← العودة إلى المدونة
Newsحوالي 1 دقيقة قراءة

Gemini Omni 1.2 Flash ينهي عصر ماكينة الحظ في الفيديو

نُشر في 7 نوفمبر 2026
Gemini Omni 1.2 Flash ينهي عصر ماكينة الحظ في الفيديو

أعلنت Google إتاحة Gemini Omni 1.2 Flash للجميع في 5 نوفمبر، وهيكل التسعير هنا أهم من النموذج نفسه.

المواصفات الرئيسية واضحة ومباشرة. أصبحت المقاطع الأصلية تصل الآن إلى 15 ثانية بدلًا من 10. يمكن ضبط المدة بين 3 و15 ثانية بخطوات قدرها ثانية واحدة، والمدة الافتراضية 10 ثوانٍ. الإخراج الافتراضي بدقة 720p بنسبة 16:9، مع دعم 9:16. يمكنك إنشاء مسودات بدقة 360p أو 720p ثم ترقية النتائج المختارة إلى 1080p أو 4K. كل المخرجات تحمل علامة SynthID مائية غير مرئية.

ثم يأتي الرقم: توليد 720p بسعر 0.07 دولار في الثانية، و360p بنحو 0.023 دولار. على واجهة API المدفوعة، هذا يعني 12 دولارًا لكل مليون رمز إخراج فيديو، تُحتسب بمعدل 5,792 رمزًا لكل ثانية بدقة 720p، ما يساوي تقريبًا 0.70 دولار لمقطع مدته عشر ثوانٍ و1.04 دولار لمدة خمس عشرة ثانية. تقول Google إنه أرخص بنسبة 30% من Omni 1.1 Flash.

قارن ذلك بحالة السوق قبل عام. كانت إعادة المحاولة الواحدة على نموذج فيديو رائد مكلفة بما يكفي ليتعلم المبدعون كتابة أوامر نصية دفاعية ويقبلوا بالنتيجة الثالثة من حيث الجودة. أطلقت الصناعة على ذلك اسم 抽卡، أي سحب البطاقات، لأنه كان كذلك فعلًا.

إعادة المحاولة تصبح ميسورة التكلفة، فتتغير طريقة إعادة المحاولة

بسعر سبعة سنتات في الثانية، تكلف مسودة مدتها خمس ثوانٍ بدقة 360p نحو اثني عشر سنتًا. وتكلف خمس عشرة مسودة أقل من دولارين. لم يعد سير العمل العقلاني هو «كتابة أمر نصي مثالي واحد ثم الأمل»، بل أصبح «توليد اثني عشر، والنظر إليها، وترقية الخيار الناجح».

ستة إطارات فيلم شفافة فارغة على التوالي على طاولة فولاذية، وآخرها مضاء من الخلف.

هذا تغيير في سير العمل متنكر في هيئة تغيير في السعر. إنه ينقل الإنفاق من التوليد إلى الاختيار، والاختيار هو حيث يضيف الذوق البشري قيمة حقيقية. كما يغيّر نوع الأدوات التي ستُبنى: متصفح يعرض لك اثنتي عشرة مسودة رخيصة ونتيجة نهائية واحدة مكلفة هو منتج مختلف عن صندوق محادثة يفرض عليك رسومًا على كل محاولة.

Google صريحة بشأن هذه المقاربة. يقدم النموذج سير عمل متدرجًا، ومن المفترض أن يُحجز العرض بدقة أعلى للمخرجات التي اخترتها بالفعل.

15 ثانية تغيّر وحدة العمل

تبدو القفزة من 10 إلى 15 ثانية تدريجية. لكنها ليست كذلك، بسبب ما يتسع له هذا الوقت.

يمكن لمقطع مدته عشر ثوانٍ أن يعرض منتجًا أو يرسّخ مزاجًا. لكنه لا يستطيع بأريحية أن يقدّم ويعرض ويختم. أما خمس عشرة ثانية فهي تقريبًا طول إعلان اجتماعي قياسي، ما يعني أن عملية توليد واحدة يمكنها الآن إنتاج التسليم النهائي بدلًا من مكوّن منه. هذا يزيل نقطة الوصل، والوصلات هي حيث ينهار فيديو الذكاء الاصطناعي: تحولات الإضاءة، وانحراف الوجوه، وحركة الأجسام بين القطع.

