جوجل صدر Veo 3.1 اليوم، وهو إصدار محدث من منشئ الفيديو AI الذي يضيف الصوت عبر جميع الميزات ويقدم إمكانات تحرير جديدة مصممة لمنح المبدعين مزيدًا من التحكم في مقاطعهم.
ويأتي هذا الإعلان في الوقت الذي يتسلق فيه تطبيق Sora 2 المنافس لشركة OpenAI مخططات متجر التطبيقات ويثير مناقشات حول المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي والذي يغمر وسائل التواصل الاجتماعي.
يشير التوقيت إلى أن Google تريد وضع Veo 3.1 كبديل احترافي لنهج التغذية الاجتماعية الفيروسية الخاص بـ Sora 2. أطلقت OpenAI Sora 2 في 30 سبتمبر بواجهة على طراز TikTok تعطي الأولوية للمشاركة وإعادة المزج.
حقق التطبيق مليون عملية تنزيل في غضون خمسة أيام ووصل إلى المركز الأول في متجر تطبيقات Apple. اتبعت ميتا نهجًا مشابهًا، مع نوع خاص بها من الوسائط الاجتماعية الافتراضية المدعومة بمقاطع فيديو الذكاء الاصطناعي.
يمكن للمستخدمين الآن إنشاء مقاطع فيديو ذات ضوضاء محيطة متزامنة، وحوار، وتأثيرات فولي باستخدام “Ingredients to Video”، وهي أداة تجمع بين عدة صور مرجعية في مشهد واحد.
تعمل ميزة “إطارات إلى فيديو” على إنشاء انتقالات بين صورة البداية والنهاية، بينما تعمل ميزة “التوسيع” على إنشاء مقاطع تصل مدتها إلى دقيقة من خلال مواصلة الحركة من الثانية الأخيرة لمقطع فيديو موجود.
تتيح أدوات التحرير الجديدة للمستخدمين إضافة عناصر أو إزالتها من المشاهد التي تم إنشاؤها باستخدام تعديلات الظل والإضاءة التلقائية. يقوم النموذج بإنشاء مقاطع فيديو بدقة 1080 بكسل بنسب عرض إلى ارتفاع أفقية أو رأسية.
النموذج متاح من خلال Flow للاستخدام الاستهلاكي، وGemini API للمطورين، وVertex AI لعملاء المؤسسات. يمكن إنشاء مقاطع فيديو تصل مدتها إلى دقيقة واحدة باستخدام ميزة “التوسيع”، التي تستمر في الحركة من الثانية الأخيرة للمقطع الموجود.
أصبح سوق إنشاء فيديو الذكاء الاصطناعي مزدحمًا في عام 2025، حيث يستهدف نموذج Runway’s Gen-4 صانعي الأفلام، وتقدم Luma Labs جيلًا سريعًا لوسائل التواصل الاجتماعي، وتدمج Adobe Firefly Video في Creative Cloud، وتحديثات من xAI وKling وMeta وGoogle تستهدف الواقعية وتوليد الصوت والالتزام الفوري.
ولكن ما مدى جودة ذلك؟ لقد اختبرنا النموذج، وهذه هي انطباعاتنا.
اختبار النموذج
إذا كنت ترغب في تجربتها، فمن الأفضل أن يكون لديك بعض الجيوب العميقة. يعد Veo 3.1 حاليًا أغلى نموذج لتوليد الفيديو، على قدم المساواة مع Sora 2 وفقط خلف Sora 2 Pro، والذي يكلف أكثر من ضعف التكلفة لكل جيل.
يحصل المستخدمون المجانيون على 100 نقطة شهرية لاختبار النظام، وهو ما يكفي لإنشاء حوالي خمسة مقاطع فيديو شهريًا. من خلال Gemini API، يكلف Veo 3.1 تقريبًا 0.40 دولار في الثانية من الفيديو الذي تم إنشاؤه مع الصوت، في حين أن البديل الأسرع المسمى Veo 3.1 Fast يكلف 0.15 دولارًا في الثانية.

بالنسبة للراغبين في استخدامه بهذا السعر، فإليك نقاط القوة والضعف فيه.
النص إلى الفيديو
Veo 3.1 هو تحسن واضح عن سابقتها. يتعامل النموذج مع التماسك بشكل جيد ويظهر فهمًا أفضل للبيئات السياقية.
إنه يعمل عبر أنماط مختلفة، بدءًا من الواقعية وحتى المحتوى المنمق.
لقد طلبنا من النموذج ذلك مزيج المشهد التي بدأت كرسم ثم انتقلت إلى لقطات حية. لقد تعامل مع المهمة بشكل أفضل من أي نموذج آخر اختبرناه.
بدون أي إطار مرجعي، أنتج Veo 3.1 نتائج أفضل في وضع تحويل النص إلى فيديو مقارنة باستخدام نفس الموجه مع صورة أولية، وهو ما كان مفاجئًا.
المقايضة هي سرعة الحركة. يعطي Veo 3.1 الأولوية للتماسك على السلاسة، مما يجعل من الصعب إنشاء إجراء سريع الخطى.
تتحرك العناصر بشكل أبطأ ولكنها تحافظ على الاتساق طوال المقطع. ولا يزال كلينج يتصدر الحركة السريعة، على الرغم من أنها تتطلب المزيد من المحاولات لتحقيق نتائج قابلة للاستخدام.
الصورة إلى الفيديو
لقد بنت شركة Veo سمعتها على إنشاء ميزة تحويل الصور إلى مقاطع فيديو، ولا تزال النتائج تحقق نتائج جيدة، مع بعض التحذيرات. يبدو أن هذه منطقة أضعف في التحديث. عند استخدام نسب عرض إلى ارتفاع مختلفة كإطارات بداية، كافح النموذج للحفاظ على مستويات التماسك التي كان يتمتع بها من قبل.
إذا انحرفت المطالبة كثيرًا عما قد يتبع الصورة المدخلة منطقيًا، فإن Veo 3.1 يجد طريقة للغش. فهو يولد مشاهد أو مقاطع غير متماسكة القفز بين المواقعأو الإعدادات أو عناصر مختلفة تمامًا.
يؤدي هذا إلى إهدار الوقت والاعتمادات، نظرًا لأنه لا يمكن تحرير هذه المقاطع إلى تسلسلات أطول لأنها لا تتطابق مع التنسيق.
عندما يعمل، تبدو النتائج رائعة. الوصول إلى هناك هو جزء من المهارة، وجزء من الحظ، وفي الغالب الحظ.
عناصر للفيديو
تعمل هذه الميزة مثل الرسم الداخلي للفيديو، مما يسمح للمستخدمين بإدراج عناصر أو حذفها من المشهد. لا تتوقع منه الحفاظ على التماسك التام أو استخدام صورك المرجعية الدقيقة.
على سبيل المثال، تم إنشاء الفيديو أدناه باستخدام هذه المراجع الثلاثة والموجه: رجل وامرأة يتعثران ببعضهما البعض أثناء الركض في مدينة مستقبلية، حيث تدور صورة ثلاثية الأبعاد لعلامة البيتكوين. يقول الرجل للمرأة: “بسرعة، تحطمت عملة البيتكوين! يجب علينا شراء المزيد!!

مثل تستطيع أن ترى، لا المدينة ولا الشخصيات موجودة بالفعل. لكن الشخصيات ترتدي الملابس المرجعية، والمدينة تشبه تلك الموجودة في الصورة، والأشياء تصور فكرة العناصر، وليس العناصر نفسها.
يتعامل Veo 3.1 مع العناصر التي تم تحميلها على أنها مصدر إلهام وليس قوالب صارمة. فهو ينشئ مشاهد تتبع الموجه وتتضمن كائنات تشبه ما قدمته، ولكن لا تضيع الوقت في محاولة إدخال نفسك في الفيلم – فلن ينجح الأمر.
الحل البديل: استخدم Nanobanana أو Seedream لتحميل العناصر وإنشاء إطار بداية متماسك أولاً. ثم قم بتغذية تلك الصورة إلى Veo 3.1، الذي سينتج مقطع فيديو تظهر فيه الشخصيات والكائنات الحد الأدنى من التشوه في جميع أنحاء المشهد.
تحويل النص إلى فيديو مع الحوار
هذه هي نقطة بيع جوجل. يتعامل Veo 3.1 مع مزامنة الشفاه بشكل أفضل من أي طراز آخر متوفر حاليًا. في وضع تحويل النص إلى فيديو، فإنه ينشئ الصوت المحيطي المتماسك الذي يطابق عناصر المشهد.
الحوار والتنغيم والأصوات والعواطف دقيقة وتتفوق على النماذج المنافسة.
يمكن للمولدات الأخرى إنتاج ضوضاء محيطة، لكن Sora وVeo وGrok فقط هم من يمكنهم توليد كلمات فعلية.
من بين هؤلاء الثلاثة، يتطلب Veo 3.1 أقل عدد من المحاولات للحصول على نتائج جيدة في وضع تحويل النص إلى فيديو.
صورة إلى فيديو مع الحوار
هذا هو المكان الذي تنهار فيه الأمور. تعاني ميزة تحويل الصورة إلى فيديو مع الحوار من نفس المشكلات التي تواجهها عملية إنشاء صورة إلى فيديو القياسية. يعطي Veo 3.1 الأولوية للتماسك بشكل كبير لدرجة أنه يتجاهل الالتزام الفوري والصور المرجعية.
على سبيل المثال، هذا المشهد تم إنشاؤه باستخدام المرجع الموضح في قسم عناصر الفيديو.
كما ترون، أنشأ اختبارنا موضوعًا مختلفًا تمامًا عن الصورة المرجعية. كانت جودة الفيديو ممتازة – كان التنغيم والإيماءات دقيقين – ولكن لم يكن الشخص الذي قمنا بتحميله، مما جعل النتيجة عديمة الفائدة.
تعد ميزة ريمكس Sora هي الخيار الأفضل لحالة الاستخدام هذه. قد يكون النموذج خاضعًا للرقابة، لكن إمكانياته في تحويل الصورة إلى فيديو، ومزامنة الشفاه الواقعية، والتركيز على النغمة، واللهجة، والعاطفة، والواقعية تجعله الفائز الواضح.
يأتي مولد الفيديو الخاص بـ Grok في المرتبة الثانية. لقد احترم الصورة المرجعية بشكل أفضل من Veo 3.1 وأنتج نتائج رائعة. هنا جيل واحد باستخدام نفس الصورة المرجعية والموجه.
إذا كنت لا ترغب في التعامل مع تطبيق Sora الاجتماعي أو لا تستطيع الوصول إليه، فقد يكون Grok هو خيارك الأفضل. كما أنها غير خاضعة للرقابة ولكنها خاضعة للإشراف، لذا إذا كنت بحاجة إلى هذا النهج المحدد، فإن Musk هو ما تحتاجه.

