Gemini Omni 1.2 Flash: فيديو 15 ثانية وسعر 0.07$ للثانية بانخفاض 30%
بقلم علي المنتصر — محلل ومحرر تقني أول
أطلقت Google DeepMind نموذج Gemini Omni 1.2 Flash لتوليد فيديو أصلي حتى 15 ثانية مع تحرير حواري متعدد الأدوار. خفضت السعر 30% ليصبح 0.07$ للثانية بدقة 720p، ويتوفر فوراً عبر Gemini API وGoogle Cloud وGoogle Vids وGemini for business. يعزز النموذج ثبات الشخصيات والمنتجات ويقلل التكلفة الإجمالية عبر مسار عمل متدرج من 360p إلى 4K.
الموجز الإحصائي السريع
أعلنت Google DeepMind عبر مدونة Google AI الرسمية إطلاق Gemini Omni 1.2 Flash، نموذج توليد فيديو أصلي يدعم مقاطع حتى 15 ثانية وتحريراً حواريًا متعدد الأدوار، بسعر 0.07 دولار للثانية بدقة 720p بانخفاض 30% عن الإصدار 1.1. النموذج متاح للاستخدام العام فوراً عبر Gemini API وGoogle Cloud وGoogle Vids وGemini for business.
📊 بطاقة البيانات والمواصفات التقنية الرسمية
| المحور التقني | البيانات الرسمية المؤكدة |
|---|---|
| 💰 الأسعار وتكلفة الاستخدام | 0.07 دولار أمريكي لكل ثانية فيديو بدقة 720p — انخفاض 30% عن Gemini Omni 1.1. تكلفة مقطع 15 ثانية ≈ 1.05 دولار. مسار عمل متدرج: مسودة 360p/720p ثم ترقية إلى 1080p أو 4K. |
| 🌐 المنصات والتوفر الفوري | متاح للاستخدام العام (GA) عبر Gemini API، Google Cloud، Google Vids، Gemini for business، Google AI Studio، وFlow. يدعم Provisioned Throughput. |
| ⚡ الأداء ومؤشرات السرعة | توليد أصلي حتى 15 ثانية (بزيادة 50% عن 10 ثوانٍ في 1.1). تحديد المدة بدقة ثانية من 3 إلى 15. تحسين الالتزام بالمراجع وثبات الشخصيات عبر اللقطات. تقليل القفزات غير المرغوبة في الحركات الكاميرية. |
| 🛡️ الأمان ومقاومة الاختراق | بنية تحتية أمنية من Google Cloud للمؤسسات، علامة SynthID مائية غير مرئية على جميع المخرجات، ودعم Provisioned Throughput للإنتاج. |
| 🧠 سياق الذاكرة (Context Window) | لم يُعلن عن حجم نافذة السياق بالرموز في البيان الرسمي؛ يدعم سياقاً متعدد الأدوار للتحرير الحواري على مقاطع كاملة بطول 15 ثانية، مع مراجع بصرية (صور شخصيات ومنتجات وأنماط) ومقاطع حركة حتى 3 ثوانٍ وإشارات صوتية. |
| 🌍 دعم اللغة العربية والمنطقة | لم يُذكر دعم عربي صريح في البيان؛ النموذج يدعم حواراً متعدد المتحدثين وترجمة شفاهية، ما يتيح إنتاج محتوى عربي عبر Google Vids وGemini for business. التوفر عبر Google Cloud يشمل مناطق الشرق الأوسط. |
تفاصيل الإعلان والميزات التقنية الجديدة
يأتي Gemini Omni 1.2 Flash بترقيات جوهرية على مستوى المعمارية الوظيفية: توسيع التوليد الأصلي من 10 إلى 15 ثانية، وإتاحة تحديد المدة بدقة ثانية واحدة بين 3 و15 ثانية، ما يسمح بإنتاج إعلانات اجتماعية كاملة أو شروحات منتجات في توليد واحد. الأهم أن النموذج يقدم تحريراً حواريًا متعدد الأدوار يتيح تعديل المقطع نفسه عبر مطالبات متتالية — تبديل الخلفية أو المنتج أو الإضاءة أو نسبة العرض — دون إعادة توليد كاملة، ما يخفض التكلفة الإجمالية ويُسرّع الإنتاج.
