تعلّم Google Veo 3.1 تحويل صور البورتريه إلى فيديوهات عمودية

الفيديو العمودي توقف أخيراً عن كونه تنسيقاً من الدرجة الثانية. حدثت شركة Google نموذج إنشاء الفيديو Veo 3.1، مضيفة الدعم الأصلي للفيديوهات العمودية — تلك التي تهيمن على TikTok و Instagram Reels و YouTube Shorts. لكن الأمر لا يتعلق فقط بتدوير الإطار 90 درجة: قامت الشركة بإعادة هندسة جدية للآلية المسؤولة عن مدى دقة توافق الفيديو المُنشأ مع الصور الأصلية.

أداة "المكونات إلى الفيديو" التي قُدمت للمرة الأولى في العام الماضي، تسمح للمستخدمين بتحميل حتى ثلاث صور مرجعية وإنشاء مقاطع فيديو بناءً عليها. يمكن أن تكون صور شخصيات أو نسيج خلفيات أو عناصر بيئية — في الأساس "مكونات" بصرية تقوم الشبكة العصبية بتجميعها لإنتاج المقطع النهائي. كانت مشكلة الإصدار السابق أن النموذج كثيراً ما كان "يخترع" التفاصيل، منحرفاً عن الصور المرجعية المحملة. يهدف التحديث إلى إصلاح هذا: تعد Google بنتائج "أكثر تعبيراً وإبداعاً" مع "نقل غني" للمواد الأصلية.

لماذا أصبح الفيديو العمودي محور التحديث — سؤال الإجابة عليه واضحة. تُولد المقاطع العمودية القصيرة مليارات المشاهدات يومياً. منشؤو المحتوى والمسوقون ومتخصصو وسائل التواصل الاجتماعي احتاجوا لفترة طويلة إلى أدوات قادرة على إنتاج محتوى جذاب بصرياً بسرعة في هذا التنسيق. حتى الآن، كانت معظم مولدات الفيديو بالذكاء الاصطناعي موجهة نحو التنسيق الأفقي "السينمائي" 16:9، وكان يجب اقتصاص المقاطع العمودية يدويّاً، مما يؤدي لفقدان الجودة والتكوين. يعني الدعم الأصلي أن النموذج يبني تكوين الإطار بناءً على الاتجاه العمودي في البداية — مع وضع مناسب للأشياء، مع الأخذ في الاعتبار نسب الوجه والخلفية.

تستحق وظيفة تحسين الدقة — upscaling — اهتماماً خاصاً. لا تزال نماذج الفيديو التوليدية محدودة في الدقة: التكاليف الحسابية لإنشاء فيديو 4K عالية بشكل فلكي. يسمح تحسين الدقة بإنشاء مقطع بدقة أقل ثم تكبيره بذكاء، محافظاً على التفاصيل والوضوح. هذا هو حل وسط عملي يجعل فيديو الذكاء الاصطناعي مناسباً للنشر على المنصات التي تتطلب على الأقل Full HD.

لا يمكن فهم سياق هذا التحديث بدون النظر إلى سباق التنافس. تستمر OpenAI في تطوير Sora، والتي أصبحت متاحة بالفعل لمشتركي ChatGPT Plus. تطلق Runway نسخ جديدة من Gen-3 Alpha. تسرع الشركات الصينية — Kling و MiniMax وكذلك ByteDance بنموذجها — بوتيرة مثيرة للقلق. في هذا السياق، لا تستطيع Google السماح لنفسها بالتخلف، خاصة وأن Veo متكاملة في نظام Gemini البيئي وقابلة للوصول محتملاً لمئات الملايين من المستخدمين من خلال خدمات Google. كل تحديث وظيفي ليس مجرد تحسين تقني بل حركة استراتيجية في الكفاح من أجل سوق الفيديو التوليدي، الذي قد يتجاوز بحسب توقعات المحللين 10 مليارات دولار بحلول 2028.

من المهم أيضاً ملاحظة أن تحسين الاتساق مع الصور المرجعية يعالج واحدة من أكبر مشاكل المستخدمين لنماذج الفيديو التوليدية. عندما تحمل صورة شخص معين وتريد الحصول على فيديو بهذا الوجه بالذات، حتى الانحرافات الصغيرة — شكل أنف مختلف، لون عيون متغير، ملامح وجه "عائمة" — تدمر الوهم. بالنسبة للاستخدام التجاري، سواء الإعلان أو محتوى العلامات التجارية، تكون مثل هذه الأخطاء غير مقبولة. إذا تمكنت Google فعلاً من زيادة دقة التكاثر، فإن هذا يقرب Veo من حد الجدوى التجارية.

الآثار العملية على المستخدمين الروس محدودة حالياً: الوصول إلى Veo عبر خدمات Google في روسيا معقّد، والشركة توفر واجهة برمجة تطبيقات كاملة لمطوري الجهات الخارجية بشكل انتقائي. ومع ذلك، الاتجاه واضح — يتحرك إنشاء الفيديو بالذكاء الاصطناعي بسرعة من لعبة تجريبية إلى أداة عملية. التنسيق العمودي، الامتثال الدقيق للصور المرجعية، تحسين الدقة — كل هذا لبنات في أساس المستقبل، حيث سيتم إنشاء جزء كبير من محتوى الفيديو على وسائل التواصل الاجتماعي ليس بواسطة كاميرا، بل بواسطة شبكة عصبية.

تسد Google بشكل منهجي الفجوة بين ما يمكن للنماذج التوليدية أن تفعله نظرياً وما يتطلبه منها السوق الفعلي. الفيديو العمودي من صورة بورتريه — هذا ليس ثورة. هذه هي النضج الهندسي، وهو ما سيحدد في النهاية من سيحتل الموقع المهيمن في صناعة فيديو الذكاء الاصطناعي.