يُغيّر Kling 3.0 طريقة إنتاج صنّاع المحتوى لفيديوهات الذكاء الاصطناعي. فببنيته الأصلية للمشاهد متعددة اللقطات، وفيزياء حركته الواقعية كالتصوير الفوتوغرافي، وقفزته الكبيرة في الاتساق الزمني، يقدّم هذا النموذج نتائج كانت مستحيلة قبل عام واحد. يشرح هذا المقال كل قدراته، ويعرض حالات استخدام حقيقية، ويوضح كيف تحصل على نتائج سينمائية من أوامرك النصية على PicassoIA.
ظهر Kling 3.0 دون ضجة، وكسر المعيار فورًا. فبينما كان مجال فيديو الذكاء الاصطناعي مشغولًا بمقارنة الالتزام بالأمر النصي وطول المقاطع، أطلق فريق الهندسة في Kuaishou شيئًا أكثر أهمية: نموذجًا يستطيع الحفاظ على قصة واحدة متماسكة عبر لقطات متعددة، وتثبيت هوية الشخصية من قطع إلى قطع، وتصيير حركة تبدو كأنها صُوّرت فعلًا. هذا التحول، من توليد لقطة واحدة إلى إنتاج فيديو متعدد المشاهد بالشكل الصحيح، هو ما يميّز Kling 3.0 عن كل ما يعمل حاليًا.
إذا جرّبت توليد فيديو بالذكاء الاصطناعي من قبل، وانتهيت منه محبطًا بسبب الاهتزاز، ووجوه مشوّهة، ومقاطع تبدو كأحلام متفرقة، فإن Kling 3.0 هو الإصدار الذي يفي فعلًا بالوعد. يشرح هذا المقال ما يختلف فيه، وكيف يقارن نفسه مع Sora 2 و Veo 3، وكيف تحصل على أفضل النتائج السينمائية من أوامرك النصية على PicassoIA.
Kling 3.0 نموذج لتحويل النص إلى فيديو وتحويل الصورة إلى فيديو، طوّرته Kuaishou (KwaiVGI). تقدّم بنية الإصدار 3 قدرتين أساسيتين كانتا غائبتين عن الإصدارات السابقة: تسلسل المشاهد متعددة اللقطات بشكل أصيل، ونمذجة الحركة المدركة للفيزياء.
بينما تولّد معظم نماذج فيديو الذكاء الاصطناعي مقطعًا متصلًا واحدًا من أمر نصي واحد، يستطيع Kling 3.0 معالجة أمر نصي منظَّم وإنتاج مخرجات تتصرف كتسلسل مونتاج. تُدار عدة قطع مشهدية، وتغييرات في زوايا الكاميرا، وعودة الشخصيات، كلها ضمن عملية توليد واحدة.
الميزة الأبرز هي القدرة على وصف لقطات مختلفة في أمر نصي واحد، والحصول على فيديو يحترم كل انتقال موصوف. يمكنك أن تكتب شيئًا مثل "لقطة مقرّبة لامرأة تمسك فنجان قهوة، ثم قطع إلى لقطة عامة لشارع مدينة مزدحم، ثم العودة إلى لقطة متوسطة لها وهي تتفاعل"، وسيلتزم النموذج بهذا البناء.
هذا ليس مثاليًا. فالتسلسلات الطويلة للأوامر التي تضم أكثر من أربع لقطات مختلفة تميل إلى فقدان الدقة في المشاهد الأخيرة. لكن في تسلسلات من لقطتين إلى ثلاث، يكون الناتج متماسكًا بشكل لافت، ويحتاج إلى عمل ما بعد الإنتاج بقدر أقل بكثير.
يعتمد Kling 3.0 على نهج انتشار الحركة القائم على الفيزياء. فالقماش يتحرك بثقل، والماء يتناثر كالماء، والشعر يستجيب لاتجاه الريح. كانت إصدارات Kling السابقة ومعظم النماذج المنافسة تنتج حركة تبدو كرسوم متحركة للملمس، لا كجسم مادي يتحرك في الفضاء.
