يولّد Veo 3.1 فيديو بدقة 1080p مع صوت أصلي متزامن بالكامل من أمر نصي واحد، ويتعامل مع الكلام والأصوات المحيطة والموسيقى في آنٍ واحد. يشرح هذا المقال بالتفصيل كيف تعمل طبقة الصوت، وما الذي يميز إصدارات 3.1، وكيف تكتب أوامر نصية تنتج مخرجات صوتية قوية، وكيف يقارن Veo 3.1 بالنماذج المنافسة المتاحة على PicassoIA.
يقدّم Veo 3.1 من Google شيئًا احتاج توليد الفيديو بالذكاء الاصطناعي إلى سنوات كي يتقنه: إنه يولّد الصوت في الوقت نفسه مع اللقطات، لا بعد الانتهاء منها. أمر نصي واحد، ومخرج واحد، والاثنان متزامنان. إذا كنت تستخدم أدوات فيديو بالذكاء الاصطناعي تُخرج مقاطع صامتة تضطر بعدها إلى إضافة موسيقى خالية من حقوق الملكية من مكان آخر، فهذا تحوّل مهم في الإحساس الفعلي بسير العمل.
Veo 3.1 نموذج لتحويل النص إلى فيديو من Google DeepMind، وينتج مقاطع فيديو بدقة 1080p مع صوت أصلي متزامن. لا يأتي الصوت من مرحلة منفصلة أو من خطوة تحويل نص إلى كلام مُلحقة به. بل يُولَّد بالتزامن مع إطارات الفيديو، أي أن الحوار والأصوات المحيطة والموسيقى والضوضاء البيئية كلها جزء من التنبؤ نفسه.
يأخذ النموذج أمرًا نصيًا بلغة طبيعية، ويعيد ملف MP4 يكون فيه ما تراه وما تسمعه قد أُنتجا معًا. فالمشهد الذي يوصف بأنه "طاهٍ في مطبخ مطعم مزدحم ينادي على الطلبات" سينتج لقطات لذلك المطبخ مع الصوت الواقعي لطرقعة الأواني، وهمهمة الخلفية، وصوت ينادي بالطلبات، وكلها متوقتة على الحركة المرئية.
يختلف هذا عما كانت تفعله معظم نماذج الفيديو السابقة، إذ كانت تنتج الفيديو ثم تسمح لك اختياريًا بإضافة الصوت فوقه يدويًا. التزامن في Veo 3.1 جزء أصيل من عملية التوليد، وليس إضافة لاحقة.
أبرز الإمكانات في لمحة:
💡 نصيحة: كلما كان أمرك النصي أكثر تحديدًا بشأن البيئة الصوتية، كان الصوت الناتج أقوى. اذكر أصواتًا بعينها مثل "طقطقة نار المخيم" أو "حركة مرور بعيدة ومطر على الزجاج"، بدلًا من وصف عام للمكان.
تتعامل طبقة الصوت في Veo 3.1 مع ثلاثة أنواع مختلفة من الأصوات، ولكل منها سلوك مختلف استجابةً لأمرك النصي.
1. الصوت المحيط والبيئي
هذا هو الصوت الخلفي الذي يطابق البيئة المادية التي تصفها. مشهد الغابة يولّد صوت الرياح بين الأوراق وتغريد الطيور. ومكتب داخلي يولّد طقطقة لوحة المفاتيح وهدير أجهزة التكييف. ويستنتج النموذج كيف ينبغي أن يبدو صوت المكان بناءً على السياق المرئي، حتى حين لا تسمّي الأصوات صراحةً. وشارع المدينة يولّد ضوضاء المرور تلقائيًا.
2. الكلام والحوار
عندما يتضمن أمرك أشخاصًا يتكلمون، يولّد Veo 3.1 حركة شفاه وصوتًا متطابقين. وأوامر مثل "امرأة تشرح فكرة وهي تمشي في حديقة" تنتج صوتًا بطول حوار يتوقت وفق إيقاع الكلام الطبيعي. ولن تكون شخصية الصوت شخصًا محددًا تستطيع تسميته، لكن النبرة والإيقاع والجنس تنبع من وصف المشهد.
3. الموسيقى التصويرية
عندما تطلب سياقًا سينمائيًا أو عاطفيًا، قد يولّد النموذج موسيقى خلفية تناسب المزاج. وهذا أقل حتمية من الصوت المحيط، لكنه يظهر بثبات حين يتضمن الأمر إشارة عاطفية أو سردية قوية. صِف الحالة العاطفية للمشهد صراحةً: "متوتر"، "مبتهج"، "تأملي".
ما يجعل هذا مفيدًا أنك لست مقيدًا بالاختيار من مكتبات أصوات جاهزة. فالصوت توليدي، ولذلك يطابق سيناريوهات محددة جدًا لا تغطيها أي مكتبة جاهزة.