على صعيد الالتزام بالمراجع، يدعم النموذج دمج صور الشخصيات والمنتجات والأنماط مع مقاطع حركة قصيرة حتى 3 ثوانٍ وإشارات صوتية، ويحافظ على ثبات الوجوه والملابس وطباعة العبوات وألوان العلامة عبر زوايا الكاميرا. في اختبار رسمي، ولّد النموذج تسلسلاً لـ«تجربة افتراضية» (virtual try-on) بطول 15 ثانية من صورة عارضة واحدة وصور أمامية وخلفية لثلاثة أزياء، مع الحفاظ على هوية العارضة وتفاصيل القص والثنيات. كما حسّن النموذج الحوار متعدد المتحدثين والترجمة الشفاهية والتوقيت الكوميدي في مشاهد 15 ثانية.
على مستوى التحكم السينمائي، يدعم النموذج حركات كاميرا مستمرة معقدة (FPV، زوم خارجي، مدارات) بقفزات أقل ودقة مقياس أعلى. في عرض توضيحي، أنتج رحلة درون FPV متصلة عبر ساحة البانثيون إلى الفتحة العلوية دون أي قطع. ويشمل مسار العمل خفض التكلفة عبر المسودات السريعة بدقة 360p أو 720p ثم الترقية إلى 1080p أو 4K، مع إصلاح التفاصيل عبر تحرير لاحق بدلاً من إعادة التوليد.
المقارنة المعيارية والأداء التنافسي
مقارنةً بـ Gemini Omni 1.1 Flash، يقدم الإصدار 1.2 زيادة 50% في مدة المقطع الأقصى (من 10 إلى 15 ثانية)، وانخفاضاً 30% في السعر إلى 0.07$ للثانية، وتحسناً ملموساً في الالتزام بالمراجع البصرية وثبات الشخصيات عبر اللقطات. في اختبار مقارن لملصق معرض استوديو بخمس طبقات، فشل الإصدار 1.1 في مطابقة الصورة المرجعية بدقة، بينما بنى 1.2 الملصق طبقة بطبقة مع الحفاظ على المواد والظلال والتفاصيل الطباعية حتى الإطار الأخير. كما أظهر اختبار «الإطار الأول إلى الأخير» انتقالاً متصلاً في 1.2 بينما ظهرت تغييرات طفيفة في 1.1. لا يقدم البيان أرقاماً معيارية (benchmarks) عددية خارج هذه المقارنات النوعية، لكنه يحدد بوضوح مجالات التحسين المستقبلية: الحركة الرياضية السريعة، التغييرات النصية السريعة، والفيزياء المعقدة.
ماذا يعني هذا للمطور والمستخدم العربي؟ (The Localization Edge)
بسعر 0.07$ للثانية، تصبح تكلفة إنتاج فيديو تسويقي قصير (15 ثانية) نحو 1.05$، ما يخفض حاجز الدخول للمشاريع الناشئة في العالم العربي التي تعتمد على محتوى فيديو مكثف لمنصات التواصل. يدعم النموذج الحوار متعدد المتحدثين والترجمة الشفاهية، ما يتيح إنتاج محتوى عربي عبر Google Vids وGemini for business، وإن لم يذكر البيان دعماً عربياً صريحاً في بنية النموذج. مسار العمل المتدرج (360p/720p ثم 4K) يقلل استهلاك الميزانية في مراحل التجريب، وهو عامل حاسم للفرق الصغيرة. التوفر عبر Google Cloud يفتح الباب للتكامل مع البنية السحابية الإقليمية، بينما تتيح علامة SynthID الامتثال لمتطلبات الشفافية في المحتوى المولّد. عملياً، يمكن لوكالات الإعلان العربية إنتاج نسخ متعددة من الإعلان نفسه عبر التحرير الحواري بدل إعادة التوليد، ما يخفض التكلفة الإجمالية بنسبة تتجاوز 30% في سيناريوهات التكرار العالي.
الخلاصة والتطلعات القادمة
يمثل Gemini Omni 1.2 Flash خطوة ناضجة نحو إنتاج فيديو بالذكاء الاصطناعي على نطاق تجاري، بفضل مزيج المدة الأطول (15 ثانية)، والتحرير الحواري، وخفض السعر 30% إلى 0.07$ للثانية. مع توفره العام عبر Gemini API وGoogle Cloud، يضع Google النموذج في منافسة مباشرة مع حلول توليد الفيديو المؤسسية. التحديات المتبقية — الحركة الرياضية السريعة والفيزياء المعقدة — تحدد أجندة التطوير القادمة، لكن الأساس الحالي كافٍ لتبني المؤسسات والمطورين في المنطقة العربية.
المصدر الإعلامي: Google AI Blog | البيان الرسمي للشركة: المصدر الأصلي | تدقيق وتحليل البيانات: AI Tools Oasis
أسئلة شائعة
فريق AI Tools Oasis
نقدم لك أحدث الأخبار والتحليلات في عالم الذكاء الاصطناعي بدقة ومصداقية. تابعنا للحصول على كل جديد.
