كشفت غوغل النقاب عن تقدم تكنولوجي كان العديد من الخبراء ينتظرونه منذ عدة أشهر: ذكاء اصطناعي قادر على إنشاء مقاطع فيديو طويلة ومتسقة ومزودة بصوت متزامن تمامًا. تم تقديمهذا النموذج الجديد أثناء الإعلانات التكنولوجية لعام 2025 وتم التعرف عليه في الوثائق الداخلية بوصفه تطورًا في عائلة «Veo»، متجاوزًا بكثير قدرات مولدات الفيديو الحالية، التي ظلت لفترة طويلة مقيدة ببضعة ثوانٍ من الصور الصامتة أو غير المتسقة. وفقًا لمهندسي المجموعة، فإنها أول ذكاء اصطناعي يستهلكه الجمهور قادر على إنتاج مقاطع كاملة تمزج بين الحركات السلسة، والانتقالات الطبيعية، وموسيقى مقترحة بناءً على العناصر البصرية.
أكثر ما يميز هذا النموذج هو إمكانية إنشاء مقاطع فيديو لعدة دقائق. حتى الآن، حتى النماذج الأكثر تقدمًا، مثل Sora من OpenAI أو النماذج الأولية الأولى لـ Veo، كانت مقيدة بأوقات قصيرة جدًا أو بقطع في الاستمرارية بين اللقطات. تدعي غوغل الآن أنها قادرة على إنتاج مشاهد حقيقية، تشبه الأفلام القصيرة، بمستوى غير مسبوق من التناسق بين العناصر، والإضاءة، والظلال، والحركات. تعتبر إضافة الصوت تحولًا كبيرًا ثانيًا: حيث لم تعد الآلة تكتفي بإنشاء موسيقى عامة، بل تخلق أجواء صوتية مرتبطة مباشرة بالفيديو، سواء كانت أصوات خطوات، أو حوارات تركيبية، أو بيئات طبيعية.
تظهر العروض المقدمة تقدمًا كبيرًا في إدارة الفيزياء والقوام. تحتوي مقاطع الفيديو التجريبية على مشاهد حضرية حيوية، ومشاهد طبيعية، وحركات كاميرا ديناميكية تحاكيها الذكاء الاصطناعي بسلاسة. تؤكد غوغل أن عدة آليات داخلية - تعتمد على مزيج من النماذج متعددة الوسائط والتدريب على مجموعات ضخمة من الصور - تمكّن الذكاء الاصطناعي من الحفاظ على التناسق الزمني، الذي يُعتبر غالباً أكبر تحدٍ في إنشاء الفيديو. هذا التناسق ضروري لتفادي ظهور أشياء ثم اختفاؤها، أو تشوه الوجوه، أو الخلفيات غير المستقرة، وهي عيوب شائعة في الأجيال السابقة.
تم تصميم الأداة أيضًا للاستجابة للتعليمات المعقدة. يمكن للمبدعين أن يطلبوا، على سبيل المثال، «مشهد شارع في طوكيو تحت المطر، مصور من زاوية واسعة، مع أجواء صوتية واقعية» أو «تسلسل سفر عبر صحراء عند غروب الشمس». يستجيب الذكاء الاصطناعي من خلال إنتاج فيديو كامل يتوافق مع التعليمات، بما في ذلك النمط السينمائي. تبرز غوغل قدرة النموذج على التعامل مع تنسيقات مختلفة، من المحتوى الأفقي إلى العمودي، المخصص للشبكات الاجتماعية. هذه المرونة تستجيب مباشرة للطلب المتزايد من المنصات الرقمية، حيث أصبحت الفيديوهات هي التنسيق السائد.
هذا التقدم يثير أيضًا قلقًا. يتحدث العديد من الباحثين عن مسألة التضليل، التي تفاقمت بالفعل بفعل ما يسمى بـ "Deepfakes". قد يسمح ذكاء اصطناعي قادر على إنشاء مقاطع فيديو طويلة وواقعية بتسهيل إنشاء تسلسلات زائفة ومقنعة، يصعب التمييز بينها وبين الحقيقة. تقول غوغل إنها دمجت أنظمة أمان، بما في ذلك علامات مائية رقمية مستحيلة الإزالة وبروتوكولات كشف معززة. لكن هذه التدابير يجب أن تثبت فاعليتها أمام سرعة اعتماد هذه الأدوات من قبل الجمهور.
التأثير على الصناعات الإبداعية أيضًا ملحوظ. قد يواجه المخرجون، الاستوديوهات ومبدعو المحتوى تحولًا مشابهًا لذلك الذي شهدته التصوير الفوتوغرافي مع ظهور الكاميرات الرقمية. إن الوصول إلى أداة قادرة على إنتاج مشاهد سينمائية بدون كاميرات، وبدون ممثلين، وبدون تصوير حقيقي يفتح الطريق أمام ديمقراطية جذرية في الإنتاج السمعي البصري. يقول بعض المحللين إن الشركات الصغيرة أو المستقلين يمكنهم الآن تصميم إعلانات، فيديوهات توضيحية أو حتى أفلام قصيرة بتكاليف منخفضة، مما قد يعيد توزيع الأوراق في السوق.
بالنسبة لغوغل، تمثل هذه الإعلان أيضًا وسيلة لأخذ زمام المبادرة في سباق الذكاء الاصطناعي التوليدي. بعد أن تعرضت للتهديد من ظهور منافسين، بما في ذلك OpenAI ونماذج الفيديو مثل Sora، تسعى الشركة لتأكيد نفسها كمرجع في التوليد متعدد الوسائط. تتطلع المجموعة إلى دمج هذه التكنولوجيا في نظامها البيئي، بما في ذلك يوتيوب، أندرويد وأدواتها الاحترافية، مما قد يقدم لها قاعدة مستخدمين ضخمة عند الإطلاق.
لم يتم الإعلان بعد عن تاريخ التوفر العام، لكن تُجرى اختبارات على نسخ محدودة لدى مبدعين مشاركين. ستكون الأشهر القليلة القادمة حاسمة لتقييم موثوقية النموذج، وإمكانية الوصول إليه، والآثار الاقتصادية والأخلاقية الناتجة. الشيء المؤكد هو أنه مع هذه الابتكار، قد خطت غوغل خطوة جديدة قد تغير بشكل دائم الطريقة التي تُنتج بها الصور، وتُستهلك، وتُدرك.
