باحثون في Google يطلقون إطار عمل جديداً لإنشاء مقاطع فيديو طويلة

قدم باحثون في Google مجموعة من إطارات العمل متعددة الوكلاء المصممة لأتمتة إنشاء مقاطع فيديو طويلة ومتسقة. يعتمد النظام على طبقة تنسيق مبنية فوق نماذج Gemini و Veo لإدارة بنية السرد والاتساق البصري، وهي جوانب غالباً ما تفشل فيها نماذج الفيديو التقليدية بسبب تغير ملامح الشخصيات أو الخلفيات. وقد أثبت الباحثون هذه القدرة من خلال إنتاج مقطع فيديو متصل مدته عشر دقائق.

يعمل إطار العمل من خلال هرمية من الوكلاء الذين يتولون مهام مختلفة. يستخدم المنسق خوارزمية اختيار إحصائية لتحديد الاستراتيجيات الإبداعية، بينما يتولى وكلاء متخصصون إدارة لوحات القصة والحركة والصوت. ويعمل مكون يدعى CANVAS على الحفاظ على ذاكرة بصرية لضمان ثبات الشخصيات والأجسام عبر اللقطات، بينما يقدم نظام VQQA تغذية راجعة آلية لتصحيح العيوب البصرية.

لا يعمل النظام بشكل مستقل تماماً، إذ يتطلب مدخلات إبداعية بشرية لتحديد المسار الأولي. وعلى الرغم من نجاحه في تقليل الأخطاء الشائعة مثل تحول الخلفيات، إلا أنه يعمل كمحسن للأوامر النصية ولا يوفر تحكماً على مستوى البكسل. ولا توضح الأبحاث الحالية كيفية تعامل النظام مع السيناريوهات التفاعلية المعقدة أو التغيرات الفنية الشديدة.