اگر تا چند ماه پیش اسم Veo را برای ساخت ویدیو با هوش مصنوعی گوگل شنیده بودید، حالا با یک اسم تازه هم روبه‌رو می‌شوید: Gemini Omni. گوگل در اپ Gemini ساخت ویدیو را به Omni سپرده، در Flow هر دو خانواده را کنار هم گذاشته و در API هم نسخه‌های پیش‌نمایش Veo 3.1 را بازنشسته کرده است. نتیجه؟ خیلی‌ها نمی‌دانند الان دقیقاً باید سراغ کدام بروند. در این راهنما قدم‌به‌قدم می‌بینیم Veo و Gemini Omni چه فرقی دارند، از کجا می‌شود به آن‌ها دسترسی داشت، چطور یک پرامپت ویدیوی خوب بنویسید که صدا و دیالوگ هم داشته باشد و هزینه و محدودیت‌ها چقدر است.
اگر دنبال رتبه‌بندی کلی همهٔ مدل‌های ویدیو هستید، اول بهترین هوش مصنوعی‌های ساخت ویدیو را بخوانید؛ اینجا تمرکز فقط روی ابزارهای گوگل و کار عملی با آن‌هاست.
آخرین به‌روزرسانی: ۹ آبان ۱۴۰۵ — مشخصات مدل‌ها از وبلاگ رسمی گوگل، مستندات Gemini API و راهنمای Google Flow و امتیازها از آرنای متن‌به‌ویدیوی Artificial Analysis در همین تاریخ برداشته شده‌اند. قیمت‌ها به دلار است و ممکن است تغییر کند.
⚡ پاسخ کوتاه
Gemini Omni جانشین Veo در اپ Gemini است و نسخهٔ فعلی آن، Gemini Omni Flash 1.1، ویدیوهای ۳ تا ۱۰ ثانیه‌ای با صدای بومی (دیالوگ، افکت و موسیقی) می‌سازد و می‌تواند صحنه را تا ۴۰ ثانیه ادامه دهد. Veo 3.1 هنوز داخل Google Flow در سه نسخهٔ Lite، Fast و Quality در دسترس است، اما نسخه‌های پیش‌نمایش آن از ۲۲ اکتبر ۲۰۲۶ در Gemini API خاموش شده‌اند. برای استفاده در اپ Gemini یا Flow به اشتراک پولی Google AI نیاز دارید و در API، هر ثانیه ویدیوی ۷۲۰p با Omni حدود ۰٫۱ دلار هزینه دارد. ایران جزو کشورهای پشتیبانی‌شدهٔ Gemini API نیست.
📑 فهرست مطالب
Veo خانوادهٔ مدل‌های تولید ویدیوی گوگل دیپ‌مایند است. آخرین نسخهٔ عمومی آن، Veo 3.1، با شعار «ویدیو، با صدا» معرفی شد؛ یعنی علاوه بر تصویر، صدای محیط، افکت و دیالوگ را هم هم‌زمان می‌سازد. این مدل هنوز در صفحهٔ رسمی دیپ‌مایند معرفی می‌شود و در Google Flow در سه سطح Lite، Fast و Quality قابل انتخاب است.
Gemini Omni نسل بعدی است. گوگل آن را «Nano Banana برای ویدیو» توصیف می‌کند: مدلی که مثل یک گفت‌وگو کار می‌کند؛ ویدیو می‌سازید، بعد با یک جملهٔ ساده می‌گویید «نور را گرم‌تر کن» یا «ادامه بده» و همان ویدیو ویرایش می‌شود. نسخهٔ Gemini Omni Flash 1.1 در ۲۷ اوت ۲۰۲۶ (۵ شهریور ۱۴۰۵) منتشر شد و قابلیت‌هایی مثل ادامه‌دادن صحنه، فریم اول و آخر، ارتقای کیفیت تا 4K و ساخت نسخهٔ پیش‌نویس سریع را اضافه کرد.
| ویژگی | Veo 3.1 | Gemini Omni Flash 1.1 |
|---|---|---|
| کجا در دسترس است | Google Flow (پیش‌نمایش API خاموش شده) | اپ Gemini، Flow و Gemini API |
| طول هر کلیپ | ۴، ۶ یا ۸ ثانیه در Flow | ۳ تا ۱۰ ثانیه؛ ادامه تا ۴۰ ثانیه |
| صدای بومی | دارد | دارد (دیالوگ، افکت، موسیقی) |
| ویرایش گفت‌وگویی | محدود | دارد؛ ویرایش ویدیو با متن |
| کیفیت خروجی | بسته به نسخه | ۳۶۰p پیش‌نویس، ۷۲۰p، ۱۰۸۰p و 4K (ارتقایافته) |
| ورودی‌ها | متن، تصویر، فریم | متن، تصویر، صدا و ویدیو |
به زبان ساده: اگر امروز تازه شروع می‌کنید، با Gemini Omni شروع کنید. Veo 3.1 را بیشتر وقتی لازم دارید که در Flow روی پروژه‌ای کار می‌کنید که قبلاً با آن ساخته شده یا خروجی خاص آن را ترجیح می‌دهید. برای آشنایی با کل اکوسیستم هوش مصنوعی گوگل هم مقالهٔ آشنایی با Gemini را ببینید.
