شرح عملي لكيفية قيام أدوات توليد الفيديو بالذكاء الاصطناعي بإنشاء لقطات B-Roll مخصصة تلقائيًا من أوصاف نصية، دون البحث في مكتبات اللقطات الجاهزة. يتناول المقال أفضل نماذج تحويل النص إلى فيديو المتاحة حاليًا، وكيفية كتابة أوامر نصية تمنحك نتائج سينمائية، وكيفية استخدام PicassoIA لتوليد لقطات B-Roll دفعة واحدة، وكيفية دمج مقاطع الذكاء الاصطناعي بسلاسة في أي سير عمل للمونتاج.
يعرف كل محرر فيديو هذا الشعور. لديك مقطع رئيسي لشخص يتحدث أمام الكاميرا، وصوت واضح، ورسالة محددة، ثم تصل إلى الخط الزمني وتدرك أنك تحتاج إلى 90 ثانية من لقطات B-Roll لتغطية قطع، أو توضيح نقطة، أو مجرد كسر رتابة وجه ثابت على الشاشة. وهكذا تبدأ دوامة البحث في اللقطات الجاهزة: فتح ثلاثة مواقع في المتصفح، والبحث عن الكلمات المفتاحية نفسها المستهلكة، ومعاينة مقاطع تكاد تنفع لكنها لا تنفع تمامًا، وإضاعة 45 دقيقة في شيء كان ينبغي أن يستغرق خمس دقائق.
يقدّم الذكاء الاصطناعي حلًا مباشرًا لهذه المشكلة. فنماذج تحويل النص إلى فيديو باتت تولّد لقطات B-Roll واقعية كالصور الفوتوغرافية من أوصاف مكتوبة في أقل من دقيقة. لا رسوم ترخيص، ولا علامات مائية، ولا تنازلات في الأسلوب أو الموضوع. وهذه هي الطريقة الفعلية لاستخدامها.
لقطات B-Roll هي أي مادة مصورة تُعرض فوق مسار الفيديو الأساسي، وتُستخدم عادةً لتوضيح ما يقوله المتحدث، أو لتغطية قطع مفاجئ، أو لخلق تنوع بصري. ففي فيديو للطبخ، تكون لقطة B-Roll هي الصورة المقرّبة ليدين تقطّعان البصل. وفي مدونة سفر، هي اللقطة الجوية من طائرة مسيّرة فوق المدينة. وفي مقابلة لشركة، هي اللقطة العريضة لأرضية المكتب.
المشكلة ليست أن تصوير لقطات B-Roll صعب. المشكلة أنك غالبًا تحتاج إلى مشاهد لأماكن أو مواقف أو سيناريوهات لا يمكنك تصويرها بنفسك. فمؤسس يتحدث عن سلسلة التوريد لديه يحتاج إلى مشاهد للمستودعات وحاويات الشحن. وصانع محتوى صحي يحتاج إلى لقطات لشخص يمارس الرياضة أو ينام أو يطبخ. وصانع أفلام وثائقية يحتاج إلى مشاهد ريفية بأسلوب الأرشيف من ثلاث قارات مختلفة.
يقضي المحرر المتوسط بين 20 و40 في المئة من وقت ما بعد الإنتاج في البحث عن لقطات B-Roll وترخيصها. وليس هذا مبالغة. فمكتبات اللقطات تضم ملايين المقاطع، لكن العثور على المقطع المناسب، بالزاوية الصحيحة، وبحرارة اللون الصحيحة، وبأسلوب يتطابق مع المادة الأساسية، هو بحث صعب فعلًا. وفي أغلب الأحيان، تكتفي بما هو متاح.
تُنتَج لقطات المكتبات لتناسب الاستخدام العام. فتحصل على أفق مدينة عام، وعلى لقطة مصافحة مكررة، وعلى لقطة مكتب بجهاز محمول فوق طاولة قهوة تظهر في نحو 40 في المئة من الفيديوهات المؤسسية المنتجة في العقد الأخير. أما ما لا تحصل عليه فهو لقطة لنحّال يعمل في خلية نحل في توسكانا، أو لبلدة ساحلية في الساعة الزرقاء، أو لقطة مقرّبة جدًا لقطرات ماء على نوع محدد من السرخس.
الذكاء الاصطناعي يولّد بالضبط ما تصفه.
