الجواب المختصر: اختر Veo 3.1 حين يجب أن تبدو لقطة قصيرة وتُسمع كأنها منتهية: مقطع سينمائي مدته 8 ثوانٍ بنسبة 16:9 أو 9:16، يُسلَّم بدقة تصل إلى 4K، مع صوت يُولَّد إلى جانب الصورة. واختر Grok Imagine حين تحتاج إلى مقاطع أطول من 8 ثوانٍ دفعة واحدة، أو إلى صيغ غير 16:9 و 9:16 (المربعة و 4:3 و 3:2 ونسخها العمودية)، أو إلى تحرير وتمديد مدمجين لمقطع موجود لديك.
ينتج النموذجان الفيديو من وصف أو صورة، ويضيف كلاهما الصوت افتراضيًا. أما الفروق المهمة فهي الطول، وصيغ المخرجات، وطريقة توجيه النتيجة، وما يحدث بعد المقطع الأول.
Veo 3.1 مقابل Grok Imagine في لمحة
يقارن الجدول النموذجين كما توثّقهما الشركتان المطوّرتان. رُوجعت المواصفات في 28 سبتمبر 2026 مقابل وثائق Veo في Gemini API من Google، ووثائق xAI للمطوّرين الخاصة بتوليد الفيديو في Grok Imagine.
| Veo 3.1 (Google DeepMind) | Grok Imagine Video 1.5 (xAI) | |
|---|---|---|
| طول المقطع في كل عملية توليد | 4 أو 6 أو 8 ثوانٍ | من 1 إلى 15 ثانية |
| الدقة | 720p و 1080p و 4K | 480p و 720p و 1080p (التوليد من المراجع محدود بـ 720p) |
| نسب العرض | 16:9 و 9:16 | 1:1 و 16:9 و 9:16 و 4:3 و 3:4 و 3:2 و 2:3 |
| معدل الإطارات | 24 إطارًا في الثانية | غير مذكور في الوثائق |
| الصوت | يُولَّد دائمًا مع الفيديو | مفعّل افتراضيًا؛ ويمكن إيقافه؛ أصوات جاهزة (الصوت المخصّص للشركاء المعتمدين فقط) |
| البدء من صورة | نعم، مع التحكّم بالإطارين الأول والأخير | نعم، مع الإطارين الأول والأخير والإطارات المفتاحية |
| الصور المرجعية | حتى 3 (Veo 3.1 و Veo 3.1 Fast) | نعم (التوليد من المراجع) |
| تمديد المقطع | +7 ثوانٍ في كل خطوة، حتى نحو 148 ثانية إجمالًا، بدقة 720p | نعم |
| تحرير فيديو موجود | غير متاح في Gemini API | نعم، تحرير بالوصف لمقاطع حتى 8.7 ثانية؛ والمخرجات المحرّرة محدودة بـ 720p |
ملاحظتان لقراءة الجدول. تصف Google خياري 1080p و 4K في Veo 3.1 بأنهما «تكبير متطور» في تحديث يناير 2026، لذا فـ 4K صيغة تسليم، لا ضمانًا لتفاصيل مولَّدة أكثر مما في 1080p. كما أن أيًّا من الشركتين لا تنشر رقمًا قابلًا للمقارنة عن السرعة: فواجهة Google البرمجية تذكر نطاقًا من نحو 11 ثانية إلى 6 دقائق بحسب الضغط، ووثائق xAI لا تذكر زمنًا كاملًا من البداية إلى النهاية.
طول المقطع: 8 ثوانٍ مقابل ما يصل إلى 15
هذا هو الفرق الأكثر أثرًا من الناحية العملية. يتوقف Veo 3.1 عند 8 ثوانٍ في كل عملية توليد. أما التسلسلات الأطول فتأتي من التمديد، الذي يضيف 7 ثوانٍ في كل مرة وينزل إلى دقة 720p، أو من جمع عدة مقاطع في المونتاج.
يولّد Grok Imagine حتى 15 ثانية دفعة واحدة. فإذا كانت فكرتك حدثًا متصلًا واحدًا، كمنتج يدور دورة كاملة أو شخصية تمشي على امتداد شارع، فقد يوفّر لك هذا الوقت الإضافي قطعًا في المونتاج ويجنّبك خطر عدم التطابق عند نقطة الوصل.
لكن بالنسبة إلى معظم مقاطع الشبكات الاجتماعية، فإن 8 ثوانٍ طول مريح للّقطة. فالافتتاحيات الجاذبة ولحظات الكشف واللقطات التكميلية نادرًا ما تبقى على الشاشة أطول من ذلك. وإذا خطّطت لفيديوك على شكل سلسلة لقطات بدل لقطة طويلة واحدة، فإن فجوة الطول تفقد كثيرًا من أهميتها.
الدقة والصيغ
يقدّم Veo 3.1 دقة 720p و 1080p و 4K. أما سقف Grok Imagine فهو 1080p، ودقته الافتراضية 480p للحصول على مخرجات أسرع. فإذا كان المقطع سيُعرض على شاشة كبيرة، أو سيدخل خط مونتاج بدقة 4K، فإن Veo 3.1 هو الخيار الأكثر أمانًا.
