إطلاق نموذج Gemini Omni 1.2 Flash: طفرة توليد وتعديل الفيديو لـ 15 ثانية وخفض التكلفة 30%

أزاحت جوجل الستار رسمياً عن النموذج التوليدي المتعدد الوسائط Gemini Omni 1.2 Flash، مدشنة مرحلة متقدمة في صناعة المحتوى البصري المؤتمت وهندسة الفيديو التوليدي الفوري. ويأتي هذا الإعلان ليقدم إجابات هندسية حاسمة على التحديين الأكثر تعقيداً في نماذج الفيديو السابقة: القفز بمدة المقطع إلى 15 ثانية متواصلة، وخفض تكلفة التوليد بنسبة 30% كاملة، بالتزامن مع ما يشهده القطاع من تسارع لبناء وكلاء الفيديو والوسائط، وما ناقشناه سابقاً حول بيئة التطوير في دليل Google AI Studio الشامل وتطبيقات الأتمتة المتقدمة في تحديث منصة Google Antigravity.

معضلة الاتساق الزمني والقفزة إلى 15 ثانية مستمرة

عانت نماذج توليد الفيديو السابقة، بما فيها الجيل الأول من نماذج Flash، من ظاهرة التدهور الدلالي والتلاشي البصري (Temporal Semantic Degradation) بمجرد تجاوز المقطع عتبة 4 أو 5 ثوانٍ. تبدأ الشخصيات بالتشوه، وتفقد الأجسام ثباتها الفيزيائي، وتتبدل ملامح الإضاءة بشكل غير طبيعي. نجحت معمارية Gemini Omni 1.2 Flash في حل هذا العائق عبر دمج آليات الانتباه الزمني الممتد (Extended Temporal Attention Blocks)، ما سمح للنموذج بالحفاظ على هوية المشهد، اتجاه حركة الكاميرا، وواقعية الظلال على مدار 15 ثانية متصلة بدقة عالية ومعدل إطارات سلس.

يتيح هذا التطور للمهندسين وصناع المحتوى تجاوز مرحلة المقاطع التوضيحية المبتورة، وبناء مشاهد سردية حقيقية تتضمن حوارات، استعراضات لمنتجات رقمية، أو لقطات سينمائية بصرية (B-Roll) صالحة للاستخدام الإنتاجي المباشر دون الحاجة لتقطيع المشاهد ولصقها يدوياً.

إمكانيات التحرير الهيكلي: من النص إلى الفيديو ومن الإطار إلى الإطار

يتجاوز النموذج مفهوم التوليد المبتدئ من الصفر؛ إذ دمجت جوجل محرك تحرير تفاعلي ثنائي الاتجاه يدعم أنماط تحكم متقدمة كانت تتطلب سابقاً تدخلاً مكثفاً في برامج المونتاج المعقدة:

• التوليد بين إطارين (First-and-Last-Frame Interpolation): تحديد صورة البداية وصورة النهاية، ليقوم النموذج برسم الحركة الانتقالية المنطقية فيزيائياً وبصرياً بينهما.
• تمديد المقاطع الزمنية (Video Continuity Extension): تغذية النموذج بمقطع فيديو قائم وتكليفه بإكمال الأحداث 15 ثانية إضافية مع مطابقة زاوية التصوير وسرعة الحركة.
• التحرير الموجّه بالأوامر النصية (Instructional In-Painting): توجيه النموذج لتعديل عنصر محدد في الفيديو، مثل تغيير خلفية المشهد، تعديل ألوان العناصر، أو تبديل توقيت الإضاءة من النهار إلى الغروب دون إعادة توليد الحركة الأصلية.

تمنح هذه المرونة وكلاء الذكاء الاصطناعي قدرة استثنائية على أتمتة مهام تحرير الفيديو المعقدة، وفتح الباب أمام أدوات مثل Remotion وسلاسل الإنتاج البرمجية لإنتاج وسائط ديناميكية مخصصة لكل مستخدم في الوقت الحقيقي.