سه مسیر اصلی وجود دارد و هر کدام برای کاربر متفاوتی مناسب است:
در اپ و وب Gemini فقط کافی است بنویسید چه ویدیویی می‌خواهید. ساخت ویدیو در Gemini نیاز به اشتراک پولی Google AI دارد و صفحهٔ رسمی Omni صراحتاً می‌گوید کاربرانی که پلن پولی ندارند باید ارتقا دهند. سن کاربر هم باید دست‌کم ۱۸ سال باشد. در اپ می‌توانید تا ۵ عکس مرجع (مثلاً چهرهٔ خودتان یا محصولتان) بدهید تا در ویدیو ظاهر شوند.
Flow ابزار فیلم‌سازی گوگل است و هم Veo 3.1 و هم Gemini Omni Flash 1.1 را دارد. طبق راهنمای رسمی Flow، Omni در آنجا ویدیوهای ۴، ۶، ۸ و ۱۰ ثانیه‌ای در هر دو نسبت تصویر می‌سازد، از فریم اول و آخر، تصاویر مرجع (Ingredients)، ویرایش ویدیو به ویدیو و صدای سفارشی پشتیبانی می‌کند. نسخهٔ پیش‌نویس ۳۶۰p نصف اعتبارِ نسخهٔ ۷۲۰p مصرف می‌کند و مشترکان Pro و Ultra می‌توانند آن را رایگان به ۷۲۰p ارتقا دهند. Omni 1.1 در Flow برای مشترکان Google AI Plus، Pro و Ultra فعال است.
مدل gemini-omni-1.1-flash از طریق Interactions API در دسترس است. نکتهٔ مهم: نسخه‌های پیش‌نمایش Veo 3.1 (یعنی veo-3.1-generate-preview و نسخه‌های fast و lite) از ۲۲ اکتبر ۲۰۲۶ در Gemini API خاموش شده‌اند؛ پس کدهای قدیمی باید به Omni مهاجرت کنند. در API پنج نوع کار پشتیبانی می‌شود: متن به ویدیو، تصویر به ویدیو، ویدیو از روی مرجع، ویرایش و ادامه‌دادن ویدیو.
⚠️ دسترسی از ایران: در فهرست رسمی کشورهای پشتیبانی‌شدهٔ Gemini API نام ایران نیست و اشتراک‌های Google AI هم برای کاربران ایرانی به‌طور رسمی ارائه نمی‌شوند. پیش از ثبت‌نام، قوانین سرویس و محدودیت‌های پرداخت را بررسی کنید.
مراحل در اپ Gemini و Flow تقریباً یکی است:
خروجی همهٔ این مدل‌ها واترمارک نامرئی SynthID دارد تا ساختگی‌بودن ویدیو قابل تشخیص باشد.
بیشتر ویدیوهای ضعیف از پرامپت مبهم می‌آیند. گوگل در مستندات Omni چند نکتهٔ مشخص دارد که در عمل هم جواب می‌دهند:
[0-3s] و [3-6s] بگویید هر لحظه چه اتفاقی بیفتد.یک نمونهٔ آماده برای ویدیوی تبلیغاتی محصول:
نمونه پرامپت (متن انگلیسی را عیناً کپی کنید)
Single continuous shot. A ceramic coffee cup on a wooden table by a rainy window, soft morning light. [0-3s] Slow push-in toward the cup, steam rising. [3-7s] A hand enters and lifts the cup; raindrops blur in the background. Audio: gentle rain on glass, a quiet café ambience, soft piano. A warm female voice says: "Start your day slowly." 16:9, cinematic, shallow depth of field.
اگر برای ویدیو اول تصویر ثابت می‌سازید، راهنمای بهترین هوش مصنوعی‌های تولید تصویر کمک می‌کند فریم شروع باکیفیت‌تری داشته باشید؛ و اگر فقط به صدای گوینده نیاز دارید، بهترین هوش مصنوعی تبدیل متن به گفتار را ببینید.
در اپ Gemini و Flow هزینه به‌صورت سهمیهٔ اشتراک یا اعتبار (credit) حساب می‌شود و گوگل جدول ثابت عمومی برای همهٔ کشورها اعلام نکرده است؛ بهترین کار این است که پیش از ساخت، هزینهٔ اعتباری هر مدل را در تنظیمات جعبهٔ پرامپت Flow ببینید.
