Veo 3.1 هو أكثر نموذج ذكاء اصطناعي لتوليد الفيديو من Google قدرةً حتى الآن، إذ يُنتج لقطات بدقة 1080p مع صوت أصلي من الأوامر النصية وحدها. لكن معرفة نقاط قوته ليست سوى نصف الحكاية. يستعرض هذا المقال القدرات الحقيقية، والثغرات المفاجئة، ونصائح عملية للأوامر النصية، ويقارن Veo 3.1 بالنماذج المنافسة في 2027.
يقول الجميع إن Veo 3.1 يغيّر كل شيء. وهذا ادعاء جريء. يُنتج نموذج الذكاء الاصطناعي الأحدث لتوليد الفيديو من Google مخرجات مبهرة فعلًا بدقة 1080p، مع صوت أصلي مدمج في عملية التوليد من أمر نصي واحد. لكن الإعجاب لا يعني غياب الحدود. إذا كنت تخطط لاستخدام Veo 3.1 في عمل حقيقي، فأنت بحاجة إلى معرفة دقيقة بالمواضع التي يتفوّق فيها بشكل لافت، والمواضع التي سيُحبطك فيها. وهذا ما يوضّحه هذا التحليل.
Veo 3.1 هو الخلف المباشر للإصدار Veo 3، والفروق بينهما أهم مما يوحي به الانتقال إلى رقم إصدار أعلى. فلم تكتفِ Google بضبط الأوزان، بل أعادت بناء طريقة تعامل النموذج مع الثبات الزمني، ومحاذاة الصوت مع الصورة، ودقة تنفيذ الأمر النصي عبر المقاطع الأطول. هناك ثلاثة أمور تميّز الإصدار 3.1 عن الجيل السابق بشكل ملموس.
هذه هي الميزة الأبرز. يقدّم Veo 3 الصوت الأصلي بالفعل، لكن Veo 3.1 يُحكم المزامنة بدرجة ملحوظة. يولّد النموذج أصوات المحيط، والكلام الشبيه بالحوار، والموسيقى، والأصوات البيئية في الوقت نفسه مع إطارات الفيديو. أنت لا تضيف الصوت لاحقًا في مرحلة ما بعد الإنتاج، بل يأتي ضمن المخرجات.
والنتيجة أن مشهد الغابة يتضمن صوت الريح بين الأوراق، ومشهد الحشود يتضمن ضجيج الجمهور، وعازف الغيتار ينتج صوت غيتار معقولًا. ليس الأمر مثاليًا دائمًا، لكن بالنسبة إلى نموذج يولّد ذلك من النص وحده، فإن المستوى الأساسي مذهل.
كان Veo 2 يحدّ معظم المخرجات عند 720p. أما Veo 3.1 فيعتمد 1080p افتراضيًا ويحافظ على هذه الدقة طوال مدة المقطع كاملة. بالنسبة إلى صنّاع المحتوى، لهذا أثر عملي. أنت لا ترفع الدقة لاحقًا، ولا تفقد التفاصيل عند إدراج المقطع في برنامج المونتاج.
المقارنة الصريحة: أنتج Veo 3 تفاوتات متقطعة من إطار إلى آخر، خاصةً في اللقطات التي تضم الأيدي، وطيّات الملابس المعقدة، والحركة السريعة. ويقلّل Veo 3.1 ذلك بشكل ملحوظ. فالأشخاص يحتفظون بشكلهم بصورة أفضل عبر المقطع. تحسّن الترابط الزمني حقيقي وواضح.
يظل Veo 3 Fast خيارًا مناسبًا عندما تكون السرعة أهم من الجودة. أما Veo 3.1 Fast فيقدّم التحسين نفسه للسرعة مبنيًا على النموذج الأساسي المحدّث، ما يجعله الخيار الافتراضي الأفضل لعمل التكرار السريع.
عندما يعمل Veo 3.1، فإنه يعمل بطرق فاجأت حقًا من يعرفون أدوات تحويل النص إلى فيديو السابقة. إليك المجالات التي يقدّم فيها نتائج ثابتة.
تنسكب السوائل بشكل صحيح. ينتفخ القماش مع تيار الهواء. ينساب الشعر بطبيعية في الريح. كانت هذه الأمور معروفة بصعوبتها على نماذج الذكاء الاصطناعي السابقة للفيديو، التي كانت تنتج إما جمودًا متيبسًا أو اهتزازًا أشبه بالهلام. ومعالجة Veo 3.1 لفيزياء الأجسام الرخوة أفضل بوضوح. سكب كوب ماء، وستارة تتمايل، ومطر على سطح نافذة: كلها تبدو حقيقية من الناحية الفيزيائية.
