يحل Kling 3.0 واحدة من أكثر مشكلات الفيديو بالذكاء الاصطناعي استمرارًا: انحراف الشخصية بين المشاهد. يوضّح هذا التحليل كيف يثبّت النموذج الهوية البصرية، ويحافظ على ملامح الوجه وملمس الملابس ونسب الجسم عبر بيئات مختلفة تمامًا وزوايا كاميرا وظروف إضاءة متباينة، وما يعنيه ذلك لصنّاع الأفلام ومنشئي المحتوى ومن يروون قصص العلامات التجارية.
وصل Kling 3.0 بهدوء، لكن ما جلبه معه غيّر طريقة تفكير صنّاع الأفلام بالذكاء الاصطناعي في السرد. كان ثبات الشخصيات، أي قدرة نموذج الفيديو بالذكاء الاصطناعي على إبقاء الشخص نفسه متطابقًا تمامًا عبر مشاهد وبيئات متعددة، الجزء المفقود دائمًا. يجعل Kling 3.0 هذا الأمر أقرب إلى قدرة طبيعية مدمجة في عملية التوليد نفسها، لا إلى حلّ تقني بديل.
إذا حاولت بناء قصة متعددة المشاهد بأي أداة فيديو بالذكاء الاصطناعي، فأنت تعرف هذا الإحباط جيدًا. في المقطع الأول، تملك شخصيتك الفك الصحيح والعينين الصحيحتين والسترة الصحيحة. في المقطع التالي تصبح شخصًا آخر تمامًا. يتعامل Kling 3.0 مع هذه المشكلة بجدية، والنتائج هي أوضح دليل حتى الآن على أن فيديو الذكاء الاصطناعي جاهز للعمل السردي الحقيقي.
يحدث انحراف الشخصية عندما ينشئ نموذج الذكاء الاصطناعي مقطع فيديو جديدًا من المفترض أن يظهر فيه الشخص نفسه الموجود في مقطع سابق، لكن المخرجات تُظهر شخصًا مختلفًا بشكل طفيف أو جذري. يتغير الأنف، ويقصر الشعر، ويتبدل لون البشرة، وتختلف أزرار السترة.
هذه ليست مشكلة صغيرة لأي شخص يحاول سرد قصة عبر لقطات متعددة. البطل الذي يبدو مختلفًا في كل مشهد ليس بطلًا، بل هو شخص مختلف في كل مقطع. إن انهيار الاستمرارية البصرية هذا هو أكبر عائق بين فيديو الذكاء الاصطناعي والسرد السينمائي الحقيقي، ولهذا بدت معظم الأفلام المولّدة بالذكاء الاصطناعي قبل Kling 3.0 أقرب إلى مقاطع مزاجية منها إلى حكايات متماسكة.
تولّد معظم نماذج الفيديو بالذكاء الاصطناعي السابقة كل مقطع كحدث معزول. تعالج أمرًا نصيًا، وتولّد الإطارات، وتُخرج الفيديو دون ذاكرة مستمرة عن هوية الشخصية في المقطع السابق. وحتى عند استخدام الأمر النصي نفسه كلمة بكلمة، فإن الطبيعة العشوائية لنماذج الانتشار تجعل المخرجات تختلف، أحيانًا بشكل طفيف وأحيانًا بشكل جذري.
وُجدت بعض الحلول البديلة: تغذية الإطار الأخير من مقطع ما كإطار أول للمقطع التالي، أو استخدام تثبيت الوضعية بأسلوب ControlNet للحفاظ على وضعية الجسم. لكن هذه الحلول كانت هشة. كانت تنكسر مع تغيّر الإضاءة، وتبدّل زاوية الكاميرا، وكل مرة تتحرك فيها الشخصية بعيدًا عن وضعية معينة.
