Contact
Line : comsiam
Contact
Line : comsiam

Google Gemini สามารถสร้างวิดีโอด้วย AI ได้โดยตรงจาก ข้อความ รูปภาพ และวิดีโออ้างอิง และในปัจจุบันระบบสร้างวิดีโอหลักใน Gemini Apps คือ Gemini Omni ซึ่ง Google เรียกว่าโมเดลสร้างวิดีโอ AI รุ่นล่าสุดของ Gemini
Gemini Omni แตกต่างจากระบบสร้างวิดีโอรุ่นก่อนตรงที่ไม่ได้ทำเพียง Text-to-Video แต่สามารถนำ ข้อความ + รูปภาพ + วิดีโอ มาใช้ร่วมกัน รวมถึงแก้ไขวิดีโอผ่านการสนทนาต่อเนื่อง เช่น เปลี่ยนฉาก ลบวัตถุ เปลี่ยนตัวละคร หรือเปลี่ยนมุมกล้องโดยพิมพ์คำสั่งธรรมดาได้เลย
วิธีสร้างวิดีโอแบบสั้นที่สุดบนคอมพิวเตอร์คือ
Gemini → Sidebar → Create video → เขียน Prompt → Submit
ถ้าต้องการสร้างจากรูปหรือวิดีโอ สามารถเพิ่ม Reference ก่อนส่งคำสั่งได้ด้วย
ได้
ปัจจุบัน Gemini Apps รองรับทั้ง
Text-to-Video
Image-to-Video
Video-to-Video Editing
Reference-to-Video
Multi-turn Video Editing
วิดีโอพร้อมเสียง
การใช้ Avatar ของตัวเอง
โดย Google ระบุว่า Gemini Omni สามารถรับ Reference ได้ทั้ง Text, Image, Video และบางรูปแบบของ Audio เพื่อนำมาสร้างเป็นวิดีโอเดียวที่สอดคล้องกัน
ดังนั้น Gemini ในปัจจุบันไม่ได้เป็นเพียง Chatbot ที่เขียน Prompt ให้เครื่องมืออื่น แต่สามารถสร้าง Video Output ให้โดยตรง
ข้อมูลล่าสุดจาก Gemini Apps Help ระบุว่า
Gemini Omni คือโมเดลสร้างวิดีโอล่าสุดใน Gemini Apps
Google เปิดตัว Gemini Omni Flash ในเดือนพฤษภาคม 2026 โดยอธิบายแนวคิดว่าเป็นโมเดลที่
Create anything from any input — starting with video
หรือสร้าง Content จาก Input หลากหลายรูปแบบ โดยเริ่มจาก Video Generation และ Editing
ดังนั้นบทความเก่าที่บอกว่า Gemini สร้างวิดีโอด้วย Veo 2 หรือ Veo 3.1 อย่างเดียวอาจไม่ตรงกับ Interface ปัจจุบันแล้ว
Veo ยังเป็นตระกูลโมเดล Video Generation สำคัญของ Google และยังมีการใช้งานในผลิตภัณฑ์และเครื่องมือสำหรับ Creator/Developer หลายแห่ง
แต่ Gemini Apps Help ปัจจุบันระบุ Gemini Omni เป็น Advanced Video Generator สำหรับการสร้างและแก้ Video ภายใน Gemini Apps
ดังนั้นสำหรับผู้ใช้ทั่วไปที่เปิด Gemini แล้วต้องการสร้างวิดีโอวันนี้ ให้เริ่มจาก
Create video / Videos
ภายใน Gemini ก่อน
สำหรับ Personal Google Account Google ระบุว่าปัจจุบันต้องมี Google AI Plan จึงจะใช้ Video Generation ใน Gemini Apps ได้
ถ้าเป็น
Work Account
School Account
ต้องมี Workspace License ที่เข้าเกณฑ์
และปัจจุบัน Video Generation ยังไม่เปิดให้ผู้ใช้ที่อายุต่ำกว่า 18 ปี
ดังนั้นถ้าเปิด Gemini แล้วหาเมนู Video ไม่เจอ สิ่งแรกที่ควรตรวจคือ
บัญชี
Google AI Plan
Workspace License
อายุของบัญชี
ขั้นตอนปัจจุบันตาม Google มีดังนี้
เข้า Gemini ด้วย Google Account ที่มีสิทธิ์ใช้งาน Video Generation
บริเวณด้านซ้ายของหน้าจอ
กด
Create video
Gemini มี Template สำเร็จรูปให้เลือกในบาง Workflow
ถ้าต้องการสร้างเองทั้งหมด สามารถข้ามได้
อธิบายวิดีโอที่ต้องการ
ตัวอย่าง
“สร้างวิดีโอ Cinematic ของรถสปอร์ตสีดำวิ่งบนถนนในโตเกียวตอนกลางคืน ถนนเปียก มีแสง Neon สะท้อนบนพื้น กล้อง Tracking ตามรถจากด้านหลัง”
Gemini จะเริ่มสร้างวิดีโอ
