تُشغّل كل منصة فيديو بالذكاء الاصطناعي رئيسية محرك تصنيف للمحتوى قبل أن يُصيَّر أي إطار. يشرح هذا المقال بالتفصيل كيف يُكتشف محتوى NSFW ويُصنَّف ويُفلتر عبر أبرز نماذج الفيديو بالذكاء الاصطناعي اليوم، وما الذي تفعله إعدادات الأمان فعليًا، وكيف يعمل صنّاع المحتوى ضمن هذه الأنظمة لإنتاج محتوى موحٍ ومخصص للبالغين بمسؤولية.
في كل مرة تكتب فيها أمرًا نصيًا في مولد فيديو بالذكاء الاصطناعي، يحدث شيء قبل أن يُصيَّر أي إطار. يفحص محرك تصنيف للمحتوى كلماتك، ويقارنها بنموذج سياسات مدرَّب، ويقرر خلال أجزاء من الثانية ما إذا كان ما تطلبه مسموحًا. معظم المستخدمين لا يفكرون في هذه الطبقة. لكن بالنسبة لمن ينتج محتوى قريبًا من الخط الفاصل بين الموحي والصريح، فهي أهم جزء في المسار كله.
هذا ليس مفتاح تشغيل وإيقاف بسيطًا. الأنظمة التي تحكم طريقة تعامل مولدات الفيديو بالذكاء الاصطناعي مع محتوى NSFW متعددة الطبقات، وتعتمد على السياق، وتختلف كثيرًا من منصة إلى أخرى. بعض المنصات تحظر أي شيء فيه إيحاء من بعيد. وأخرى تسمح بالمحتوى الصريح للبالغين خلف مستويات مغلقة بالعمر. ومعظمها يقع في منطقة وسطى مربكة، تتخذ قرارات تبدو اعتباطية إلى أن تفهم المنطق الذي يقف وراءها.
إليك الشرح الدقيق لكيفية عمل ذلك.
NSFW ليس فئة تقنية، بل فئة ثقافية. ما يُعد غير لائق للعمل يختلف بحسب البلد والمنصة والجمهور والسياق. وعلى أنظمة الذكاء الاصطناعي أن تختزل كل هذه الفروق في قرار تصنيف يحدث في الوقت الفعلي وعلى نطاق واسع.
تصنّف معظم منصات الفيديو بالذكاء الاصطناعي المحتوى ضمن طيف بدلًا من ثنائية. وإطار العمل الشائع يبدو هكذا:
| المستوى | الفئة | مثال |
|---|---|---|
| 0 | آمن | مناظر طبيعية، أشخاص، محتوى تجريدي |
| 1 | موحٍ | ملابس السباحة، مشاهد رومانسية، الجلامور (glamour) |
| 2 | للبالغين | عري ضمني، محتوى حسي |
| 3 | صريح | محتوى جنسي أو عنيف صريح |
| 4 | غير قانوني | CSAM (مواد الاعتداء الجنسي على الأطفال)، محتوى بلا موافقة |
المستويان 0 و1 مسموح بهما في كل مكان. يتطلب المستوى 2 التحقق من العمر في معظم المنصات. المستوى 3 متاح فقط على المنصات المصممة خصيصًا للمحتوى الموجّه للبالغين. أما المستوى 4 فتحظره كل منصة مشروعة دون استثناء، وتُصفّى بيانات التدريب بشكل فعّال لإزالته.
فهم موقع محتواك على هذا الطيف هو الخطوة الأولى للعمل بفعالية مع سياسة المحتوى لأي منصة.
طبقة التصنيف نموذج منفصل عن مولد الفيديو نفسه. وغالبًا ما يكون نموذج لغة-رؤية مضبوطًا بدقة ومدرَّبًا على مجموعات بيانات ضخمة من الصور وإطارات الفيديو، موسومة يدويًا من قِبل مراجعين بشريين. عندما تُرسل أمرًا نصيًا، يمرّ نصك عبر تحليل دلالي على يد المصنّف. وعندما يُولَّد الفيديو، قد يفحص المصنّف أيضًا الإطارات الناتجة قبل تسليمها إليك.
هذه العملية ذات المرحلتين، أي فحص الأمر النصي ثم فحص المخرجات، هي ما تمكّن المنصات الكبرى من التقاط المحتوى الذي يفلت من فلاتر النص الأولية عبر صياغة غير مباشرة أو هندسة إبداعية للأوامر.