الفرق واضح فورًا. كُمّ معطف يتطاير عندما تستدير الشخصية. سائل يُسكب في كأس. علم تلتقطه الريح. هذه التفاصيل هي ما يفصل Kling 3.0 عن أساليب الاستيفاء بين الإطارات الفردية.
تصل المخرجات القياسية إلى 1080p بمعدل 24 إطارًا في الثانية، مع خيارات لمعدلات إطارات أعلى في أنماط توليد معيّنة. يدعم إصدار Kling V3 Omni Video الإدخال النصي والإدخال عبر الصور معًا، مع تحكم أفضل في المشهد، مما يجعله الخيار الأكثر مرونة في المجموعة.
للعمل المتخصص على الحركة، يتيح Kling V3 Motion Control نقل أنماط الحركة من مقاطع مرجعية إلى شخصيات جديدة، وهذا يفتح سير عمل إبداعيًا مختلفًا تمامًا.
يمثل تاريخ إصدارات عائلة نموذج Kling مسارًا واضحًا من المكاسب في القدرات مع كل إصدار رئيسي.
| الإصدار | متعدد اللقطات | أقصى دقة | دقة الفيزياء | التحكم في الحركة |
|---|---|---|---|---|
| Kling v1.6 Standard | لا | 720p | أساسية | لا |
| Kling v1.6 Pro | لا | 1080p | متوسطة | لا |
| Kling v2.0 | جزئي | 1080p | متوسطة | لا |
| Kling v2.1 | جزئي | 1080p | جيدة | محدود |
| Kling v2.6 | نعم | 1080p | جيدة | نعم |
| Kling v3 Video | نعم | 1080p+ | ممتازة | نعم |
القفزة من v2.6 إلى v3 ليست تحسينًا تدريجيًا. فقد أُعيد بناء بنية انتشار الحركة، وآلية الانتباه على مستوى المشهد جديدة تمامًا. ويفيد المستخدمون الذين جرّبوا الإصدارين باستمرار أن v3 ينتج أقل بنسبة 25 إلى 40% من العيوب في التسلسلات كثيفة الحركة، وثباتًا أفضل بكثير للوجوه عبر القطع.
💡 نصيحة: إذا كنت تحتاج إلى دورات تكرار سريعة لمحتوى وسائل التواصل الاجتماعي، فما زال Kling v2.5 Turbo Pro يقدّم نتائج قوية بأوقات توليد أسرع. استخدم v3 عندما تكون جودة المخرجات هي الأولوية.
يضم مجال فيديو الذكاء الاصطناعي في 2027 أربعة منافسين جادين في الصدارة: Kling 3.0 وSora 2 وVeo 3 وHailuo 2.3. لكل منها نقاط قوة حقيقية، لكن فئة الفيديو السردي متعدد اللقطات هي المجال الذي يتقدم فيه Kling 3.0.
ينتج Sora 2 Pro لقطات سينمائية استثنائية لمشهد واحد. ويمكن القول إن تصيير الملمس والإضاءة فيه من الأكثر واقعية كالصور الفوتوغرافية في المجال. لكن Sora 2 لا يتعامل بشكل أصيل مع التسلسلات متعددة اللقطات والانتقالات البنيوية بين المشاهد. فأنت تولّد مقطعًا واحدًا في كل مرة، وتجمعها في مرحلة ما بعد الإنتاج.
يتعامل Kling 3.0 مع ذلك داخل عملية التوليد نفسها. وبالنسبة إلى رواة القصص وصناع المحتوى والمسوّقين الذين يبنون سرديات متعددة المشاهد، يزيل هذا قدرًا كبيرًا من العوائق في سير العمل.
