در سال ۲۰۲۵، مدل‌های ویدئویی هوش مصنوعی پیشرفت‌های قابل توجهی داشتند، به خصوص در بیان احساسات آواتار، که به من اجازه داد ویدئوهای بسیار بهتر و حرفه‌ای‌تری نسبت به سال ۲۰۲۴ بسازم. با وجود این پیشرفت‌ها، سال ۲۰۲۶ نیازمند بهبودهای بیشتری است تا سازندگان فردی بتوانند به طور کامل از پتانسیل فناوری بهره‌مند شوند. در ادامه، ده فیلم محبوب من در سال ۲۰۲۵ را بر اساس کلیک‌های تماشاگران و مدت زمان تماشا آورده‌ام. در ابتدا معتقد بودم سال ۲۰۲۴ سال ویدئوهای هوش مصنوعی است و ۲۰۲۵ سال عامل‌های هوش مصنوعی خواهد بود. هرچند عامل‌های هوش مصنوعی در سال ۲۰۲۵ رشد قابل توجهی داشتند، اما همچنان برای استفاده گسترده نارس هستند، هرچند کاربردهای سازمانی در حال ظهور است. ویدئوهای هوش مصنوعی در سال ۲۰۲۴ پیشرفت‌های متوسطی داشتند، نمونه آن کلیپ موسیقی من «ده مقاله برتر UX سال ۲۰۲۴». اما سال ۲۰۲۵ جهش‌های بزرگی در قابلیت‌ها داشت که ویدئوهای قبلی را در مقایسه ابتدایی‌تر نشان می‌دهد — مثلا «کارگران قدیمی با هوش مصنوعی خلاق می‌مانند» (دسامبر ۲۰۲۵). برای نشان دادن پیشرفت‌های سال ۲۰۲۵، فهرستی از بخش‌هایی از بهترین ویدئوهای موسیقی سال را ساخته‌ام که در طول سال منتشر شده است، به صورت زمانی مرتب شده تا بهبودها را نشان دهد. در مورد اجزای خاص ویدئوهای هوش مصنوعی، بهبودها متفاوت بودند: - تولید گفتار (تولید صدا) نسبت به اواخر سال ۲۰۲۴ کمی بهتر شد، چرا که در آن زمان بسیار قوی بود. بزرگ‌ترین قدم مدل‌هایی مانند ElevenLabs نسخه ۳ بودند که با درک زبان، لایه‌های احساسی را به گفتار اضافه می‌کنند — مثلا در ویدئوی توضیحی من «هوش مصنوعی کند: کنترل کاربر بر وظایف طولانی در عرض ۵ دقیقه». - ترانه‌ها و موسیقی هم به طور متوسط بهبود یافتند. نکته قابل توجه اینکه، اولین اجرای اپرایی من ساخته شد که نسبتاً خوب است («Manipulation مستقیم»)، پس از شکست‌های قبلی که شبیه موزیک‌های بد برادوی بود. - انیمیشن آواتارها پیشرفت قابل توجهی داشت؛ مدل‌هایی مانند HeyGen Avatar IV کیفیت بالایی دارند، به خصوص در نمای نزدیک از سر گفت‌وگو، هرچند به صورت کامل بدن هنوز کیفیت کافی ندارد. ویدئوی موسیقی «آفرینش با کشف: ناوبری در فضای طراحی نهان» نشان می‌دهد که در دست‌های نریشن، عملکرد آواز بسیار بهتر است. - رقص و حرکت‌های انیمیشن نیز بهبود یافته، اما همچنان کافی نیستند. برای نمونه، رقص‌های سبک K-pop در «آفرینش با کشف» حرکات خوبی دارند اما چیدمان یا هماهنگی کامل با موسیقی ندارند. حرکات خوانندگان و نوازندگان نیز به درستی با صدا هم‌زمان نمی‌شوند که واقع‌گرایی را محدود می‌کند. - تولید همزمان صدا و تصویر بومی با Veo 3 و ۳. ۱ جهش بزرگ داشت؛ کلیپ‌های کوتاه ۸ ثانیه‌ای تولید کرد که برای پشت‌صحنه مناسند، اما برای فیلم کامل خیلی کوتاه هستند. به عنوان آزمایش، کلیپ‌هایی برای نسخه هوشمندانه از شکسپیر «پریکلِس، شاهزاده تایر» ساخته‌ام که داستان کلی را منتقل می‌کنند اما برای روایت جذاب کافی نیستند. در مجموع، در تمام حوزه‌های ویدئوهای هوش مصنوعی در سال ۲۰۲۵ پیشرفت‌هایی انجام شد. با نگاهی به سال ۲۰۲۶، علی‌رغم برخی ادعاها، هالیوود سنتی هنوز که هنوز است منسوخ نشده است — فیلم‌ها یا سریال‌های کاملاً