Google ระบุว่าการ Generation อาจใช้เวลาหลายนาที และระหว่างที่ระบบกำลังสร้างวิดีโอ ผู้ใช้จะไม่สามารถโต้ตอบกับ Chat เดิมได้ แต่สามารถเปิด Chat ใหม่แล้วกลับมาดู Video ภายหลังได้
บน Android สามารถใช้ได้ทั้ง
Gemini App
หรือ
Gemini Web
ขั้นตอนคือ
Google ระบุ Workflow นี้โดยตรงใน Gemini Apps Help สำหรับ Android
สามารถใช้ Gemini Apps ตามสิทธิของบัญชีและ Feature Availability ได้เช่นกัน
แนวทางหลักเหมือนกันคือ
เปิด Gemini
เข้า Video Creation
เขียน Prompt
เพิ่ม Reference
Generate
Interface อาจเปลี่ยนตำแหน่งเล็กน้อยตาม Version ของ Gemini App
นี่เป็นวิธีพื้นฐานที่สุด
ไม่ต้องมีรูปหรือวิดีโอต้นฉบับ
เพียงอธิบาย Scene ที่ต้องการ
ตัวอย่าง
“สร้างวิดีโอแมวสีส้มกำลังเดินเข้าร้านกาแฟเล็ก ๆ ในโตเกียวช่วงฝนตก กล้องติดตามแมวจากด้านหลัง มีแสง Warm Light จากภายในร้าน สไตล์ภาพยนตร์สมจริง”
Gemini จะตีความ
Subject
Action
Scene
Camera
Lighting
Style
แล้วสร้างวิดีโอใหม่
ใช้สูตรนี้
Subject + Action + Scene + Camera + Movement + Lighting + Style + Audio + Restrictions
ตัวอย่าง
Subject
รถสปอร์ตสีดำ
Action
กำลังวิ่งด้วยความเร็วสูง
Scene
ถนนโตเกียวกลางคืนหลังฝนตก
Camera
Low-angle Tracking Shot
Movement
กล้องตามรถอย่างต่อเนื่อง
Lighting
Neon Lighting
Style
Photorealistic Cinematic
Audio
เสียงเครื่องยนต์และเสียงฝน
Restrictions
ไม่มีข้อความ ไม่มี Logo
นำมารวมเป็น Prompt ได้ว่า
“สร้างวิดีโอ Photorealistic Cinematic ของรถสปอร์ตสีดำวิ่งด้วยความเร็วสูงบนถนนโตเกียวกลางคืนหลังฝนตก ใช้ Low-angle Tracking Shot กล้องตามรถอย่างต่อเนื่อง มี Neon Reflection บนถนน พร้อมเสียงเครื่องยนต์และเสียงฝน ไม่มีข้อความหรือ Logo”
Gemini Omni สามารถนำรูปภาพมาใช้เป็น Reference สำหรับ Video Generation ได้
ขั้นตอนคือ
ตัวอย่าง
“ทำให้คนในภาพนี้เดินไปข้างหน้าช้า ๆ ลมพัดเสื้อและเส้นผมเบา ๆ กล้องเคลื่อนตามจากด้านหน้า รักษาใบหน้า เสื้อผ้าและสถานที่เดิม”
จากนั้น Gemini จะใช้ภาพเป็นจุดเริ่มต้นของวิดีโอ
Google ระบุว่า Gemini Omni รองรับ Image References และสามารถใช้ Reference ร่วมกับ Text เพื่อสร้าง Video Output ได้
ถ้าใช้รูปบุคคลเป็น Reference ควรเขียน Prompt ให้ระบุ
Identity
Movement
Camera
สิ่งที่ห้ามเปลี่ยน
ตัวอย่าง
“ใช้บุคคลจากภาพนี้เป็นตัวแบบ รักษา Facial Identity, hairstyle, clothing และ body proportions เดิม ให้บุคคลเดินเข้าหากล้องอย่างเป็นธรรมชาติ กล้องถอยหลังตามอย่างนุ่มนวล ห้ามเปลี่ยนใบหน้า”
การระบุสิ่งที่ต้องรักษาช่วยลด Identity Drift
แต่ยังไม่ควรคาดหวังว่าระบบ Generative AI จะรักษารายละเอียดแบบ Pixel-perfect ทุก Frame
ได้
Gemini Apps Help ปัจจุบันระบุว่าสามารถอัปโหลดได้สูงสุด
1 วิดีโอ + สูงสุด 5 รูป
ใน Video Creation Workflow
ตัวอย่างมี
รูปที่ 1 → คน
รูปที่ 2 → เสื้อ
รูปที่ 3 → รถ
รูปที่ 4 → Location
Prompt
“ใช้บุคคลจากภาพที่ 1 เป็นตัวละครหลัก ใช้เสื้อจากภาพที่ 2 รถจากภาพที่ 3 และบรรยากาศสถานที่จากภาพที่ 4 สร้าง Scene แบบ Cinematic โดยรักษา Facial Identity ของบุคคลจากภาพที่ 1”
ได้
นี่เป็นความสามารถสำคัญของ Gemini Omni
สามารถ Upload Video แล้วพิมพ์คำสั่งให้ AI แก้ไขได้ เช่น
“เปลี่ยน Background เป็นป่าแฟนตาซี”
“ลบรถด้านหลัง”