💡 جوهر المشكلة: لا تحمل الأوامر النصية معلومات كافية عن الهوية لتثبيت الوجه بشكل موثوق عبر توليدات متعددة. وصف مثل "امرأة طويلة بشعر كستنائي محمر" يترك مساحة هائلة للتأويل، ويفسّره كل توليد بطريقة مختلفة بحسب قيمة البذرة العشوائية المختارة وقت التوليد.
لفهم مدى خطورة ذلك، تأمل ما يتطلبه إنتاج فيلم قصير مدته ثلاث دقائق. بمعدل 10 ثوانٍ لكل مقطع، تحتاج إلى 18 مقطعًا على الأقل. ومع انحراف بسيط للشخصية في كل توليد، ستجد بحلول المقطع العاشر شخصًا يكاد لا يشبه شخصيتك الأصلية. أعمال ما بعد الإنتاج اللازمة لإصلاح هذا الانحراف يدويًا، من تتبع الحواف (Rotoscoping) ومطابقة الألوان وإضافات تصحيح الوجه، جعلت فيديو الذكاء الاصطناعي مكلفًا تحديدًا في المجالات التي كان يُفترض أن يوفّر فيها الوقت.
يقدّم Kling 3.0 تكييف الصورة المرجعية كميزة أساسية. بدلًا من الاعتماد على النص وحده لوصف هوية شخصيتك، توفّر صورة مرجعية فعلية. يحلّل النموذج الهندسة الوجهية وملمس الشعر ولون البشرة والسمات المميزة من تلك الصورة، ويستخدمها كمرساة ثابتة طوال عملية التوليد.
هذا ليس تحريكًا بسيطًا للصورة تصبح فيه الصورة المرجعية إطارًا أول. يستخرج النموذج ميزات الهوية ويطبّقها على مشاهد جديدة تمامًا، بزوايا كاميرا ووضعيات وظروف إضاءة جديدة تمامًا. الصورة المرجعية هي جواز سفر للشخصية، لا إطار بداية.
عند توليد عدة مقاطع في سلسلة، يتيح لك Kling 3.0 تمرير سياق الهوية إلى الأمام عبر الربط الزمني عبر المشاهد. لا يعامل النموذج كل مقطع كصفحة بيضاء. بل يحمل تمثيلًا مشفّرًا للهوية البصرية للشخصية، ما يضمن أنه حتى عندما تنتقل الخلفية من شارع أوروبي ممطر إلى منظر صحراوي مشرق، يبقى الشخص على الشاشة متماسكًا بصريًا.
يظهر ذلك بطرق محددة وقابلة للقياس:
من أكثر جوانب نظام الثبات في Kling 3.0 التي يُغفل عنها كيف يتعامل مع الملابس وملمس المواد. كانت النماذج السابقة تحافظ على لون البشرة بشكل معقول، لكنها تعيد اختراع زي الشخصية تمامًا بين المقاطع، فتغيّر اللون أحيانًا بالكامل، وتضيف طبقات أو تزيلها أحيانًا أخرى.
يتعامل Kling 3.0 مع الهوية البصرية للشخصية باعتبارها توقيعًا للجسم كاملًا، لا كتوقيع للوجه فقط. إذا كانت شخصيتك ترتدي معطفًا عنابيًا بأزرار نحاسية في المشهد الأول، فسيظهر ذلك المعطف بتلك الأزرار وذلك الملمس في المشهد الثاني حتى لو تغيّر المحيط بالكامل.
تتيح لك PicassoIA الوصول المباشر إلى مجموعة أدوات توليد Kling 3.0 كاملة. يتعامل كل نموذج مع ثبات الشخصية بشكل مختلف قليلًا، بحسب سير عملك ونوع المشاهد التي تبنيها.
Kling V3 Video هو نموذج تحويل النص إلى فيديو الأساسي في جيل 3.0. يقبل أمرًا نصيًا وصورة مرجعية اختيارية معًا. وفيما يخص عمل ثبات الشخصيات، فهذه نقطة بدايتك. ترفع صورة مرجعية لشخصيتك، وتكتب أمر المشهد، فينتج النموذج فيديو يحافظ على الهوية المرجعية طوال المقطع.
