إنشاء مقاطع فيديو باستخدام Veo من Google DeepMind

خلال عرض Google I/O لعام 2024 في 14 مايو، شاركوا أحدث المستجدات من DeepMind، قسم الذكاء الاصطناعي التابع لهم. وكان من أكثر التطورات إثارةً النموذج التوليدي الجديد للفيديو Veo. يستطيع Veo إنشاء مقاطع فيديو عالية الجودة بدقة 1080P استنادًا إلى مطالبات نصية وصورية وفيديو. كما يتيح تعديل مقاطع الفيديو المُنشأة باستخدام مطالبات لاحقة. ينقل Veo الذكاء الاصطناعي التوليدي إلى مستوى جديد. فلنلقِ نظرة عن كثب على الميزات التي يقدمها Veo.

التعرّف على قدرات Veo#

Veo نموذج توليدي للفيديو يستخدم فهمًا عميقًا للغة والصور لإنشاء مقاطع فيديو تتوافق بدقة مع الرؤية الإبداعية للمستخدم. ويمكنه استيعاب نبرة المطالبات الأطول وتفاصيلها بدقة، ما يجعله أداة قوية للمبدعين الذين يرغبون في تحويل أفكارهم إلى محتوى فيديو دقيق.

يمنح Veo المستخدم قدرة إبداعية غير مسبوقة على التحكم في الفيديو المُنشأ، إذ يمكنه فهم تقنيات التصوير السينمائي مثل «التصوير بتقنية الفاصل الزمني» و«اللقطات الجوية للمناظر الطبيعية». ويتيح هذا التحكم الإبداعي للمستخدمين إنشاء مقاطع فيديو تتحرك فيها الأشخاص والحيوانات والأشياء بصورة طبيعية. وتتميز مقاطع الفيديو التي ينشئها Veo بجاذبيتها البصرية، إذ يصعب ملاحظة أنها أُنشئت بواسطة نموذج ذكاء اصطناعي.

لا يقتصر Veo على إنشاء مقاطع الفيديو من المطالبات. فإذا قدمت مقطع فيديو أُنشئ سابقًا وطلبت تعديلًا محددًا، مثل إضافة قوارب كاياك إلى لقطة جوية لساحل، فسيتمكن Veo من دمج هذا التغيير بسلاسة في الفيديو الأصلي وإنتاج نسخة محدّثة.

الشكل 1. مثال على تعديل الفيديو باستخدام Veo.

إليك مزيدًا من الميزات التي يقدمها Veo:

• التحرير باستخدام الأقنعة: يساعدك Veo على تعديل مناطق محددة من الفيديو.
• إنشاء فيديو مستوحى من صورة: باستخدام صورة ومطالبة نصية، يستطيع Veo إنشاء مقاطع فيديو تحاكي أسلوب الصورة وتتبع توجيهات المطالبة.
• مقاطع فيديو ممتدة: يستطيع Veo إنشاء مقاطع الفيديو وتمديدها إلى 60 ثانية أو أكثر، سواء من مطالبة واحدة أو سلسلة من المطالبات التي تروي قصة متكاملة.

مقاطع فيديو مذهلة أنشأها Veo#

دعونا نستعرض بعض مقاطع الفيديو التي أنشأها Veo ونكتشف سر روعة هذه المقاطع.

يمثل إنشاء فيديو بفاصل زمني انطلاقًا من مطالبة نصية قصيرة تحديًا. فعادةً ما تعجز المطالبة النصية القصيرة عن وصف التغيرات والحركات في مشهد الفاصل الزمني بدقة. لذا، من المذهل أن Veo يستطيع استيعاب ما ينبغي توقعه من الفاصل الزمني من دون الخوض في التفاصيل.

الشكل 2. إطار من مقطع فيديو بالفاصل الزمني أنشأه Veo.

وبالمثل، ليس من السهل إنشاء مقاطع فيديو تحاكي الفيزياء بدقة. إذ يحتاج نموذج الذكاء الاصطناعي إلى فهم قوانين الفيزياء ومحاكاتها، مثل الجاذبية والزخم والتصادمات، لكي تبدو الحركات والتفاعلات واقعية. ومن المثير للإعجاب أن Veo يستطيع نمذجة هذه الديناميكيات بدقة من دون توجيهات مفصلة في المطالبات النصية.

الشكل 3. يجسد إطار من فيديو أُنشئ باستخدام Veo فيزياء حركة قنديل البحر بدقة.

