يُحدث الذكاء الاصطناعي تحولاً جذرياً في إنتاج الفيديو، ومن أبرز الإضافات الجديدة في هذا المجال Veo 3 من جوجل وVideo Model V1 من Midjourney. كلاهما يَعِدان بتحويل الإشارات البسيطة أو الصور الثابتة إلى مقاطع فيديو متحركة جذابة، لكنهما يتبعان نهجين مختلفين جذرياً. في هذه المقالة، سنستكشف إمكانياتهما، وسير عملهما، وأسعارهما، وملاءمتهما لمختلف حالات الاستخدام، مما يُساعد المبدعين والهواة على حد سواء على تحديد الأداة الأنسب لاحتياجاتهم.
ما هو Veo 3 وكيف يعمل؟
- تم تطويره بواسطة Google DeepMind، وهو التطبيق الأصلي انا ارى ظهرت في مؤتمر Google I/O 2024 كنموذج لتحويل النص إلى فيديو قادر على إنتاج لقطات مدتها دقيقة واحدة.
- قدم Veo 2 (ديسمبر 2024) دقة 4K ونمذجة فيزيائية أقوى، ثم تم دمجه في Gemini وVideoFX.
- فيو 3تم إطلاق تطبيق YouTube في 20 مايو 2025، ويمثل إنجازًا رئيسيًا: توليد صوت متزامن - الصوت والصوت المحيط والمؤثرات - لعكس المرئيات.
- تقدم ما يصل إلى 8 ثواني من مقاطع الفيديووهو شائع في تنسيقات التسويق/التواصل الاجتماعي ذات العلامات التجارية، ويستهدف صناع الأفلام والمعلنين والاستخدام المؤسسي.
تحت الغطاء، يستفيد Veo 3 من هياكل Gemini وImagen المتقدمة من Google بالإضافة إلى حواجز تصفية الأمان من DeepMind، مما يضمن ليس فقط أفضل واقعية في فئتها والالتزام السريع ولكن أيضًا إنشاء محتوى مسؤول من خلال العلامة المائية SynthID المتكاملة وضوابط تصفية الأمان.
كيف يقوم Veo 3 بإنشاء محتوى الفيديو والصوت؟
Veo 3 هو نموذج جوجل ديب مايند المتطور لإنشاء مقاطع فيديو، مصمم لإنتاج مقاطع واقعية مدتها ثماني ثوانٍ، متضمنة صوتًا متزامنًا من مطالبات نصية بسيطة. يعتمد هذا النموذج على أساس Veo 2، حيث يقدم فيزياء واقعية، ومشاهد صوتية بيئية، وتقنيات توليف كلام بدائية، مما يسمح للمبدعين بإنشاء مشاهد تشبه مقاطع الأفلام القصيرة بدلًا من الرسوم المتحركة الثابتة.
يستوعب النموذج وصفًا نصيًا، ويعالجه عبر طبقات متعددة من الشبكات العصبية لاستخلاص السمات الدلالية والبصرية، ثم يُركّب إطارات رئيسية مُستَقْبَلة لضمان الاتساق الزمني. تُنشئ شبكة فرعية صوتية مُخصصة الصوت المحيط وحوارات الشخصيات، مُطابقةً الأحداث المرئية مع الإشارات الصوتية.
ما هو Midjourney V1 وكيف يعمل؟
نموذج الفيديو V1 من Midjourney، الذي أُطلق في 18 يونيو 2025، يختلف عن نماذج تحويل النص إلى فيديو التقليدية. فبدلاً من تحويل النص إلى فيديو، يأخذ V1 صور Midjourney الحالية ويطبق عليها الحركة من خلال إعداد "تلقائي" - حيث يستنتج النموذج إشارة حركة - أو وضع "يدوي" لحركات الكاميرا وتطور المشهد الذي يحدده المستخدم.
صُمم سير عمل V1 في المقام الأول للاستكشاف الإبداعي، وهو يتكامل مباشرةً مع تطبيق Midjourney الإلكتروني، مما يتيح للمستخدمين اختيار "تحريك" أي صورة. يوفر البرنامج إعدادات مسبقة "حركة عالية" و"حركة منخفضة"، مما يوازن بين الديناميكية البصرية والتكلفة الحسابية - وهو امتياز أساسي نظرًا لأن الفيديو يتطلب حوالي ثمانية أضعاف تكلفة إنشاء صورة واحدة.