💡 نصيحة: لأعمال التعليق الصوتي التي تحتاج إلى تحكم دقيق في النص، اجمع Veo 3.1 مع نماذج تحويل النص إلى كلام المخصصة على PicassoIA، مثل ElevenLabs v3 أو Gemini 3.1 Flash TTS. الكلام المدمج في Veo 3.1 قوي للحوار الطبيعي في المشاهد، أما تحويل النص إلى كلام المستقل فيمنحك دقة على مستوى النص.
لإنشاء موسيقى تتجاوز ما يولّده نموذج الفيديو، يُنتج Lyria 3 Pro وLyria 3 تكوينات أصلية كاملة الطول يمكنك مزامنتها مع اللقطات في مرحلة ما بعد الإنتاج.
ثلاثة إصدارات من Veo متاحة على PicassoIA، وكل منها يلبي احتياجات مختلفة. وهذا تقسيمها:
| النموذج | الدقة | الصوت | السرعة | الاستخدام الأمثل |
|---|---|---|---|---|
| Veo 3.1 | 1080p | متزامن أصلي | قياسية | مخرجات نهائية عالية الجودة |
| Veo 3.1 Fast | 1080p | متزامن أصلي | سريعة | التكرار والمسودات بجودة كاملة |
| Veo 3.1 Lite | قياسية | صوت أصلي | الأسرع | المعاينات السريعة والإنتاج بكميات كبيرة |
| Veo 3 | 1080p | صوت أصلي | قياسية | خط الأساس للجيل السابق |
| Veo 3 Fast | 1080p | صوت أصلي | سريعة | التكرار السريع على أوامر Veo 3 |
متى تستخدم Veo 3.1: للمحتوى النهائي الذي يجب أن تصمد فيه الدقة البصرية والتزامن الصوتي عند عرضه بملء الشاشة. فيديوهات التسويق، ومقاطع الريلز الاجتماعية، والعروض التوضيحية، وعروض المنتجات.
متى تستخدم Veo 3.1 Fast: عندما تكون في مرحلة تكرار الأوامر وتحتاج إلى رؤية كيف تبدو اللقطة قبل الالتزام بتوليد كامل. الجودة نفسها التي يقدمها 3.1، مع زمن توليد أسرع بشكل ملحوظ.
متى تستخدم Veo 3.1 Lite: عندما تحتاج إلى الكمية. مقاطع قصيرة متعددة، ونماذج أولية سريعة، ومواقف يهم فيها التكلفة أو الوقت أكثر من الوصول إلى أقصى سقف لجودة المخرجات.
القفزة من Veo 3 إلى Veo 3.1 تكمن أساسًا في الالتزام بالأمر النصي والاتساق بين الصورة والصوت. والمشاهد ذات الحركة المعقدة، والعناصر المتعددة، والبيئات الصوتية المفصّلة هي التي تُظهر أوضح تحسن بين الجيلين.
يُساء فهم Veo 3.1 Lite كثيرًا على أنه نموذج أقل شأنًا. فبالنسبة لسير العمل عالي الحجم الذي تولّد فيه عشرات المقاطع، أو للمحتوى الاجتماعي الذي سيُشاهد على الهاتف بمستوى صوت 70%، يناسب إصدار Lite تمامًا. والتوليد الصوتي الأصلي موجود فيه. احتفظ بالإصدار الكامل Veo 3.1 للمخرجات التي ستُعرض على شاشات كبيرة أو يراجعها أصحاب القرار.
تتيح لك PicassoIA الوصول إلى Veo 3.1 وVeo 3.1 Fast وVeo 3.1 Lite إلى جانب أكثر من 100 نموذج آخر لتحويل النص إلى فيديو، وكلها في واجهة واحدة. وهذا هو سير العمل:
انتقل إلى قسم تحويل النص إلى فيديو على PicassoIA، واختر Veo 3.1 للحصول على مخرجات بجودة كاملة. وإذا كنت في مرحلة تطوير الأوامر وتريد التكرار بسرعة، فابدأ بالإصدار Veo 3.1 Fast لتقليل زمن التوليد دون التضحية بالجودة.
يتكون الأمر النصي القوي لنموذج Veo 3.1 من ثلاث طبقات:
مثال: "بائع متجول في سوق الصباح يقطع فاكهة طازجة، وشمس الصباح الدافئة ترسم ظلالًا طويلة على الكشك، وهمهمة سوق مزدحم في الخلفية، وقطع نقود تطقطق على السطح الخشبي، وراديو يعزف بهدوء من داخل محل قريب."