سير العمل أبسط مما يتوقعه معظم الناس. تكتب وصفًا للقطة التي تحتاجها، فيفسّر نموذج الذكاء الاصطناعي هذا الوصف ويصيّر مقطعًا قصيرًا، غالبًا بين 5 و10 ثوانٍ، بالدقة والأسلوب اللذين حددتهما. وينتهي الملف في مجلد التنزيلات جاهزًا لإسقاطه في برنامج المونتاج.
لقد تقلّصت الفجوة في الجودة بين اللقطات الجاهزة واللقطات المولّدة بالذكاء الاصطناعي بشكل ملحوظ في عام 2027. فنماذج مثل Wan 2.7 T2V تولّد فيديوهات بدقة 1080p من النص، مع حركة كاميرا مقنعة وإضاءة طبيعية وأشخاص واقعيين كالصور الفوتوغرافية. أما Kling v3 Video فيتعامل مع الحركة السينمائية بثبات مبهر. وVeo 3 من Google ينتج مقاطع بصوت متزامن أصلي، ما يعني أن تصميم الصوت المحيطي متوفر بشكل مدمج.
عندما تكتب "لقطة جوية لمسافرين صباحيين يعبرون تقاطعًا مزدحمًا في طوكيو، ضوء الساعة الذهبية، زاوية منخفضة"، لا يسحب النموذج شيئًا من قاعدة بيانات. بل يصيّر المشهد من الصفر. كل بكسل يُولَّد. وهذا يعني:
أكبر تحوّل في التفكير بالنسبة للمحررين القادمين من اللقطات الجاهزة هو أنك تكتب الأوامر النصية بالطريقة نفسها التي تكتب بها قائمة لقطات لمصوّر سينمائي. كن محددًا بشأن الزاوية، والشخص، والحركة، والإضاءة، والأجواء.
أمر نصي غامض: "شارع مدينة"
أمر نصي فعّال: "لقطة عريضة بزاوية منخفضة لشارع قناة في أمستردام مبتلّ بالمطر عند الغسق، أرصفة حجرية تعكس ضوء المصابيح الكهرماني، دراجيّ في حركة يمر بجانب الكاميرا، عمق ميدان ضحل، سينمائي، 8K"
التحديد هو ما يفصل المخرجات العامة عن لقطات B-Roll صالحة للاستخدام.
ليست كل نماذج تحويل النص إلى فيديو مناسبة بالدرجة نفسها لعمل B-Roll. إليك ما يهم فعلًا في هذا الاستخدام: الاتساق الزمني (أشخاص لا يتشوهون أو يومضون بين الإطارات)، والحركة الواقعية، والدقة المناسبة للإنتاج النهائي.
يُخرج Wan 2.7 T2V فيديوهات بدقة 1080p من أوصاف نصية، مع تماسك قوي للمشاهد. يتعامل جيدًا مع اللقطات الخارجية العريضة، خاصةً المناظر الطبيعية وأفق المدن ولقطات البيئة، وهي أكثر فئات B-Roll شيوعًا. التوليد سريع، ما يجعله الخيار العملي الافتراضي لأعمال B-Roll بالدفعات.
صُمّم Kling v3 Video خصيصًا للمخرجات السينمائية. تبدو حركة الكاميرا متعمّدة لا عشوائية. ويتعامل مع الحركات البطيئة على طريقة الدوللي وتأثيرات تحويل التركيز بتحكم أكبر من معظم النماذج. وهو جيد للقطات الجمالية، وعروض المنتجات، وإدراجات الأجواء التي تحمل فيها حركة الكاميرا جزءًا من القصة.
يتضمن Seedance 2.0 توليدًا صوتيًا أصليًا إلى جانب الفيديو، وهذه ميزة عملية للقطات B-Roll. فمقطع لسوق مزدحم سيتضمن ضوضاء الحشود المحيطة، ومقطع لغابة سيتضمن أصوات الطيور والرياح. وهذا يلغي خطوة منفصلة للبحث عن الصوت في سير العمل.
يقع Veo 3 من Google في الطرف الأعلى من الواقعية الفوتوغرافية. فالأشخاص، وحركة الأقمشة، والإضاءة البيئية تُصيَّر بدقة ملحوظة. ويتعامل النموذج مع المشاهد المعقدة متعددة العناصر دون انحراف ملامح الشخص، وهو ما يؤثر على النماذج الأدنى مستوى. وبالنسبة للإنتاجات التي لا تقبل المساومة على الجودة البصرية، فهذا هو المعيار.