يتعامل جيدًا مع مجموعة واسعة من السيناريوهات: الانتقال من الداخل إلى الخارج، والتحول من اللقطات القريبة إلى اللقطات العامة، والتغيّر من النهار إلى الليل. تبقى الشخصية قابلة للتعرف عليها خلال كل ذلك. وبالنسبة لمعظم مشاريع السرد ذات الشخصية الواحدة، يكون Kling V3 Video هو المكان الذي ستقضي فيه معظم وقت التوليد.
يوسّع Kling V3 Omni Video قدرات V3 الأساسية بدعم إدخال النص والصورة معًا في الوقت نفسه. وهذا يجعله مفيدًا بشكل خاص عندما تريد تأسيس مشهد بصريًا، ثم توليد فيديو يحافظ على هوية الشخصية ولغة المحيط البصرية معًا.
بالنسبة لمشاريع متعددة المشاهد حيث سبق أن ولّدت صورًا مرجعية لمواقعك، يتيح لك Kling V3 Omni Video جمع الشخصية والمحيط معًا مع تحكم دقيق في الثبات من الطرفين في الوقت نفسه.
يضيف Kling V3 Motion Control طبقة من التحكم في الوضعية واتجاه الحركة فوق نظام ثبات الشخصية. هنا يصبح Kling 3.0 سينمائيًا حقًا. يمكنك تحديد مسارات الكاميرا، ومسارات حركة الشخصية، وديناميكيات التفاعل، بينما يُبقي النموذج الهوية البصرية للشخصية مثبّتة في مكانها.
إذا كانت قصتك تتطلب أن تمشي الشخصية عبر مشهد، أو تلتفت نحو الكاميرا، أو تتفاعل جسديًا مع عنصر آخر، فإن Kling V3 Motion Control يتولى تنسيق الحركة دون التفريط في دقة الهوية.
يمنحك PicassoIA الوصول إلى جميع نماذج Kling 3.0 الثلاثة من واجهة واحدة، دون الحاجة إلى إعداد API، ولا متطلبات GPU محلية، ولا تهيئة معقدة.
قبل كتابة أي أمر نصي، أنشئ أو اعثر على صورة مرجعية واضحة لشخصيتك. تحدد جودة هذه الصورة المرجعية بشكل مباشر مدى ثبات شخصيتك عبر المشاهد. يجب أن:
يمكنك توليد هذه الصورة المرجعية أولًا باستخدام أي من نماذج تحويل النص إلى صورة في PicassoIA إذا لم تكن لديك صورة بداية. ولّد صورة شخصية نظيفة وجيدة الإضاءة، واستخدمها كمرساة لك.
يجب أن تصف أوامرك النصية المشهد والحركة، لا أن تعيد وصف الشخصية. وبما أن الصورة المرجعية تحمل معلومات الهوية، يمكن لأمرك أن يركز بالكامل على:
تجنّب تكرار الأوصاف الجسدية للشخصية في أوامرك. إذا كتبت "امرأة ذات شعر كستنائي" في الأمر النصي، وفسّرها النموذج جزئيًا بشكل نصي بدلًا من الاعتماد على الصورة المرجعية، فقد يُدخل انحرافًا طفيفًا. دع الصورة تقوم بعمل الهوية كليًا.
💡 نصيحة: اكتب الأوامر كما لو كنت تصف مشهدًا سينمائيًا لمخرج يعرف تمامًا من هو الممثل. ركّز كليًا على التوجيه البصري والمكان والحركة وعمل الكاميرا. ولا تتطرق أبدًا إلى اختيار الممثل.
بعد توليد مقطعك الأول، استخدم Kling V3 Omni Video لتوليد المشاهد اللاحقة. ارفع الصورة المرجعية الأصلية نفسها مع كل أمر مشهد جديد. لا تستخدم الإطار الأخير من المقطع السابق كمرجع للمقطع التالي، لأن ذلك يخلق انحرافًا بطيئًا يتراكم عبر مشاهد كثيرة، إذ إن كل "مرجع" جديد يكون مختلفًا قليلًا عن الأصل.