حتى الآن، لم نشهد سوى مقاطع فيديو قصيرة أنشأها الذكاء الاصطناعي، بسبب القيود الحاسوبية وتعقيد الحفاظ على الاتساق عبر تسلسلات أطول. وفي عرض Google I/O لعام 2024، كُشف عن قدرة Veo المذهلة على إنشاء مقاطع فيديو أطول وأكثر تعقيدًا.

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

كيف يعمل Veo؟#

مثل كثير من نماذج الذكاء الاصطناعي الأخرى، يستند Veo إلى إنجازات رواد سبقوه. فهو يستفيد من تطورات سابقة، مثل شبكة الاستعلام التوليدية (GQN) وDVD-GAN وImagen-Video وPhenaki وWALT وVideoPoet وLumiere، بالإضافة إلى بنية Transformer الخاصة بـ Google ونموذج Gemini. وإلى جانب ذلك، جُعلت التعليقات التوضيحية لكل مقطع فيديو في مجموعة بيانات التدريب أكثر تفصيلًا لتحسين قدرة Veo على تفسير المطالبات بدقة.

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

• المطالبات المدخلة: تقدم مطالبة نصية، ويمكنك اختياريًا تقديم مطالبة صورية.
• الترميز: يعالج مُرمّز UL2 المطالبة النصية، بينما يعالج مُرمّز الصور المطالبة الصورية.
• المطالبة المضمّنة: تُدمج مخرجات مُرمّزي النص والصور لتكوين مطالبة مضمّنة واحدة.
• نموذج الانتشار الكامن: تُمرر المطالبة المضمّنة وفيديو مضغوط مشوش إلى هذا النموذج، الذي يستخدمهما لإنشاء فيديو مضغوط. يستخدم Veo تمثيلات فيديو مضغوطة عالية الجودة تُعرف باسم المتغيرات الكامنة، لتحسين الكفاءة مع الحفاظ على الجودة.
• فك الترميز: في الخطوة الأخيرة، يُفك ترميز مخرج الفيديو بدقة 1080p من الفيديو المضغوط.

الشكل 5. طريقة عمل Veo.

دراسة حالة مقنعة في صناعة الأفلام#

لاختبار قدرات Veo، تعاونت Google مع صانع الأفلام دونالد غلوفر واستوديوه الإبداعي Gilga. واستخدما Veo لاستكشاف تقنيات إبداعية متنوعة، منها لقطات التتبع الديناميكية التي تتطلب حركة دقيقة وتكوينًا ثابتًا للصورة.

الشكل 6. استخدام Veo في عملية صناعة الأفلام.

تقليديًا، يواجه صانعو الأفلام قيودًا بسبب محدودية الوقت والموارد. أما باستخدام Veo، فقد تمكن غلوفر وفريقه من تجربة لقطات معقدة وإنشائها بسرعة، ما أتاح مزيدًا من المرونة والابتكار في عملية صناعة الأفلام.

باستخدام Veo، تمكن غلوفر وفريقه من تجربة لقطات معقدة وإنشائها بسرعة قبل التصوير الفعلي. فعلى سبيل المثال، استطاعوا اختبار لقطات تتبع ديناميكية متنوعة لمعرفة شكلها وإجراء التعديلات اللازمة. وساعدهم هذا التصور المسبق على صقل أفكارهم والتأكد من أن اللقطات ستُنفذ كما هو مقصود، ما قلل في نهاية المطاف عدد مرات التصوير المطلوبة. وتمكنوا من إعداد دراسة حالة مقنعة لإظهار إمكانات Veo في تغيير صناعة الأفلام. إذ يقدم Veo طريقة أسرع وأكثر كفاءة لتحويل الرؤى الإبداعية إلى واقع.

الاستخدامات العملية لـ Veo في قطاعات مختلفة#

تتيح قدرات Veo المتقدمة على إنشاء مقاطع الفيديو استخدامات عملية في قطاعات كثيرة. ففي مجال الإعلان، يمكنه إنتاج إعلانات مخصصة عالية الجودة بسرعة لجماهير مستهدفة، ما يوفر الوقت وتكاليف الإنتاج. وفي التعليم، يستطيع Veo إنشاء مقاطع فيديو تعليمية جذابة تجعل المفاهيم المعقدة أسهل فهمًا.

