نموذج MuseStreamer من Baidu لتوليد فيديو ذكاء اصطناعي ينافس Veo 3 من Google

أفادت تقارير أن Baidu أطلقت مؤخرا نموذجًا جديدًا لتوليد الفيديو بالذكاء الاصطناعي، ووفقًا للتقرير، يُمكن لنموذج MuseStreamer للذكاء الاصطناعي أيضًا دمج الصوت الصيني في الفيديوهات المُولّدة، مما يجعله النموذج الثاني من نوعه بعد Veo 3 من Google، وتزعم الشركة أنه أول نموذج ذكاء اصطناعي في العالم يدعم توليد الصوت الصيني الأصلي، إلى جانب طرح نموذج اللغة الكبير (LLM)، أفادت التقارير أن الشركة أطلقت أيضًا منصة جديدة لإنشاء محتوى الفيديو تُسمى HuiXiang، والجدير بالذكر أن MuseStreamer وHuiXiang غير متوفرين حاليًا خارج الصين.

وشهد عالم نماذج توليد الفيديو بالذكاء الاصطناعي تطورًا ملحوظًا خلال العامين الماضيين، فقد انتقلنا من النماذج التي كانت تواجه صعوبة في توليد أشخاص بعدد ثابت من الأصابع إلى نماذج LLM التي يُمكنها الآن تصوير الفيزياء والحركة الواقعية بدقة، ومع ذلك، كان أحد المجالات التي امتنعت معظم شركات الذكاء الاصطناعي عن الخوض فيها هو مقاطع الفيديو التي تدعم الصوت بشكل أصلي.

في مؤتمر جوجل للمطورين (Google I/O 2025)، أصبحت  أول شركة تقدم هذه الإمكانية من خلال Veo 3، الذي أصبح حديث الساعة، متفوقًا على منافسه الأكبر، Sora من OpenAI، قامت شركة التكنولوجيا العملاقة، ومقرها ماونتن فيو، مؤخرًا بتوسيع Veo 3 في جميع الدول الـ 154 التي يتوفر فيها تطبيق Gemini، مما يُبرز جهود الشركة الحثيثة لتطوير هذه الأداة.

ومع ذلك، ووفقًا لتقرير Tech in Asia (عبر AI Base)، دخلت شركة التكنولوجيا الصينية العملاقة Baidu أيضًا في السباق بنموذج الذكاء الاصطناعي MuseStream، ويُقال إنه يُنتج مقاطع فيديو بصوت صيني، وهو النموذج الوحيد القادر على ذلك، والجدير بالذكر أن Veo 3 لا يُنتج الصوت إلا باللغة الإنجليزية.

يُقال إن MuseStreamer لا يقتصر على إنشاء حوارات متزامنة مع مقاطع الفيديو فحسب، بل يُمكنه أيضًا إضافة مؤثرات صوتية وضوضاء محيطة إليها، ويُقال إن بايدو زعمت أن النموذج حقق نسبة 89،38% على معيار VBench I2V، مُحتلًا المركز الأول، تُقدم شركة التكنولوجيا العملاقة برنامج LLM كأداة لإنشاء المحتوى للمستهلكين.

وإلى جانب نموذج الذكاء الاصطناعي، أفادت التقارير أن بايدو أطلقت أيضًا منصة جديدة لمحتوى الفيديو تُسمى HuiXiang، ويُقال إن HuiXiang تُمثل الواجهة الأمامية لنموذج الذكاء الاصطناعي، حيث يُمكن للمستخدمين مشاركة المطالبات وإنشاء مقاطع فيديو، وذكر التقرير أن المنصة تدعم حاليًا إنشاء مقاطع فيديو مدتها 10 ثوانٍ بدقة 1080 بكسل، وبالمقارنة، لا يُمكن لـ Veo 3 إنشاء مقاطع فيديو مدتها 8 ثوانٍ فقط، لا يوجد وضوح بشأن نسبة العرض إلى الارتفاع الافتراضية للفيديو، وما إذا كان بإمكان المستخدمين إنشاء مقاطع فيديو بنسب عرض إلى ارتفاع مختلفة.