يهم هذا بشكل خاص في المشاهد التي تتضمن الطبيعة، والطعام، والأزياء، واللقطات البيئية. إذا كانت حالة استخدامك تنتمي إلى أي من هذه الفئات، فتوقّع نتائج قوية.
عانت نماذج الفيديو بالذكاء الاصطناعي السابقة من مشكلة مستمرة: شخص يدخل الكادر وهو ينظر في اتجاه ما، ثم يخرج وقد تغيّر مظهره قليلًا. قد يتغيّر لون الشعر بشكل طفيف، وقد تتشوّه أنماط القميص بين الإطارات. يتتبّع Veo 3.1 الأشخاص عبر مدة المقطع كاملة بثبات أفضل بكثير. فالشخص الذي تحدده في الأمر النصي يبقى متماسكًا من إطار إلى آخر.
💡 نصيحة: صِف الشخص بعبارات محددة ومستقرة. "امرأة ترتدي بليزر أحمر بشعر أسود قصير" ستبقى أكثر ثباتًا من "سيدة أعمال"، لأن النموذج يملك تفاصيل أكثر يتمسك بها طوال عملية التوليد.
تنتج الأوامر النصية القصيرة مخرجات جيدة من معظم النماذج. الفرق مع Veo 3.1 أن الأوامر الأطول والأكثر تفصيلًا تنعكس بشكل ملموس في المخرج النهائي. يمكنك تحديد زاوية الكاميرا (زاوية منخفضة، لقطة جوية، من فوق الكتف)، ووصف ظروف الإضاءة (ظهيرة غائمة، إضاءة خلفية وقت الساعة الذهبية، شارع ليلي مضاء بالنيون)، وتضمين تسلسلات الحركة، ويدمج النموذج هذه التفاصيل بدقة معقولة.
يجعل هذا Veo 3.1 مفيدًا فعلًا للعمل الإبداعي الموجَّه، وليس للتجريب فقط.
يقع الصوت الأصلي غالبًا على الإشارات البصرية الصحيحة. يتزامن صوت الباب المغلق مع الحركة في الصورة. تتتبّع خطوات الأقدام حركة المشي. ويتطابق التصفيق مع لحظة رد فعل على الشاشة. ليس الأمر دقيقًا دائمًا، لكن بالنسبة إلى توليد الأصوات المحيطة غير المكتوبة، فإن المحاذاة متينة بما يكفي لتكون مفيدة دون تصحيح في مرحلة ما بعد الإنتاج.
لا يوجد نموذج بلا حدود صارمة. ولـ Veo 3.1 حدود حقيقية، ومعرفتها مسبقًا توفّر وقتًا وإحباطًا كبيرين.
هذه نقطة فشل مستمرة في جميع نماذج الذكاء الاصطناعي للفيديو، ولا يشذ Veo 3.1 عنها. إذا تضمّن أمرك لافتات أو عناوين أو أي نص مقروء في المشهد، فتوقّع نتائج مشوّهة أو مختلقة. تتحول لافتات الشوارع إلى حروف مشوّشة. وأغلفة الكتب، واللوحات البيضاء، والواجهات التي تحمل نصوصًا تنتج دائمًا تقريبًا مخرجات غير مقروءة.
الحل البديل: ولّد الفيديو الأساسي دون عناصر نصية، ثم أضِف النصوص فوقه في مرحلة ما بعد الإنتاج. لا تعتمد على النموذج لإنتاج نص مقروء على الشاشة.
تتوقف مقاطع Veo 3.1 عند نحو 8 ثوانٍ للتوليد القياسي. ويميل Veo 3.1 Fast إلى إنتاج مقاطع أقصر بسرعة أعلى. وهذا قيد صارم مرتبط ببنية الحوسبة، وليس مجرد قرار تصميمي.
للسرد الأطول، ستبني تسلسلات من مقاطع أقصر وتجمعها في برنامج مونتاج. فالنموذج مولّد للمقاطع، وليس أداة تصيير كاملة للمشاهد.
شخصان يتصافحان. مشهد حشد يضم أفرادًا متمايزين. محادثة جماعية تكون فيها الإيماءات مهمة. هنا يُظهر Veo 3.1 إجهادًا واضحًا. فالشخصيات القريبة من بعضها قد تندمج عند الأطراف، أو تتبادل سمات الملابس، أو تطوّر تشريحًا غير متسق. تظل الأصابع والأيدي إشكالية معروفة، خاصةً في المواقف الإيمائية أو مواقف الإمساك.
