Google เพิ่งเปิดฟีเจอร์ที่เรียกว่า agentic video understanding บน…
ของเดิมมันทำงานแบบนี้ครับ เราโยนคลิปเข้าไป โมเดลจะไล่ดูทีละเฟรมที่ความเร็ว 1 เฟรมต่อวินาที ตั้งแต่ต้นจนจบ ไม่ว่าคำถามเราจะเจาะจงแค่ไหน คลิปยาวสองชั่วโมงก็ต้องอ่านครบสองชั่วโมง แปลว่าจ่ายค่า token เต็มทุกครั้ง
ของใหม่คือโมเดลได้เครื่องมือมาสามอย่าง คือดึงบทพูด ดึงเฟรมภาพในช่วงเวลาที่ระบุพร้อมกำหนดความเร็วเองได้ และดึงเสียงเฉพาะช่วง แล้วมันวนลูปคิดเองว่าจะเปิดดูตรงไหน ด้วยความเร็วเท่าไหร่ ผ่านช่องทางไหน จนกว่าจะตอบคำถามได้
พูดง่ายๆ คือมันเลิกนั่งดูทั้งคลิป แล้วเปลี่ยนมาเลื่อนหาเหมือนที่คนเราทำ
ตัวเลขที่ Google เคลมคือ ลด token สูงสุด 88 เปอร์เซ็นต์ ลดต้นทุนสูงสุด 66 เปอร์เซ็นต์ และความแม่นยำเพิ่มขึ้นสูงสุด 7 เปอร์เซ็นต์ โดยผลจะเห็นชัดที่สุดกับคลิปยาว ตั้งแต่คลิปสอนสิบนาที ไปจนถึงเลกเชอร์เก้าสิบนาทีหรือไฟล์บันทึกหลายชั่วโมง
สิ่งที่มันทำได้ที่ของเดิมทำไม่ได้ คือหาจังหวะระดับเสี้ยววินาที เพราะการดูแค่วินาทีละเฟรมมันข้ามรอยต่อการตัดฉากไปเลย นับจำนวนครั้งของการเคลื่อนไหวเร็วๆ ได้แม่นขึ้นเพราะมันย้อนกลับไปดูซ้ำที่เฟรมเรตสูงกว่าเดิมได้ และหาเข็มในกองฟางในคลิปหลายชั่วโมงโดยไม่ต้องเผา token เป็นล้าน
ตอนนี้ใช้ได้บน Gemini 3.7 Flash, 3.6 Flash และ 3.5 Flash-Lite ผ่าน Gemini API ใน Google AI Studio กับ Gemini Enterprise Agent Platform รองรับทั้งไฟล์ที่อัปเองและลิงก์ YouTube วิธีเปิดคือใส่ค่า processing เป็น agentic ในคอนฟิกแค่นั้น และคิดเงินตามราคา token ปกติ ไม่มีค่าฟีเจอร์เพิ่ม
ที่น่าจับตาต่อคือ Google บอกว่าอีกไม่กี่เดือนฟีเจอร์นี้จะไปอยู่เบื้องหลังปุ่ม Ask YouTube บนหน้าดูคลิป แปลว่าเวลาเราถามอะไรกับคลิป YouTube คำตอบจะอ้างอิงจากภาพในคลิปจริงๆ ไม่ใช่แค่ซับ
ในมุมคนทำคอนเทนต์อย่างผม สิ่งที่ผมสนใจที่สุดไม่ใช่เรื่องประหยัดเงิน แต่เป็นเรื่องหาจังหวะระดับเสี้ยววินาทีได้ เพราะงานตัดคลิปที่เสียเวลาที่สุดคือการไล่หาว่าประโยคเด็ดอยู่นาทีไหน ถ้าโมเดลชี้จุดตัดให้ได้แม่นจริง อันนั้นเปลี่ยนวิธีทำงานเลย
แต่ผมยังไม่ได้ลองเอง ตัวเลขทั้งหมดข้างบนเป็นของที่ Google วัดเองบนเบนช์มาร์กของเขา ยังไม่มีคนนอกไปเทียบให้ดู และผมยังไม่รู้ว่ากับคลิปพูดไทยมันจะทำงานได้ดีแค่ไหน ไว้ได้ลองแล้วจะมาเล่า
blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-agentic-video-in-gemini
อยากใช้ AI กับงานจริงเป็นระบบ?
เรียน Claude Method — วิธีคิดและลงมือใช้ Claude/AI กับงานจริง ตั้งแต่วันแรก
📍 โพสต้นฉบับบน Facebook: AI กับ Peesamac