يدعم Veo 3.1 مقاطع بأطوال متفاوتة. المقاطع القصيرة (5-8 ثوانٍ) تمنحك اتساقًا أكبر إطارًا بإطار وتزامنًا أدق بين الصورة والصوت. أما للمحتوى السردي الأطول، ففكّر في توليد مقاطع قصيرة متعددة ثم دمجها معًا.
عند وصول المخرج، شاهده مع تشغيل الصوت فورًا. فالصوت والفيديو يُولَّدان معًا، لذلك إذا كان للأمر نية صوتية قوية فستسمعها في الثواني الأولى. وإذا لم يطابق الصوت توقعك، فالسبب في الغالب هو عدم تحديد الأمر وليس قدرة النموذج.
Veo 3.1 Fast هو أداتك الأساسية للتكرار. شغّل 3 إلى 4 إصدارات مع تعديلات طفيفة على الأمر قبل الالتزام بالتوليد النهائي. فسلوك الصوت يتغير بشكل ملحوظ مع تغييرات صغيرة في وصف البيئة.
💡 نصيحة: أضف انتقالات واضحة للمشهد في أوامرك. فعبارة "يبدأ صامتًا، ثم يُفتح باب ويملأ صوت المطر الغرفة" تمنح النموذج قوسًا زمنيًا يستطيع اتباعه في توليد الصوت.
تعود معظم المخرجات الضعيفة من Veo 3.1 إلى أوامر غامضة. النموذج قادر، والعامل المحدد هو ما تقدّمه له.
يستجيب Veo 3.1 للسبب والنتيجة المادية في الأوامر. إذا كان شيء في المشهد سينتج صوتًا فعليًا، فسمِّه. النموذج يفهم العلاقة السببية وسيولّد الصوت المناسب للحركة التي تصفها.
أوامر ضعيفة الإشارة (مخرجات صوتية ضعيفة):
أوامر قوية الإشارة (مخرجات صوتية قوية):
الفرق ليس في الإبداع، بل في التحديد. سمِّ مصادر الصوت التي تريدها، صراحةً.
يربط النموذج الصوت بالحركة. الشخصية الموصوفة بأنها "تركض" تولّد وقع خطوات، والموسيقي الموصوف بأنه "يعزف على الغيتار" يولّد صوت الغيتار. استخدم ذلك بوعي: صِف الفعل المادي الذي يُنتج الصوت، بدلًا من تسمية الصوت نفسه فقط.
| الفعل المادي في الأمر | الصوت الناتج |
|---|---|
| "يصبّ الماء من إبريق في كوب" | تناثر الماء وانسكابه واستقرار السائل |
| "يكتب بسرعة على لوحة مفاتيح" | طقطقة ميكانيكية سريعة للوحة المفاتيح |
| "تنطلق سيارة إلى الطريق السريع" | صوت تسارع المحرك واحتكاك الإطارات وصوت الرياح |
| "يندلع تصفيق في مسرح مكتظ" | تصفيق الجمهور وهتافات وصدى القاعة المحيط |
| "المطر يضرب النافذة بخيوط متواصلة" | ارتطام المطر واهتزاز الزجاج ورعد بعيد |
يأخذ النموذج في الحسبان المسافة الضمنية للميكروفون بناءً على زاوية الكاميرا التي تصفها. اللقطة المقربة للوجه تولّد صوتًا حميميًا من مسافة قريبة، ولقطة الإنشاء الجوية تولّد صوتًا محيطًا بيئيًا من مسافة بعيدة. ويمكنك كتابة زاوية الكاميرا في أوامرك للتأثير في طابع الصوت:
"لقطة مقربة من فوق الكتف وهي تهمس في الهاتف" تنتج صوتًا مختلفًا جدًا عن "لقطة عريضة لامرأة تتحدث في الهاتف داخل حديقة."
استخدم ذلك للتحكم في طريقة ترجيح الصوت الأمامي مقابل الصوت الخلفي في المخرج.
لا يوفّر Veo 3.1 لوحة مزج صوت منفصلة. فالصوت نتاج مباشر لأمرك وتفسير النموذج له. ومعرفة أنواع المحتوى التي تنتج صوتًا موثوقًا تساعدك على تخطيط الأوامر بفعالية أكبر.
دقة الصوت حسب نوع المحتوى:
ماذا تفعل عندما يفشل الصوت:
إذا كان لمقطع مولَّد بعينه صوت لا يطابق الصورة أو نية الأمر، فلا تكرّر المحاولة بالأمر نفسه. غيّر متغيرًا واحدًا: أضف إشارات صوتية أكثر وضوحًا، أو بسّط عدد العناصر، أو أعد صياغة وصف البيئة. فالمشاهد المعقدة متعددة العناصر ذات مصادر الصوت المتنافسة أصعب على النموذج في الموازنة بثبات.