مثال Google نفسه هو تجربة ملابس افتراضية مدتها 15 ثانية مبنية من صورة واحدة لشخص وثلاث صور لأزياء، مع بقاء هوية الشخص وتفاصيل الملابس ثابتة عبر الحركة.

ادعاءات الاتساق محددة. تمنح تقييمات Google الجانبية Omni 1.2 معدل فوز بنسبة 62% في الاتساق البصري مقابل 38% لـ1.1 في اختبارات النص إلى الفيديو. وتمنح مقارنة المرجع إلى الفيديو 1.2 معدل فوز 63% في اتساق الهوية متعدد المراجع مقابل 37%. قال Matt Rouif، الرئيس التنفيذي لـPhotoroom، للصحفيين إن التوليد الأطول كان الميزة الأكثر طلبًا من المستخدمين، وإن الإتاحة العامة مع اتفاقيات مستوى الخدمة هي ما يتيح لشركته وضع النموذج في الإنتاج للبائعين.

تتفق Arena، وهو أمر غير معتاد

تضع Arena.ai نموذج Gemini Omni 1.2 Flash في المركز الأول في تحويل النص إلى فيديو برصيد 1,541 نقطة، صعودًا من 1,514 لـ1.1 الذي كان ثانيًا. كما يحتل المركز الأول في تحويل الصورة إلى فيديو والثالث في تحرير الفيديو. مع هذا الإصدار، تحتل عائلة Omni من Google المراكز الثلاثة الأولى في تحويل النص إلى فيديو.

هذا تحوّل لافت. في وقت سابق من هذا العام، كانت الرواية أن المختبرات الصينية قد انتزعت الصدارة في الفيديو وفق التفضيل الأعمى. وبحسب أرقام Arena وقت هذا الإصدار، لم يعد ذلك صحيحًا في قمة لوحة تحويل النص إلى فيديو.

تقيس لوحات الصدارة مقاطع قصيرة مقابل أمر نصي، وهذا ليس مماثلًا لتثبيت شخصية عبر أربعين لقطة. تعامل مع الترتيب كإشارة إلى التفضيل الجمالي، لا إلى الموثوقية الإنتاجية.

المكسب العملي يكمن في التحرير

الميزة الأرجح أن تغيّر العمل اليومي هي التحرير الحواري. فبدلًا من توليد مقطع جديد عند وجود خطأ، تواصل العمل على المقطع الحالي: استبدال منتج، تبديل الخلفية، تغيير الإضاءة أو الطقس، تبديل نسبة العرض إلى الارتفاع، ضبط زاوية الكاميرا. ومن المفترض أن تبقى العناصر غير المذكورة على حالها بعد التحرير.

تقنيًا، يعمل هذا عبر `previous_job_id` يحافظ على السياق بين استدعاءات API، لذا لا حاجة إلى إعادة رفع الفيديو السابق. يمكن لكل طلب استخدام عدة صور مرجعية، بما في ذلك ما يصل إلى ثلاث صور لكل شخصية عند وجود شخصيتين، ومقطع مرجعي للحركة يصل إلى ثلاث ثوانٍ، وإشارات صوتية.

التمديد منفصل عن التوليد الأصلي. يمكنك إلحاق 3 إلى 10 ثوانٍ في كل مرة، باستخدام آخر 10 ثوانٍ كسياق، حتى 30 ثانية إجمالًا. لا يمكنك إضافة لقطات في البداية أو إدراج مواد في منتصف المقطع، ولا يزال الاستيفاء بين الإطار الأول والأخير محدودًا بمخرجات من 3 إلى 10 ثوانٍ. تستحق هذه القيود معرفتها قبل أن يَعِد أحدٌ ما عميلًا بإعلان مدته 30 ثانية بلقطة واحدة.