قاعدة عملية: اقصر الأشخاص الأساسيين على شخص أو اثنين واضحَي الفصل في كل مقطع. يظل التفاعل المكاني المعقد بين عدة أشخاص نقطة ضعف.
يمكنك وصف حركة الكاميرا نصيًا (بانوراما يسارًا، دوللي للأمام، لقطة رافعة)، وسيقرّبها Veo 3.1 من المطلوب. لكنه لا يقدّم تحكمًا دقيقًا في مسار الكاميرا. وتفسير تعليمات الحركة متفاوت، ولا يمكنك ضمان أن تأطيرًا محددًا سيستمر طوال المقطع. وللتحكم السينمائي الدقيق، تظل النماذج المزودة بمعاملات حركة كاميرا مخصصة أكثر موثوقية.
لا يدعم Veo 3.1 الضبط الدقيق بأسلوب LoRA ولا إدراج وجوه مخصصة. ولا توجد طريقة لتوليد شخص حقيقي محدد بثبات عبر المقاطع. بالنسبة إلى ثبات الهوية البصرية للعلامة التجارية، أو استمرارية الشخصية في سلسلة، أو أي حالة استخدام تتطلب بقاء وجه أو أسلوب بصري محدد، فهذا قيد جوهري يستحق التخطيط له.
قصة الصوت الأصلي أكثر تعقيدًا مما توحي به الدعاية. دعنا نفصّل ما يقدّمه الصوت فعلًا بشكل جيد، وأين يخفق.
يُولَّد صوت Veo 3.1 بالتوازي مع الصورة، ولا يُضاف بعدها. يُنشئ النموذج:
💡 نصيحة: صِغ أمرك النصي بحيث يركّز على البيئة الصوتية. "غابة هادئة عند الفجر" ستنتج صوتًا مختلفًا عن "غابة كثيفة تصيح فيها الطيور وجدول ماء بعيد". يقرأ النموذج إشارات الصوت مباشرة من وصف المشهد.
يتعامل النموذج مع الأصوات المحيطة والمؤثرات البيئية بأكبر قدر من الموثوقية. والموسيقى المولَّدة انطباعية: ستحصل على شيء مناسب في طبقته الصوتية، لكنه ليس مقطوعة موسيقية مؤلفة. أما الكلام فهو العنصر الأضعف. يستطيع Veo 3.1 إنتاج مظهر الشخصيات وهي تتحدث، لكن الصوت نادرًا ما يكون مفهومًا أو متزامنًا بشكل ذي معنى مع حركة الشفاه.
للمشاريع التي تتطلب تعليقًا صوتيًا أو حوارًا، ولّد الصورة باستخدام Veo 3.1 واستخدم نموذجًا مخصصًا لتحويل النص إلى كلام للصوت. سيكون التحسن في جودة الصوت الذي تحصل عليه كبيرًا.
| نوع الصوت | موثوقية Veo 3.1 | الطريقة الأفضل |
|---|---|---|
| البيئة المحيطة | عالية | الصوت الأصلي يعمل بشكل جيد |
| المؤثرات الصوتية | متوسطة إلى عالية | الصوت الأصلي يعمل عادةً |
| الموسيقى الخلفية | متوسطة | أدوات موسيقى ذكاء اصطناعي مخصصة |
| الحوار المنطوق | منخفضة | نماذج تحويل النص إلى كلام |
| مزامنة الشفاه الدقيقة | منخفضة جدًا | نموذج مخصص لمزامنة الشفاه بالذكاء الاصطناعي |
يوجد Veo 3.1 في مجال مزدحم في 2027. ويحدد مدى قدرته على منافسة النماذج الأفضل الأخرى ما إذا كان يستحق مكانًا في سير عملك.
مقارنةً بنموذج Kling v2.6، وSora 2، وSeedance 2.0، يتقدّم Veo 3.1 في ثلاثة مجالات واضحة:
يقدّم Kling v2.6 تحكمًا أكبر في حركة الكاميرا، وثباتًا أقوى للوجوه عبر تسلسل المقاطع. ويُنتج Seedance 2.0 تفاصيل حادة بشكل ملحوظ للأشخاص في اللقطات المقرّبة. وHailuo 02 أسرع في التكرارات السريعة، حيث يمكن التضحية بالجودة مقابل السرعة.
| النموذج | نقطة القوة الأساسية | أين يتفوّق Veo 3.1 |
|---|---|---|
| Kling v2.6 | التحكم في الكاميرا، تفاصيل الوجه | الصوت الأصلي، واقعية الفيزياء |
| Sora 2 | تعقيد المشهد | مزامنة الصوت، دقة الأمر النصي |
| Seedance 2.0 | حدة تفاصيل الشخص | تكامل الصوت، الحركة |
| Hailuo 02 | السرعة وزمن الإنجاز | جودة المخرجات، الفيزياء |
الموقف الصريح: Veo 3.1 ليس الأفضل في كل فئة. إنه الحزمة الأقوى بشكل عام عندما يكون الصوت مهمًا، وعندما تعمل على مشاهد بيئية وطبيعية في المقام الأول.
