قم بتحميل فيديو سيلفي وقل "اجعل الصورة تتماوج كسائل"، "حوّل الشخص إلى دمية"، "احتفظ بالغرفة والأفعال الأصلية". كانت المهام التي كانت تتطلب من محرري الفيديو إنجازها طبقة تلو الأخرى على خط زمني، أصبحت الآن يمكن إجراؤها بأسئلة متتالية كما لو كنت تُعدّل نصًا. أطلقت Google DeepMind في 5 نوفمبر نموذج Gemini Omni 1.2 Flash، وصفته بأنه قادر على إنشاء فيديوهات عالية الدقة مع صوت من مدخلات نصية وصور وصوت وفيديو، ويدعم التحرير المتكرر عبر محادثة طبيعية. ينتقل مدخل إنتاج الفيديو من لوحة البرامج إلى اللغة، لكن هذا يجعل آثار التحرير وحقوق الشخصيات والمصداقية الواقعية أكثر صعوبة في الكشف عنها بالعين المجردة.
ما الذي وفره محرر المحادثة حقًا
عادةً ما تكون مقاطع الفيديو التقليدية المولدة بـ "إدخال واحد، نتيجة واحدة". إذا أراد المبدعون تغيير حركة الشخصيات أو الإضاءة أو الكاميرا، فغالبًا ما يضطرون لإعادة التوليد، وقد تتغير الشخصيات والمشاهد من النسخة السابقة. يركز Gemini Omni على التحرير المستمر: كل تعديل يُبنى على نتيجة الجولة السابقة، مع الحفاظ قدر الإمكان على اتساق المشهد. هذه الآلية تقسم العمليات المعقدة إلى سلسلة من النوايا القابلة للفهم، بحيث لا يحتاج المبدعون إلى تعلم الماسكات والإطارات الرئيسية وعقد التوليف مسبقًا للوصول تدريجيًا إلى الهدف.
تُظهر بطاقة النموذج أن المدخلات تغطي النص والصور والصوت والفيديو، بينما تكون المخرجات مقاطع فيديو مصحوبة بصوت. كما تُعرض صفحة المنتج أمثلة على استخدام مواد مرجعية لتغيير أسلوب المشهد وإعادة كتابة الحركة وإضافة الصوت. إن ما تخفضه ليس فقط وقت الإنتاج، بل أيضًا تكلفة التعبير. يمكن للمخرج أن يصف أولًا "الشخص يلمس المرآة"، ثم يضيف المواد والمؤثرات الصوتية وإيقاع الكاميرا، دون الحاجة إلى كتابة تعليمات طويلة يصعب التحكم بها دفعة واحدة.
The speed version model is not targeting a movie.
"السرعة" تعني أن المنتج يركز أكثر على السرعة والتكلفة. عادةً ما يُجري فرق الإعلانات، وصانعو المحتوى القصير، وستوديوهات الألعاب، وصانعو المحتوى التعليمي اختبارات سريعة لإصدارات متعددة: تغيير النسبة، أو اللغة، أو الإيقاع لنفس المحتوى، ثم تعديله بناءً على التغذية الراجعة. إذا استطاع النموذج الحفاظ على الاتساق في الشخصيات والحوار والحركة خلال فترة زمنية قصيرة، فسيكون التكرار المتكرر هو أول ما يُغيّر، وليس الإنتاج الكبير الوحيد.
سيؤدي هذا أيضًا إلى إعادة توزيع مهام الفريق. قد تُنقل المهام الكثيرة المتعلقة بتنسيق التنسيق والدمج الأولي، التي كانت تُنفَّذ سابقًا من قبل الموظفين التنفيذيين، أولاً إلى النموذج؛ بينما يركز البشر على اختيار اللقطات، والتحكم في الإيقاع، والتحقق من الحقائق، ومعالجة حقوق الملكية. لن تختفي وظائف الإبداع تلقائيًا بسبب تقليل الأزرار، لكن الحواجز التي كانت تُبنى على "القدرة على تشغيل برنامج معين" ستتآكل، وسترتفع قيمة فهم السرد والجمال والجمهور.