ما هي خيارات التخصيص التي يوفرها Midjourney V1؟
- الرسوم المتحركة التلقائية:يولد خطة حركة استنادًا إلى ميزات الصورة المدخلة، وهي مثالية للاستكشافات السريعة.
- الرسوم المتحركة اليدوية:تقبل مطالبات نصية تحدد نوع الحركة (على سبيل المثال، "تقوم الكاميرا بتصغير الصورة لإظهار المشهد الطبيعي")، مما يتيح مقاطع تعتمد على السرد.
- إعدادات الحركة:يمكن للمستخدمين التبديل بين مخرجات الحركة المنخفضة والعالية، وتحقيق التوازن بين السلاسة والديناميكية البصرية.
النهج التقني والفلسفة الإبداعية
| الميزات | جوجل فيو 3 | فيديو منتصف الرحلة الإصدار 1 |
|---|---|---|
| إدخال | موجه النص → التوليد المباشر | الصورة → التحول المتحرك |
| المدة القصوى | 8 ثانية | إجمالي 21 ثانية (مقطع 5 ثوانٍ × 4 + ملحقات) |
| دقة الشاشة | 4K (عصر Veo 2)؛ من المحتمل 4K+ في Veo 3 | 480 بكسل بمعدل 24 إطارًا في الثانية |
| Audio | الصوت الأصلي، بما في ذلك الموسيقى والمؤثرات الصوتية والأصوات | لا يوجد دعم صوتي |
| السيطرة | يعتمد على التوجيه الفوري، ويدعم التعليمات المعقدة ومنطق الكاميرا | الحركة التي يتم التحكم فيها عن طريق المطالبة أو الحركة التلقائية؛ تبديل الحركة المنخفضة/العالية |
| الطراز | واقعية العالم الحقيقي، تلميع سينمائي | جماليات سريالية وتصويرية؛ شعور حالم وتجريدي |
الفلسفات الإبداعية
- فيو 3 يُركز على الواقعية والدقة، وهو مثالي للتسويق والإعلانات والسينما ذات العلامات التجارية. يُتيح دمج الصوت وإدخال النص تحكمًا أفضل لصانعي الأفلام والمحترفين.
- ميدجورني V1 يميل إلى التعبير والسريالية والإبداع المجتمعي. لا يركز على الواقعية التصويرية، بل على إثارة الحالة المزاجية، وإمكانات السرد، والأسلوب الفني.
أين تختلف Veo 3 و Midjourney V1 في الميزات؟
1. مرونة الإدخال
- فيو 3 مقابض كاملة نص إلى فيديو، مما يسمح بتعليمات معقدة على مستوى المشهد (على سبيل المثال، زوايا الكاميرا، والحركات).
- ميدجورني V1 أعمال صورة إلى فيديو فقط؛ يجب أن تكون الصورة الثابتة موجودة مسبقًا. على الرغم من محدودية ذلك، إلا أنه يناسب الفنانين التشكيليين المشاركين في سير عمل Midjourney.
2. المدة والدقة
- يدعم Veo 3 8s من فيديو HD/4K؛ يصل الحد الأقصى لـ Midjourney إلى 21 at 480p.
- الاختلافات في الدقة صارخة: حيث يلبي Veo احتياجات المرئيات الاحترافية؛ بينما يظل Midjourney ضمن الجودة المناسبة للوسائط الاجتماعية/الويب.
3. دعم الصوت
- يتميز Veo 3 بالصوت المتزامن - الحوار، والمؤثرات الصوتية، والأجواء المحيطة، والموسيقى - التي تتوافق مع الاختصارات السينمائية.
- يفتقر Midjourney V1 إلى الصوت؛ ويحتاج إلى مرحلة ما بعد الإنتاج لتراكب الصوت.
4. التحكم الإبداعي وتجربة المستخدم
- فيو 3يمكن للخبراء تحسين التوجيهات، وتعديل حركة الكاميرا، ومزامنة حركة الشفاه. لكن إتقان قواعد الفيلم قد يتطلب بعض التعلم.