يُخرج LTX 2 Pro بدقة 4K، وهذا مهم إذا كانت مادتك الأساسية مصوّرة بدقة 4K وتريد لقطات B-Roll تصمد في تصحيح الألوان دون آثار ناتجة عن رفع الدقة. كما أنه يولّد بسرعة مقارنةً بفئة دقته.
تتيح لك PicassoIA الوصول إلى كل هذه النماذج في مكان واحد، دون الحاجة إلى إدارة مفاتيح API منفصلة أو حسابات منفصلة لكل منها. والعملية بسيطة.
قبل توليد أي شيء، راجع النص أو المسودة الأولية للمونتاج، وحدد كل نقطة تحتاج فيها إلى تغطية قطع أو إضافة لقطات توضيحية. اكتب سطرًا واحدًا لكل لقطة يصف ما تحتاج فعلًا إلى إظهاره. كن محددًا: الزاوية، والشخص، والبيئة، ووقت اليوم، والمزاج.
تصبح قائمة اللقطات هذه قائمة أوامرك النصية. إن كان لديك 20 نقطة قطع، فستكتب 20 أمرًا نصيًا.
خذ كل عنصر من قائمة اللقطات ووسّعه إلى أمر توليد كامل. أضف زاوية الكاميرا، وظروف الإضاءة، وملاحظة عن الأسلوب في النهاية. قالب موثوق:
[الموضوع والحركة] في [البيئة]، [وقت اليوم والإضاءة]، [زاوية الكاميرا والعدسة]، واقعي كالصور الفوتوغرافية، سينمائي، 8K
مثال: "لقطة مقرّبة ليدي باريستا وهما تكبسان بُن الإسبريسو في مقهى مستقل مضاء بدفء، ضوء صباحي من نافذة جانبية، تُصوَّر على مستوى المنضدة بعدسة 85 ملم وعمق ميدان ضحل، واقعي كالصور الفوتوغرافية، سينمائي، 8K"
في PicassoIA، افتح فئة تحويل النص إلى فيديو، واختر النموذج الذي يناسب متطلبات إنتاجك:
الصق أمرك النصي، وشغّل التوليد، ثم نزّل المخرجات.
لفيديو مدته 10 دقائق، قد تحتاج إلى 15 إلى 25 مقطعًا من لقطات B-Roll. شغّل عدة أوامر نصية أثناء متابعتك لمهام المونتاج الأخرى. يتراوح زمن توليد المقطع الواحد عادةً بين 30 و90 ثانية حسب الدقة والنموذج.
استورد المقاطع المولّدة بالطريقة نفسها التي تستورد بها أي مادة مصورة أخرى. اقطعها إلى الطول الدقيق الذي تحتاجه، وطابق ألوانها مع مادتك الأساسية باستخدام أدوات القياس في برنامج المونتاج، وضعها عند نقاط القطع المحددة.
💡 نصيحة: ولّد المقاطع أطول قليلًا مما تحتاج. فمقطع مدته 10 ثوانٍ يمنحك مرونة أكبر في القطع من مقطع مدته 5 ثوانٍ عند العمل على لحظة محددة من الصوت.
الفرق بين مقطع صالح للاستخدام ومقطع يُرمى يعود غالبًا إلى بناء الأمر النصي. تعطي هذه الأنماط نتائج موثوقة عبر معظم النماذج.
| نوع لقطة B-Roll | صيغة الأمر النصي | مثال |
|---|---|---|
| لقطة تأسيسية | لقطة عريضة لـ [الموقع] عند [الوقت]، [الطقس]، [المزاج] | لقطة عريضة لسطح منزل في لشبونة عند الغسق، سماء كهرمانية دافئة، هادئة وسينمائية |
| إدراج حركي | لقطة مقرّبة لـ [الموضوع] وهو [يقوم بالحركة]، [الإضاءة]، [العدسة] | لقطة مقرّبة ليدين تكتبان على لوحة مفاتيح، ضوء جانبي صباحي، 85 ملم بعمق ميدان ضحل |
| قطع إلى الطبيعة | [حيوان/نبتة] في [البيئة]، [الفصل]، ماكرو أو عريض | نحلة عسل على الخزامى في أوج إزهارها، ضوء خلفي بعد الظهر، ماكرو 100 ملم |
| الأجواء | [البيئة] في [وقت اليوم]، [نوع الضوء المحدد]، تحريك بانورامي بطيء | شارع مرصوف بالحجارة فارغ في الساعة الزرقاء، توهج فانوس كهرماني، تحريك بانورامي بطيء إلى اليسار |
| إدراج شخصية | [نوع الشخص] وهو [يقوم بفعل]، [المكان]، [النبرة العاطفية] | شابة تقرأ عند طاولة قرب نافذة مقهى، ظهيرة ممطرة، هادئة ومركّزة |
تجنّب الأوامر النصية التي تصف عناصر متناقضة. فالأوامر المتسقة داخليًا تنتج مخرجات متسقة. وإذا لم تتطابق الإضاءة التي تصفها مع وقت اليوم الذي تصفه، سيحلّ النموذج هذا التناقض بطرق لم تقصدها.
هناك فئات محددة يتفوّق فيها توليد لقطات B-Roll على البحث عنها، دون استثناء.
تميل مكتبات اللقطات نحو المحتوى العام والغربي والحضري. فإذا احتجت إلى لقطات لسوق ليلي في جنوب شرق آسيا، أو لقرية صيد تقليدية على نوع محدد من السواحل، أو لزاوية غير مألوفة لمشهد زراعي ريفي، أو لأي شيء لا يندرج ضمن أعلى 100 فئة بحثًا في المكتبات، فتوليده أسرع من البحث عنه.
ستقضي وقتًا في البحث أكثر مما يستغرقه الذكاء الاصطناعي في التصيير.
لا تتطلب المخرجات المولّدة بالذكاء الاصطناعي ترخيصًا. فلا توجد تصاريح ظهور للأشخاص تقلق بشأنها، ولا اتفاقيات تصوير في المواقع، ولا خطر أن تكتشف بعد نشر فيديوك أن مقطعًا استخدمته قد سُحب من المكتبة. اللقطة فريدة لمشروعك.
هذه ميزة عملية يلاحظها المحررون فورًا. فعندما تولّد لقطات B-Roll بالوصف الأسلوبي نفسه لتدرج الألوان في مادتك الأساسية، تندمج اللقطات بشكل طبيعي. اكتب "نغمات كهرمانية دافئة، مظهر فيلم Kodak، تباين ناعم" في كل أمر نصي، وستحمل لقطات B-Roll علم الألوان نفسه الذي تحمله لقطاتك الرئيسية المدرجة، فتقلّص بشكل كبير عمل مطابقة الألوان في مرحلة ما بعد الإنتاج.
التوليد ليس سوى نصف العملية. إليك كيفية دمج لقطات B-Roll المولّدة بالذكاء الاصطناعي بسلاسة في مونتاج مكتمل.
تتراوح مدة مقاطع الذكاء الاصطناعي عادةً بين 5 و10 ثوانٍ. وتعمل لقطات B-Roll بشكل أفضل عندما تقع القطع على نبضات الصوت أو نهايات العبارات. ادخل إلى اللقطة عندما ينهي المتحدث جملة، واخرج منها قبل أن تبدأ الجملة التالية. وتجنّب إبقاء مقطع B-Roll واحد على الشاشة لأكثر من 4 إلى 5 ثوانٍ ما لم يكن فيه حركة كبيرة تشد الانتباه.
حتى مع أوامر نصية متطابقة في الأسلوب، ستحتاج غالبًا إلى مرحلة خفيفة لتصحيح الألوان لمواءمة مقاطع الذكاء الاصطناعي مع لقطات كاميرتك. استخدم عجلات الألوان في برنامج المونتاج لمطابقة رفع الظلال وانحدار الإبراز. ويمكن لملف LUT سريع مطبّق بشفافية منخفضة أن يوحّد المظهر عبر كل المقاطع.
في التسلسلات المعقدة، استخدم Video Split لتقطيع المقاطع الطويلة إلى أجزاء بأزمنة محددة، وVideo Merge لدمج عدة مقاطع مولّدة في أصل واحد. وتعمل الأداتان مباشرةً على PicassoIA دون الحاجة إلى تطبيق منفصل لهذه الخطوة.
وإذا أردت إعادة تصميم مقطع موجود أو تعديل مظهر مقطع مولّد، فإن Lucy Edit 2 وWan 2.7 Videoedit يقبلان كلاهما تعليمات نصية لتعديل محتوى الفيديو. ويتعامل Gen 4 Aleph مع إعادة المونتاج والتصميم البصري عبر مدة المقطع كاملة.