الأشخاص الذين يمكنهم تغيير الصوت، المخاطر أكبر من تغيير الخلفية
ذكرت DeepMind بشكل خاص في بطاقة النموذج أن قدرة تحرير الفيديو يمكن أن تغير محتوى كلام الأشخاص، وحالياً يتم تقييد هذه القدرة مع الاستمرار في البحث عن طرق آمنة لفتحها. هذه الجملة حاسمة للغاية. تغيير لون السماء ليس نفس خطر جعل شخص حقيقي يقول شيئاً لم يقله قط. قد يشمل الأخير انتهاك السمعة، الاحتيال، النشر السياسي، وتلوث الأدلة، وكلما زادت جودة التوليد، صعب على المستخدمين العاديين التمييز بين الحقيقة والخداع بشكل حدسي.
تقول جوجل إن النظام يستخدم تدابير أمان قبل التدريب وبعد التدريب، ويوفر علامة مائية لمحتوى الذكاء الاصطناعي عبر SynthID. يمكن للعلامة المائية أن توفر إشارات للتحقق من قبل المنصات، لكنها ليست دليلاً قاطعًا: فقد تتأثر القدرة على التعرف بعد قص الفيديو أو تحويله أو إعادة تصويره؛ كما أن التطبيقات غير المدعومة لن تُنبه المشاهدين تلقائيًا. يتطلب الحوكمة الفعالة حقًا عملًا مشتركًا بين سجلات المصدر، وتأييد الأشخاص، ووضع علامات من قبل المنصات، وآليات الشكاوى المتعلقة بالإساءة.
بطاقة النموذج كشفت أيضًا عن فجوات في المعلومات
لا توفر هذه بطاقة النموذج قائمة كاملة ببيانات التدريب، بل تشير إلى نموذج أساسي هو Gemini Omni Flash؛ كما أن أقسام القيود المعروفة تستشهد أيضًا بشكل رئيسي بمواد النموذج الأساسي. بالنسبة للمبدعين العاديين، لا يعيق هذا التجربة؛ لكنه يعني بالنسبة للجهات القانونية للشركات ووسائط الإعلام والمؤسسات التعليمية أنه لا يزال يتعين عليهم الإجابة عن أسئلة ترخيص البيانات والوصول الجغرافي وصور الأشخاص ومسؤولية المخرجات بأنفسهم.
توضح بطاقة النموذج أيضًا أن Omni 1.2 Flash لا يُعتبر يحقق قفزة جوهرية في القدرات المتطورة مقارنة بـ Gemini 3.1 Pro أو 3.7 Flash، ولذلك يتم الاحتفاظ بتقييمات الأمان ذات الصلة. هذا تقييم ضمن تصنيف المخاطر، ولا يعني أن كل سيناريو تحرير فيديو قد تم التحقق منه. المخاطر الاجتماعية الناتجة عن منتجات يمكنها تعديل الصوت والصورة على نطاق واسع تأتي بشكل أكبر من مدى توفرها وسرعتها وانتشارها، وليس فقط من ما إذا كان النموذج يصل إلى مستوى قدرات متقدمة معين.
يتحول برنامج الفيديو إلى نظام نوايا
قد لا تتطلب أدوات الفيديو المستقبلية من المستخدمين البدء بصناديق المواد والمسارات والفلاتر، بل قد تسأل أولاً: "ماذا تريد أن يراه المشاهدون؟" ثم تترجم النموذج الجملة الطبيعية إلى لقطات ومسارات صوتية وتأثيرات. سيمنح هذا المدخل قدرة تعبير أكبر للعديد من الأشخاص، وسينتج عنه زيادة هائلة في عدد المقاطع النهائية. وسيتحول المورد النادر من المهارات الإنتاجية إلى المصادر الموثوقة والمواد الفريدة والمسؤولية المميزة للمؤلف.
ما يستحق الانتباه في Gemini Omni 1.2 Flash ليس قدرته على توليد صور جميلة، بل أن عمليات التحرير تتحول من عمليات يدوية إلى خدمات قابلة للحوار واستدعاء متسلسل. عندما تنخفض عتبة الإبداع، يجب على المنصات والمنشئين رفع عتبة الإثبات في نفس الوقت: من هو الوجه؟ ومن هو الصوت؟ وأي أجزاء تم تعديلها؟ وكيف يمكن للمشاهدين التحقق؟ وإلا، فقد تصبح أداة التحرير الأكثر ملاءمة أرخص أداة تزوير.


