هل يستطيع Claude معالجة الفيديو؟ الصيغ المدعومة والحدود والحلول البديلة
لا يقبل Claude ملفات MP4 أو MOV كمدخلات، لكنك ما زلت تستطيع الحصول على إجابات دقيقة عن اللقطات. يسرد هذا المقال الصيغ التي يقرأها Claude، وحدود الصور والتوكنات المطبّقة، وخمسة حلول عملية تعتمد على الإطارات والنصوص المفرّغة والتقسيم إلى مقاطع.
تسحب ملف MP4 إلى نافذة المحادثة، ثم تضغط إرسال وتنتظر ملخصًا. مع Claude، تنتهي تلك اللحظة عادةً بخطأ أو برفض مهذّب. Claude لا يقبل ملفات الفيديو كمدخلات. إنه يقرأ النصوص والصور الثابتة والمستندات، وهنا تبدأ القصة لا أن تنتهي. حوّل المقطع إلى مجموعة محدودة من الإطارات المختارة بعناية مع نص مفرّغ، وسيستطيع Claude وصف المشاهد، ورصد الأخطاء، واستخراج النص الظاهر على الشاشة، وكتابة ملخصات دقيقة بشكل مفاجئ. يعرض هذا المقال ما يقرؤه Claude، والحدود المطبّقة، وخمس طرق بديلة تنجح مع اللقطات الحقيقية.
الإجابة المختصرة
ما الذي يقبله Claude اليوم
مدخلات Claude الموثّقة هي النصوص والصور الثابتة وملفات PDF. لا توجد خانة لرفع ملفات MP4 أو MOV أو WebM أو AVI، ولا معالجة لمسار الصوت أيضًا. إذا أرسلت ملف فيديو عبر استدعاء API، فستحصل على خطأ تحقق لأن نوع المحتوى غير معروف. الأمر نفسه ينطبق على تطبيقات Claude: إذا أرفقت فيديو فسيُرفض أو يُتجاهل.
يحدّث Anthropic نماذجه كثيرًا، لذا راجع وثائق الرؤية الحالية قبل أن تبني منتجًا على هذا الأساس. مع ذلك، النمط حتى الآن ثابت: فهم الصور يتحسن باستمرار، بينما لم يكن إدخال الفيديو الخام نوع محتوى مدعومًا.
💡 اختبار سريع: إذا لم يكن نوع الملف مدرجًا ضمن مدخلات الصور أو المستندات في النموذج، فافترض أنه غير مدعوم. لا تعتمد على أن تتعامل واجهة المحادثة معه بصمت، لأنها قد تتجاهل الملف وتجيب من نص أمرك وحده.
ماذا يعني دعم الفيديو فعليًا
عندما يسأل الناس عما إذا كان Claude "يشاهد" الفيديو، فغالبًا ما يريدون واحدًا من ثلاثة أشياء:
ملخص لما يحدث في مقطع
إجابات محددة عن لحظة معينة ("ماذا تقول نافذة الخطأ عند 02:14؟")
استخراج المحتوى، مثل الشرائح أو الشيفرة الظاهرة على الشاشة أو الكلمات المنطوقة
يمكن تحقيق كل واحد من هذه دون إدخال فيديو أصلي. الفيديو ببساطة سلسلة من الصور مع مسار صوتي. Claude قوي في الصور والنصوص، لذا تزوّده بالصوت كنص مفرّغ، والمرئيات كإطارات مأخوذة بالعينات. ما تخسره هو الحركة المتصلة: Claude يرى لقطات منفصلة لا تدفقًا، لذا قد يفوّت الإيماءات السريعة أو تحركات الكاميرا الخفيفة أو أي شيء لا يوجد إلا بين الإطارات.
الصيغ المدعومة في لمحة
صيغ الصور التي يقرؤها Claude
أنواع الصور المقبولة هي صيغ الويب المعتادة. أي صيغة أخرى تحتاج إلى تحويل قبل إرسالها.
