#

النقاط الرئيسية

• نشرت Google Research تدوينة بحثية حول توليد فيديو طويل متماسك.

• تتضمن المجموعة أربعة أطر للاستمرارية والتنسيق.

• يركز العمل على الانحراف الدلالي والأعطال المتسلسلة في الفيديو متعدد اللقطات.

• تعرض Google هذه الأنظمة على أنها بحث، وليس منتجًا موجهًا للمستهلكين.

• تشير التدوينة إلى مكاسب على المعايير وإلى مخرجات فيديو تمتد لعدة دقائق.

أبحاث Google Research حول الفيديو الطويل

نشرت Google Research *"Automating coherent long-form video generation"

• في 24 سبتمبر 2026. وتصف التدوينة مجموعة بحثية من أربعة أطر لتوليد الفيديو الأطول ومتعدد اللقطات. وتركز على مشكلات الاستمرارية التي قد تظهر مع ازدياد تعقيد المشاهد.

تطرح Google هذا العمل بوصفه بحثًا. ولا تقدمه على أنه منتج فيديو استهلاكي متاح على نطاق واسع. كما أن المصدر لا يثبت وجود إعادة إنتاج مستقلة أو وصول محلي في المغرب.

المشكلات التي يحاول النظام حلها

تحدد التدوينة نمطي فشل شائعين. الأول هو الانحراف الدلالي، حيث تتغير الشخصيات أو البيئات عبر اللقطات. والثاني هو الأعطال المتسلسلة، حيث يؤثر خطأ في أصلٍ مبكر على التوليد اللاحق.

تزداد أهمية هذه المشكلات في الفيديوهات الأطول. فقد ينتشر خطأ صغير عبر التسلسل الكامل. وتهدف الأبحاث إلى تقليل هذا الخطر عبر التخطيط والذاكرة والنقد.

الأطر الأربعة في المجموعة

تصف Google *AI video co-director

• بوصفه طبقة تنسيق فوق Gemini وVeo. فهو يبحث بين الاتجاهات الإبداعية، ويعد لوحة قصة مشهدًا بمشهد، وينسق وكلاء الصورة والفيديو والصوت، ويستخدم نموذجًا متعدد الوسائط لنقد النسخة النهائية.

CANVAS، وهو اختصار لـ Continuity-Aware Narratives via Visual Agentic Storyboarding، يحتفظ بتمثيلات منظمة للشخصيات والأماكن وحالات الأشياء في ذاكرة بصرية. ويساعد هذا التصميم على الحفاظ على الاستمرارية عبر المشاهد.

*A²RD

• يولد الفيديو جزءًا بعد جزء. ويستخدم ذاكرة متعددة الوسائط للموازنة بين التقدم السردي إلى الأمام والاستمرارية مع المشاهد السابقة. ويحاول هذا النهج إبقاء القصة متقدمة من دون فقدان التفاصيل السابقة.

*VQQA

• ينشئ أسئلة بصرية، ويستخدم نموذج رؤية-لغة لنقد المخرجات، ثم يحسن المطالبات بشكل تكراري. وهو يختار أقوى مرشح مقارنة بالمطالبة الأصلية بدلًا من قبول أحدث تكرار دائمًا. وهذا يجعل عملية المراجعة أكثر انتقائية.

النتائج المعلنة

تقول Google إن الأنظمة أنشأت فيديوهات استمرت لعدة دقائق. كما تقول إن العمل حسّن الأداء على عدة معايير قياس. وتذكر التدوينة أعلى نتيجة قدرها *81.4 على GenAD-Bench

• لـ AI video co-director، إلى جانب تحسينات في الاستمرارية على معايير قياس مسماة.

يوجه المصدر القراء إلى الأوراق الفردية للاطلاع على المنهجيات والنتائج الكاملة. ولا يقدم تقييمًا مستقلًا كاملًا داخل التدوينة نفسها. وهذا يعني أن التدوينة يجب أن تُقرأ بوصفها ملخصًا بحثيًا، لا تدقيقًا تقنيًا كاملًا.

ملاحظات حول السلامة والحوكمة

تقول التدوينة إن الأنظمة ترث آليات سلامة مثل *وسم SynthID المائي

• عندما تعمل مع نماذج Google. وهذه هي المعلومة الوحيدة الصريحة المتعلقة بالسلامة في المادة المصدر.

وبما أن التدوينة تركز على البحث، فإن الحدود التشغيلية تظل مهمة. ينبغي للقراء التعامل مع النتائج على أنها خاصة بالنموذج والمعايير ما لم تتوفر أدلة إضافية. ولا يدعي المصدر توفرًا واسعًا للمنتج أو أداءً عالميًا.

الصلة بالمغرب

لا يذكر المصدر أي حقيقة خاصة بالمغرب. وبالنسبة للقراء في أي مكان، فالعبرة العامة بسيطة: تحتاج أنظمة الفيديو الطويل إلى ضوابط استمرارية وذاكرة وحلقات نقد لتجنب الانحراف.

ما الذي يعنيه هذا للقراء

تشير هذه الأبحاث إلى طريقة أكثر تنظيمًا لصنع فيديوهات أطول باستخدام الذكاء الاصطناعي. فبدلًا من توليد كل شيء دفعة واحدة، يقسم النظام المهمة إلى التخطيط وإنشاء المقاطع والمراجعة. ويمكن أن يساعد ذلك في الحفاظ على الاتساق عبر تسلسل أطول.

والخلاصة الأساسية ليست أن المشكلة قد حُلّت. بل إن Google تختبر نهجًا متعدد الوكلاء لتقليل أنماط الفشل المعروفة. وتشير التدوينة إلى تقدم، لكنها تبقي النطاق ضمن البحث بوضوح.