يقدّم Veo 3 من Google تماسكًا ممتازًا بين الصوت والصورة، وهو قوي بشكل خاص في مشاهد الطبيعة والمشاهد الخارجية. وجودة حركته ممتازة. أما نقطة ضعفه فهي ثبات الشخصيات عبر اللقطات والتحكم متعدد المشاهد الذي يتولاه Kling 3.0 بشكل أصيل.
| الميزة | Kling 3.0 | Sora 2 Pro | Veo 3 |
|---|---|---|---|
| مشاهد متعددة اللقطات | نعم | لا | جزئي |
| ثبات وجه الشخصية | ممتاز | جيد | جيد |
| دقة الفيزياء | ممتازة | ممتازة | جيدة جدًا |
| توليد الصوت | لا | لا | نعم |
| أقصى طول للمقطع | 3 دقائق | 20 ثانية | دقيقة واحدة |
| التحكم في الحركة | نعم | لا | لا |
💡 نصيحة: بالنسبة إلى المشاريع التي تتطلب صوتًا أصيلًا، ادمج Kling 3.0 لتوليد الفيديو مع أدوات صوت مخصصة. يقدّم PicassoIA نماذج تحويل النص إلى كلام وتوليد الموسيقى بالذكاء الاصطناعي التي تتناسب جيدًا مع مخرجات الفيديو الصامتة.
تعمل بنية تعدد اللقطات في Kling 3.0 عبر تكييف الانتباه على مستوى المشهد. عندما تصف لقطات متعددة في أمرك النصي، يقسّم النموذج وصفك إلى وحدات مشهدية، ويطبّق تكييفًا مكانيًا منفصلًا على كل مقطع مع الحفاظ على تضمينات مشتركة للشخصية والبيئة عبر التسلسل بأكمله.
لهذا تبقى وجوه الشخصيات متسقة بين اللقطات حتى عندما تتغير زوايا الكاميرا بشكل كبير. فهوية الشخصية تُرمَّز بشكل منفصل عن تكوين المشهد، ثم يُكيَّف الاثنان معًا في كل إطار خلال عملية الانتشار.
يتعامل Kling 3.0 بجودة مع ثلاثة أنواع من الانتقالات:
لتفعيل القطع الحاد في أمرك النصي، استخدم لغة اتجاهية واضحة: "ثم قطع إلى"، "انتقل إلى"، "يظهر الآن". وللانتقالات الناعمة، استخدم "يتلاشى إلى"، "يذوب في"، أو "يكشف ببطء".
ثبات الشخصية هو أصعب مشكلة تقنيًا في توليد فيديو الذكاء الاصطناعي. يحافظ Kling 3.0 على طوبولوجيا الوجه وتفاصيل الملابس عبر اللقطات عندما تُبقي وصف الشخصية متسقًا في أمرك النصي.
ما ينجح: ذكر ملامح بصرية مميزة في كل وصف للقطة ("المرأة ذات الجاكيت الأحمر"، "الرجل نفسه ذو اللحية البيضاء"). وهذا يثبّت تضمين الشخصية عبر حدود المشاهد.
ما يكسر الثبات: تغيير البيئة الموصوفة بشكل حاد جدًا بين المشاهد دون إطار انتقالي. فالانتقال من داخل المكان إلى خارجه مع الشخصية نفسها قد يسبب انزياحًا في الوجه في التسلسلات الأطول.
يتيح الإصدار المخصص Kling V3 Motion Control تحديد مسارات الكاميرا باستخدام مقاطع فيديو مرجعية. تقدّم مقطعًا يوضح مسار الحركة الذي تريده، ويطبّق النموذج حركة الكاميرا تلك على موضوعك الجديد وبيئتك الجديدة.
وهذا مفيد بشكل خاص لفيديوهات المنتجات التي تريد فيها حركة كشف محددة، أو لإعادة إنتاج حركة كاميرا سينمائية عبر عدة نسخ للمشهد نفسه.
يوفّر PicassoIA ثلاثة نماذج Kling v3، كل منها مُحسَّن لحالة استخدام مختلفة. إليك كيفية البدء مع كل منها.
