إنشاء مقاطع فيديو باستخدام Veo من Google DeepMind

خلال عرض Google لعام 2024 I/O في 14 مايو، شاركوا أحدث المستجدات من DeepMind، قسم الذكاء الاصطناعي لديهم. وكان أحد أكثر التطورات إثارة هو أحدث نموذج توليدي للفيديو لديهم، Veo. يستطيع Veo إنشاء مقاطع فيديو عالية الجودة بدقة 1080P استنادًا إلى مطالبات نصية وصورية وفيديوهات. كما يتيح لك تحرير مقاطع الفيديو المُنشأة باستخدام مطالبات لاحقة. ينقل Veo الذكاء الاصطناعي التوليدي إلى مستوى جديد. لنلقِ نظرةً أقرب على الميزات التي يقدمها Veo.

فهم إمكانات Veo#

Veo هو نموذج توليدي للفيديو يستخدم فهمًا عميقًا للغة والمرئيات لإنشاء مقاطع فيديو تتطابق بدرجة كبيرة مع الرؤية الإبداعية للمستخدم. ويمكنه استيعاب نبرة المطالبات الأطول وتفاصيلها بدقة، ما يجعله أداةً قويةً للمبدعين الذين يرغبون في تحويل أفكارهم إلى محتوى فيديو دقيق.

يمكن للمستخدم التحكم إبداعيًا بدرجة غير مسبوقة في الفيديو المُنشأ، لأن Veo يفهم تقنيات التصوير مثل "التصوير المتسارع زمنيًا" و"اللقطات الجوية لمشهد طبيعي". ويتيح هذا التحكم الإبداعي للمستخدمين إنشاء مقاطع فيديو تتحرك فيها الأشخاص والحيوانات والأجسام بصورة طبيعية. وتتميز مقاطع الفيديو التي ينشئها Veo بالتشويق والجاذبية البصرية، إذ يصعب اكتشاف أنها مُنشأة بواسطة نموذج AI.

يتجاوز Veo مجرد إنشاء مقاطع الفيديو من المطالبات. فإذا قدمت له مقطع فيديو مُنشأ سابقًا وطلبًا محددًا للتحرير، مثل إدراج قوارب الكاياك في لقطة جوية لساحل، فيمكن لـ Veo دمج هذا التغيير بسلاسة في الفيديو الأصلي، وإنتاج نسخة محدثة.

الشكل 1. مثال على تحرير فيديو باستخدام Veo.

فيما يلي بعض الميزات الأخرى التي يقدمها Veo:

• التحرير باستخدام الأقنعة: يمكن لـ Veo مساعدتك في تحرير مناطق محددة من الفيديو.
• إنشاء فيديو مستوحى من صورة: باستخدام صورة ومطالبة نصية، يستطيع Veo إنشاء مقاطع فيديو تحاكي نمط الصورة وتتبع توجيهات المطالبة.
• مقاطع فيديو ممتدة: يستطيع Veo إنشاء مقاطع فيديو وتمديدها إلى 60 ثانية أو أكثر، إما من مطالبة واحدة أو من سلسلة مطالبات تروي قصةً متكاملة.

مقاطع الفيديو المذهلة التي أنشأها Veo#

لنستعرض بعض مقاطع الفيديو التي أنشأها Veo، ونستكشف سبب كونها مذهلةً إلى هذا الحد.

إنشاء فيديو بتصوير متسارع زمنيًا انطلاقًا من مطالبة نصية قصيرة أمر صعب. فعادةً لا تستطيع المطالبة النصية القصيرة نقل التغييرات والحركات داخل مشهد التصوير المتسارع زمنيًا بدقة. لذلك، من المدهش أن Veo يستطيع فهم ما ينبغي توقعه من تصوير متسارع زمنيًا من دون الخوض في التفاصيل.

الشكل 2. إطار من فيديو التصوير المتسارع زمنيًا الذي أنشأه Veo.

وبالمثل، ليس إنشاء مقاطع فيديو تحاكي الفيزياء بدقة أمرًا سهلًا. إذ يحتاج نموذج AI إلى فهم قوانين الفيزياء، مثل الجاذبية والزخم والتصادمات، ومحاكاتها لجعل الحركات والتفاعلات تبدو واقعية. ومن اللافت أن Veo قادر على نمذجة هذه الديناميكيات بدقة من دون توجيهات تفصيلية في المطالبات النصية.

الشكل 3. إطار من فيديو مُنشأ باستخدام Veo يلتقط بدقة فيزياء حركة قنديل البحر.

حتى الآن، لم نرَ سوى مقاطع فيديو أقصر أنشأها AI بسبب القيود الحاسوبية وتعقيد الحفاظ على الاتساق عبر التسلسلات الأطول. وقد أظهر عرض Google لعام 2024 I/O قدرة Veo المذهلة على إنشاء مقاطع فيديو أطول وأكثر تعقيدًا.