تولید شده با هوش مصنوعی در سطح اصلی هنوز سال‌ها فاصله دارند، شاید تا ۲۰۲۸. استودیوهای بزرگ مانند آمازون به طور مؤثر از هوش مصنوعی برای صحنه‌ها و جلوه‌های ویژه استفاده می‌کنند، اما روندهای قدیمی همچنان وجود دارند. من پیش‌بینی می‌کنم استودیوهای بزرگ یا وارد مرحله جدید با هوش مصنوعی خواهند شد یا تا ۲۰۲۸ به شدت دچار بحران خواهند شد. انتظار برود در سال ۲۰۲۶ شاهد بهبودهای بیشتری در زنجیره تولید ویدئوهای هوش مصنوعی باشیم، به ویژه در تولید داخلی صوت، که ممکن است کلیپ‌های کاملاً همزمان تا ۳۰ ثانیه افزایش یابد. هم‌زمان، سازگاری شخصیت‌ها در بین کلیپ‌ها به صورت دیداری با ارجاع به تصاویر ثابت (مثل «آفرودیت، توضیح دهنده کاربردپذیری» با Veo 3. 1) امکان‌پذیر است، اما سازگاری صوتی هنوز مشکل دارد و توالی روایت‌های طولانی را غیرقابل باور می‌کند. البته، ممکن است در ۲۰۲۶، با بهبود سازگاری صدای هوش مصنوعی، بتوان جریان داستان را بهتر ساخت. تولید موسیقی برای ویدئوها و کلیپ‌های موزیک ویدئو اهمیت ویژه‌ای دارد. آهنگ‌های ساخته شده با Suno 5 در یک نگاه هنوز لذت‌بخش هستند — شخصاً ترجیح می‌دهم به آهنگ‌های ساخته شده توسط Suno گوش دهم تا ترانه‌های پرطرفدار و پاپ، چون هوش مصنوعی آزادی خلاقیت فردی را بیشتر می‌کند و محدودیتی از نظر سلیقه‌های شرکت‌ها ندارد. اما مدل‌های موسیقی فعلی فقط امکانات ویرایش فنی محدودی مانند تنظیم اکولایزر را ارائه می‌دهند.

ما نیازمند ویرایش معنایی هستیم که امکاناتی مانند درخواست لحن نرم‌تر در درامز یا تاکید بر سازهای خاص برای ایجاد حالت‌های مختلف (مثل ترسناک یا رمانتیک) را فراهم کند، تا بتوان فضای نهان موسیقی را به صورت شهودی کنترل کرد. این نیاز به کنترل معنایی معنادار برای همه عناصر رسانه‌ای در فرآیند ساخت ویدئو ضروری است. در جمع‌بندی، سال ۲۰۲۵ تحرکات قوی در حوزه هوش مصنوعی ویدئو نشان داد اما هنوز برای پروژه‌های جاه‌طلبانه کافی نیست. با این حال، آینده امیدوارکننده است. برای تعیین بهترین ویدئوهای من در سال ۲۰۲۵، چند معیار را تحلیل کرده‌ام: - نرخ کلیک (CTR) نشان می‌دهد چه تعداد کاربر روی تصویر بندانگشتی کلیپ کلیک می‌کنند که بیشتر تحت تأثیر طراحی تصویر است نه کیفیت ویدئو. من از کلیشه‌های تکراری یوتیوب (مثل ابراز تعجب اغراق‌آمیز) پرهیز می‌کنم، هرچند تأثیرگذار هستند، در نتیجه نرخ کلیک من معتدل است. - تعداد بازدیدها نشان می‌دهد چه تعداد کاربر بیش از کلیک کردن، ویدئو را تماشا کرده‌اند. من تماشای‌ها را در پلتفرم‌های مختلف (یوتیوب، لینکدین، اینستاگرام، X) جمع آوری می‌کنم و برای ویدئوهای قدیمی‌تر در یوتیوب، تنظیم می‌کنم چون زمان بیشتری برای جمع‌آوری بازدید دارند. - مدت زمان تماشا معیار قدرتمندی برای کیفیت است؛ یوتیوب میانگین زمان تماشا و درصد تماشا شده را ارائه می‌دهد، اما هر دو محدودیت‌هایی دارند — میانگین زمان تماشا به ویدئوهای طولانی‌تر کمک می‌کند، در حالی که ویدئوهای کوتاه حتی اگر کامل دیده شوند، نمی‌توانند به زمان متوسط بالا برسند. من ترجیح می‌دهم نرخ‌های ریزش را تحلیل کنم؛ مثلا، بر اساس باقی‌ماندن تماشاگران پس از ۳۰ ثانیه، میزان engagement به طور پایدار در طول ویدئو مقیاس‌گذاری می‌شود. منحنی‌های نگهداری