انتقل إلى مجموعة تحويل النص إلى فيديو على PicassoIA واختر بحسب احتياجك:
| النموذج | الاستخدام الأمثل |
|---|---|
| Kling v3 Video | تحويل النص إلى فيديو القياسي، والتسلسلات متعددة اللقطات |
| Kling V3 Omni Video | إدخال صورة مع نص، وأقصى مرونة في المشاهد |
| Kling V3 Motion Control | نقل الحركة من مقاطع مرجعية إلى مشاهد جديدة |
نظّم أمرك النصي في كتل مشهدية مفصولة بإشارات انتقال واضحة. يبدو الأمر النصي متعدد اللقطات الجيد الأداء كالتالي:
"لقطة مقرّبة ليدي امرأة وهي تسكب القهوة في كوب خزفي على منضدة مطبخ خشبية، وضوء الصباح يأتي من النافذة اليسرى. قطع إلى لقطة متوسطة لها وهي جالسة إلى طاولة بجوار نافذة كبيرة، تمسك الكوب، وتنظر إلى شارع ممطر في الخارج. ثم قطع إلى لقطة عامة للمطبخ بأكمله، تُظهر داخل شقتها الصغيرة، بإضاءة تنغستن دافئة."
يمنح هذا البناء ثلاث لقطات النموذجَ حدثًا تأسيسيًا واضحًا (السكب)، ولحظة شخصية (الجلوس والنظر)، وسياقًا بيئيًا (اللقطة العامة). كل عنصر موصوف بتحديد كافٍ ليمنح تكييف الانتباه على مستوى المشهد شيئًا ملموسًا يعمل عليه.
إذا أظهر توليدك الأول انزياحًا في الوجه بين اللقطات، فجرّب هذه الإصلاحات:
💡 نصيحة: ولّد أولًا صورة مرجعية لشخصيتك باستخدام نموذج تحويل النص إلى صورة، ثم أدخل تلك الصورة في Kling V3 Omni Video كإطار مرساة. هذا يقلل بشكل كبير من عدم ثبات الوجه عبر القطع بين المشاهد.
تكافئ منصات الفيديو القصير التنوع البصري داخل المقطع الواحد. تعني قدرة تعدد اللقطات في Kling 3.0 أنه يمكنك إنتاج فيديو مدته 15 ثانية بثلاث زوايا كاميرا مختلفة دون أي برنامج مونتاج. وهذا مفيد بشكل خاص لعروض المنتجات ومحتوى أسلوب الحياة وصيغ السرد التي تتطلب تغييرات في المشاهد.
النتائج المتوقعة: شخصية متسقة، وحركة سلسة، ولقطتان أو ثلاث متميزة ضمن عملية توليد واحدة. تحتاج المخرجات إلى قص بسيط قبل النشر.
يمكن لصنّاع الأفلام المستقلين ورواة القصص استخدام Kling 3.0 لنمذجة تسلسلات المشاهد قبل الالتزام بالإنتاج الحي، أو لإنتاج أعمال سردية قصيرة كاملة مباشرة. يجعل ثبات الشخصية عبر اللقطات هذا خيارًا عمليًا لتسلسلات من ثلاثة إلى خمسة مشاهد تتبع شخصًا واحدًا.
ويمكن أن يرفع ربط مخرجات Kling 3.0 مع أدوات رفع دقة الفيديو بالذكاء الاصطناعي على PicassoIA المخرجات إلى دقة تليق بالبث بأقل جهد.
فيديوهات المنتجات متعددة اللقطات التي تعرض عنصرًا من زوايا مختلفة، وفي سياقات استخدام مختلفة، وبأحجام مختلفة، هي بالضبط ما صُمم Kling 3.0 لإنتاجه. يمكن لأمر نصي منظَّم أن ينتج: لقطة البطل، وتقريب للميزة، ومشهد استخدام لنمط الحياة، كلها ضمن عملية توليد واحدة.