الشكل 4. إطارات من فيديو Veo الأطول الذي عُرض في عرض Google لعام 2024 I/O.

كيف يعمل Veo؟#

مثل العديد من نماذج AI الأخرى، يقف Veo على أكتاف عمالقة. فهو يستفيد من تطورات سابقة مثل شبكة الاستعلام التوليدي (GQN)، وDVD-GAN، وImagen-Video، وPhenaki، وWALT، وVideoPoet، وLumiere، بالإضافة إلى بنية Transformer الخاصة بـ Google وGemini. ولتحسين قدرة Veo على تفسير المطالبات بدقة، كانت التسميات التوضيحية لكل فيديو في مجموعة بيانات التدريب الخاصة به أكثر تفصيلًا.

استنادًا إلى سير العمل التقريبي للنموذج الذي شاركته Google، إليك كيفية عمل Veo:

• مطالبات الإدخال: تقدم مطالبة نصية، ويمكنك اختياريًا تقديم مطالبة صورية.
• الترميز: يعالج UL2 Encoder المطالبة النصية، بينما يعالج مُرمّز الصور المطالبة الصورية.
• المطالبة المضمّنة: تُدمج مخرجات مُرمّزي النص والصورة لتشكيل مطالبة مضمّنة واحدة.
• نموذج الانتشار الكامن: تُمرَّر المطالبة المضمّنة وفيديو مضغوط مشوش إلى هذا النموذج، الذي ينشئ فيديو مضغوطًا باستخدامهما. يستخدم Veo تمثيلات فيديو مضغوطة عالية الجودة، تُعرف باسم الكوامن، لتحسين الكفاءة مع الحفاظ على الجودة.
• فك الترميز: تفك الخطوة النهائية ترميز خرج الفيديو بدقة 1080p من الفيديو المضغوط.

الشكل 5. كيفية عمل Veo.

دراسة حالة مقنعة في صناعة الأفلام#

لاختبار قدرات Veo، تعاونت Google مع صانع الأفلام Donald Glover واستوديوه الإبداعي Gilga. واستخدما Veo لاستكشاف تقنيات إبداعية متنوعة، بما في ذلك لقطات التتبع الديناميكية التي تتطلب حركة دقيقة وتأطيرًا متسقًا.

الشكل 6. استخدام Veo في عملية صناعة الأفلام.

يواجه صانعو الأفلام تقليديًا قيودًا بسبب ضيق الوقت والموارد. ومع Veo، تمكن Glover وفريقه من تجربة لقطات معقدة وإنشائها بسرعة، ما وفر بدوره مرونة وابتكارًا أكبر في عملية صناعة الأفلام.

باستخدام Veo، تمكن Glover وفريقه من تجربة لقطات معقدة وإنشائها بسرعة قبل التصوير الفعلي. فعلى سبيل المثال، كان بإمكانهم اختبار لقطات تتبع ديناميكية متنوعة لمعرفة شكلها وإجراء التعديلات حسب الحاجة. وساعدتهم عملية التصور المسبق هذه على صقل أفكارهم والتأكد من أن اللقطات ستنجح كما هو مقصود، ما قلل في النهاية عدد اللقطات المطلوبة أثناء التصوير الفعلي. وتمكنوا من إنشاء دراسة حالة مقنعة لإظهار إمكانات Veo في تغيير صناعة الأفلام. فهو يوفر طريقة أسرع وأكثر كفاءة لتحويل الرؤى الإبداعية إلى واقع.

الاستخدامات العملية لـ Veo في مختلف القطاعات#

تتمتع قدرات Veo المتقدمة على إنشاء الفيديو بتطبيقات عملية في العديد من القطاعات. ففي مجال الإعلان، يمكنه إنتاج إعلانات تجارية مخصصة وعالية الجودة بسرعة لجماهير مستهدفة، ما يوفر الوقت وتكاليف الإنتاج. وفي مجال التعليم، يستطيع Veo إنشاء مقاطع فيديو تعليمية جذابة تجعل المفاهيم المعقدة أسهل فهمًا.

يمكن لـالشركات استخدام Veo للتدريب والاتصالات المؤسسية. وقد يستخدم متخصصو الرعاية الصحية Veo لمحاكاة الإجراءات الطبية لأغراض التدريب. وفيما يتعلق بالفعاليات والمؤتمرات الافتراضية، يستطيع Veo إنشاء محاكاة واقعية للمواقع والمنصات، ما يوفر للحاضرين تجربة تفاعلية وجذابة من أي مكان. ويستفيد المنظمون من توسيع نطاق الوصول والحصول على رؤى قيّمة للفعاليات المستقبلية. وبفضل Veo، فُتحت فرص لا حصر لها.