مجموعة أدوات الإشراف على المحتوى داخل منصة فيديو حديثة بالذكاء الاصطناعي ليست نظامًا واحدًا. إنها عادةً من ثلاث إلى خمس طبقات منفصلة تعمل بالتسلسل.
خط الدفاع الأول هو التصفية بالكلمات المفتاحية والدلالة على مستوى الأمر النصي. وهذا يلتقط الانتهاكات الواضحة فورًا قبل إنفاق أي موارد حوسبة. تتولى قوائم الكلمات المفتاحية البسيطة الطلبات الأكثر صراحة، بينما تلتقط المصنّفات الدلالية الأكثر تطورًا الصياغات غير المباشرة والاستعارات ومحاولات وصف المحتوى الصريح بلغة تقنية أو مواربة.
هنا تنشأ معظم الإنذارات الكاذبة. قد يؤدي أمر عن "راقصة ترتدي زيًا شفافًا تحت إضاءة المسرح" إلى تفعيل علامة محتوى ناضج على المنصات ذات التصفية الصارمة، رغم أن الفيديو الناتج سيكون مقبولًا تمامًا في سياق مهني.
إلى جانب فلتر الأمر النصي، تحمل معظم نماذج الفيديو التجارية بالذكاء الاصطناعي قيود أمان مدمجة مباشرة في أوزان النموذج عبر RLHF (التعلم المعزز من التغذية الراجعة البشرية) أو عمليات ضبط دقيق مشابهة. النموذج نفسه مدرَّب على مقاومة توليد محتوى صريح، بغض النظر عمّا يقوله الأمر النصي.
لهذا السبب نادرًا ما تحقق محاولات كسر الحماية على المنصات المستضافة الكبرى النتائج التي يتوقعها المستخدمون. حتى لو تم تجاوز فلتر الأمر النصي، فإن السلوك المتعلَّم للنموذج يوجّه التوليد بعيدًا عن المخرجات الصريحة. تعتمد Kling V3 Video، وGen-4.5 من Runway، وSora-2 جميعها هذا النهج، مع تدريب الأمان مدمجًا مباشرة في النموذج الأساسي.
بعد اكتمال التوليد، تمرر كثير من المنصات المخرجات عبر مصنّف سلامة للمحتوى قبل تسليمها للمستخدم. هذا الفحص الأخير يلتقط أي محتوى تسلل عبر الطبقات السابقة، فيُحال إلى مراجعة بشرية أو يُكبت تلقائيًا.
💡 يضيف فحص المخرجات تأخيرًا. إذا لاحظت فاصلًا بين "اكتمل التوليد" وظهور الفيديو في مكتبتك، فمن المرجح أنك ترى فحص المخرجات أثناء عمله.
وأخيرًا، تضيف معظم المنصات ضوابط على مستوى الحساب فوق المرشحات التقنية. يتيح التحقق من العمر فتح فئات المحتوى للبالغين. ويؤثر مستوى الاشتراك في إعدادات المحتوى المتاحة. وقد تؤدي المخالفات المتكررة للسياسة إلى قيود على الحساب تستمر بغض النظر عن إعدادات سلامة المحتوى المفعّلة.
سياسة المحتوى لأي منصة فيديو بالذكاء الاصطناعي ليست في الأساس قرارًا تقنيًا. إنها قرار تجاري وقانوني يتعيّن على الفريق الهندسي بعد ذلك تنفيذه.
تنشر النماذج مفتوحة المصدر مثل WAN 2.6 T2V وHunyuan Video أوزانها للعامة. ومن يشغّلها محليًا يملك تحكمًا كاملًا في إعدادات الأمان، بما في ذلك إزالتها تمامًا. يطبّق مطورو هذه النماذج تدريب الأمان على الأوزان المنشورة، لكنهم لا يستطيعون التحكم في طريقة نشرها من المستخدمين على عتادهم المحلي.
تعمل النماذج المغلقة بالكامل والمقتصرة على API مثل Veo 3 وSora-2. يمر كل تشغيل للنموذج عبر خوادم المزوّد، ما يعني أن مجموعة أدوات الأمان لدى المزوّد نشطة دائمًا. ولا توجد طريقة لتعطيلها إلا بتشغيل نموذج مختلف تمامًا.