“เปลี่ยน Camera Angle”
“เปลี่ยนวัตถุในมือ”
Google เรียกความสามารถนี้ว่า Video-to-Video Edit
อย่างไรก็ตาม Google ระบุว่าการ Upload Video เพื่อใช้แก้ไขยังมีข้อจำกัดในบางพื้นที่ เช่น EEA, Switzerland, United Kingdom และบางรัฐของสหรัฐฯ
ได้
หลังจากสร้าง Video แล้ว สามารถพิมพ์คำสั่งต่อ เช่น
“ลบคนด้านหลังออก”
“เปลี่ยนรถสีแดงเป็นสีดำ”
“เปลี่ยนมุมกล้อง”
“เปลี่ยนฉากจากกลางวันเป็นกลางคืน”
“เพิ่มฝน”
Google ระบุว่าหลังสร้าง Video แล้ว สามารถ Edit ด้วย Prompt เช่น Remove/Replace Objects or Characters, Change Camera Angles และ Modify the Scene ได้
นี่เป็นจุดเด่นใหญ่ของ Gemini Omni
Multi-turn Editing หมายถึง
แก้วิดีโอต่อเนื่องหลายรอบใน Chat เดียว
ตัวอย่าง
รอบแรก
“สร้างนักไวโอลินกำลังเล่นเพลง”
รอบสอง
“เปลี่ยนสถานที่เป็นห้อง Concert Hall”
รอบสาม
“เปลี่ยนกล้องไปอยู่หลังนักไวโอลิน”
รอบสี่
“ทำให้แสงมืดลง”
Gemini Omni จะพยายามรักษา Context จากรอบก่อนหน้า ทำให้ Workflow คล้ายการคุยกับ Video Editor มากกว่าการสร้าง Clip ใหม่ตั้งแต่ต้นทุกครั้ง
Google ระบุว่าแต่ละ Edit จะต่อยอดจาก Edit ก่อนหน้า พร้อมพยายามรักษา Scene และ Character Consistency
ใช้สูตร
Preserve + Change Only + Target
ตัวอย่าง
“รักษาวิดีโอเดิมทั้งหมด เปลี่ยนเฉพาะรถสีแดงทางด้านหลังเป็นรถสีดำ ห้ามเปลี่ยนบุคคลหลัก Camera Movement และ Lighting”
หรือ
“รักษาตัวละครและ Scene เดิม เปลี่ยนเฉพาะ Camera Angle เป็น Over-the-shoulder Shot”
แนวทางนี้ลดโอกาสที่ AI จะเปลี่ยนองค์ประกอบอื่นโดยไม่จำเป็น
ได้
Gemini Apps Help ระบุว่าผู้ใช้สามารถขอให้ Gemini สร้าง Audio พร้อมกับวิดีโอ ได้
จึงสามารถระบุใน Prompt เช่น
เสียงพูด
เสียงสิ่งแวดล้อม
เสียงเครื่องยนต์
เสียงฝน
เสียงนก
เสียง Footstep
Music Mood
ตัวอย่าง
“สร้างวิดีโอฝนตกในร้านกาแฟ มีเสียงฝนกระทบกระจก เสียงกาแฟกำลังชง และดนตรี Jazz เบา ๆ”
“สร้างวิดีโอ Cinematic ของรถสปอร์ตสีดำขับผ่าน Tunnel ตอนกลางคืน มีเสียงเครื่องยนต์สมจริง เสียงยางสัมผัสถนนและเสียง Tunnel Reverb ไม่ต้องมีเพลงหรือเสียงพูด”
การบอก
อะไรต้องมี
และ
อะไรไม่ต้องมี
ช่วยควบคุม Audio ได้มากขึ้น
Gemini Omni ถูกพัฒนาด้านการเชื่อม
ภาพ
ข้อความ
เสียง
Action
เข้าด้วยกัน
และ Google แสดงตัวอย่าง Omni ที่สามารถสร้าง Visual และ Speech/Audio ให้สัมพันธ์กับ Scene ได้
ถ้าต้องการ Dialogue ควรเขียน
ใครพูด
พูดว่าอะไร
น้ำเสียง
ภาษา
จังหวะ
ตัวอย่าง
“ผู้หญิงพูดภาษาไทยด้วยน้ำเสียงเป็นมิตรว่า ‘ยินดีต้อนรับค่ะ’ หลังจากเปิดประตูร้าน จากนั้นยิ้มให้กล้อง”
หลังสร้างควรตรวจ
คำพูด
Lip Sync
เสียง
ความหมาย
ก่อนนำไปใช้งานจริง
ได้
สำหรับ Text Prompt Google ระบุว่า ค่าเริ่มต้นเป็น Landscape
จึงเหมาะกับ
YouTube
Presentation
Website
Video ทั่วไป
หากต้องการ Ratio เฉพาะควรระบุให้ชัดใน Workflow ที่มีตัวเลือก Aspect Ratio
Gemini Omni รองรับ Aspect Ratio Control
ทำให้สามารถเลือก Ratio ก่อนสร้างได้ใน Workflow ที่รองรับ
วิดีโอแนวตั้งเหมาะกับ
YouTube Shorts
TikTok
Instagram Reels
Facebook Reels
ควรกำหนดตั้งแต่เริ่มแทนการ Crop จาก Landscape ภายหลัง หากแพลตฟอร์มปลายทางต้องใช้แนวตั้ง
Google ระบุว่า หากใช้ Image หรือ Video Reference
Aspect Ratio ของ Output จะอิงตาม Content ที่ Upload ใน Workflow ปัจจุบัน
ดังนั้นถ้าต้องการ Video แนวตั้งจากรูป
ควรเตรียม Reference แนวตั้งตั้งแต่ต้นหากเป็นไปได้
“สร้างวิดีโอแนวตั้ง 9:16 สำหรับ Short-form Social Media มีผู้หญิงเดินบนถนนในโตเกียวยามค่ำ ตัวละครอยู่กลาง Frame และมี Safe Area ด้านบนและด้านล่างสำหรับ UI ของแพลตฟอร์ม”
ควรคิด Composition สำหรับ Mobile ตั้งแต่ขั้น Generation
“สร้างวิดีโอ Cinematic แนวนอน 16:9 ของสำนักงาน AI แห่งอนาคต กล้อง Dolly Forward ช้า ๆ ผ่านโต๊ะทำงานและจอ Holographic มี Ambient Technology Sound ไม่มีข้อความและไม่มี Logo”
“สร้างวิดีโอ Vertical 9:16 ผู้ชายกำลังเดินเข้าร้านกาแฟ Modern Minimal กล้อง Tracking จากด้านหน้า Movement Smooth ใช้ Warm Natural Lighting และเว้นพื้นที่ด้านบนเล็กน้อยสำหรับ Caption”
Video Prompt ควรระบุมุมและการเคลื่อนกล้อง
ตัวอย่าง
Static Shot
Pan Left
Pan Right
Tilt Up
Tilt Down
Dolly In
Dolly Out
Tracking Shot
Orbit Shot
Handheld
Crane Shot
Drone Shot
POV
Close-up
Wide Shot
การบอก Camera Movement ช่วยให้ผลลัพธ์ต่างจากการอธิบายแค่ Scene อย่างมาก
“กล้องเริ่มจาก Wide Shot แล้ว Dolly Forward เข้าหาตัวละครอย่างช้า ๆ จากนั้นหยุดที่ Medium Close-up”
ชัดกว่า
“กล้องสวย ๆ”
มาก
ตัวอย่าง
“ผู้ชายเดินช้า ๆ”
ยังไม่ละเอียดมาก
สามารถเขียน
“ผู้ชายเดินเข้าหากล้องด้วยความเร็วธรรมชาติ แขนแกว่งตามการเดิน เสื้อและผมเคลื่อนไหวเล็กน้อยตามลม”
Movement ที่มี Logic ช่วยให้ AI เข้าใจ Physical Action
Google ระบุว่า Omni มีความเข้าใจด้าน Physics เช่น
Gravity
Kinetic Energy
Fluid Dynamics
ดีขึ้น และใช้ World Knowledge ของ Gemini เพื่อสร้าง Scene ที่มีความหมายและสอดคล้องกับโลกจริงมากขึ้น
อย่างไรก็ตาม Video AI ยังสามารถสร้าง
Movement ผิด
วัตถุทะลุ
มือผิด
Physics แปลก
ได้ จึงต้องตรวจ Output
Gemini Omni สามารถใช้ Image Reference ได้
ดังนั้น Sketch หรือภาพร่างสามารถใช้เป็น Visual Reference เพื่อสร้าง Video ใหม่ได้
Google แสดงตัวอย่างการนำ Drawing มาเปลี่ยนเป็น Realistic Footage โดยใช้รูปวาดเป็น Guide สำหรับการเคลื่อนไหว
เหมาะกับ
Storyboard
Animation Concept
Product Concept
Scene Planning
Omni สามารถใช้ Video Reference ร่วมกับ Image และ Text ได้
ตัวอย่าง
Video 1 → Camera Movement
Image 1 → Character
Prompt
“ใช้ตัวละครจาก Image Reference และใช้ Extreme Camera Movement กับ Perspective แบบ Video Reference สร้าง Scene ใหม่โดยรักษาตัวละครเดิม”
นี่เป็นตัวอย่างความสามารถ Reference-to-Video ที่กว้างกว่า Text-to-Video แบบเดิม
Omni ถูกออกแบบให้รักษา Scene และ Character Consistency ระหว่างการแก้หลายรอบ
Google ระบุว่าแต่ละ Edit สามารถต่อยอดจากรอบก่อนหน้า โดย Character ยังคง Consistent และ Scene จำ Context ก่อนหน้าได้
แต่เช่นเดียวกับ Image AI
ไม่ควรคาดหวัง
Pixel-perfect Identity
เสื้อผ้าเหมือนทุก Frame
ใบหน้าเหมือน 100%
โดยไม่ตรวจ
“Preserve the same character identity, facial features, hairstyle, clothing and body proportions throughout the entire video. Do not change the character’s appearance between frames.”