عندما يمتلك نموذج AI القدرة على التأثير في قطاعات مختلفة، فمن المهم مراعاة السلامة واعتبارات AI الأخلاقية. ولتمكين اعتماد أوسع وضمان الاستخدام المسؤول، طبقت Google العديد من تدابير السلامة. وتُضاف علامة مائية إلى مقاطع الفيديو التي ينشئها Veo باستخدام SynthID، وهي أداة لإضافة العلامات المائية إلى المحتوى المُنشأ بواسطة AI والتعرف عليه. ويضمن SynthID الشفافية ويساعد على الحد من مخاطر الخصوصية وحقوق الطبع والنشر والتحيز. وإضافةً إلى ذلك، تمر جميع مقاطع الفيديو المُنشأة عبر مرشحات السلامة وعمليات التحقق من الحفظ. وتجعل هذه الضمانات Veo أداةً قيّمةً وأخلاقيةً تدعم إنتاج الفيديو المسؤول والمبتكر.

أين يمكن الوصول إلى Veo#

خلال الأسابيع المقبلة، ستبدأ Google في إتاحة بعض الميزات المبتكرة لـ Veo أمام مجموعة مختارة من المبدعين عبر VideoFX، وهي أداة جديدة متاحة على labs.google. وتتيح هذه المبادرة الوصول المبكر إلى قدرات Veo المتقدمة على إنشاء الفيديو، مما يمنح المبدعين فرصة تجربة ميزاته المبتكرة. وقائمة الانتظار لـ Veo مفتوحة حاليًا، وتدعو المبدعين المهتمين إلى التسجيل واستخدام أدوات Veo القوية في مشاريعهم.

المزيد حول تحديثات DeepMind في مجال AI التوليدي لعام 2024#

إلى جانب Veo، قدمت DeepMind عدة تحديثات متطورة في مجال AI التوليدي لعام 2024. ومن بين هذه التحديثات Imagen 3، وهو أحدث نموذج لتحويل النص إلى صورة لديها حتى الآن. ويتفوق Imagen 3 في إنشاء صور واقعية تحاكي الصور الفوتوغرافية. كما يفهم المطالبات المكتوبة باللغة الطبيعية بعمق، ويلتقط التفاصيل المعقدة مع تقليل التشوهات البصرية.

الشكل 7. صورة مُنشأة باستخدام Imagen 3.

طورت DeepMind أيضًا Lyria، وهو أحدث نموذج لديها لإنشاء الموسيقى باستخدام AI. وكجزء من هذا الجهد، أنشأت DeepMind مجموعة من أدوات الموسيقى المعتمدة على AI تُسمى Music AI Sandbox. وتمكّن هذه الأدوات الموسيقيين والمنتجين من استكشاف إمكانات إبداعية جديدة في تأليف الموسيقى وتحويل الصوت.

الشكل 8. مثال على واجهة مستخدم لأدوات الموسيقى المعتمدة على AI من DeepMind.

على غرار Veo، طبقت DeepMind أيضًا عدة تدابير للسلامة فيما يتعلق بتحديثاتها الأخرى. وسيُستخدم SynthID عبر هذه التحديثات بوصفه أداة لإضافة العلامات المائية إلى المحتوى المُنشأ بواسطة AI والتعرف عليه. وتَعِد هذه التحديثات من DeepMind بتحويل مختلف القطاعات عبر توفير أدوات متقدمة وفعالة ومسؤولة لإنشاء محتوى مرئي وسمعي عالي الجودة.

استكشاف المرحلة التالية من AI التوليدي#

تمثل تطورات DeepMind في مجال AI التوليدي لعام 2024، بما فيها Veo وImagen 3 وLyria، قفزة كبيرة في قدرات AI. ويحدث Veo تحولًا في إنشاء الفيديو بفضل قدرته على إنشاء مقاطع فيديو عالية الجودة بدقة 1080p من مطالبات بسيطة، ما يجعله أداة متعددة الاستخدامات لصانعي الأفلام ومنشئي المحتوى. ويتألق Imagen 3 في إنتاج صور واقعية تحاكي الصور الفوتوغرافية، بينما يفتح Lyria إمكانات جديدة في إنشاء الموسيقى باستخدام أدوات AI متقدمة.

تَعِد هذه التقنيات بتحويل مختلف القطاعات عبر توفير أدوات فعالة ومسؤولة لإنشاء محتوى مرئي وسمعي عالي الجودة. ومع تدابير السلامة، مثل SynthID الذي يضمن الاستخدام الأخلاقي، تواصل DeepMind توسيع حدود AI، وتمهد الطريق لتطبيقات مبتكرة في المستقبل.

تعمّق في AI بزيارة مستودع GitHub والانضمام إلى مجتمعنا. واستكشف صفحات حلولنا لمعرفة كيفية تطبيق AI في التصنيع والزراعة.