گوگل در I/O 2025 مدل ویدئویی Veo 3 را رونمایی کرد که ویدئوهای واقع‌گرایانه همراه با صدا، دیالوگ، موسیقی و افکت‌های محیطی را تولید می‌کند.
به گزارش تکناک، اگر تا پیش‌از این، اینترنت مملو از اطلاعات نادرست و محتوای بی‌ارزش بود، مدل ویدئویی Veo 3 گوگل این وضعیت را به سطحی تازه و نگران‌کننده خواهد رساند. موتور جدید تولید ویدئو و صوت Veo 3 که به‌تازگی در Google I/O معرفی شده است، در‌حال‌حاضر می‌تواند ویدئوهایی با ظاهری ترسناک و واقعی خلق کند که به‌راحتی می‌توانند هر بیننده‌ای را فریب دهند.
ویژگی برجسته Veo 3، افزودن قابلیت «صوت همگام‌سازی‌شده» است. پیش‌تر، همین فقدان صدا باعث می‌شد محتوای تولیدشده با هوش مصنوعی از ویدئوهای واقعی تشخیص‌دادنی باشد. بااین‌حال، اکنون هم صدا و هم تصویر به سطحی از واقع‌گرایی رسیده‌اند که تشخیص واقعیت از تولید مصنوعی دشوار شده است. فریم‌ها با جزئیات و وضوح بیشتر تولید می‌شوند که این امر به باورپذیری بیشتر محتوا دامن می‌زند.
به نقل از 9to5google، علاوه‌بر آن، گوگل ابزارهای جدیدی در اختیار کاربران قرار داده است. یکی از این ابزارها Flow نام دارد که در گوگل لبز معرفی شده است و به کاربران امکان می‌دهد کلیپ‌های کوتاه تولید کنند و آنها را به‌صورت استوری‌بورد مجازی به‌هم متصل کنند. هرچند هر کلیپ به‌طور مستقل حدود ۸ ثانیه طول دارد، با استفاده از Flow می‌توان ویدئوهایی با مدت‌زمان بیشتر و ساختاری منسجم ساخت.
اگرچه مدل ویدئویی Veo 3 فقط در طرح AI Ultra گوگل در دسترس است، کاربران همین حالا انتشار ویدئوها را در شبکه‌های اجتماعی شروع کرده‌اند. یکی از کاربران ردیت با استفاده از Veo 3 کلیپی یک‌دقیقه‌ای تولید کرده که یادآور گزارش‌های تصویری از نمایشگاه‌های خودرو است.
در این کلیپ، چند مصاحبه‌شونده نمایش داده می‌شوند که هرکدام صدایی هماهنگ و چهره‌ای منحصر‌به‌فرد و نحوه بیانی متفاوت دارند. این افراد واقعی نیستند؛ بلکه هم تصویر و هم صدا، به‌طور کامل با مدل ویدئویی Veo 3 گوگل تولید شده‌اند. ناگفته نماند که برخی نشانه‌های تکراری مانند حضور مکرر یک پدر به‌همراه فرزندش یا صدای غیرطبیعی فنجانی که روی میز گذاشته می‌شود، می‌تواند بیننده دقیق را مشکوک کند.
در مثالی دیگر، کلیپی با محوریت واکنش یکی از یوتیوبرها به گیم‌پلی Minecraft تولید شده که در آن شخص در حال توضیح نحوه بازی است. اگرچه ظاهر کلیپ واقعی به‌نظر می‌رسد، برخی جزئیات غیرواقعی مثل اضافه‌شدن نان به موجودی بازیکن هنگام شکستن چوب با دست، نشان می‌دهد که محتوا تولید مصنوعی است. حتی مه‌سبز معروف اطراف موهای فرد در حالت پرده سبز، به‌درستی بازسازی شده است.
در ویدئوهای گیمینگ، تنها راه شناسایی جعلی‌بودن ویدئو، توجه به جزئیاتی مانند نبود عناصر UI در صحنه پیروزی بازیکن است؛ وگرنه ممکن است بیننده گمان کند با ویدئو واقعی یوتیوبری تازه‌کار مواجه است.
در نهایت، با وجود جذابیت این فناوری، باید به آینده محتوا در اینترنت نگران بود. محتوای تولیدشده با مدل ویدئویی Veo 3 گوگل می‌تواند به‌راحتی بیشتر کاربران را فریب دهد و زمینه‌ساز انتشار گسترده اطلاعات گمراه‌کننده شود. این همان مرحله‌ای است که هوش مصنوعی به‌طور جدی با واقعیت آمیخته می‌شود.