الصوت هو الجزء الذي لا يحسب له أحد سعرًا

هناك أمر يجب الانتباه إليه في أرقام السعر لكل ثانية: فهي تغطي رموز الفيديو. يولّد Omni 1.2 Flash صوتًا أصليًا مع الفيديو، من الحوار والأجواء والمؤثرات الصوتية، ويتعامل النموذج مع عدة متحدثين بتكييف منفصل.

الصوت هو حيث ينهار فيديو الذكاء الاصطناعي عادة في الإنتاج. فمقطع بحركة مقنعة ومزامنة شفاه تنحرف بمقدار 200 مللي ثانية غير قابل للاستخدام، وإصلاحه في مرحلة ما بعد الإنتاج يكلف أكثر من إعادة التوليد. وإذا كان الصوت متزامنًا فعليًا وقت التوليد، فإن التوفير لن يكون في فاتورة النموذج، بل في بعد ظهر المحرر.

تقول Google أيضًا إن مزامنة الشفاه ووضوح الحوار قد تحسّنا، وإنه يمكن تعيين أصوات مختلفة بدقة لشخصيات مختلفة. هذه ادعاءات صغيرة في بيان صحفي وكبيرة في سير العمل. على أي شخص يقيّم هذا للإعلانات أن يختبر المشاهد المعتمدة على الحوار أولًا، لأنها المكان الذي فشلت فيه أجيال النماذج السابقة بأكثر وضوح.

تاريخ الترحيل هو التفصيل الأقل تقديرًا

يبقى Omni 1.1 Flash متاحًا خلال فترة انتقال مدتها أربعة أسابيع. في 3 ديسمبر، ستُوجَّه طلبات API إلى 1.1 تلقائيًا إلى 1.2 دون تغييرات في الشيفرة، وبأسعار 1.2 الأقل.

بالنسبة للفرق التي بنت على 1.1، هذا ترقية مجانية مع تحفظ واحد: النموذج الذي يقف خلف منتجك يتغير دون تدخلك. أي مكتبة أوامر نصية ضُبطت على سلوك 1.1، وأي مجموعة تقييم أنشأت خطوط أساس للجودة، تصف الآن نموذجًا لم تعد تستدعيه. أعد تشغيل التقييمات في أوائل ديسمبر.

ما لا يزال غير قادر عليه

Google صريحة بشأن الفجوات. لا تزال حركة الرياضات السريعة، والتغيرات السريعة في النصوص، والفيزياء المعقدة قيد التطوير. تدعم Gemini API اللغة الإنجليزية بالكامل ولم تُقيَّم للغات الأخرى. تحرير الصوت ومدخلات الصوت المرفوعة والمراجع الصوتية غير مدعومة في API الحالية، مع تقييد المراجع الصوتية خلف قائمة السماح في Google Cloud.

أما قيد اللغة الإنجليزية فقط فهو ما سيضرب الفرق الدولية أولًا. فحملة ألمانية أو يابانية مبنية على هذا النموذج تعمل بلغة لم يقيّمها المزوّد.

التحول الحقيقي

على مدى عامين، كانت تسعيرة فيديو الذكاء الاصطناعي مبنية حول افتراض أن التوليد مكلف وبالتالي نادر. وتبع كل قرار منتج ذلك: مقاطع قصيرة، دقة منخفضة، هندسة أوامر نصية عدوانية، وتحمّل للمخرجات السيئة.

يسعّر Omni 1.2 Flash التوليد كسلعة أساسية ويضع التكلفة حيث تنتمي، في العرض النهائي. إنفاق اثني عشر سنتًا لمعرفة ما إذا كانت الفكرة تنجح هو عادة وليس بندًا في الميزانية.

كما أطلقت Google قنوات التوزيع في الأسبوع نفسه: Flow لإخراج المشاهد والتحرير متعدد الجولات، وGoogle Vids، وتطبيق Gemini لمشتركي Ultra، وإنشاء حملات Google Ads. عندما يصبح النموذج رخيصًا وتكون الواجهات مثبّتة بالفعل، لم يعد القيد على فيديو الذكاء الاصطناعي هو الوصول. بل يصبح ما إذا كان لدى أي شخص سبب للمشاهدة.

مقالات ذات صلة