← أحدث الأبحاث
💻 computer science

Visko Orbis 1.0: A Live Model for Real-Time Interactive Long Video Generation

يُعد Visko Orbis 1.0 نموذجاً حياً وتفاعلياً قادراً على توليد فيديوهات بدقة 4K في الوقت الفعلي لمدة ساعة كاملة وبمعدل 24 إطاراً في الثانية، تتيح التبديل الديناميكي للمطالبات وتحافظ على اتساق الجودة والأسلوب من خلال نظام ذاكرة متعدد المقاييس محدود.

المؤلفون الأصليون: Xiangbo Gao, Siyuan Yang, Ping He, Mingyang Wu, Yuheng Wu, Yushen Zuo, Jiongze Yu, Ryan Cui, Hongyuan Hua, Devin Ma, Xiao Jin, Yubo Yuan, Qing Yin, Jie Yang, Zhengzhong Tu

نُشر 2026-07-30
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Xiangbo Gao, Siyuan Yang, Ping He, Mingyang Wu, Yuheng Wu, Yushen Zuo, Jiongze Yu, Ryan Cui, Hongyuan Hua, Devin Ma, Xiao Jin, Yubo Yuan, Qing Yin, Jie Yang, Zhengzhong Tu

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تشاهد فيلماً، ولكن بدلاً من الجلوس والاسترخاء وترك القصة تكتمل، أنت المخرج، وكاتب السيناريو، والممثل الرئيسي، وكل ذلك في آن واحد. يمكنك أن تصرخ "قطع!" وتغير الحبكة في منتصف المشهد، ويقوم الفيلم فوراً بتحديث المشهد التالي بناءً على فكرتك الجديدة. هذا هو حلم توليد الفيديو التفاعلي في الوقت الفعلي. لفترة طويلة، كان صنع الفيديوهات بواسطة الحواسيب يشبه خبز كعكة: تخلط المكونات (الأمر النصي)، وتنتظر حتى تُخبز (عملية التوليد)، وبمجرد خروجها من الفرن، تكون قد انتهت. إذا أردت إضافة المزيد من حبيبات الشوكولاتة، كان عليك البدء من جديد. ولكن ماذا لو استطعت الوصول إلى داخل الفرن أثناء خبز الكعكة وتغيير الوصفة، فتقوم الكعكة بتعديل نفسها فوراً؟ هذا هو عالم "النماذج الحية" (Live Models). هذه البرامج الحاسوبية لا تكتفي بالإجابة على سؤال ثم تتوقف؛ بل تستمر في العمل، مثل شخصية مستمرة في لعبة فيديو، جاهزة للتفاعل مع أوامرك في اللحظة التي تعطيها إياها. لقد كان التحدي الكبير دائماً هو الحفاظ على اتساق القصة. إذا غيرت القصة في منتصف الطريق، فهل ينسى الشخص هويته؟ هل تتحول الخلفية إلى كتلة ضبابية مشوشة؟ هل يعلق الفيديو في حلقة مفرغة؟ لقد حاول العلماء بناء نظام يمكنه التعامل مع هذه القصص الطويلة والمتغيرة دون أن يفقد عقله أو أسلوبه.

دخل Visko Orbis 1.0، وهو نظام جديد يعمل كمخرج فيديو فائق الذكاء ولا يكل ولا يمل. فكر فيه كمؤلف قصص سحري يمكنه نسج حكاية فيديو لمدة ساعة كاملة، وإذا قررت فجأة: "في الواقع، اجعل السماء أرجوانية واجعل الكلب يطير"، فإن الفيديو لا يتعطل أو يبدأ من جديد. بدلاً من ذلك، يدمج فكرتك الجديدة بسلاسة في القصة المستمرة، مظهراً التغيير في أقل من ثانية. لقد بنى الفريق وراء هذا النظام نظاماً لا يصنع مجرد مقاطع فيديو قصيرة مدتها 5 ثوانٍ؛ بل يبني "بثاً حياً" للفيديو يمكن أن يستمر لساعات. إنهم يسمونه "نموذجاً حياً" لأنه يظل حياً ونشطاً، حاملاً ذاكرة لما حدث في الدقيقة الماضية وفي الساعة الماضية، بحيث تظل الشخصيات والمناظر ثابتة حتى مع تحولات الحبكة وتغيراتها.

إذن، كيف تعمل هذه الخدعة السحرية؟ تخيل أن الفيديو لا يتم صنعه دفعة واحدة، بل في كتل صغيرة غير مرئية تسمى "القطع" (chunks). يبني النظام قطعة واحدة، ثم التالية، ثم التي تليها. السر يكمكمن في "بنك ذاكرة" خاص يحتفظ بالتفاصيل المهمة — مثل لون قميص الشخصية الرئيسية أو نمط الغابة — دون أن يزدحم بالمعلومات. ومع طول الفيديو، يقوم النظام بضغط الذكريات القديمة والبعيدة (مثل "ماذا حدث قبل 30 دقيقة") في ملخص، بينما يحتفظ بالماضي القريب (الثواني القليلة الماضية) بدقة عالية. هذا يسم يسمح للفيديو بالاستمرار لساعات دون أن يرتبك الحاسوب أو تنحرف الألوان نحو درجات غريبة من اللون الأخضر.

تظهر الورقة البحثية أن هذا النظام يمكنه توليد فيديو بدقة 4K (وهي دقة فائقة الوضوح والحدة) وبمعدل 24 إطاراً في الثانية (السرعة القياسية للأفلام السلسة) في الوقت الفعلي. وهذا يعني أنه يمكنك مشاهدة الفيديو وهو يظهر على شاشتك أثناء صناعته، ويمكنك كتابة أمر نصي جديد في أي لحظة — سواء كنت تصنع رسوماً متحركة، أو بثاً مباشراً، أو رفيقاً افتراضياً — وسيتحدث الفيديو فوراً. لقد اختبر الباحثون هذا النظام مقابل أنظمة رائدة أخرى ووجدوا أن Visko Orbis 1.0 كان الأفضل في الحفاظ على جودة الفيديو، واتباع التعليمات، والاستقرار عبر فترات طويلة. في الواقع، عندما لعب البشر لعبة كان عليهم فيها اختيار أفضل فيديو طويل من بين مجموعة من الخيارات، اختاروا Visko Orbis 1.0 أكثر من أي نظام آخر، وأشادوا بشكل خاص بمدى ثباته وموثوقيته بمرور الوقت.

لم يبنِ الفريق المحرك فحسب؛ بل علموه أيضاً كيف يتعلم من مكتبة ضخمة من الفيديوهات، حيث قاموا بتصفية الفيديوهات السيئة وتنظيم الجيدة منها لكي يتعلم الذكاء الاصطناعي كيفية سرد قصص منطقية. حتى أنهم أضافوا "فحصاً فيزيائياً" خاصاً للتأكد من أنه عندما تُرمى كرة، فإنها تسقط للأسفل مثل كرة حقيقية، وليس مثل بالون عائم. والنتيجة هي أداة تحول توليد الفيديو من مهمة ثابتة لمرة واحدة إلى محادثة حية ومتجددة بين الإنسان والآلة. الأمر لا يتعلق فقط بصنع فيديو؛ بل يتعلق بإبقاء القصة حية، جاهزة لتغيير اتجاهها متى أردت، دون أن تفقد خيط الأحداث أبداً.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →