گوگل این بار فقط یک ابزار تازه معرفی نکرده؛ عملاً آمده تا به قلب فرایند تولید محتوا بزند. در رویداد Google I/O 2026، از Gemini Omni رونمایی شد؛ مدلی که قرار است مرز میان فکر کردن، ساختن و ویرایش کردن را کمرنگ کند. ایده ساده به نظر میرسد اما تبعاتش ساده نیست: هر چیزی که در اختیار دارید، از متن و عکس گرفته تا صدا و ویدیوی خام، میتواند نقطه شروع ساخت یک ویدیوی تازه باشد.
اولین نسخه این خانواده با نام Gemini Omni Flash عرضه میشود؛ نسخهای که تمرکزش کاملاً روی ویدیو است و از همان ابتدا جاهطلبیاش را پنهان نمیکند. گوگل میخواهد کاربر برای تولید ویدیو دیگر اسیر نرمافزارهای سنگین، تایملاینهای شلوغ و دهها پنجره و ابزار ریز و درشت نباشد. به جای آن، کافی است با سیستم حرف بزنید. دقیقاً مثل وقتی که ایدهای را برای یک تدوینگر توضیح میدهید.
این قابلیت قرار است از طریق اپلیکیشن Gemini، سرویس Google Flow، یوتیوب شورتس و YouTube Create در دسترس قرار بگیرد و بعدتر مسیرش به ابزارهای توسعهدهندگان و مشتریان سازمانی هم باز شود. همین نقشه انتشار نشان میدهد گوگل به این پروژه صرفاً به چشم یک دمو یا قابلیت نمایشی نگاه نمیکند؛ ماجرا، یک برنامه جدی برای ورود گسترده به بازار ابزارهای خلاقه مبتنی بر هوش مصنوعی است.
اگر این روند برایتان آشناست، بیراه هم نیست. گوگل پیشتر در سال 2025 با پروژه Nano Banana توانسته بود قابلیتهای تصویری جمینای را چند قدم جلو ببرد؛ از ترمیم عکسهای قدیمی گرفته تا تبدیل اسکچهای خام به طرحهای قابل ارائه. حالا Omni همان منطق را میگیرد و آن را به دنیای ویدیو پرتاب میکند؛ جایی که پیچیدگیها چند برابر است و خطاها هم خیلی زود به چشم میآیند.
ویرایش ویدیو، این بار با زبان طبیعی
جذابترین بخش ماجرا همینجاست. گوگل میگوید در Gemini Omni میتوان ویدیو را با زبان طبیعی ویرایش کرد؛ یعنی به جای دستکاری دستیِ هر عنصر، با چند دستور ساده مسیر تغییرات را مشخص میکنید. این وعده، اگر در عمل درست از آب دربیاید، میتواند یکی از قدیمیترین دردسرهای تولید ویدیو را حل کند: هر بار که چیزی را عوض میکنید، همه چیز از هم نپاشد.
به گفته گوگل، کاراکترها در ویرایشهای پیاپی هویت بصری خود را حفظ میکنند، صحنهها پیوستگیشان را از دست نمیدهند و حرکتها هم طبیعی باقی میمانند. این دقیقاً همان جایی است که بسیاری از مولدهای ویدیویی فعلی هنوز میلنگند. کافی است یک دستور تازه بدهید تا چهره عوض شود، نور به هم بریزد یا منطق حرکت اشیا ناگهان فروبپاشد. گوگل ادعا میکند Omni برای درک بهتر فیزیک جهان واقعی آموزش دیده؛ از جاذبه و حرکت گرفته تا رفتار اشیا در صحنه.
برای همین است که در نمونههای نمایشی، آینه مثل مایع موج برمیدارد وقتی کسی به آن دست میزند، یا یک مجسمه میتواند از حباب ساخته شود بیآنکه حس بیمنطقی کامل به تصویر تزریق شود. اینجا هدف فقط ساخت ویدیوهای عجیب و چشمگیر نیست. گوگل میخواهد نشان دهد Gemini Omni چیزی فراتر از یک موتور تولید ویدیو از روی پرامپت است؛ یک محیط تعاملی برای ساخت و اصلاح مداوم محتوا.
این حرکت، گوگل را مستقیم وارد رقابتی میکند که هر روز داغتر میشود. اما برنده این میدان فقط شرکتی نیست که ویدیوی زیباتری بسازد. مسئله مهمتر این است که کدام ابزار آنقدر قابل فهم، روان و شهودی میشود که کاربران عادی هم واقعاً بخواهند از آن استفاده کنند. پاسخ گوگل فعلاً روشن است: گفتوگو به جای پیچیدگی.
البته داستان قرار نیست به ویدیو محدود بماند. گوگل گفته نسخههای بعدی Gemini Omni میتوانند عکس، متن، موسیقی، ویدیوهای مرجع و دیگر ورودیها را در یک پروژه واحد کنار هم قرار دهند. به زبان سادهتر، این همان مسیری است که در آن مرز میان ابزار تدوین، موتور تولید محتوا و دستیار خلاق کمکم محو میشود.
اعتماد؛ همان گره قدیمی هوش مصنوعی
هرچه ابزار قدرتمندتر میشود، سؤال اعتماد هم پررنگتر میشود. گوگل این بخش را نادیده نگذاشته و تأکید کرده ویدیوهای ساختهشده با Gemini Omni به فناوری واترمارک SynthID مجهز خواهند بود؛ نشانهای برای شناسایی محتوای تولیدشده با هوش مصنوعی. علاوه بر این، ابزارهای راستیآزمایی قرار است در اکوسیستم گوگل، از جمینای و کروم گرفته تا جستوجو، نقش پررنگتری داشته باشند.
کاربران در شروع کار میتوانند آواتار ویدیویی مبتنی بر چهره و صدای خودشان بسازند. اما قابلیتهای پیشرفتهتر، بهویژه آن دسته که به تغییر گفتار مربوط میشوند، هنوز زیر ذرهبین ارزیابیهای ایمنی قرار دارند. این احتیاط بیدلیل نیست. شرکتهای بزرگ هوش مصنوعی خوب میدانند که افزایش توان مدلها لزوماً به معنای افزایش اعتماد عمومی نیست.
در نهایت، Gemini Omni فقط یک معرفی تازه در فهرست بلندبالای محصولات گوگل نیست. این پروژه نشانهای از تغییری عمیقتر است؛ تغییری که در آن تولید و ویرایش رسانه، از یک مهارت تخصصی و نرمافزارمحور، به تجربهای محاورهای و در دسترس تبدیل میشود. اگر گوگل بتواند وعدههایش را بینقص یا دستکم قابل اتکا اجرا کند، باید منتظر دورهای باشیم که ساخت ویدیو دیگر کار اتاقهای تدوین نیست؛ کار هر کسی است که ایدهای در ذهن دارد و میداند چطور آن را بیان کند.