💡 نصيحة: بالنسبة إلى فيديوهات المنتجات، استخدم Kling V3 Omni Video مع صورة منتج فعلية كإطار مرساة. صِف زاوية كاميرا كل لقطة وسياقها بشكل صريح. هذا يمنحك فيديو منتج متعدد الزوايا جاهزًا للإنتاج خلال دقائق.
يُعد Kling 3.0 أقوى نموذج متعدد اللقطات متاح حاليًا، لكن له حدودًا حقيقية تهم حسب حالة استخدامك.
الصوت: لا يولّد Kling 3.0 صوتًا. إذا كان مشروعك يحتاج إلى حوار متزامن أو مؤثرات صوتية، فستحتاج إلى إضافة الصوت في مرحلة ما بعد الإنتاج باستخدام أدوات مثل تحويل النص إلى كلام أو توليد الموسيقى بالذكاء الاصطناعي من PicassoIA.
عرض النص: ما زالت نماذج فيديو الذكاء الاصطناعي، بما فيها Kling 3.0، تواجه صعوبة مع النص المقروء على الشاشة. إذا كان فيديوك يحتاج إلى عناوين أو تعليقات، فأضفها في مرحلة ما بعد الإنتاج باستخدام أدوات تحرير الفيديو المعتادة.
انزياح الوجه عند 4+ لقطات: بينما تحافظ التسلسلات المكوّنة من 2 إلى 3 لقطات على ثبات قوي للوجه، قد تُنتج التسلسلات الأطول انزياحًا تدريجيًا في الوجه. يخفف نهج الصورة المرجعية باستخدام Kling V3 Omni من هذه المشكلة بشكل كبير.
زمن التوليد: قد يستغرق توليد تسلسلات متعددة اللقطات عالية الجودة بدقة 1080p من 2 إلى 5 دقائق، حسب طول التسلسل. وضع Draft أسرع بكثير لتكرار تحسين الأوامر النصية.
| القيد | الحل البديل |
|---|---|
| لا يوجد صوت | استخدم أدوات تحويل النص إلى كلام أو الموسيقى بالذكاء الاصطناعي من PicassoIA |
| النص داخل الفيديو | أضفه في مرحلة ما بعد الإنتاج |
| انزياح الوجه (4 لقطات فأكثر) | ثبّت الشخصية بصورة مرجعية في الإصدار Omni |
| وقت توليد طويل | استخدم وضع Draft لاختبار الأوامر النصية |
تراجع الحاجز أمام إنتاج محتوى فيديو سينمائي متعدد اللقطات بشكل كبير مع Kling 3.0. ما كان يتطلب طاقم تصوير وبرنامج مونتاج وساعات من ما بعد الإنتاج يمكن الآن رسمه في أمر نصي واحد وصقله عبر بضع تكرارات.
يمنحك PicassoIA وصولًا مباشرًا إلى الإصدارات الثلاثة من Kling v3 دون أي إعداد: Kling v3 Video لتحويل النص إلى فيديو القياسي، وKling V3 Omni Video للتسلسلات متعددة اللقطات المرتكزة على الصور، وKling V3 Motion Control لتطبيق حركة كاميرا احترافية على أي مشهد.
جرّب بناء تسلسل من ثلاث لقطات حول شيء تعرفه جيدًا: منتج تريد عرضه، أو موقع تريد تصويره، أو قصة قصيرة تريد أن تحكيها بصريًا. تعني قدرة تعدد اللقطات أنك لم تعد تولّد مقاطع فحسب، بل تخرج مشاهد.
إذا أردت أن تقرن مخرجات الفيديو بصور مولّدة كإطارات مرساة، فإن مجموعة تحويل النص إلى صورة على PicassoIA تضم أكثر من 90 نموذجًا لإنتاج مرجع الشخصية أو المشهد الدقيق الذي تحتاجه. ابدأ من هناك، وثبّت صورتك المرجعية، ثم أحيِها باستخدام Kling v3.
اختر لغتك