نوع الإدخال
مدعوم
ملاحظات
JPEG
نعم
الخيار الأفضل لإطارات الفيديو الفوتوغرافية، وحجم الملف صغير
مضغوطة، وتعمل مع الصور الفوتوغرافية ولقطات الشاشة معًا
GIF
جزئيًا
تعامل معها كصورة ثابتة، ولا تتوقع قراءة الحركة
MP4, MOV, WebM, AVI
لا
استخرج الإطارات والصوت أولًا
MP3, WAV, M4A
لا
حوّل الصوت إلى نص أولًا
PDF
نعم
مفيدة لعروض الشرائح المُصدَّرة من تسجيل
لماذا تخيّب صور GIF المتحركة التوقعات
تبدو ملفات GIF الخيار الواضح للمقاطع القصيرة، لكن Claude لا يشغّل الرسوم المتحركة. توقّع أن يُستخدم إطار واحد فقط، وهذا يعني أن ملف GIF مدته عشر ثوانٍ يعطيك المعلومات نفسها التي تعطيها لقطة شاشة واحدة. إذا كان ملف GIF هو كل ما لديك، فقسّمه إلى ملفات PNG منفصلة وأرسلها بدلًا منه.
الصوت والترجمات
لا يوجد مسار صوتي مباشر أيضًا. إذا كان الفيديو يحتوي على كلام، فأنت بحاجة إلى نص مفرّغ. هناك طريقتان سهلتان على PicassoIA: GPT 4o Transcribe للدقة، وGPT 4o Mini Transcribe عندما تكون السرعة والتكلفة أهم. وGemini 3 Pro خيار آخر لخطوة التفريغ. وإذا كان الفيديو يأتي أصلًا مع ملف ترجمة بصيغة SRT أو VTT، فيمكنك لصق هذا النص مباشرة في الأمر النصي وتتجاوز التفريغ تمامًا.
حدود ستسبب لك مشكلات
عدد الصور في كل طلب
يصطدم سير العمل القائم على الإطارات بحد الصور بسرعة. حتى كتابة هذا المقال، يقبل Claude API حتى نحو 100 صورة في كل طلب على النماذج ذات نافذة سياق بحجم 200k توكن، مع سقف أعلى على النماذج التي تقدّم سياقًا موسّعًا. في تطبيقات Claude يكون الحد أقل بكثير، نحو 20 صورة في كل رسالة. تحقّق من الأرقام الحالية في وثائق Anthropic، فهي تتغير بين أجيال النماذج.
عمليًا، هذا يعني أن طلبًا واحدًا يمكن أن يحمل تقريبًا إطارًا واحدًا كل ثانيتين لمقطع مدته ثلاث دقائق، وهذا يفترض أنك تنفق ميزانيتك كاملة على الصور. لأي شيء أطول ستحتاج إلى تقسيم الفيديو، وهو ما نغطيه أدناه.
حجم الملف والدقة
يطبّق سقفان منفصلان:
حجم الصورة الواحدة: الحدود في نطاق من خانة واحدة إلى خانة مزدوجة منخفضة بالميغابايت، وتختلف بين API المباشر ومنصات الشركاء السحابية.
حجم الطلب الكامل: لنقطة نهاية API القياسية حد شامل للطلب بعشرات الميغابايت، وترميز base64 يستهلكه بسرعة.
الدقة مهمة أيضًا. الصور الكبيرة جدًا تُصغَّر قبل أن يراها النموذج، لذا فرفع إطار بدقة 4K يهدر عرض النطاق دون أن يضيف تفاصيل. الهدف المعقول هو ضلع أطول بحدود 1,280 إلى 1,568 بكسل. وإذا احتجت إلى قراءة نص صغير على الشاشة، فاقتصّ المنطقة المهمة بدلًا من رفع دقة الإطار كله.
