”
“ระบุสิ่งที่มองเห็นบนอุปกรณ์และไฟสถานะที่ผิดปกติ โดยไม่เดารุ่น”
“ค้นหารายละเอียดที่ผิดปกติหรือแตกต่างจากองค์ประกอบส่วนใหญ่ในภาพ”
“กลับไปตรวจภาพอีกครั้งและบอกว่าข้อสรุปใดในคำตอบก่อนหน้าที่ไม่สามารถยืนยันจากภาพได้”
ได้ Gemini Apps รองรับรูปภาพเพื่อใช้ถามคำถาม สรุป และค้นหา Insight จากข้อมูลที่อัปโหลด
สามารถอ่านข้อความที่มองเห็นในรูปได้ แต่ความแม่นยำขึ้นอยู่กับความคมชัด ขนาดตัวอักษร ภาษาของข้อความ และคุณภาพภาพ
ได้ สามารถใช้ Screenshot เพื่อถามเกี่ยวกับ Error, UI, ข้อความ ตัวเลข หรือสิ่งต่าง ๆ ที่มองเห็นอยู่ในหน้าจอ
ได้ ปัจจุบัน Gemini Apps รองรับไฟล์ที่รองรับสูงสุดประมาณ 10 ไฟล์ใน Prompt เดียว โดยขึ้นอยู่กับความพร้อมใช้งาน
ไม่ควรถือว่าถูกต้อง 100% เพราะ AI สามารถมอง อ่าน หรือตีความภาพผิดได้ โดยเฉพาะภาพที่เบลอ มืด หรือมีรายละเอียดจำนวนมาก
ลอง Crop เฉพาะพื้นที่สำคัญ ใช้ภาพที่คมชัดขึ้น ซูมส่วนที่ต้องการวิเคราะห์ หรืออัปโหลดภาพใหม่ และระบุใน Prompt ให้ชัดว่าต้องการให้ตรวจบริเวณใด
วิธีให้ Gemini วิเคราะห์รูปภาพแบบละเอียดที่ได้ผลดีคือ ส่งภาพที่ชัด + ระบุสิ่งที่ต้องตรวจ + จำกัดพื้นที่หรือประเด็น + แยก Fact ออกจากการคาดเดา
หากเป็น Screenshot ให้ Geminiอ่านข้อความก่อนวิเคราะห์ หากเป็นกราฟให้แยกสิ่งที่กราฟแสดงออกจากสาเหตุที่คาดเดา หากเป็นอุปกรณ์ควรถ่ายหลายมุม และหากเป็นตัวเลขหรือข้อมูลสำคัญควรตรวจจากต้นฉบับอีกครั้ง
Gemini สามารถเป็นผู้ช่วยวิเคราะห์ภาพที่มีประโยชน์มาก แต่ภาพเพียงหนึ่งภาพไม่ได้ให้บริบทครบทุกเรื่อง การถามต่อว่า “ต้องมีข้อมูลอะไรเพิ่มจึงจะยืนยันได้” เป็นหนึ่งในวิธีที่ดีที่สุดในการใช้ AI วิเคราะห์ภาพอย่างรอบคอบและได้คำตอบที่นำไปใช้ต่อได้จริง