گوگل اخیراً نسل بعدی فناوری تولید خودکار ویدئوی خود را در ویرایشگر Google Vids معرفی کرده است. پس از آنکه ماه گذشته امکان ساخت ویدئوهای بدون صدا با Veo 2 فراهم شد، اکنون Veo 3 با قابلیت تولید همزمان تصویر و صدای همگامسازیشده از پرامپت متنی به مجموعه ابزارهای کاربران اضافه شده است. این قابلیت در جریان کنفرانس توسعهدهندگان I/O 2025 معرفی و به سرعت در شبکههای اجتماعی بهدلیل کیفیت بسیار طبیعی و هماهنگی لب و صدا مشهور شد.
برای استفاده از Veo 3 در Google Vids کافی است وارد پروژه ویدئویی خود شوید و در بخش ادیتور روی آیکون «Generate video» کلیک کنید. سپس مدل Veo 3 را انتخاب و شرح صحنه و متنی را که میخواهید شخصیت یا سخنران در قالب ویدئو ارائه دهد بنویسید. در کمتر از چند ثانیه، ویرایشگر یک کلیپ هشت ثانیهای با کیفیت ۷۲۰p و نرخ ۲۴ فریمبرثانیه تولید میکند که در آن صدای تولیدشده دقیقاً با حرکات لب و ژست شخصیت هماهنگ است. چنانچه صدای ایجادشده مطابق انتظار نباشد، میتوانید کلیپ را بیصدا کرده و از موسیقی یا صداگذاری دلخواه خود استفاده کنید.
این قابلیت هماکنون برای همهی مشترکان Google Workspace در دسترس است؛ از طرحهای Essentials و Business Starter گرفته تا Business Standard ،Plus و Enterprise. انتشار ویژگی Veo 3 بهصورت تدریجی انجام میشود و ممکن است تا ۱۵ روز آینده کامل شود. هرچند کیفیت ۷۲۰p و ۲۴FPS محدودیت محسوب میشود، اما ادغام تولید صدا در خود ویرایشگر نقطهی عطفی است که Veo 3 را از رقبایی مانند هوش مصنوعی Sora متمایز میکند؛ چرا که اکثر مدلهای رقیب هنوز ویدئوی بدون صدا تولید میکنند. علاوه بر این، کلیهی ویدئوهای خروجی بهصورت نامرئی واترمارک میشوند تا AI بودن آنها مشخص باشد. فعلاً پرامپتها تنها به زبان انگلیسی پشتیبانی میشوند و انتظار میرود در آینده زبانهای بیشتری اضافه شود.
اضافه شدن Veo 3 به Google Vids گامی بزرگ برای تسهیل تولید محتوای ویدئویی بهشمار میرود. شرکتها و تولیدکنندگان محتوا میتوانند بدون نیاز به دوربین یا استودیو ضبط صدا، کلیپهای تبلیغاتی، آموزشی یا معرفی محصول را تنها با نوشتن یک پرامپت متنی خلق کنند. با انتشار تدریجی این ویژگی برای تمامی طرحهای Workspace، کاربران حرفهای و سازمانها فرصت پیدا میکنند تجربهی تولید ویدئوی هوش مصنوعی را در جریان پروژههای خود امتحان کنند.