تكلفة التوكنات للإطارات
تستهلك الصور من السياق، وتتناسب التكلفة مع مساحة البكسلات. قاعدة تقريبية هي العرض × الارتفاع ÷ 750 توكنًا لكل صورة. وهذا يجعل إطار 1280 × 720 يقارب 1,200 توكن.
عدد الإطارات المرسلة
التوكنات التقريبية (720p)
الاستخدام المعتاد
10
12,000
ملخص لمقطع قصير
30
36,000
برنامج تعليمي مدته دقيقة
60
72,000
عدة دقائق، مشهد واحد لكل إطار
100
120,000
قرب السقف لنافذة 200k
💡 نصيحة الميزانية: اترك 20 بالمئة على الأقل من نافذة السياق فارغة لتعليماتك ولرد Claude. ملؤها حتى آخرها بالإطارات غالبًا ما ينتج إجابات أسطحية.
خمس طرق بديلة تنجح
1. أخذ عينات من الإطارات بمعدل ثابت
أبسط نهج هو سحب إطار واحد كل N ثانية باستخدام ffmpeg وإرسالها بالترتيب. يعمل جيدًا مع المحاضرات والبرامج التعليمية وتسجيلات الشاشة التي يتغير محتواها ببطء.
ذلك الأمر يلتقط إطارًا كل ثانيتين بعرض 1280 بكسل. سمِّ الملفات بأرقام متسلسلة كي يكون الترتيب واضحًا، وأخبر Claude بالفاصل الزمني في أمرك: "هذه الإطارات تفصل بينها ثانيتان، وهي بالترتيب."
2. اختيار الإطارات عند تغيّر المشهد
أخذ العينات الثابت يهدر الميزانية على اللقطات الساكنة ويفوّت القطع السريعة. كشف المشاهد يحل المشكلتين، إذ يحفظ إطارًا فقط عندما تتغير الصورة بما يكفي.
قلّل العتبة (0.2) للتغيرات الخفيفة وارفعها (0.4) للقطات المشوشة. هذا عادةً يعطيك تغطية أفضل لكل توكن من الفاصل الزمني الثابت، خاصة في الفيديوهات المونتاجية التي تحتوي على قطع كثيرة.
3. ربط الإطارات بنص مفرّغ
الإطارات وحدها تفوّت كل ما يُنطق. استخرج الصوت، وفرّغه، وأدرج الطوابع الزمنية كي يتمكن Claude من مطابقة الكلمات مع المرئيات.
ffmpeg -i input.mp4 -vn -ac 1 -ar 16000 audio.mp3
أرسل ذلك الصوت عبر GPT 4o Transcribe، ثم الصق النص فوق إطاراتك. أمرٌ مثل "هذا هو النص المفرّغ مع الطوابع الزمنية، يليه إطارات مأخوذة كل 5 ثوانٍ. لخّص الفيديو وأشر إلى أي لحظة يختلف فيها الكلام عن المرئيات" يمنح Claude صورة كاملة. هذا المزيج هو الأسلوب الأقوى للاستخدام العام، ويكلّف توكنات أقل بكثير من أخذ العينات الكثيفة للإطارات.
4. بناء ألواح الصور المصغّرة (Contact Sheets)
عندما يكون لديك إطارات كثيرة لطلب واحد، ضع عدة إطارات في صورة شبكية واحدة. اثنا عشر إطارًا في شبكة 4 × 3 تُحسب صورة واحدة ضمن الحد. ثمن ذلك هو التفاصيل: كل مربع صغير، لذا تناسبه الأسئلة على مستوى المشهد ("أي اللقطات تُظهر المنتج؟") لا قراءة النص الدقيق. أبقِ كل مربع بعرض 320 بكسل على الأقل، وأخبر Claude بترتيب الشبكة، من اليسار إلى اليمين ومن الأعلى إلى الأسفل.