ถ้ามี Reference ให้เพิ่ม
“Use the uploaded image as the master identity reference.”
ได้
สามารถ Upload ภาพสินค้าจริง แล้วให้ Gemini สร้าง Movement รอบสินค้า
ตัวอย่าง
“ใช้สินค้าจาก Reference เป็น Master Product รักษา Shape, Logo, Label, Color และ Packaging เดิม กล้อง Orbit รอบสินค้าอย่างช้า ๆ บนแท่นสีดำใน Premium Studio มี Soft Rim Light และ Reflection”
เหมาะกับ
Product Teaser
Social Ads
Presentation
Concept Advertising
Video Generation สามารถเปลี่ยน
Logo
Label
Packaging
จำนวนปุ่ม
รูปร่าง
สี
ระหว่าง Frame
ดังนั้นวิดีโอสินค้าเชิงพาณิชย์ต้องตรวจ Frame สำคัญก่อนใช้งาน
โดยเฉพาะสินค้าที่ต้องตรงของจริง
ได้
Prompt ควรระบุ
Product
Audience
Mood
Camera
Background
Audio
CTA Area
ตัวอย่าง
“สร้าง Premium Product Advertisement ของนาฬิกาสีดำ วางบนแท่นหิน กล้อง Orbit ช้า ๆ รอบสินค้า มี Golden Rim Light Background สีดำและเสียง Ambient Luxury ไม่มีข้อความ”
จากนั้นนำไปใส่
ราคา
Logo
CTA
รายละเอียดสินค้า
ในโปรแกรม Video Editor ภายหลัง จะควบคุมความถูกต้องได้มากกว่า
ได้
เช่นบทความ
AI
เทคโนโลยี
ท่องเที่ยว
ธุรกิจ
วิทยาศาสตร์
สามารถสร้าง B-roll หรือ Concept Visual ได้
ตัวอย่าง
“สร้าง B-roll Cinematic ของ Data Center สมัยใหม่ มี Server Rack จำนวนมาก แสงสีฟ้า กล้องเดินผ่านทางเดินตรงกลางอย่างช้า ๆ ไม่มีคน ไม่มี Logo ไม่มีข้อความ”
Gemini Omni สามารถสร้าง Visual Explanation ที่อาศัย World Knowledge ได้
Google แสดงตัวอย่างการสร้าง Explainer เกี่ยวกับ Protein Folding แบบ Claymation จาก Prompt สั้น ๆ
ดังนั้นสามารถใช้กับ
Science
Education
Technology
Concept Explanation
แต่ต้องตรวจ Fact ก่อนเผยแพร่
ถ้าเป็น Explainer ที่ต้องแม่น เช่น
การแพทย์
การเงิน
วิทยาศาสตร์
ประวัติศาสตร์
ควรเตรียม Script ที่ตรวจแล้วก่อน
แล้วให้ Gemini สร้าง Visual ตาม Script
แทนการสั่ง
“สร้างวิดีโออธิบายเรื่องนี้ทั้งหมดให้ถูกต้อง”
เพราะ Visual ที่ดูน่าเชื่อถือไม่ได้แปลว่าข้อมูลถูกทุกจุด
ไม่จำเป็นต้องยาวที่สุด
Prompt ที่ดีควร ชัดและไม่ขัดแย้ง
ตัวอย่าง Prompt 2 บรรทัดที่ชัดเจนอาจดีกว่า Prompt 500 คำที่มี Requirement ขัดกัน
เริ่มด้วย
Subject
Action
Camera
Scene
Style
ก่อน
แล้วค่อย Edit เพิ่มผ่าน Multi-turn Conversation
ใช้สูตร
WHO + DOES WHAT + WHERE + CAMERA + MOTION + LIGHT + AUDIO + STYLE + DON’T
ตัวอย่าง
WHO
ผู้ชายใส่สูท
DOES WHAT
เดินเข้าอาคาร
WHERE
สำนักงานแห่งอนาคต
CAMERA
Tracking Shot จากด้านหน้า
MOTION
เดินธรรมชาติ
LIGHT
Soft Blue Lighting
AUDIO
Footsteps + Ambient Sound
STYLE
Cinematic Photorealistic
DON’T
ไม่มีข้อความ ไม่มี Logo
“สร้างวิดีโอ Cinematic Photorealistic ของชายใส่สูทสีดำเดินเข้าสำนักงานแห่งอนาคต กล้อง Tracking ถอยหลังจากด้านหน้า Movement นุ่มนวล มี Soft Blue Lighting และเสียงฝีเท้าตามธรรมชาติ ไม่มีข้อความ ไม่มี Logo”
“สร้างวิดีโอเมืองโตเกียวตอนกลางคืนหลังฝนตก มีผู้คนเดินบนถนน Neon Signs สะท้อนบนพื้น กล้องเคลื่อน Forward ช้า ๆ แบบ Cinematic Street Photography พร้อมเสียงฝนและ Ambient City Sound”
“สร้างวิดีโอ Drone Shot บินเหนือภูเขาและทะเลหมอกช่วงพระอาทิตย์ขึ้น มี Golden Morning Light เมฆเคลื่อนช้า ๆ และเสียงลมธรรมชาติ”