إذا كان هدفك الإخراج للبث أو للشاشات الكبيرة، فقد تحتاج المقاطع المولّدة بدقة 1080p إلى رفع الدقة. يرفع Real ESRGAN Video الفيديو إلى 4K مع الحفاظ على الملمس. وللحصول على أعلى جودة ممكنة، ينتج Crystal Video Upscaler وVideo Upscale by Topaz Labs مخرجات جاهزة للبث بالحد الأدنى من التشوهات.
حتى مع الأدوات الصحيحة، تتكرر الأخطاء نفسها مرارًا. إليك ما ينبغي الانتباه إليه.
💡 الخطأ 1: أوامر نصية قصيرة جدًا الأمر النصي المكوّن من ثلاث كلمات ينتج مقطعًا عامًا. فالأوامر المحددة بزاوية الكاميرا، واتجاه الإضاءة، وتفاصيل الشخص، والأسلوب تنتج لقطات يمكنك استخدامها فعلًا. امضِ 90 ثانية في كتابة أمر نصي حقيقي. فالمخرجات تعكس الجهد الذي تبذله في وصف اللقطة.
💡 الخطأ 2: توليد مقطع واحد لكل مشهد وَلِّد نسختين إلى ثلاث نسخ على الأقل من كل لقطة. فمخرجات الذكاء الاصطناعي غير حتمية، والنتيجة الأولى ليست دائمًا الأفضل. ومع ثلاث محاولات، تختار الأقوى، وغالبًا ما تجد زاوية غير متوقعة تحسّن القطع.
💡 الخطأ 3: تجاهل الصوت المحيطي إذا كنت تستخدم Seedance 2.0، فيمكن للصوت المولّد أن يكون مسارك المحيطي مباشرةً. وإذا كنت تستخدم نموذجًا بلا صوت، فخطّط لتصميم الصوت المحيطي بشكل منفصل. فالصمت تحت قطع لقطات B-Roll يبدو خاطئًا للمشاهد حتى لو لم يستطع تحديد السبب.
التحوّل العملي في سير العمل كبير. قبل الذكاء الاصطناعي، كانت العملية تسير هكذا: كتابة النص، تصوير اللقطات الرئيسية، البحث في المكتبات عن لقطات B-Roll، ترخيص المقاطع، ثم المونتاج. وكان البحث في المكتبات يستنزف وقتًا غير ثابت المدة، وقد يلتهم بعد ظهر كامل.
مع الذكاء الاصطناعي، يصبح سير العمل كالتالي: كتابة النص، تصوير اللقطات الرئيسية، كتابة أوامر نصية لـ B-Roll من النص، التوليد أثناء أوقات التوقف، ثم المونتاج. أصبحت خطوة B-Roll متوقعة وسريعة، وتنتج لقطات تناسب مشروعك فعلًا بدلًا من لقطات اكتفيت بها.
بالنسبة لصناع المحتوى الفرديين، يسدّ هذا فجوة الموارد بين العمل الفردي والإنتاج الأكبر الذي يضم باحثًا متفرغًا وميزانية لترخيص اللقطات. أما بالنسبة للوكالات وشركات الإنتاج، فهو يزيل استنزافًا للساعات القابلة للفوترة لا يرى العملاء قيمة في دفع ثمنه أصلًا.
النماذج متاحة الآن. والجودة جاهزة للإنتاج. والشيء الوحيد الذي يفصل بين سير عملك الحالي وآخر أسرع وأكثر مرونة هو كتابة أمرك النصي الأول.
افتح PicassoIA، واختر نموذجك من فئة تحويل النص إلى فيديو، وصف اللقطة التي لم تستطع العثور عليها في أي موقع لقطات جاهزة، ثم وَلِّدها. ابدأ بشيء محدد: موقع حقيقي، ووقت حقيقي من اليوم، وظرف إضاءة حقيقي. وانظر ما الذي سيعود إليك.
ثم اكتب الأمر التالي. وبعده الذي يليه.
مكتبة B-Roll الخاصة بك على بعد أمر نصي واحد من أن تصبح بالضبط ما يحتاجه مشروعك فعلًا، لا ما اتفق أن تملكه مكتبة اللقطات. كل نموذج على PicassoIA جاهز لبنائها معك.
اختر لغتك