5. تقسيم الفيديوهات الطويلة
لأي شيء يتجاوز بضع دقائق، قسّم الفيديو إلى مقاطع، ثم شغّل Claude على كل مقطع، ثم اطلب منه دمج الملاحظات.
قطّع الفيديو إلى مقاطع من 2 إلى 5 دقائق.
أرسل النص المفرّغ والإطارات لكل مقطع بالأمر النصي نفسه.
احفظ كل رد كملخص منظّم قصير.
في طلب نهائي، الصق الملخصات واطلب نظرة عامة واحدة.
هذا النمط من التقسيم ثم الدمج يُبقي كل طلب أدنى بكثير من الحدود، ويجعل الأخطاء سهلة التتبّع. إذا أعطى مقطع واحد إجابة ضعيفة، فأعد تشغيل ذلك المقطع وحده.
كيف تستخدم Claude على PicassoIA لأعمال الفيديو
تستضيف PicassoIA عدة نماذج Claude في مكان واحد، لذا يمكنك تشغيل سير عمل الإطارات والنص المفرّغ دون التنقل بين حسابات منفصلة. تشمل الخيارات Claude Sonnet 5، وClaude Fable 5، وClaude Opus 4.7، وClaude Sonnet 4.6، وClaude 4 Sonnet. قد تختلف المدخلات التي يعرضها كل نموذج، لذا افتح صفحة النموذج وتحقق مما إذا كان إدخال الصور متاحًا قبل أن تخطط لتشغيل قائم على الإطارات.
إعداد خطوة بخطوة
جهّز الملفات. استخرج الإطارات باستخدام ffmpeg، وفرّغ الصوت باستخدام أحد نماذج تحويل الكلام إلى نص المذكورة أعلاه.
افتح نموذج Claude.Claude Sonnet 5 خيار افتراضي جيد للمهام المختلطة من الصور والنصوص. اختر Claude Opus 4.7 عندما تحتاج إلى استدلال أعمق عبر إطارات كثيرة.
اكتب أمرًا نصيًا منظمًا. حدّد الفاصل الزمني للإطارات، والصق النص المفرّغ مع الطوابع الزمنية، واذكر بدقة نوع المخرجات التي تريدها.
أرفق الإطارات. احتفظ بترتيبها وسمِّها بوضوح.
اطرح سؤالًا واحدًا في كل مرة. الملخصات أولًا، ثم متابعات حول لحظات محددة.
نصائح للأوامر النصية تساعد فعلًا
أخبر Claude بمدة الفيديو وبالفاصل بين الإطارات، لأنه لا يستطيع استنتاج أيٍّ منهما.
اطلب منه الاستشهاد بأرقام الإطارات عندما يصف مشهدًا، فذلك يجعل الهلوسة سهلة الاكتشاف.
اطلب جدولًا يضم الطابع الزمني والحدث ودرجة الثقة عندما تحتاج إلى خط زمني.
أضف سطرًا مثل "إذا لم يكن شيء ما مرئيًا في الإطارات، فقل ذلك" لتمنعه من ملء الفجوات بالتخمينات.
متى يكون نموذج آخر أنسب
بعض المهام تتطلب فعلًا فيديو أصليًا: الحكم على جودة الحركة، وقراءة لغة الإشارة، ومتابعة الحركات الرياضية السريعة، أو فحص تزامن الصوت مع الصورة. لهذه المهام، صُممت عائلة Gemini من Google لقبول الفيديو مباشرةً عبر واجهة API الخاصة بشركة Google. على PicassoIA يمكنك تجربة Gemini 3.1 Pro، وGemini 3.5 Flash، وGemini 3 Flash. كما هو الحال مع Claude، افتح صفحة كل نموذج لترى المدخلات المعروضة هناك.