لهذا التمييز أهمية كبيرة لصنّاع المحتوى الذين يعملون مع المحتوى الناضج. والواقع العملي هو التالي:
تواجه الشركات الكبرى مخاطر قانونية أكبر. تعمل OpenAI وGoogle وRunway في بيئات خاضعة لتنظيم صارم، حيث قد يؤدي عنوان واحد عن محتوى غير لائق تنتجه نماذجها إلى تدقيق تنظيمي، أو انسحاب المعلنين، أو إزالة من متاجر التطبيقات. وفلاتر الأمان لديها تعكس إدارة المخاطر القانونية بقدر ما تعكس القيم المتعلقة بالمحتوى.
المنصات الأصغر، خاصة تلك المبنية على نماذج مفتوحة المصدر، يمكنها أن تتخذ مواقف أكثر تساهلًا. ولهذا تجد تباينًا كبيرًا فيما هو مسموح به عبر منظومة الفيديو بالذكاء الاصطناعي الأوسع.
إليك كيف تتعامل نماذج الفيديو الكبرى بالذكاء الاصطناعي التي ستصادفها فعليًا مع طلبات المحتوى الناضج:
تطبّق هذه النماذج إشرافًا صارمًا على المحتوى بحكم التصميم:
Veo 3 هو النموذج الرائد للفيديو لدى Google. ينتج جودة سينمائية استثنائية، لكنه يطبّق تصفية صارمة تتوافق مع سياسات Google الأوسع للمحتوى. قد يمر المحتوى الموحي في نطاق المستوى 1، لكن أي شيء يقترب من المستوى 2 يُحظر باستمرار.
Sora-2 من OpenAI يعطي الأولوية للأمان بالمثل في كل طبقة. ومدرّب الأمان فيه متكامل بعمق مع أوزان النموذج، ما يجعله واحدًا من أكثر النماذج تصفيةً المتاحة.
نماذج ذات سياسات محتوى أكثر مرونة:
| النموذج | المزوّد | موقف NSFW |
|---|---|---|
| Kling V3 Video | Kling AI | معتدل، يسمح بالمحتوى الموحي مع التحقق من العمر |
| PixVerse v5.6 | PixVerse | مرشحات معتدلة، مرونة إبداعية |
| Hailuo 2.3 | MiniMax | مرن بحسب مستوى الوصول |
| LTX-2.3-Pro | Lightricks | تحويل الصورة إلى فيديو، يسمح بالمحتوى الفني |
| Seedance 1.5 Pro | ByteDance | معتدل، مع اختلاف السياسة بحسب المنطقة |
Kling V3 Video أصبح خيارًا شائعًا لصنّاع المحتوى الذين يعملون مع المحتوى الموحي، إذ يقدم حركة عالية الجودة وسياسة محتوى أكثر مرونة مقارنةً بالمزوّدين المقيمين في الولايات المتحدة. ويتعامل النموذج مع توليد الأشخاص بواقعية مثيرة للإعجاب، وهو أمر مهم لإنتاج فيديو الأزياء والجلامور وأسلوب الحياة.
PixVerse v5.6 يتيح حرية إبداعية أكبر من معظم النماذج من الفئة الأولى، ما يجعله مفيدًا لأفكار الفيديوهات الموسيقية والمحتوى الفني والفيديوهات المرتبطة بأسلوب حياة ذي جماليات ناضجة.
💡 المنصة مقابل النموذج. يمكن للنموذج نفسه أن يتصرف بشكل مختلف بحسب المنصة التي تصل إليه عبرها. فقد تختلف إعدادات المحتوى في Hailuo 2.3 عند الوصول إليه مباشرة عبر MiniMax عنها عند الوصول إلى النموذج نفسه عبر منصة تابعة لطرف ثالث.
العمل ضمن سياسات المحتوى لا يعني التخلي عن الرؤية الإبداعية. بل يعني تعلّم اللغة التي تعمل مع نظام التصفية في كل منصة.
العامل الأكبر تأثيرًا في نجاح توليد المحتوى الناضج هو صياغة الأمر النصي. فالمنصات تستجيب للمفهوم الأساسي نفسه بشكل مختلف تمامًا بحسب طريقة وصفه.
