Google توسع قدرات Gemini Omni لإنتاج الفيديو بالذكاء الاصطناعي مع نسخ صوتي وبصري وتحكم بالمحادثة

أعلنت Google عن Gemini Omni كقدرة جديدة لإنتاج الفيديو بالذكاء الاصطناعي، في خطوة تعكس تسارع المنافسة في أدوات إنشاء المحتوى متعددة الوسائط. الأداة الجديدة لا تكتفي بتحويل النص إلى فيديو، بل تتيح أيضاً استخدام الصور والمقاطع المصورة والتسجيلات الصوتية كمدخلات لبناء فيديوهات أكثر تماسكاً، مع وعود بتحسين جودة الحركة واتساق الشخصيات وسهولة التحرير.

أهمية هذا الإعلان لا تتعلق فقط بإضافة أداة جديدة إلى سوق مزدحم، بل بما تشير إليه من تحول أوسع: نماذج الذكاء الاصطناعي لم تعد تركز على إنتاج الصور أو النصوص بشكل منفصل، بل تتجه إلى العمل عبر وسائط متعددة داخل بيئة واحدة. هذا الاتجاه قد يغير طريقة إعداد الفيديوهات القصيرة، والمقاطع التعليمية، والعروض التوضيحية، وحتى المحتوى المقدم من الشركات والمنشئين المستقلين.

بحسب ما تم الكشف عنه، صممت Google هذه التقنية لتكون منصة قادرة على إنشاء فيديو من أنواع مختلفة من المدخلات. يمكن للمستخدم أن يبدأ بوصف نصي، أو يرفع صورة، أو يضيف مقطع فيديو موجوداً، أو يستخدم تسجيلاً صوتياً، ثم يطلب من النظام بناء مخرج موحد. هذا النوع من الدمج يمنح النموذج مرونة أكبر مقارنة بالأدوات التي تعتمد على النص فقط.

وتقول Google إن Omni يبدأ من الفيديو، لكنه لا يتوقف عنده، إذ تشير الشركة إلى أن الفكرة الأساسية هي إنشاء محتوى من أي نوع من المدخلات تقريباً. وإذا تحقق ذلك عملياً، فقد يصبح النموذج جزءاً من فئة جديدة من الأدوات التي تجمع بين التفكير والتحرير والإنتاج في نظام واحد.

كما بدأت Google بطرح طبقات من النموذج، منها Gemini Omni Flash، مع خطط لإتاحته عبر تطبيق Gemini ومنصة Google Flow وYouTube Shorts، إضافة إلى توفيره للمطورين والعملاء من الشركات عبر واجهات برمجة التطبيقات.

من أكثر الميزات لفتاً للانتباه قدرة Omni على إنشاء نسخة رقمية من المستخدم بصوته ومظهره. الفكرة هنا أن يتمكن صانع المحتوى من إنتاج فيديو يبدو فيه وكأنه يتحدث بنفسه، حتى لو لم يقف أمام الكاميرا فعلياً. من ناحية عملية، قد يوفر ذلك وقتاً وجهداً، خاصة لمن ينشرون بشكل متكرر أو يديرون قنوات تعليمية أو تسويقية.

لكن هذه الميزة تفتح أيضاً باباً واسعاً للنقاش حول الثقة والخصوصية. فكلما أصبح تقليد الصوت والوجه أسهل وأكثر إقناعاً، زادت الحاجة إلى وسائل تحقق قوية. الاستخدام المشروع واضح في حالات مثل إعادة تسجيل المحتوى بلغات مختلفة أو تسريع إنتاج المقاطع التوضيحية، لكن المخاطر لا تقل وضوحاً، وخصوصاً في ما يتعلق بانتحال الهوية أو نشر مواد مضللة تبدو حقيقية.

لهذا السبب، تؤكد Google أنها تستخدم تقنية SynthID لوضع بصمة رقمية تساعد على التحقق من أن الفيديو تم إنشاؤه أو تعديله بواسطة الذكاء الاصطناعي. ورغم أهمية هذه الخطوة، فإن فعاليتها ستعتمد على مدى تبنيها من المنصات الأخرى، وعلى قدرة أنظمة الكشف على الصمود أمام أدوات التحايل وإزالة العلامات.

واحدة من المشكلات الشائعة في الفيديو المولد بالذكاء الاصطناعي هي أن الحركة تبدو غير منطقية أو غير مستقرة. الأجسام قد تتحرك بشكل مربك، والانتقالات أحياناً تكسر الإحساس الطبيعي بالمشهد. Google تقول إن Omni يحسن هذه النقطة عبر فهم أفضل لعوامل مثل الجاذبية والطاقة الحركية وحركة السوائل.

إذا أثبتت هذه الوعود دقتها، فهذا يعني أن الأداة قد تتجاوز مرحلة الفيديوهات التجريبية إلى إنتاج مشاهد أكثر فائدة في الشرح والعرض والتعليم. الفارق هنا ليس جمالياً فقط، بل وظيفي أيضاً، لأن الفيديو المقنع يحتاج إلى حركة متسقة حتى يكون قابلاً للاستخدام في سياقات مهنية أو تعليمية.

كما تشير Google إلى أن النموذج يربط بين اللغة والصورة والمعنى بصورة أعمق، وليس فقط عبر مطابقة أنماط سطحية. هذا قد يساعد على فهم أوامر أكثر تعقيداً، مثل طلب فيديو يشرح فكرة تقنية أو يعرض سيناريو بصرياً مع الحفاظ على تسلسل منطقي للمشهد.

