Gemini ฉลาดขึ้นอีกขั้น! รองรับฟีเจอร์แก้ไขรูปภาพตามคำสั่ง (Prompt) แล้ว

จากข่าวการประกาศของ Google ที่เพิ่มความสามารถให้แชทบอท Gemini สามารถแก้ไขรูปภาพได้ตามคำสั่งข้อความ (prompt) ล่าสุดมีรายละเอียดเพิ่มเติมจากรายงานข่าวต่างๆ ซึ่งเผยให้เห็นถึงขีดความสามารถที่น่าสนใจยิ่งขึ้นของฟีเจอร์นี้

ความสามารถใหม่ในการแก้ไขรูปภาพนี้ ขับเคลื่อนโดยโมเดล AI ที่ชื่อว่า Gemini 2.0 Flash ซึ่งเป็นโมเดลที่ได้รับการออกแบบมาเพื่อการประมวลผลที่รวดเร็วและมีประสิทธิภาพ ผู้ใช้งานสามารถแก้ไขรูปภาพได้ทั้งรูปภาพที่สร้างขึ้นโดย AI ภายใน Gemini เอง และรูปภาพที่อัปโหลดเข้ามาจากอุปกรณ์ของผู้ใช้งาน

รายงานข่าวระบุว่า Gemini สามารถทำความเข้าใจคำสั่งแก้ไขรูปภาพด้วย ภาษามนุษย์ทั่วไป (natural language) และรองรับการแก้ไขแบบ สนทนาโต้ตอบ (conversational editing) ทำให้สามารถปรับเปลี่ยนและแก้ไขรูปภาพได้อย่างละเอียดและเป็นธรรมชาติในรูปแบบ ทีละขั้นตอน (multi-step editing) โดยระบบจะยังคงจดจำบริบทของการแก้ไขที่ทำไปก่อนหน้านี้ได้

ตัวอย่างความสามารถในการแก้ไขรูปภาพที่ Gemini ทำได้ตามคำสั่ง ได้แก่

• ลบหรือเปลี่ยนฉากหลัง ของรูปภาพ
• เพิ่มวัตถุ หรือองค์ประกอบอื่นๆ ที่ต้องการลงไป
• แทนที่วัตถุ ที่มีอยู่ในรูปภาพ
• ปรับเปลี่ยนรายละเอียดเฉพาะส่วน เช่น เปลี่ยนสีผมในรูปถ่ายบุคคล
• ปรับเปลี่ยนสไตล์ ของรูปภาพ หรือองค์ประกอบในภาพ (เช่น เพิ่มหมวกให้สุนัข หรือเปลี่ยนพื้นหลังที่เป็นหญ้าให้กลายเป็นชายหาด)

ฟีเจอร์แก้ไขรูปภาพนี้เริ่มทยอยเปิดให้ผู้ใช้งาน Gemini ตั้งแต่ช่วงปลายเดือนเมษายน 2025 ที่ผ่านมา โดยสามารถใช้งานได้ทั้งใน แอปพลิเคชัน Gemini และบนเว็บไซต์ gemini.google.com Google ระบุว่าความสามารถนี้จะทยอยเปิดให้ผู้ใช้งานในกว่า 45 ภาษา และครอบคลุมในหลายประเทศทั่วโลกภายในไม่กี่สัปดาห์ข้างหน้า

สำหรับความปลอดภัยและความโปร่งใส Google ยืนยันว่ารูปภาพทั้งหมดที่ถูกสร้างขึ้นหรือแก้ไขโดยใช้ฟีเจอร์นี้ จะถูก ฝังลายน้ำดิจิทัล SynthID ซึ่งเป็นลายน้ำที่มองไม่เห็นด้วยตาเปล่า ตามมาตรฐานสำหรับรูปภาพที่สร้างโดย AI นอกจากนี้ Google ยังอยู่ในขั้นตอนการ ทดลองเพิ่มลายน้ำที่มองเห็นได้ บนรูปภาพที่สร้างโดย Gemini เพื่อเพิ่มความชัดเจนและป้องกันการนำไปใช้ในทางที่ผิด

ความสามารถนี้ต่อยอดมาจากการทดสอบที่เคยมีในแพลตฟอร์ม AI Studio (ปัจจุบันคือ Google AI Studio) สำหรับนักพัฒนา ซึ่งเปิดโอกาสให้นักพัฒนาได้ทดลองใช้งานฟีเจอร์สร้างและแก้ไขภาพโดยใช้โมเดล Gemini 2.0 Flash Experimental และ Imagen 3

การเพิ่มฟีเจอร์แก้ไขรูปภาพนี้เข้ามาใน Gemini นับเป็นการยกระดับความสามารถของแชทบอทให้เป็นผู้ช่วยแบบ Multimodal ที่สามารถทำงานร่วมกับรูปภาพได้อย่างมีประสิทธิภาพ ทำให้การสร้างสรรค์และปรับแต่งเนื้อหาด้วย AI เป็นเรื่องที่ง่ายและเข้าถึงได้มากยิ่งขึ้นสำหรับผู้ใช้งานทั่วไป โดยไม่จำเป็นต้องมีความเชี่ยวชาญในการใช้ซอฟต์แวร์แก้ไขรูปภาพที่ซับซ้อน

แหล่งที่มา blog.google