المهمة
الأسلوب الأفضل
تلخيص محاضرة أو برنامج تعليمي
Claude مع النص المفرّغ والإطارات المأخوذة بالعينات
من الخيارات الأخرى في الفئة نفسها GPT 5.4 وQwen3.7-Plus، ويُوصف الأخير بأنه يقرأ الصور إلى جانب النص. يستحق اختبارهما بالمجموعة نفسها من الإطارات لمقارنة طريقة تعامل كل منهما مع التفاصيل الصغيرة والنصوص.
💡 مقارنة عادلة: شغّل الإطارات نفسها والنص المفرّغ نفسه والأمر النصي نفسه عبر نموذجين. الفروق في الإجابات تخبرك بأكثر من أي ورقة مواصفات.
حسّن مادة المصدر أولًا
المدخلات منخفضة الجودة تؤدي إلى إجابات غامضة. إذا كان مقطعك ضبابيًا أو مشوشًا أو صغير الحجم، فارفع دقته قبل استخراج الإطارات. Video Upscale يزيد وضوح اللقطات، فيبقى النص الظاهر على الشاشة والوجوه سليمة بعد تصغيرها إلى 1280 بكسل. وهي تفيد أكثر ما تكون فائدتها في لقطات الشاشة القديمة وتسجيلات الهواتف والملفات المضغوطة.
أخطاء شائعة
معظم المحاولات الفاشلة تعود إلى حفنة من الأخطاء نفسها:
إرسال إطارات كثيرة جدًا. عدد أكبر من الصور لا يعني إجابات أفضل. ثلاثون إطارًا مختارًا بعناية أفضل من مئة إطار متشابه تقريبًا.
نسيان الترتيب. إذا كانت الإطارات مخلوطة أو غير مرقّمة، سيخمّن Claude التسلسل ويختلق قصة.
تخطّي النص المفرّغ. الكلام يحمل معظم المعنى في المقابلات والاجتماعات والمحاضرات.
استخدام إطارات كبيرة الحجم. رفع الدقة فوق ما يستخدمه النموذج لا يحرق إلا التوكنات وحجم الطلب.
الوثوق بادعاءات الحركة. Claude يرى لقطات منفصلة. إذا قال "الكاميرا تتحرك إلى اليسار"، فهذا استنتاج من إطارين وليس ملاحظة مباشرة.
تجاهل اختلافات المنصات. قد يكون للنموذج نفسه حدود صور مختلفة على API المباشر والتطبيقات ومنصات الشركاء السحابية.
طرح أسئلة غامضة. "ماذا يحدث في هذا الفيديو؟" تحصل على رد غامض. "اذكر كل منتج يظهر وطابعه الزمني لأول ظهور" تحصل على رد مفيد.
عادة جيدة هي أن تطلب من Claude الإشارة إلى أرقام الإطارات الدقيقة وراء كل ادعاء. إذا لم يمكن ربط عبارة بإطار أو بسطر من النص المفرّغ، فتعامل معها بحذر.
أجرِ اختبار الإطارات الأول
Claude لا يستطيع فتح ملف فيديو، لكنه يستطيع الاستدلال على شبه كل ما بداخله عندما تزوّده بالأجزاء الصحيحة. ابدأ صغيرًا: اختر مقطعًا مدته 60 ثانية، واسحب 20 إطارًا، وفرّغ الصوت، واطلب ملخصًا بطوابع زمنية. ثم قارن النتيجة بنموذج ثانٍ لترى أيهما يقرأ لقطاتك بشكل أفضل.
تجمع PicassoIA نماذج Claude ونماذج Gemini وأدوات تحويل الكلام إلى نص ورفع دقة الفيديو في مكان واحد، لذا يمكنك تنفيذ التجربة كاملة دون تبديل التبويبات. افتح Claude Sonnet 5 أو Claude Opus 4.7، وجرّب الأمر النصي القائم على الإطارات والنص المفرّغ من هذا المقال، وتصفّح كل شيء آخر على picassoia.com/en/all-models. أول ملخص مفيد لفيديو لديك لا يفصلك عنه سوى بضعة إطارات.