لأعمال التعليق الصوتي التي تحتاج إلى دقة على مستوى النص، ولّد لقطتك في Veo 3.1، ثم ولّد الصوت الدقيق عبر ElevenLabs v3 أو Speech 2.8 HD، ثم زامنهما في مرحلة ما بعد الإنتاج. وبهذا تحصل على الأفضل من الاثنين: المخرج البصري السينمائي من Veo والتحكم الدقيق في التعليق الصوتي.
بالنسبة للمشاريع متعددة اللغات، يغطي Gemini 3.1 Flash TTS أكثر من 70 لغة مع 30 شخصية صوتية مميزة، ويتناسب بسلاسة مع اللقطات المولّدة بـ Veo.
بات في مجال فيديو الذكاء الاصطناعي نماذج قوية كافية بحيث يعتمد الاختيار الصحيح على ما يهم في مخرجك تحديدًا. وهذه مقارنة Veo 3.1 بالنماذج الأخرى المتاحة على PicassoIA:
| النموذج | الصوت | الدقة | الميزة الأساسية |
|---|---|---|---|
| Veo 3.1 | متزامن أصلي | 1080p | تماسك الصورة والصوت، والالتزام بالأمر النصي |
| Seedance 2.0 | صوت أصلي | 1080p | اتساق المشهد، وجودة الحركة |
| Sora 2 | صوت أصلي | HD | التماسك في المحتوى الطويل، ودقة الفيزياء |
| Ray 3.2 | HDR | HDR | المظهر السينمائي، وتدرج الألوان بتقنية HDR |
| Kling v3 | نعم | 1080p | تحريك الشخصيات، والحركة المعبّرة |
| Pixverse v6 | صوت ذكاء اصطناعي أصلي | 1080p | سرعة إنجاز المخرج السينمائي |
| Wan 2.7 T2V | قياسي | 1080p | مرونة النموذج مفتوح الأوزان، والتخصيص |
الميزة الخاصة بنموذج Veo 3.1 تكمن في جودة طبقة الصوت وتزامنها. لا يوجد نموذج آخر في هذه القائمة ينتج الصوت المحيط والكلام والموسيقى كمخرج واحد مترابط بإحكام مع الصورة. وSeedance 2.0 هو على الأرجح النظير الأقرب من حيث جودة المخرجات الإجمالية، وهو يولّد صوتًا أصليًا أيضًا.
أما للجماليات البصرية البحتة دون متطلب صوتي، فيبقى Ray 3.2 بديلًا قويًا بفضل مخرجاته ذات الألوان بتقنية HDR. وللمشاهد المعتمدة على الشخصيات ذات الحركة المعبّرة، يستحق Kling v3 التشغيل بالتوازي.
الإجابة العملية هي: استخدم Veo 3.1 عندما يكون الصوت مهمًا بقدر أهمية الفيديو. واستخدم نماذج أخرى عندما تكون تحسّن بالأساس الجماليات البصرية أو جودة الحركة وتخطط للتعامل مع الصوت بشكل منفصل.
الإصدارات الثلاثة من Veo 3.1، وهي Veo 3.1 وVeo 3.1 Fast وVeo 3.1 Lite، إضافة إلى Veo 3 وVeo 3 Fast، متاحة على PicassoIA دون الحاجة إلى حساب Google منفصل أو إعداد API. ويمكنك الوصول إلى الإصدارات الخمسة كلها من الواجهة نفسها، إلى جانب كل نموذج فيديو آخر على المنصة.
Veo 3.1 متاح بالفعل على PicassoIA. فأكثر من 110 نماذج فيديو على المنصة تعني أنك لست محصورًا في أسلوب مخرج واحد. شغّل Veo 3.1 لمشهد، وشغّل Seedance 2.0 لآخر، وقارن بينهما، واختر ما نجح. لا يوجد التزام بنموذج واحد.
لخط إنتاج صوتي-بصري كامل، تعمل هذه الأدوات معًا ولا تتنافس:
البنية التحتية لإنتاج مقطع صوتي-بصري كامل، من الإطار الأول إلى تلاشي الصوت الأخير، باتت في مكان واحد. والمتغير الوحيد هو مدى دقتك في تحديد أوامرك.
جرّب Veo 3.1 على PicassoIA بمشهد كنت تتخيله. ابدأ بتفاصيل: سمِّ الموقع ووقت اليوم والأصوات المحددة التي تتوقعها وزاوية الكاميرا. وانظر ما الذي سيعود إليك. يمكنك دائمًا حذف تفصيل وإعادة التشغيل، لكن مسودة أولى دقيقة تدفع النموذج أبعد وتُظهر لك أسرع ما الذي يستطيع فعلًا.
جميع النماذج المذكورة في هذا المقال، من Veo 3.1 إلى مجموعة أدوات الصوت الكاملة، متاحة على picassoia.com/en/all-models.
اختر لغتك