- V1واجهة ويب مألوفة. يمكن للمستخدمين المبدعين تحريك الصور الموجودة بأقل جهد. إعدادان مسبقان بسيطان للحركة يعنيان عددًا أقل من المتغيرات للضبط.
5. أسلوب الإخراج والتماسك
- Veo 3 يسلم الواقعية السينمائية مع استمرارية قوية من إطار إلى إطار، وذلك بفضل النمذجة الفيزيائية المتقدمة.
- تنتج Midjourney V1 حركة منمقة ورسمية- مناظر طبيعية خلابة ذات شخصيات متناسقة، مع وجود خلل عرضي في الحركة العالية.
الأداء والتكلفة
ما هي أسعار وتوزيع Midjourney V1؟
قامت Midjourney بدمج V1 في مستويات الاشتراك الحالية على Discord ومنصة الويب:
- الخطة الأساسية (10 دولارات شهريًا):أجيال فيديو V1 محدودة في وضع "الاسترخاء".
- الخطة الاحترافية (60 دولارًا أمريكيًا شهريًا):أجيال غير محدودة من وضع "الاسترخاء"؛ رصيد سريع لمدة دقيقة للفيديو.
- الخطة الضخمة (120 دولارًا أمريكيًا شهريًا):أعلى أولوية للمعالجة وميزات التخصيص الإضافية.
ما هي تفاصيل الأسعار والاشتراك في Veo 3؟
- Google AI Pro (20 دولارًا أمريكيًا شهريًا):يتضمن الوصول إلى Veo 3 بحد أقصى ثلاثة مقاطع فيديو مدتها ثماني ثوانٍ يوميًا في تطبيقات Gemini للجوال والويب.
- **Google AI Ultra (249.99 دولارًا أمريكيًا / الشهر)**للاستخدامات المتقدمة، توفر باقة Google AI Ultra موارد أكثر بكثير. بسعر 249.99 دولارًا أمريكيًا شهريًا، مع سعر تمهيدي خاص قدره 124.99 دولارًا أمريكيًا للأشهر الثلاثة الأولى، يحصل المستخدمون على 12,500 رصيد شهري، مما يتيح لهم إنشاء ما يصل إلى 125 فيديو بجودة Veo 3 أو 625 فيديو بجودة Veo 3 السريعة. كما تتيح هذه الباقة الوصول إلى أعلى مستوى من Veo 3 عبر أدوات Google، بما في ذلك ميزات مُحسّنة في كلٍّ من Gemini وFlow.
- تضمين تطبيق Flow:يحصل الأعضاء المحترفون على 100 جيل شهريًا داخل Flow، واجهة صناعة الأفلام المخصصة من Google.
يمكن لعملاء المؤسسات الوصول إلى Veo 3 عبر Vertex AI للنشر على نطاق واسع، مع تسعير مخصص بناءً على متطلبات الحجم ومستوى الخدمة.
سرعة العرض واستخدام الموارد
- يستفيد Veo 3 من البنية التحتية السحابية القوية لشركة Google؛ ويتم عرض المقطع النموذجي ~45 ثانية .
- منتصف الرحلة V1: ~60 ثانية لمقطع مدته 5 ثوانٍ، يتناسب مع مضاعفات مهمة الصورة (~8 × التكلفة).
نماذج التسعير
| أداة | دخول المستوى | تسعير الطبقات | ملاحظة |
|---|---|---|---|
| ميدجورني V1 | 10 دولارات أمريكية شهريًا أساسي | برو 60 دولارًا؛ ميجا 120 دولارًا | يوفر الإصدار الأساسي ما يعادل حوالي 3.3 ساعة من وحدة معالجة الرسومات؛ يستخدم الفيديو حوالي 8x رصيدًا؛ يوفر الإصدار الاحترافي/الميجا "وضع الاسترخاء" للتشغيلات الأقل تكلفة |
| جوجل فيو 3 | 19.99 دولارًا أمريكيًا شهريًا للمحترفين | AI Ultra (249.99 دولارًا أمريكيًا / الشهر) | يمكنك أيضًا استخدام Vertex AI للدفع مقابل الاستخدام؛ قد يتم تطبيق اعتمادات محدودة |
نسبة التكلفة إلى الأداء
- تم الترويج لـ Midjourney على أنها "أرخص بنحو 25 مرة" من Veo 3 لكل إخراج.
- يظل سعر Veo 3 مناسبًا للشركات؛ فهو متميز من حيث الجودة والتحكم والصوت.
كيف تتم مقارنة بنيتهم التقنية؟
يستخدم كلٌّ من Veo 3 وMidjourney V1 هياكلَ مبنيةً على المحولات مُحسّنةً لمهام توليد التسلسلات. صُمم Veo 3 خصيصًا لتوليد الفيديو والصوت معًا، حيث يدمج محولًا ثنائي التدفق يُنمذج الإطارات المرئية والموجات الصوتية المقابلة لها في آنٍ واحد. في المقابل، يُوسّع Midjourney V1 نطاق محول مُركّز على الصورة بإضافة طبقات استيفاء زمني، تتنبأ بالإطارات الوسيطة بناءً على تضمينات الصور الثابتة.
يستفيد Veo 3 من التدريب المسبق واسع النطاق على مجموعات بيانات فيديو-صوت مُختارة بعناية، مع التركيز على الفيزياء الواقعية وأنماط الكلام. أما Midjourney V1، فيعتمد على نموذج الصور V7، مُعيدًا استخدام طبقات ترميز الصور ومُكملًا إياها بوحدات توليف الحركة المُدربة على تسلسلات صور-فيديو مُزدوجة.
كيف يتم ضمان الاتساق الزمني والواقعية؟
- فيو 3 يستخدم فقدانًا للاتساق الزمني أثناء التدريب، مما يُعيق الانتقالات المفاجئة للإطارات ويضمن حركة سلسة. كما تُعزز وحدة المزامنة السمعية والبصرية التناغم بين الأحداث الصوتية والتغييرات المرئية.
- ميدجورني V1 يستخدم استيفاء الإطارات الرئيسية وحركة مسبقة مُكتسبة من مجموعات الفيديو، مع استيفاء الإطارات للحفاظ على مسارات متماسكة للأجسام. على الرغم من فعاليته في الحلقات القصيرة، يُبلغ المستخدمون أحيانًا عن عيوب طفيفة في إعدادات الحركة العالية.
ملاءمة حالة الاستخدام واستهداف المستخدمين
ميدجورني V1
- مثالي ل:الفنانين التشكيليين، الرسامين المتحركين، منشئي المحتوى، رواة القصص.
- استخدم حالات:فن مفهومي متحرك، أفلام قصيرة اجتماعية، لقطات مزاجية، حركة استكشافية.
- الايجابيات:حاجز دخول منخفض، ودعم مجتمعي قوي، ومخرجات مصممة بشكل كبير.
- سلبيات:يفتقر إلى الواقعية، والصوت، وبنية القصة التفصيلية، والمدة القصيرة.
جوجل فيو 3
- مثالي ل:صناع الأفلام، وفرق التسويق، ورواة القصص في المؤسسات.
- استخدم حالات:إعلانات ذات علامة تجارية، وعروض ترويجية للمنتجات، وحملات تحتوي على محتوى صوتي وسينمائي.
- الايجابيات:واقعية 4K، ومزامنة الصوت، والتحكم القوي في النص.
- سلبيات:تكلفة أعلى، ومنحنى التعلم، ومحدود إلى 8 ثوان.
الاختبارات والمقارنات المستقلة: اختبار AllAboutAI جنبًا إلى جنب
- البصرية: منتصف الرحلة حصل على تقييم 5/5، Hailuo 4/5، Veo 3 4/5.
- الواقعية الحركية: Midjourney وVeo متعادلان.
- الالتزام السريع: Veo 3 الأقوى.
- إمكانية الوصول: Hailuo الأفضل، Midjourney أبطأ من Hailuo، Veo معتدل.
- الحكم: ميدجورني V1 الفائز بالجودة الفنية؛ Veo 3 المفضل في دقة المؤسسة.