“ใช้สินค้าจาก Reference เป็น Master Product รักษารูปร่าง สี Logo และ Packaging เดิม กล้อง Orbit ช้า ๆ รอบสินค้าใน Premium Studio Background สีดำ มี Soft Golden Rim Light ไม่มีข้อความ”
“สร้างวิดีโอร้านกาแฟ Modern Minimal ช่วงเช้า กล้อง Dolly Forward ผ่านโต๊ะไม้ไปยังแก้วกาแฟที่มีไอน้ำ มี Soft Window Light เสียงเครื่องชงกาแฟและเสียงร้านเบา ๆ”
“สร้าง Vertical Video 9:16 ของผู้หญิงเดินในเมืองช่วง Golden Hour กล้อง Tracking จากด้านหน้า Movement Smooth ใช้ Warm Cinematic Color Grade และเว้น Safe Area ด้านบนสำหรับ Caption”
อย่า Generate ใหม่ทั้งหมดทันที
ใช้ Multi-turn Editing
ตัวอย่าง
“Scene ถูกต้องแล้ว แต่กล้องเร็วเกินไป ให้รักษาทุกอย่างเดิมและลด Camera Movement ให้ช้าลง”
หรือ
“รักษาตัวละครและ Movement เดิม เปลี่ยนเฉพาะ Background ให้เป็นช่วงกลางคืน”
หรือ
“รักษาทุกอย่างเดิม เพิ่มเสียงฝนเบา ๆ”
วิธีนี้เป็นหนึ่งในจุดแข็งของ Gemini Omni
แทนการสั่งพร้อมกันว่า
เปลี่ยนเสื้อ
เปลี่ยนรถ
เปลี่ยน Background
เปลี่ยน Camera
เพิ่ม Audio
เปลี่ยน Style
ให้ทำทีละรอบ
เพราะจะตรวจได้ง่ายว่าการแก้รอบใดทำให้ Output เริ่มผิด
หลังสร้างเสร็จ
หรือเลือก Share on YouTube ใน Workflow ที่รองรับ
Google ระบุขั้นตอนนี้ใน Gemini Apps Help ปัจจุบัน
ไม่ควร Screen Record หากต้องการไฟล์ Output ต้นฉบับ
Gemini มีตัวเลือก
Share on YouTube
จากเมนู Share ใต้วิดีโอใน Workflow ปัจจุบัน
อย่างไรก็ตาม ก่อน Publish ควรตรวจ
ภาพ
เสียง
ข้อความ
Fact
Copyright
Privacy
ก่อนเสมอ
Gemini มีระบบ Personal Avatar
ให้ผู้ใช้บันทึกใบหน้าและเสียงของตัวเอง แล้วนำ Avatar ไปใช้สร้าง Content ด้วย Gemini Omni ได้ในบัญชีที่รองรับ
Google ระบุว่า Avatar ต้อง
อายุ 18 ปีขึ้นไป
ใช้ Personal Google Account
และปัจจุบันยังมีข้อจำกัดด้านพื้นที่และภาษาบางส่วน
ใน Prompt สามารถเรียก Avatar ด้วยรูปแบบ
@[Google username]
ใน Workflow ที่รองรับ
ได้
Google ระบุว่า Avatar บันทึกทั้ง
Face
Voice
เพื่อใช้สร้าง Content ที่มีรูปลักษณ์และเสียงของผู้ใช้ใน Gemini Omni
แต่ Feature นี้เกี่ยวข้องกับข้อมูลชีวมิติและ Privacy จึงควรจัดการ Avatar ใน Account Settings อย่างระมัดระวัง
มี
Google ระบุว่า Video ที่สร้างด้วย Gemini Omni มี SynthID Digital Watermark แบบมองไม่เห็น เพื่อช่วยระบุว่า Content สร้างด้วย Google AI
ดังนั้นแม้วิดีโอไม่มี Logo ใหญ่ ๆ บนภาพ ก็ยังสามารถมี AI Provenance อยู่ภายใน
Google กำลังใช้ SynthID Verification ให้ตรวจว่า Content เกี่ยวข้องกับ Google AI หรือไม่ในระบบที่รองรับ
Google ระบุว่าวิดีโอ Omni สามารถตรวจสอบแหล่งที่มาผ่านเครื่องมือ Verification ของ Google เช่น Gemini ได้
นี่ช่วยเพิ่ม Transparency ของ AI-generated Video
สามารถใช้กับงานธุรกิจได้หลายรูปแบบภายใต้ Terms และกฎหมายที่เกี่ยวข้อง แต่ต้องมีสิทธิใน Reference ที่ Upload
Google ระบุชัดว่า
ควร Upload เฉพาะรูปที่ผู้ใช้มีสิทธิใช้
และต้องไม่ละเมิด
Copyright
Privacy Rights
รวมถึงต้องปฏิบัติตาม Google Terms of Service และ Prohibited Use Policy
ดังนั้นการสร้าง Video ด้วย AI ไม่ได้ทำให้คุณได้รับสิทธิใน
เพลงของคนอื่น
Logo
ตัวละคร
ภาพบุคคล
Video Clip
ที่ไม่มีสิทธิใช้งานโดยอัตโนมัติ