يمكن للشركات استخدام Veo في التدريب والاتصالات المؤسسية. وقد يستخدم العاملون في الرعاية الصحية Veo لمحاكاة الإجراءات الطبية لأغراض التدريب. وفيما يتعلق بالفعاليات والمؤتمرات الافتراضية، يمكن لـ Veo إنشاء محاكاة واقعية للأماكن والمنصات، ما يوفر للحضور تجربة تفاعلية جذابة من أي مكان. ويستفيد المنظمون من توسيع نطاق الوصول والحصول على رؤى قيّمة للفعاليات المقبلة. وبفضل Veo، فُتحت فرص لا تُحصى.

عندما يكون لنموذج ذكاء اصطناعي القدرة على التأثير في قطاعات مختلفة، فمن المهم مراعاة السلامة وأخلاقيات الذكاء الاصطناعي. ولإتاحة اعتماده على نطاق أوسع وضمان استخدامه بمسؤولية، طبقت Google عددًا من تدابير السلامة. وتُضاف إلى مقاطع الفيديو التي ينشئها Veo علامة مائية باستخدام SynthID، وهي أداة لإضافة العلامات المائية والتعرّف على المحتوى المُنشأ بالذكاء الاصطناعي. ويضمن SynthID الشفافية ويساعد على الحد من مخاطر انتهاك الخصوصية وحقوق النشر والتحيز. وإضافةً إلى ذلك، تخضع جميع مقاطع الفيديو المُنشأة لمرشحات السلامة وعمليات التحقق من الاستظهار. وتجعل هذه الضمانات Veo أداة قيّمة وأخلاقية تدعم إنتاج الفيديو بمسؤولية وابتكار.

أين يمكن الوصول إلى Veo#

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

المزيد عن تحديثات DeepMind للذكاء الاصطناعي التوليدي لعام 2024#

إلى جانب Veo، قدمت DeepMind عدة تحديثات متطورة في مجال الذكاء الاصطناعي التوليدي لعام 2024. ومن هذه التحديثات Imagen 3، أحدث نماذجهم لتحويل النص إلى صورة. ويتفوق Imagen 3 في إنشاء صور واقعية نابضة بالحياة. كما يفهم المطالبات المكتوبة باللغة الطبيعية بعمق ويلتقط التفاصيل الدقيقة مع الحد من العيوب البصرية.

الشكل 7. صورة أُنشئت باستخدام Imagen 3.

طورت DeepMind أيضًا Lyria، وهو أحدث نماذجها لإنشاء الموسيقى بالذكاء الاصطناعي. وفي إطار هذا الجهد، أنشأت DeepMind مجموعة من أدوات الذكاء الاصطناعي الموسيقية 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 بالذكاء الاصطناعي من DeepMind.

على غرار Veo، طبقت DeepMind عدة تدابير للسلامة فيما يتعلق بتحديثاتها الأخرى أيضًا. وسيُستخدم SynthID في هذه التحديثات كأداة لإضافة العلامات المائية والتعرّف على المحتوى المُنشأ بالذكاء الاصطناعي. وتَعِد هذه التحديثات من DeepMind بتحويل قطاعات مختلفة من خلال تقديم أدوات متقدمة وفعالة ومسؤولة لإنشاء محتوى مرئي وصوتي عالي الجودة.

استشراف المرحلة التالية من الذكاء الاصطناعي التوليدي#

تمثل تطورات DeepMind في مجال الذكاء الاصطناعي التوليدي لعام 2024، ومنها Veo وImagen 3 وLyria، قفزة كبيرة في قدرات الذكاء الاصطناعي. 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، بينما يفتح Lyria آفاقًا جديدة لإنشاء الموسيقى باستخدام أدوات متقدمة للذكاء الاصطناعي.

تَعِد هذه التقنيات بتحويل قطاعات مختلفة عبر توفير أدوات فعالة ومسؤولة لإنشاء محتوى مرئي وصوتي عالي الجودة. ومع تدابير السلامة، مثل SynthID، التي تضمن الاستخدام الأخلاقي، تواصل DeepMind توسيع آفاق الذكاء الاصطناعي، وتمهيد الطريق لتطبيقات مبتكرة مستقبلًا.

انطلق في عالم الذكاء الاصطناعي بزيارة مستودع GitHub والانضمام إلى مجتمعنا. استكشف صفحات حلولنا لمعرفة كيفية تطبيق الذكاء الاصطناعي في التصنيع والزراعة.