در دو نسخه از ترانه «Manipulation مستقیم» نشان می‌دهد که تماشاگران نسخه راک را ترجیح می‌دهند نسبت به اپرا. در آینده، ممکن است سال ۲۰۲۶ قابلیت‌های هوش مصنوعی در ویدئو را بیشتر آزاد کند و بتواند سازندگان مستقل را بهتر تقویت کند و به تحولات انقلابی در روایتی خطی و حرکت به سمت ساخت جهان‌های غوطه‌ورانه منجر شود، جایی که کاربران فعال‌تر می‌شوند. ده ویدئوی برتر من در سال ۲۰۲۵ عبارتند از: ۱. دیگر رابط کاربری نیست برنامه‌ریزی هوش مصنوعی جایگزین رابط کاربری سنتی می‌شود و تجربه عمیق‌تر را با نقش‌آفرینی عامل‌های هوشمند که وظایف بیشتری انجام می‌دهند، معرفی می‌کند. ۲. سرویس به عنوان نرم‌افزار (همچنین کلیپ موزیکال) در مورد تبدیل هوش مصنوعی به ابزاری رایگان و تحول سرویس‌ها به نرم‌افزارهای لحظه‌ای و افزایش مقیاس مهارت‌ها، بحث می‌کند. ۳. ساخت عروسک عملیاتی کاربردپذیری ویدئویی سرگرم‌کننده که نشان می‌دهد چطور یک عروسک سه‌بعدی ساخته‌شده توسط هوش مصنوعی، می‌تواند سرگرمی‌های فناوری را نمایش دهد. ۴. کدگذاری و طراحی به سبک ویف (همچنین ویدئو موزیکال) نشان می‌دهد که چگونه هوش مصنوعی روی طراحی نرم‌افزار و تجربه کاربری تاثیر می‌گذارد و با تکیه بر زبان طبیعی، نمونه‌سازی را سرعت می‌دهد، با تاکید بر اهمیت تخصص انسانی در طول مسیر. ۵. طراحی تجربه کاربری در ۲۰۲۵: ۶ موضوع بزرگ یعقوب نلسن (همچنین ویدئو موزیکال) پیش‌بینی روندهای عمده در UX در سال ۲۰۲۵ بر اساس نظریات یعقوب نلسن. ۶. رابط کاربری در مقابل تجربه کاربری: یعقوب نلسن تفاوت را شرح می‌دهد توضیح تفاوت: UI شامل عناصر ملموس است که کاربر با آن‌ها تعامل دارد، در حالی که UX تجربه کلی است که تحت تاثیر UI و عوامل دیگر شکل می‌گیرد؛ هوش مصنوعی قرار است اکثر طراحی‌های UI را خودکار کند و تمرکز انسان بر استراتژی UX باشد. ۷. شناخت بهتر از یادآوری (پیشنهاد یعقوب نلسن در قاعده کاربردپذیری شماره ۶) بر اهمیت کاهش بار حافظه کاربر و تشویق به شناخت راحت اطلاعات، تاکید دارد. ۸. تغییر مسیر در حرفه UX در عصر هوش مصنوعی مشورت می‌کند که حرفه‌ای‌های UX مهارت‌های انسانی منحصربه‌فرد مانند اقدام، قضاوت، و اقناع را توسعه دهند، چون هوش مصنوعی وظایف قدیمی را خودکار می‌کند؛ و تغییر را توصیه می‌کند، نه مقاومت. ۹. جلوگیری از خطاها مثل وایکینگ‌ها (قاعده کاربردپذیری شماره ۵ یعقوب نلسن) بر طراحی برای جلوگیری از خطاها با محدودیت‌ها، اعتبارسنجی‌ها، و اصطکاک با ریسک‌ها تاکید دارد تا اعتماد کاربر افزایش یابد و هزینه‌های پشتیبانی کاهش یابد. ۱۰. هوش مصنوعی وارد جریان اصلی می‌شود: عبور از "شکاف" به کاربران اولیه اکثریت (همچنین توضیحی) تحلیل می‌کند که چگونه پذیرش هوش مصنوعی به شکل نابرابر از اولپذیرندگان به کاربران اصلی در سراسر جهان تغییر می‌کند. اضافه شده: هوش مصنوعی به کاربران مسن‌تر کمک می‌کند تا خلاق نگه دارند (در قالب توضیحات موزیکال و آواتار) در مورد چگونگی جبران کاهش توانایی‌های شناختی مرتبط با سن در افراد خلاق مسن‌تر، واداشتن عمر قابل توجهی از فعالیت‌های خلاقانه در حالی که محبوبیت کمتری در بین نسل جوان دارند. پیغام اصلی: تجربه کاربری در کنار نوآوری‌های هوش مصنوعی سریع‌تر در حال تغییر است — آیا آماده هستید؟