Google ระบุว่า Gemini Apps อาจไม่สร้างหรือลบ Video หากระบบตรวจพบว่าอาจละเมิด Terms of Service หรือ Prohibited Use Policy
หาก Prompt หนึ่งถูกปฏิเสธ แต่ Prompt ทั่วไปสร้างได้
อย่าพยายามเปลี่ยนคำเพื่อหลบระบบ
ควรปรับ Request ให้ปลอดภัยและถูกต้องแทน
Video Generation ใช้การประมวลผลมากกว่าข้อความทั่วไป
Google ระบุว่าอาจใช้ หลายนาที ในการสร้างวิดีโอ
ถ้านานผิดปกติให้ตรวจ
Internet
Account
Quota
Browser/App
Prompt Complexity
Reference Files
และลอง Prompt ง่ายใน Chat ใหม่เพื่อแยกสาเหตุ
ถ้าระบบกำลังสร้างอยู่
ควรรอให้ Request เดิมเสร็จก่อน
Google ระบุว่าระหว่าง Gemini กำลังสร้างวิดีโอ จะไม่สามารถโต้ตอบกับ Chat เดิมได้ แต่สามารถเปิด Chat ใหม่ใช้งานต่อแล้วกลับมาดูภายหลังได้
มีข้อจำกัดตาม
Google AI Plan
บัญชี
Workspace License
Feature
Capacity
Google สามารถปรับ Limits ได้ตามระบบ
ดังนั้นไม่ควรยึดตัวเลขจำนวนวิดีโอต่อวันจากบทความเก่าเป็นค่าถาวร
หากต้องการรู้ Limit ปัจจุบันควรดูสิทธิของบัญชี Gemini โดยตรง
หัวข้อเรื่อง Gemini สร้างวิดีโอฟรีไหมและได้วันละกี่ครั้ง จะอธิบายแยกโดยละเอียดในบทความเรื่อง Video Limits
ความยาว Output แตกต่างได้ตาม
โมเดล
Feature
Plan
Surface
และ Google พัฒนา Video Generation ต่อเนื่อง
จึงไม่ควรนำตัวเลขจาก Veo รุ่นเก่ามาใช้กับ Gemini Omni โดยอัตโนมัติ
ควรตรวจ Interface และ Help ปัจจุบันของบัญชีเมื่อสร้างจริง
ความแตกต่างใหญ่คือ Conversation
Video Generator แบบเดิมมักทำงาน
Prompt → Video
หากผิดต้อง Generate ใหม่
Gemini Omni สามารถทำ
Prompt → Video
ต่อด้วย
Edit 1 → Video ใหม่
Edit 2 → Video ใหม่
Edit 3 → Video ใหม่
โดยพยายามรักษา Context เดิม
Google เปรียบแนวคิดนี้กับ “Nano Banana สำหรับ Video” เพราะสามารถแก้สื่อผ่านบทสนทนาได้ต่อเนื่อง
Omni ไม่ได้เน้นเพียง Photorealism
Google ระบุว่า Model ผสาน
World Knowledge
Physics Understanding
Multimodal Understanding
เพื่อสร้าง Scene ที่มี Logic มากขึ้น
เหมาะกับ
Explainer
Educational Visual
Historical Concept
Scientific Visualization
Storytelling
แต่ยังต้อง Fact-check งานสำคัญ
หนึ่งประโยคว่า Video ต้องการสื่ออะไร
ใคร
ที่ไหน
ทำอะไร
Shot
Angle
Movement
Mood ของภาพ
ถ้าต้องการ
เฉพาะที่จำเป็น
สร้าง Version แรก
Face
Hands
Motion
Physics
Text
Audio
แก้ทีละจุด
เก็บ Master
มี Identity Drift หรือไม่
ผิดรูปหรือไม่
เป็นธรรมชาติไหม
วัตถุเคลื่อนไหวสมเหตุสมผลหรือไม่
สะกดถูกไหม
คำพูดถูกหรือไม่
สัมพันธ์กับภาพไหม
มีของที่ไม่ต้องการหรือไม่
รายละเอียดตรงของจริงไหม
Reference ทุกไฟล์มีสิทธิใช้หรือไม่
ไม่จริง
Omni รองรับ Text, Image และ Video References
ไม่จริง
สามารถ Edit ต่อด้วย Prompt ได้
ไม่เสมอ
Omni สามารถรับคำสั่งเปลี่ยน Camera Angle ผ่าน Prompt ได้
ไม่จริง
สามารถขอ Audio พร้อม Video ได้
ไม่ใช่ใน Gemini Apps ปัจจุบัน Google ระบุว่า Personal Account ต้องมี Google AI Plan
ข้อมูล Gemini Apps Help ล่าสุดระบุ Gemini Omni เป็น Video Generator รุ่นล่าสุดของ Gemini Apps
ไม่จริง
ต้องตรวจ Output เช่นเดียวกับ AI Image
ได้ ปัจจุบัน Gemini Apps ใช้ Gemini Omni เป็น Advanced Video Generator รองรับทั้งการสร้างและแก้ไข Video
บนคอมพิวเตอร์เปิด Gemini → Sidebar → Create video → เขียน Prompt หรือเพิ่ม Reference → Submit
ได้ สามารถ Upload Image Reference แล้วกำหนด Movement, Camera และ Scene ด้วย Prompt
ได้ Omni มี Video-to-Video Editing และ Multi-turn Editing ทำให้สามารถแก้ Object, Character, Camera Angle และ Scene ผ่านการสนทนาได้
Gemini Apps Help ปัจจุบันระบุว่าสามารถใช้ หนึ่ง Video และสูงสุดห้ารูป ใน Video Creation Workflow
ได้ สามารถขอ Audio พร้อม Video ได้
ได้ Gemini Omni มี Aspect Ratio Control ใน Workflow ที่รองรับ
สำหรับ Personal Account ใน Gemini Apps ปัจจุบัน Google ระบุว่าต้องมี Google AI Plan ส่วนบัญชี Work/School ต้องมี Workspace License ที่เข้าเกณฑ์
ปัจจุบัน Google ระบุว่า Video Generation Feature นี้ยังไม่พร้อมให้ผู้ใช้อายุต่ำกว่า 18 ปี
มี Google ระบุว่าวิดีโอที่สร้างด้วย Gemini Omni มี SynthID Digital Watermark แบบมองไม่เห็น
การสร้างวิดีโอด้วย Google Gemini ปัจจุบันง่ายขึ้นมาก เพราะระบบไม่ได้จำกัดอยู่เพียงการเขียน Prompt เพื่อสร้าง Clip ใหม่ แต่สามารถ สร้าง + แก้ + ใช้ Reference + สร้างเสียง + สนทนาแก้วิดีโอต่อเนื่อง ได้ภายใน Gemini
โมเดลหลักใน Gemini Apps ปัจจุบันคือ Gemini Omni ซึ่ง Google เปิดตัวในปี 2026 และออกแบบให้ทำงานแบบ Multimodal โดยสามารถนำ Text, Image, Video และ Reference รูปแบบต่าง ๆ มาสร้าง Video Output เดียวกันได้
วิธีเริ่มใช้งานบนคอมพิวเตอร์คือ
① เปิด Gemini
② Sidebar → Create video
③ เลือก Template ถ้าต้องการ
④ พิมพ์ Prompt
⑤ เพิ่ม Image หรือ Video Reference ถ้ามี
⑥ กด Submit
Google ระบุว่าสามารถ Upload ได้หนึ่งวิดีโอและสูงสุดห้ารูปใน Workflow ปัจจุบัน และสามารถขอให้ Gemini สร้าง Audio พร้อมกับวิดีโอได้ด้วย
จุดที่ทำให้ Gemini Omni แตกต่างจากระบบ Text-to-Video รุ่นเก่าคือ Multi-turn Editing
หลังได้ Video แรกแล้ว สามารถสั่งต่อได้ทันที เช่น
“รักษาทุกอย่างเดิม เปลี่ยนเฉพาะ Background”
“ลบคนด้านหลัง”
“เปลี่ยนกล้องเป็น Low-angle”
“เพิ่มเสียงฝน”
โดย Gemini จะพยายามรักษา Context เดิมระหว่างการแก้แต่ละรอบ
ถ้าต้องการให้ผลลัพธ์ดีขึ้น ให้ใช้สูตร Prompt
Subject + Action + Scene + Camera + Movement + Lighting + Audio + Style + Restrictions
เช่น
“สร้างวิดีโอ Cinematic Photorealistic ของรถสปอร์ตสีดำวิ่งผ่านโตเกียวตอนกลางคืน กล้อง Low-angle Tracking ตามรถ ถนนเปียกมี Neon Reflection พร้อมเสียงเครื่องยนต์และฝน ไม่มีข้อความหรือ Logo”
และหลังสร้างต้องตรวจ
Movement
ใบหน้า
มือ
Physics
Audio
Text
Product Detail
Copyright/Privacy
ก่อนนำไปเผยแพร่
สำหรับ Personal Account ปัจจุบัน Google กำหนดให้ต้องมี Google AI Plan เพื่อใช้ Video Generation ใน Gemini Apps ขณะที่ Work/School Account ต้องมี Workspace License ที่เข้าเกณฑ์ และ Feature นี้ยังไม่เปิดให้ผู้ใช้ที่อายุต่ำกว่า 18 ปี
สรุปให้จำง่ายที่สุดคือ
Gemini Omni = สร้างวิดีโอจาก Prompt + รูป + Video Reference + แก้ต่อด้วยการคุยกับ AI
ทำให้ Gemini ในปัจจุบันไม่ได้เป็นเพียงเครื่องมือ “สร้างคลิป AI” แต่กำลังกลายเป็นพื้นที่สำหรับสร้างและแก้ไขวิดีโอแบบ Conversational Video Creation ตั้งแต่ Concept ไปจนถึง Final Clip ได้ใน Workflow เดียว