بالنسبة لتسلسلات الحركة المعقدة، انتقل إلى Kling V3 Motion Control وأضف معاملات الحركة مع الإبقاء على الصورة المرجعية الأصلية للشخصية مثبّتة.
ثبات الشخصيات أمر تعمل عليه منصات فيديو الذكاء الاصطناعي المتعددة بنشاط، لكن Kling 3.0 يتميز في مجالات محددة عدة تهم الإنتاج متعدد المشاهد أكثر من غيره.
| الميزة | Kling 3.0 | نماذج أخرى |
|---|---|---|
| تكييف الصورة المرجعية | أصلي ومدمج | جزئي أو ما بعد المعالجة |
| ثبات الجسم كاملًا | نعم (الوجه + الملابس) | غالبًا الوجه فقط |
| ثبات الهوية عبر الإضاءة المختلفة | قوي | متوسط |
| الحركة مع الحفاظ على الهوية | نعم (Motion Control) | محدود |
| سير عمل ربط المشاهد المتعددة | نعم | يركز على المقطع الواحد |
| أدوات الأفاتار المخصصة | نعم (Kling Avatar V2) | نادرة |
يتعامل المنافسون مع توليد الشخصية في المقطع الواحد بشكل كافٍ. وما يتفوق فيه Kling 3.0 هو سير العمل متعدد المقاطع ومتعدد البيئات، حيث تحتاج إلى أن يحمل الشخص نفسه قصة كاملة عبر مشاهد كثيرة.
تقدّم نماذج مثل Seedance 2.0 وVeo 3.1 جودة فيديو خامًا استثنائية، لكنها غير مُحسّنة تحديدًا لاستمرار الشخصية عبر المشاهد. إنها تتفوق في جودة المقطع الفردي. أما Kling 3.0 فمبني منذ البداية حول حالة الاستخدام الإنتاجية متعددة المشاهد.
يستخدم صنّاع الأفلام المستقلون اليوم بانتظام Kling V3 Video لإنتاج أفلام سردية قصيرة بشخصيات متكررة. قد يحتاج فيلم قصير مدته خمس دقائق إلى 25 إلى 35 مقطعًا فرديًا. وبدون ثبات الشخصية، يتطلب كل مقطع تصحيحًا لونيًا ثقيلًا ومطابقة للوجوه في ما بعد الإنتاج للحفاظ على التماسك البصري عبر الفيلم. يقلل Kling 3.0 هذا العبء بشكل كبير، ويتيح لشخص واحد إنتاج فيلم قصير متماسك بالكامل في جزء يسير من الوقت الذي كان يتطلبه سابقًا.
يمكن للشخصية أن تدخل غابة، وتخرج في شارع مدينة، وتصل إلى ممر جبلي مغطى بالثلوج، كل ذلك في مقاطع متتالية، وتبدو متطابقة تمامًا طوال الوقت.
بالنسبة لفرق التسويق، يعني ثبات الشخصية أن شخصية الماسكوت للعلامة التجارية أو المتحدث باسمها يمكن أن يظهر في عدة إعلانات ومقاطع اجتماعية ومحتوى ويب دون إعادة تصوير مكلفة أو قيود صارمة في مطابقة اللقطات. الوجه نفسه، والهوية الملبسية نفسها، والحضور الجسدي نفسه، مطبّقة على أي بيئة تتطلبها الحملة لتلك القطعة من المحتوى.
تبدو آثار الحملات الموسمية كبيرة. يمكن لشخصية العلامة أن تظهر في محتوى شاطئ الصيف ومحتوى عطلات الشتاء بهوية بصرية متطابقة عبر الاثنين، دون حجز استوديو، ودون التفاوض على توفر ممثل، ودون البحث عن مواقع تصوير.