من النقاط المهمة في Gemini Omni أنه لا يركز فقط على إنشاء الفيديو من الصفر، بل يقدم أيضاً أسلوب تحرير يعتمد على اللغة الطبيعية. بدلاً من استخدام قوائم طويلة وخطوط زمنية مليئة بالتفاصيل، يمكن للمستخدم أن يكتب أوامر مباشرة مثل تغيير الخلفية أو إضافة عنصر جديد أو تعديل جزء من الحدث داخل المشهد.

هذا النوع من التحرير قد يكون مفيداً جداً للمستخدمين غير المتخصصين، كما قد يسرع بعض مهام المحترفين في مرحلة النمذجة الأولى أو إعداد النسخ التجريبية. والأهم أن Google تقول إن التعليمات المتتابعة تبني على بعضها، ما يعني أن النظام يتذكر ما تم طلبه سابقاً ويحافظ على اتساق الشخصيات والمشهد.

ومن بين الاستخدامات المتوقعة هنا: إزالة عناصر غير مرغوبة من الفيديو، تبديل الخلفيات، تعديل ما يحدث داخل اللقطة، أو تحويل مقطع مصور بالفعل إلى نسخة جديدة تحمل طابعاً مختلفاً. لكن ما زالت هناك أسئلة مفتوحة حول طول المقاطع المدعوم، ودقة الإخراج، وأشكال الملفات، ومدى ملاءمة الأداة لبيئات العمل الاحترافية.

طرح Omni داخل YouTube Shorts يوحي بأن Google ترى فرصة واضحة في سوق الفيديو القصير، وهو مجال مناسب لأدوات الإنتاج السريع التي تعتمد على الأوامر النصية. لكن مستقبل الأداة سيتحدد إلى حد كبير بقدرتها على الدخول في سير العمل الاحترافي، سواء بشكل مباشر أو عبر التكامل مع برامج المونتاج المعروفة.

الأسئلة العملية هنا كثيرة: هل سيدعم Omni الفيديو الأفقي بنسبة 16:9؟ هل سيصل إلى دقة 4K أو أعلى؟ هل يمكن تصدير المشروع والعمل عليه لاحقاً في أدوات تحرير احترافية؟ وهل سيكون مناسباً للمؤسسات الإعلامية والفرق التسويقية، أم سيبقى موجهاً أساساً لصناع المحتوى السريع؟

إتاحة التقنية عبر واجهات برمجة التطبيقات توحي بأن Google تريد أكثر من مجرد ميزة داخل تطبيقها. فهي تفتح الباب أمام المطورين والشركات لبناء خدمات وأدوات فوق Omni، وهو ما قد يدفعه إلى سوق أوسع يشمل الإنتاج الإعلامي، وخدمة العملاء، والتعليم، والتدريب، والعروض التوضيحية للمنتجات.

تقدم أدوات الفيديو المولد بالذكاء الاصطناعي بات سريعاً، لكن جودة الصورة لم تعد المعيار الوحيد. التحدي الأكبر الآن هو بناء الثقة: من يقف خلف الفيديو؟ هل تم تعديل صوت الشخص؟ هل ما يظهر على الشاشة حدث فعلاً أم أنه مجرد تركيب رقمي؟

في هذا السياق، تبدو مسألة العلامات المائية والبصمات الرقمية جزءاً أساسياً من مستقبل هذه الأدوات. غير أن العلامات الظاهرة قد تعيق الاستخدام المهني في بعض الحالات، بينما يصعب على المستخدم العادي التحقق من البصمات غير المرئية ما لم تكن المنصات تدعم فحصها بشكل واضح وسهل.

لذلك، فإن نجاح Omni لن يعتمد فقط على قوة النموذج، بل أيضاً على السياسات المصاحبة له: حدود الاستنساخ، متطلبات الموافقة، آليات التحقق، ووضوح ما إذا كان المحتوى مولداً أو معدلاً. هذه العوامل ستحدد ما إذا كانت التقنية ستصبح أداة عملية مفيدة أم مصدراً إضافياً للفوضى الرقمية.

إطلاق Gemini Omni يعكس اتجاهاً أوسع في السوق نحو المنصات متعددة الوسائط التي تجمع الفهم والإنتاج والتحرير في وقت واحد. وفي ظل تنافس متزايد بين الشركات الكبرى على أدوات الفيديو، تحاول Google التميز عبر ربط قدرات Gemini المعرفية بإنشاء المحتوى المرئي.

إذا نجحت الشركة في تقديم فيديوهات متسقة، وتحكم سهل، وحماية موثوقة ضد إساءة الاستخدام، فقد يصبح Omni من الأدوات المؤثرة في هذا المجال. أما إذا بقيت التجربة محصورة في مقاطع قصيرة ذات استخدام محدود، فستظل فائدته أقرب إلى الاستعراض التقني منها إلى التحول الفعلي في صناعة المحتوى.

في كل الأحوال، يبدو واضحاً أن مستقبل إنتاج الفيديو يتجه نحو واجهات أبسط وقدرات أكبر، حيث يمكن للمستخدم أن يصف ما يريد بلغة عادية، ثم يراجع النتيجة ويعدلها بالمحادثة. ومع هذا التحول، ستتقدم أدوات الذكاء الاصطناعي ليس فقط كوسيلة للإبداع، بل كطبقة جديدة فوق صناعة الفيديو نفسها.