ويتفوّق Grok Imagine في الأشكال. فنسب العرض السبع تغطي منشورات الخلاصة المربعة، والقصّات العمودية الأطول (3:4 و 2:3)، ونسبة 4:3 الكلاسيكية دون إعادة تأطير لاحقًا. أما Veo 3.1 فيولّد بنسبتي 16:9 و 9:16 فقط، وهما تغطيان YouTube و Shorts و Reels و TikTok، لكنهما تعنيان القصّ عند النشر بصيغة مربعة أو 4:3.
الصوت والحوار
يصنع النموذجان الشريط الصوتي مع الصورة، بدل أن يتركاك تضيفه لاحقًا. تقول Google إن Veo 3.1 يولّد «المؤثرات الصوتية وضوضاء الأجواء وحتى الحوار» بشكل أصلي، والصوت مفعّل دائمًا. ويتضمّن Grok Imagine مسارًا صوتيًا افتراضيًا، ويتيح لك طلب فيديو صامت، ويقبل ما يصل إلى ثلاثة أصوات جاهزة في كل طلب.
عمليًا، اكتب الصوت في الوصف مع أيّ من النموذجين: سمِّ الأجواء، والمؤثر الأساسي، وأي عبارة منطوقة بين علامتي تنصيص. وأبقِ الحوار قصيرًا: المقطع الذي مدته 8 ثوانٍ يتّسع لسطر أو سطرين، لا لمحادثة.
توجيه النتيجة: المراجع والإطارات والتحرير
يمنحك Veo 3.1 ثلاث طرق للتحكّم في اللقطة إلى جانب الوصف:
- تحويل الصورة إلى فيديو: ابدأ من صورة ثابتة، فيثبت المظهر والتأطير والموضوع منذ الإطار الأول.
- الإطاران الأول والأخير: أضف صورة نهاية، وسيبني النموذج الحركة بين الصورتين.
- الصور المرجعية: ما يصل إلى ثلاث صور لشخصية أو منتج أو مكان للحفاظ على ثباته عبر مقاطع منفصلة.
ويغطي Grok Imagine مساحة مشابهة، من تحويل الصورة إلى فيديو، وتثبيت الإطارين الأول والأخير، والإطارات المفتاحية، والصور المرجعية، ويضيف شيئًا لا تقدّمه واجهة Veo 3.1 البرمجية: تحرير مقطع موجود عبر الوصف. فإذا كانت طريقة عملك «ولّد، ثم واصل تعديل المقطع نفسه»، فإن تحرير Grok Imagine هو الأنسب. وإذا كانت «ثبّت المظهر بصورة ثابتة، ثم ولّد نسخًا متعددة»، فكلاهما يصلح، ويصبح سقف الدقة الأعلى في Veo 3.1 هو العامل المرجّح.
أيّهما تستخدم؟
اختر Veo 3.1 إذا:
- كان المقطع لقطة رئيسية، أو جزءًا من إعلان، أو لحظة في مقطع دعائي يجب أن تبدو مصقولة بدقة 1080p أو 4K.
- كنت تسلّم بنسبة 16:9 أو 9:16 وتخطّط للفيديو على شكل سلسلة من اللقطات القصيرة.
- أردت تثبيت الإطار الافتتاحي (والختامي اختياريًا) من صورك أنت.
اختر Grok Imagine إذا:
- كنت تحتاج إلى لقطة متصلة واحدة أطول من 8 ثوانٍ.
- كنت تنشر بصيغ مربعة أو 4:3 أو 3:2 ولا تريد القصّ.
- أردت تحرير مقطع أو تمديده في مكانه بدل إعادة توليده.
كثير من الفرق تستخدم أكثر من نموذج واحد: نموذجًا للّقطات التي يقوم عليها الفيديو، وآخر للّقطات الأطول أو الصيغ غير المعتادة. والعادة المفيدة هي أن تختبر مشروعك الفعلي على كل نموذج بدل الاعتماد على ترتيب عام وضعه أيّ أحد.
تجربة Veo 3.1 هنا
يشغّل Veo Video ثلاث فئات من Veo 3.1، هي Veo 3.1 و Veo 3.1 Fast و Veo 3.1 Lite. كل عملية توليد تنتج مقطعًا مدته 8 ثوانٍ مع الصوت، بنسبة 16:9 أو 9:16، وبدقة 720p أو 1080p أو 4K. يمكنك البدء من نص أو من صورة، مع إطار نهاية اختياري؛ ويقبل Veo 3.1 Fast أيضًا ما يصل إلى ثلاث صور مرجعية. أما تمديد المقاطع والمدد التي تبلغ 4 أو 6 ثوانٍ فغير متاحة هنا. ولا يتوفر Grok Imagine على هذا الموقع.
اختبار أول معقول هو لقطة واحدة من مشروعك الحقيقي على Veo 3.1 Lite بدقة 720p؛ إذ تحصل الحسابات الجديدة على 30 رصيدًا، تغطي مقطعًا واحدًا من هذا النوع بالضبط. وانتقل إلى Veo 3.1 حين تحتاج إلى أعلى دقة في التفاصيل. وإذا احتاج مشهد إلى لقطة متصلة واحدة أطول من 8 ثوانٍ، فإن مولّد الفيديو بالذكاء الاصطناعي يشغّل أيضًا MiniMax H3 Max لإنتاج مقاطع منفردة أطول.
لمعرفة كيف يُقارَن Veo 3.1 بنماذج أخرى، اطّلع على Veo 3.1 مقابل Kling AI و Veo 3.1 مقابل Sora 2.