แถบเฟรมวิดีโอโทนเขียวเข้มที่ภาพกลางหลุดแนวหนึ่งช่องและมีหมุดอำพันจุดเดียวช่วยจัดกลับ
aivideogeminicreative-tools

Gemini Omni 1.1 Flash เพิ่ม Control งานวิดีโอ: Preview ถูกลงแต่ Continuity ยังต้องตรวจ

พี่โชว์Engineering

งานวิดีโอ generative แพงตรงการลองซ้ำและแก้ความต่อเนื่องครับ Google เปิด Gemini Omni 1.1 Flash ผ่าน API พร้อมเครื่องมือยืดฉาก, กำหนด first/last frame, ทำ preview ความละเอียดต่ำ และ upscale ผลสุดท้ายเป็น 4K

WHY: Control Point สำคัญกว่า Prompt ที่ยาวขึ้น

ประกาศของ Google ระบุว่ายืดฉากได้ถึง 40 วินาทีและใช้ frame ต้นกับท้ายกำกับการเคลื่อน การมี anchor ที่มองเห็นได้ช่วยให้ทีมคุยกันด้วยภาพเป้าหมาย แทนการเพิ่มคำคุณศัพท์ใน prompt แล้วหวังว่า camera path จะตรงกัน

preview 360p ช่วยลดต้นทุน iteration เพราะหลายรอบต้องตัดสินเพียงจังหวะ, framing และ continuity ยังไม่ต้องจ่ายเพื่อรายละเอียดสุดท้าย ส่วน upscale ควรเป็นขั้นปลายหลังล็อก cut แล้ว ไม่ใช่ทำทุก draft

Workflow จาก Draft ไป Master

เริ่มด้วย shot list ที่ระบุ subject, action, duration และ invariant เช่นสีเสื้อหรือทิศแสงต่อฉาก สร้าง preview สั้นทีละ shot แล้วตรวจ silhouette กับ motion ที่ขนาดเล็ก ถ้าอ่านไม่ออกที่ 360p รายละเอียด 4K มักไม่ช่วยแก้ composition

ใช้ last frame ของ shot ก่อนเป็น first-frame anchor ของ shot ถัดไป แล้วตรวจวัตถุที่ต้องต่อเนื่อง: จำนวนชิ้น, ตำแหน่งมือ, ทิศกล้อง, เงา และเส้นขอบฟ้า เก็บ seed หรือ request metadata ที่ API ให้ไว้เพื่อย้อนสร้างและ audit

สิ่งที่ Model Control ยังไม่รับประกัน

first/last frame ไม่รับประกันว่าทุกเฟรมตรงกลางสมเหตุผล อาจมีวัตถุงอก, หาย หรือบิดรูปช่วง transition ต้องดูเต็มความเร็วและแบบ frame-by-frame ตรงจังหวะเสี่ยง เสียง, lip sync และข้อความในภาพต้องตรวจแยก

ก่อนส่งสาธารณะ ตรวจสิทธิ์ของภาพอ้างอิง ใบหน้า เพลง และ asset ที่อัปโหลด อย่าให้ API key อยู่ใน client และกำหนด retention/access ของไฟล์ต้นฉบับ โดยเฉพาะงานลูกค้าที่ยังไม่ประกาศ

วัดต้นทุนต่อ Shot ไม่ใช่ต่อ Request

บันทึกจำนวน preview ที่ผ่าน/ตก เวลาคนตรวจ และจำนวน upscale ที่ใช้จริง ต้นทุน request ต่ำแต่ต้องแก้สิบรอบอาจแพงกว่าวิธีเดิมที่ควบคุมได้ ใช้ golden frames และ checklist เดิมเทียบหลายรุ่นโมเดลก่อนเปลี่ยน production default

Recap

  • ใช้ preview ต่ำเพื่อจัดจังหวะและองค์ประกอบก่อน upscale
  • เชื่อม shot ด้วย first/last-frame anchor พร้อมรายการ invariant
  • ตรวจเฟรมกลาง เพราะ endpoint สวยไม่ได้รับประกันเส้นทาง
  • เก็บ request metadata และสิทธิ์ของ asset ให้ audit ได้

พรุ่งนี้ลองหนึ่ง shot 5–8 วินาที กำหนด invariant สามข้อ แล้วนับจำนวนรอบที่ต้องแก้ก่อนตัดสินคุณภาพครับ