تقدّم PicassoIA ثلاثة إصدارات من جيل Veo 3.1: النموذج الكامل، وVeo 3.1 Fast، وVeo 3.1 Lite. ولكل منها حالة استخدام مختلفة.
الأوامر النصية التي تنتج نتائج قوية باستمرار مع Veo 3.1 تتبع بنية واضحة:
[وصف الشخص] + [الحركة] + [البيئة] + [ظرف الإضاءة] + [زاوية الكاميرا] + [السياق الصوتي]
مثال: "شابة ترتدي معطفًا مطريًا أصفر تمشي في شارع من الحجارة المرصوفة مبلّل بالمطر ليلًا، ضوء مصابيح دافئ ينعكس في البرك، لقطة تتبع أمامية بزاوية منخفضة، صوت المطر وحركة المدينة البعيدة"
تمنح هذه البنية النموذج مرتكزات ثابتة عبر كل محاور التوليد لديه: الموضوع البصري، والحركة، والمشهد، والضوء، والتكوين، والصوت.
💡 نصيحة: تجنّب النفي في الأوامر النصية. يستجيب Veo 3.1 بشكل أفضل للأوصاف الإيجابية. بدلًا من "غابة هادئة بلا طيور"، اكتب "غابة ساكنة في الصباح الباكر قبل الفجر، لا يُسمع فيها إلا صوت الريح".
| إصدار النموذج | الأنسب لـ | جودة المخرجات | السرعة |
|---|---|---|---|
| Veo 3.1 | المخرج النهائي، جودة العرض | الأعلى | أبطأ |
| Veo 3.1 Fast | تكرار الأوامر النصية، المفاهيم السريعة | عالية | سريع |
| Veo 3.1 Lite | اختبار الأفكار، الاستكشاف الأولي | جيدة | الأسرع |
هناك عادات في كتابة الأوامر النصية تحسّن المخرجات باستمرار بغض النظر عن نوع المشهد. هذه ليست حيلًا، بل خيارات بنيوية تمنح النموذج مادة أكثر ليعمل عليها.
أوامر نصية تميل إلى الفشل:
استخدم Veo 3.1 عندما:
استخدم Kling v2.6 عندما:
استخدم Seedance 2.0 عندما:
Veo 3.1 هو أقوى نموذج عام لتحويل النص إلى فيديو متاح حاليًا للمخرجات المدمجة مع الصوت. وحدوده حقيقية ومحددة: تجنّب النص المقروء في المشهد، والتزم بنافذة المقطع البالغة 8 ثوانٍ، ولا تعتمد عليه في التنسيق المعقد لعدة شخصيات أو مزامنة الشفاه الدقيقة. اعمل ضمن هذه القيود، وستبقى جودة المخرجات مبهرة باستمرار.
تمنحك إصدارات Veo 3.1 الثلاثة على PicassoIA خيارات حسب ما إذا كنت تكرر فكرة أو تسلّم جودة نهائية. وVeo 3.1 Lite هو نقطة البداية العملية للمستخدمين الجدد. وVeo 3.1 Fast يناسب سير عمل التكرار النشط. أما Veo 3.1 الكامل فهو الخيار حين تكون النتيجة مهمة فعلًا.
أفضل طريقة لاستيعاب نقاط قوته وحدوده هي تجربته بنفسك. ابدأ بمشهد بسيط، وحدد البيئة الصوتية في أمرك النصي، وانظر كيف تقارن المخرجات بما رأيته من مولّدات أخرى. ستكتسب فكرة واضحة خلال تجربتين أو ثلاث عن المواضع التي يبرّر فيها سمعته، والمواضع التي ستحتاج فيها إلى البناء حوله.
تتيح PicassoIA إمكانية الوصول إلى الإصدارات الثلاثة لـ Veo 3.1 في مكان واحد، إلى جانب Kling v2.6، وSeedance 2.0، وأكثر من 100 نموذج آخر لتوليد الفيديو. جرّب Veo 3.1 بجدية، وقارن المخرجات بخياراتك الأخرى، وابنِ سير العمل الذي يناسب مشروعك فعلًا.
اختر لغتك