ما يميل إلى النجاح:
ما يُطلق التنبيهات:
المبدأ أن فلاتر المحتوى بالذكاء الاصطناعي تستجيب للنية الضمنية للأمر النصي، لا للكلمات الحرفية وحدها. فتأطير المحتوى ضمن سياق مهني أو فني يشير إلى نية مختلفة عن المحتوى نفسه إذا قُدّم بلا سياق.
وضع علامة على محتواك لا يعني تلقائيًا وجود انتهاك للسياسة. الإنذارات الكاذبة شائعة، خاصة على المنصات ذات التصفية الصارمة. عندما يُعلَّم محتواك:
إليك شيئًا لن تخبرك به معظم وثائق المنصات: الإشراف على المحتوى في توليد الفيديو بالذكاء الاصطناعي ما زال بعيدًا عن أن يكون مشكلة محلولة.
تنتج مصنّفات المحتوى الحالية معدلات إنذارات كاذبة تراها فرق الإبداع المحترفة معطِّلة فعلًا. علامة تجارية لملابس السباحة تحاول توليد لقطات لحملة إعلانية. مخرج أفلام يحاول إنشاء مشهد حميم لدراما. مصوّر يحرّك أعمال أزياء. كل هذه الحالات المشروعة تُفعّل بانتظام فلاتر محتوى صُممت لالتقاط محتوى أكثر إشكالية بكثير.
والنتيجة أن كثيرًا من صنّاع المحتوى المحترفين انتقلوا إلى تشغيل نماذج محلية على عتاد خاص، تحديدًا لأن تصفية المنصات المستضافة صارمة أكثر مما ينبغي على محتوى الأزياء وأسلوب الحياة المقبول تجاريًا.
مشهد الإشراف على المحتوى ليس موحدًا. قد يُنتج الأمر النصي نفسه، عند إرساله إلى نماذج مختلفة على منصات مختلفة، نتائج متباينة جدًا. ومن العوامل التي تؤثر في ذلك:
بالنسبة لصنّاع المحتوى الذين يحتاجون أقصى قدر من التحكم، تقدم منظومة المصادر المفتوحة نهجًا مختلفًا تمامًا. يمكن تشغيل نماذج مثل WAN 2.6 T2V وLTX-2 Distilled محليًا بإعدادات أمان مخصصة. ويتطلب ذلك إعدادًا تقنيًا وعتادًا قادرًا، لكنه يزيل الاعتماد على قرارات سياسة المحتوى لأي منصة.
المفاضلة حقيقية: فأعلى النماذج جودةً تظل خاصة. مثل Veo 3.1 وSora-2 اللذين ينتجان جودة سينمائية لا تستطيع النماذج مفتوحة المصدر الحالية مجاراتها. ولصنّاع المحتوى الذين يحتاجون إلى الجودة والمرونة في المحتوى معًا، يكون الحل غالبًا سير عمل هجين: نماذج خاصة للمشاهد غير الحساسة، ونماذج مفتوحة المصدر لأي شيء يقع في نطاق المحتوى الناضج.
مع 87 نموذجًا لتحويل النص إلى فيديو متاحًا على PicassoIA، يمكنك مقارنة طريقة استجابة النماذج المختلفة للأمر النصي نفسه دون التنقل بين خدمات متعددة. وللمحتوى الموحي والمحتوى المرتكز على الجلامور، يبدو سير العمل الأكثر فعالية كالتالي:
الخطوة 1: اختر النموذج المناسب. Kling V3 Video وPixVerse v5.6 هما الخياران الأفضل لمحتوى أسلوب الحياة والجلامور. يتعاملان مع حركة الأشخاص بشكل جيد، ويطبقان تصفية معتدلة لا صارمة.
الخطوة 2: صِغ الأمر النصي بصيغة مهنية. ابدأ بالسياق: "حملة تصوير لمجلة أزياء"، "فيلم لأسلوب حياة فاخر"، "بورتريه فني في الحركة". ثم صِف الشخص والملابس والبيئة والإضاءة بهذا الترتيب.
الخطوة 3: استخدم لغة التصوير والإضاءة. اللغة المستعارة من التصوير الاحترافي ("الساعة الذهبية"، "عدسة بورتريه 85 مم"، "إضاءة استوديو بالسوفت بوكس") تشير إلى نية مهنية لمصنّفات المحتوى، وتنتج نتائج بصرية أفضل باستمرار.