در Gemini API قیمت شفاف‌تر است. طبق صفحهٔ رسمی قیمت‌گذاری، Gemini Omni Flash برای ورودی ۱٫۵ دلار و برای خروجی ویدیو ۱۷٫۵ دلار به ازای هر یک میلیون توکن می‌گیرد. هر ثانیه ویدیوی ۷۲۰p حدود ۵٬۷۹۲ توکن است؛ یعنی هر ثانیه تقریباً ۰٫۱ دلار و یک کلیپ ۱۰ ثانیه‌ای حدود یک دلار.
| محدودیت | مقدار |
|---|---|
| طول هر کلیپ | ۳ تا ۱۰ ثانیه |
| حداکثر طول با ادامه‌دادن | ۴۰ ثانیه (هر بار حدود ۱۰ ثانیه) |
| وضوح | ۳۶۰p، ۷۲۰p (پیش‌فرض)، ۱۰۸۰p و 4K ارتقایافته |
| نسبت تصویر | ۱۶:۹ (پیش‌فرض) و ۹:۱۶ |
| زبان پرامپت | انگلیسی کامل؛ بقیهٔ زبان‌ها ارزیابی‌نشده |
| واترمارک | SynthID نامرئی روی همهٔ خروجی‌ها |
در آرنای متن‌به‌ویدیوی Artificial Analysis که بر اساس رأی کور کاربران کار می‌کند، Gemini Omni Flash 1.1 با امتیاز حدود ۱۱۲۸ در جایگاه دهم ایستاده است. صدر جدول فعلاً دست Wan 3.0، Utopai X و MiniMax H3 است. Veo 3.1 با حدود ۹۶۲ امتیاز عقب‌تر است و این یکی از دلایلی است که گوگل مسیر اصلی را به Omni داده است.
رتبهٔ آرنا همه‌چیز نیست. نقطهٔ قوت Omni ویرایش گفت‌وگویی و صدای هم‌زمان است؛ یعنی می‌توانید بدون ابزار تدوین، کلیپ را چند بار اصلاح کنید. اگر فقط کیفیت تصویر برایتان مهم است، Kling و مدل‌های صدر جدول را هم امتحان کنید و برای آشنایی با رقیب OpenAI، بررسی Sora را بخوانید. اگر می‌خواهید کار با این ابزارها را اصولی یاد بگیرید، دورهٔ کپسول هوش مصنوعی رادینو نقطهٔ شروع خوبی است.
نه. در اپ Gemini و Flow به اشتراک پولی Google AI نیاز دارید. دانشجوها در برخی کشورها می‌توانند یک سال پلن Pro رایگان بگیرند. در API هم سطح رایگان برای ویدیو اعلام نشده و هزینه بر اساس توکن حساب می‌شود.
در Google Flow هنوز هست. فقط نسخه‌های پیش‌نمایش آن در Gemini API از ۲۲ اکتبر ۲۰۲۶ خاموش شده‌اند و گوگل توسعه‌دهنده‌ها را به Gemini Omni هدایت می‌کند.
بله. هر دو مدل صدای بومی می‌سازند: دیالوگ، صدای محیط، افکت و موسیقی. دیالوگ را داخل گیومه در پرامپت بنویسید؛ اگر صدا نمی‌خواهید، صریحاً بنویسید «No dialogue».
هر کلیپ Omni بین ۳ تا ۱۰ ثانیه است و با گزینهٔ ادامه‌دادن می‌توانید آن را تا ۴۰ ثانیه برسانید. برای ویدیوهای طولانی‌تر باید چند کلیپ را در Flow یا یک نرم‌افزار تدوین کنار هم بگذارید.
ممکن است نتیجه بدهد، اما گوگل فقط انگلیسی را به‌طور کامل پشتیبانی می‌کند. بهتر است توصیف صحنه را انگلیسی بنویسید و فقط متن دیالوگ را به زبان دلخواه امتحان کنید.
همه منابع در تاریخ ۹ آبان ۱۴۰۵ بررسی شده‌اند.
یک گزارش ۲۰۰ صفحهای، یک کتاب درسی یا ده مقالهٔ علمی دارید و وقت خواندن همهاش را ندارید. هوش مصنوعی …
گوگل در ۱۳ اکتبر ۲۰۲۶ (۲۱ مهر ۱۴۰۵) Gemini 4 Argon را بهعنوان مدل پرچمدار تازهاش برای همه عرضه کرد: …
وقتی می‌خواهید یک مدل متنباز مثل DeepSeek V4.1 Flash یا gpt-oss-120b را در محصولتان استفاده کنید، با یک سؤال غافلگیرکننده …
اگر در ChatGPT نوشتهاید «یک پوستر بساز» یا عکسی آپلود کردهاید و گفتهاید «پسزمینه را عوض کن»، دارید با خانوادهٔ …
نظرات 0
برای ارسال نظر وارد حساب کاربری شوید.
هنوز نظری ثبت نشده؛ اولین نفر باشید.