يستفيد صنّاع المحتوى الذين يبنون سلاسل YouTube أو سرديات Instagram أو محتوى حلقي على منصات التواصل الاجتماعي مباشرةً من نظام الثبات في Kling 3.0. فبناء جمهور حول شخصية خيالية يتطلب أن تكون تلك الشخصية قابلة للتعرف عليها فورًا من صورة مصغّرة إلى أخرى ومن مقطع إلى آخر. يجعل Kling 3.0 هذا التعرف موثوقًا بدلًا من أن يكون عرضيًا.
ثبات الشخصية في Kling 3.0 مثير للإعجاب فعلًا، لكن هناك حدود حقيقية تستحق المعرفة قبل التخطيط لإنتاج كامل حوله.
تغيير الشخصية المقصود يتطلب تدخلًا يدويًا. إذا كانت قصتك تستلزم أن تتقدم الشخصية في العمر بوضوح عبر المشاهد، أو أن تغيّر قصة شعرها في منتصف السرد، أو أن تغيّر ملابسها بشكل جذري، فستحتاج إلى إنشاء صور مرجعية محدّثة لتلك النسخ من الشخصية. يفسّر نظام الثبات أي انحراف عن المرجع على أنه شيء يجب تصحيحه، لا خيارًا إبداعيًا.
مشاهد الشخصيات المتعددة التي تضم شخصيتين أو أكثر ثابتتين أكثر تعقيدًا في الإدارة. يتعامل النموذج مع تثبيت هوية الشخصية الواحدة بموثوقية. وعند إدخال شخصية ثانية بصورة مرجعية خاصة بها، فقد يحدث تداخل في الهوية بين الشخصيتين في لقطات الثنائي القريبة، خاصة عندما تتشارك الشخصيتان سمات جسدية متشابهة.
زوايا الكاميرا المتطرفة من مواضع لا تغطيها الصورة المرجعية، مثل الأعلى مباشرةً، أو الخلف مباشرةً، أو الزوايا المنخفضة جدًا تحت الذقن، تنتج نتائج أقل موثوقية. توفر الصورة المرجعية معلومات محدودة عن شكل الشخصية من تلك المواضع، لذلك يملأ النموذج الفجوات بتأويل إبداعي أكبر.
💡 ملاحظة: هذه هي القيود الحالية لجيل V3. وقد شدّد كل إصدار من Kling قيود الثبات بشكل ملحوظ. وتشير التقارير إلى أن التحكم في هوية الشخصيات المتعددة هو محور أساسي في الإصدار المعماري التالي لديهم.
التقنية اللازمة لإنشاء شخصيات متسقة بالكامل عبر مشاهد فيديو بالذكاء الاصطناعي متاحة اليوم، وتضعها PicassoIA في متناولك دون أي حاجز تقني بينك وبين مخرجات بجودة الإنتاج.
افتح Kling V3 Video في PicassoIA، وارفع صورة مرجعية لشخصية تريد بناء قصة حولها، ووَلّد مشهدك الأول. ثم خذ الصورة المرجعية نفسها وولّد المشهد التالي في بيئة مختلفة تمامًا. سيكون الثبات واضحًا فورًا، وسيبدو سير العمل بديهيًا منذ المحاولة الأولى.
للسرديات ذات الحركة المعقدة، جرّب Kling V3 Motion Control لتطبيق حركة الكاميرا وتنسيق الشخصية فوق تثبيت الهوية. وإذا أردت دفع التخصيص الخاص بالأفاتار أبعد، فإن Kling Avatar V2 يتجه بتخصيص الشخصيات في اتجاه مكمّل يستحق التجربة.
انتهى عصر شخصيات الذكاء الاصطناعي القابلة للاستبدال التي تبدو مختلفة في كل مقطع. يجعل Kling 3.0 هوية الشخصية شيئًا يمكنك امتلاكه فعلًا وإدامته عبر قصة كاملة، مشهدًا بعد مشهد، وبيئة بعد بيئة، دون أي تنازل.
اختر لغتك