الخطوة 4: استخدم تحويل الصورة إلى فيديو لأقصى قدر من التحكم. إذا كان لديك صورة مصدر تلتقط الجماليات التي تريدها تمامًا، فإن LTX-2.3-Pro وHailuo 2.3 يقبلان كلاهما صور الإدخال ويحركانها بدقة عالية. يمنحك هذا سير العمل تحكمًا كاملًا في نقطة البداية البصرية.
الخطوة 5: كرّر مع تبديل النماذج. إذا علّم نموذج الطلب أو أنتج نتائج غير مرضية، فانتقل إلى نموذج آخر. كثيرًا ما يستجيب Seedance 1.5 Pro وWAN 2.6 T2V بشكل مختلف للأوامر التي يُعلّمها Kling V3 Video، والعكس صحيح.
💡 نصيحة احترافية: قارن الأمر النصي نفسه عبر Kling V3 Video وPixVerse v5.6 وHailuo 2.3 في جلسة واحدة. ستكشف النتائج فورًا أي نموذج تتوافق قراءته للمحتوى مع نيتك الإبداعية على أفضل وجه.
الإشراف على المحتوى لتوليد الفيديو بالذكاء الاصطناعي يتطور بسرعة. والوضع الحالي، حيث تطبّق المنصات فلاتر عامة تلتقط المحتوى الإشكالي فعلًا وكمًّا هائلًا من العمل الإبداعي المشروع، معترف به على نطاق واسع باعتباره مشكلة مؤقتة.
هناك عدة اتجاهات تعيد تشكيل طريقة عمل سياسات المحتوى:
المصنّفات السياقية تحل محل قوائم الكلمات المفتاحية. يعتمد الجيل التالي من الإشراف على المحتوى على تحليل المشهد الكامل بدلًا من مطابقة الكلمات. فالنظام الذي يقرأ السياق يستطيع أن يميز بدقة بين حملة لملابس السباحة ومحتوى لا إطار مهني مشروع له.
الوصول المتدرج يصبح معيارًا. يفسح النظام الثنائي المسموح/غير المسموح المجال لأنظمة متعددة المستويات، يمكن فيها للمبدعين المحترفين ذوي الهويات الموثقة الوصول إلى إعدادات أكثر تساهلًا. وهذا يظهر بالفعل في طريقة منح المنصات مستويات وصول مختلفة بحسب نوع الحساب والاستخدام.
إعدادات الأمان التي يتحكم بها المستخدم تتوسع. يتيح الوصول إلى API للمؤسسات بشكل متزايد للمنظمات أن تضبط سياساتها الخاصة بالمحتوى، ضمن حدود يضعها مزوّد النموذج. وهذا يعالج مشكلة الإنذارات الكاذبة للفرق المحترفة دون فتح الباب أمام محتوى ضار فعليًا.
الخلاصة العملية: يتقلص الاحتكاك بين الرؤية الإبداعية وأنظمة الإشراف على المحتوى، لكنه لم يختفِ. وفي الوقت الحالي، تظل معرفة طريقة عمل الأنظمة، واختيار النماذج التي تطابق احتياجاتك من المحتوى، وتأطير الأوامر النصية بنية مهنية، أكثر الأساليب فعالية.
أصبحت لديك الآن الصورة الكاملة لكيفية تعامل مولدات الفيديو بالذكاء الاصطناعي مع محتوى NSFW، من طبقات التصنيف التي تعمل قبل أن يُصيَّر أمرك النصي، إلى القرارات التجارية التي تشكّل سياسة كل منصة. هذه المعرفة هي الفرق بين الاصطدام بحائط في كل محاولة وإنتاج المحتوى الذي تسعى فعلًا إلى إنشائه بثبات.
يضع PicassoIA أكثر من 87 نموذجًا لتوليد الفيديو بين يديك. Kling V3 Video للحركة البشرية السينمائية. PixVerse v5.6 للمحتوى الإبداعي لأسلوب الحياة. LTX-2.3-Pro لتحويل الصورة إلى فيديو بدقة عالية. Hailuo 2.3 لتوليد سريع ومرن. كلها متاحة من مكان واحد، مع المرونة في مقارنة المخرجات عبر النماذج في الوقت الفعلي.
اختر نموذجًا، واكتب أمرك النصي، وشاهد بالضبط ما يستطيع توليد الفيديو بالذكاء الاصطناعي اليوم أن يفعله. الأدوات موجودة.
اختر لغتك