المعادلة الاقتصادية: تخفيض التكلفة 30% وأثره على خطوط الإنتاج

كانت التكلفة الباهظة للحوسبة وحجز وحدات المعالجة الرسومية (TPU/GPU) تمثل الجدار العازل أمام تبني نماذج الفيديو في المشاريع التجارية واسعة النطاق. خفضت جوجل تسعير الاستدعاء بنسبة 30% مقارنة بالإصدارات السابقة، لتصبح تكلفة الثانية الواحدة جزءاً ضئيلاً من تكاليف النماذج المنافسة مثل Sora و Runway Gen-3.

هذا الانخفاض الحاد يحول الجدوى الاقتصادية لمشاريع الميديا بالكامل؛ حيث يمكن للمنصات الرقمية ورواد الأعمال تشغيل روبوتات توليد محتوى أسبوعي وإنتاج مئات الفيديوهات القصيرة لمنصات مثل يوتيوب شورتس وتيك توك بميزانية تشغيلية مدروسة لا ترهق الشركات الناشئة، مع إمكانية تجربة الأداة عبر الواجهات الرسمية في مدونة جوجل الرسمية للتقنية والمطورين.

مقارنة معمارية: Gemini Omni 1.2 Flash في ميزان المنافسة

يقارن الجدول التالي أبرز المؤشرات التقنية والتشغيلية بين النموذج الجديد وأبرز المنافسين في الساحة العالمية:

نبض مجتمع المطورين ونقاشات المختصين

حظي الإعلان بترحيب واسع بين أوساط المطورين على Hacker News ومنصة X؛ حيث أجمع مهندسو الرؤية الحاسوبية على أن السلاسة الحركية في مشاهد الطبيعة والإضاءة الطبيعية حققت قفزة ملحوظة مقارنة بالنسخ الأولى. في المقابل، تركزت النقاشات التقنية حول التحدي المتبقي في تفاصيل الوجوه الدقيقة وحركة الأيدي في المشاهد السريعة، مؤكدين أن النموذج يحتاج أحياناً لعدة محاولات توليد لضبط الإيقاع التشريحي الدقيق للشخصيات البشرية.

يرى خبراء هندسة البيانات أن الإتاحة المباشرة عبر واجهات برمجة التطبيقات الرسمية للنموذج تمنحه أفضلية تنافسية كبرى؛ إذ يتيح للفرق دمج مخرجاته مباشرة مع نماذج التعليق الصوتي وأدوات التجميع التلقائي لصناعة تجارب إعلامية تفاعلية تتجاوز حدود الطرق التقليدية في الإنتاج.

أسئلة شائعة حول Gemini Omni 1.2 Flash

ما هي المدة الزمنية القصوى التي يستطيع Gemini Omni 1.2 Flash توليدها دفعة واحدة؟

يدعم النموذج توليد مقاطع فيديو متصلة تصل مدتها إلى 15 ثانية أصلية بدقة عالية، مع الحفاظ على الاتساق الزمني وثبات المشهد من الإطار الأول وحتى الأخير.

كيف يؤثر خفض السعر بنسبة 30% على تكلفة تشغيل التطبيقات؟

يتيح هذا التخفيض للمطورين بناء خطوط إنتاج فيديو تجارية مؤتمتة دون تحمل فواتير حوسبة باهظة، ما يجعل توليد لقطات B-Roll وتخصيص الفيديوهات التسويقية مجدياً اقتصادياً للشركات الناشئة والمطورين المستقلين.

هل يمكن تعديل فيديو موجود مسبقاً بدلاً من توليد مقطع جديد تماماً؟

نعم، يدعم النموذج ميزات التحرير الموجه بالأوامر النصية، وتمديد المشاهد القائمة 15 ثانية إضافية، وضبط الانتقالات الحركية المنطقية بين إطار البداية وإطار النهاية المحددين.

ما هي المتطلبات البرمجية للاتصال بالنموذج عبر بايثون؟

يمكن استدعاء النموذج مباشرة عبر حزمة google-genai الرسمية باستخدام مفتاح API معتمد، وتمرير الأوامر النصية وروابط الصور أو الفيديوهات المرجعية عبر واجهة التوليد متعددة الوسائط بكل سهولة.