كيف تبدأ
يوفر CometAPI واجهة REST موحدة تجمع مئات نماذج الذكاء الاصطناعي، بما في ذلك عائلة Gemini، ضمن نقطة نهاية موحدة، مع إدارة مدمجة لمفاتيح واجهة برمجة التطبيقات، وحصص الاستخدام، ولوحات معلومات الفواتير. بدلاً من إدارة عناوين URL وبيانات اعتماد متعددة للموردين.
يمكن للمطورين الوصول واجهة برمجة تطبيقات Veo 3 و واجهة برمجة تطبيقات فيديو منتصف الرحلة من خلال كوميت ايه بي ايأحدث الموديلات المدرجة هي اعتبارًا من تاريخ نشر المقال. للبدء، استكشف إمكانيات الموديل في ملعب واستشر دليل واجهة برمجة التطبيقات للحصول على تعليمات مفصلة. قبل الدخول، يُرجى التأكد من تسجيل الدخول إلى CometAPI والحصول على مفتاح API. كوميت ايه بي اي عرض سعر أقل بكثير من السعر الرسمي لمساعدتك على التكامل.
باختصار، يُجسّد Veo 3 وMidjourney V1 فلسفتين متميزتين في مجال إنتاج الفيديو بالذكاء الاصطناعي. يُقدّم Veo 3 من Google واقعية سينمائية وصوتًا مدمجًا، مُلبّيًا احتياجات المحترفين الذين يحتاجون إلى حلول جاهزة للاستخدام. بينما يُركّز Midjourney V1 على الحرية الفنية، والأسعار المعقولة، والتجريب السريع، مُلفتًا بذلك أنظار المبدعين الذين يسعون إلى تجسيد رؤاهم بأسلوب حيويّ ومنمّق. من المُرجّح أن يُجسّد المستقبل كلا المفهومين: أحدهما يُنسج سرد الواقع، والآخر يُشكّل عالم الخيال.
إذا كنت ترغب في التعمق أكثر في تقنيات المطالبة أو حالات الاستخدام أو استراتيجيات التسعير، يمكنك الرجوع إلى
- فيديو Midjourney V1: السعر والمقارنة بالمنافسين
- 3 طرق لاستخدام Google Veo 3 في عام 2025
- كيفية المطالبة Veo 3؟
الأسئلة الشائعة
س1: كيف يمكنني تحسين مطالبات النص الخاصة بي للحصول على أفضل النتائج من Veo 3؟
جرّب أوصافًا متعددة الجمل لتوجيه العناصر المرئية والصوتية. أضف توجيهات واضحة لتركيب المشهد (مثل: "تتحرك الكاميرا من اليسار إلى اليمين") وحدد الإشارات الصوتية (مثل: "يبدأ عزف موسيقى البيانو الهادئة تدريجيًا").
س2: ما هي الحد الأدنى لمتطلبات الأجهزة إذا كنت أرغب في نشر إنشاء فيديو الذكاء الاصطناعي محليًا؟
تتطلب عمليات النشر المحلية عادةً وحدات معالجة رسومية تعادل NVIDIA A100 أو H100، وذاكرة VRAM بسعة 64 جيجابايت على الأقل، وتخزين NVMe عالي السرعة للتعامل مع نقاط تفتيش النماذج الكبيرة ومعدل نقل البيانات السريع.
س3: أين وكيف يمكن للمستخدمين الوصول إلى Veo 3؟
يتوفر Veo 3 عالميًا عبر تطبيق Gemini AI ضمن باقتي اشتراك AI Pro وUltra من جوجل. يحصل مشتركو Pro على ما يصل إلى ثلاثة أجيال فيديو يوميًا، بينما توفر باقة Ultra وصولًا موسعًا. بالإضافة إلى ذلك، يمكن للمستخدمين الاستفادة من Veo 3 ضمن مجموعة أدوات صناعة الأفلام Flow من جوجل - والتي توفر ما يصل إلى 100 جيل شهريًا لمشتركي Pro - ومن خلال تكاملات خارجية مثل ميزة "إنشاء مقطع فيديو" من Canva.
كما أشارت جوجل إلى تكاملها القادم مع YouTube Shorts، مما يتيح للمبدعين تضمين مقاطع الفيديو التي تم إنشاؤها بواسطة الذكاء الاصطناعي مباشرة في منصات المحتوى القصير في وقت لاحق من هذا العام.