نظرة مفصّلة على طريقة تعامل Kling 3.0 مع الحركة الواقعية في الفيديو المولَّد بالذكاء الاصطناعي: محرك محاكاة الفيزياء الذي يجعل الأقمشة والشعر يتحركان بشكل صحيح، وكيف يعمل الثبات الزمني عبر الإطارات، والإصدارات الثلاثة للنموذج على PicassoIA، وحالات استخدام عملية للمبدعين الذين يحتاجون إلى نتائج تبدو حقيقية في كل إطار.
إذا شاهدت فيديو مولَّدًا بالذكاء الاصطناعي وقلت في نفسك "هذه الحركة تبدو خاطئة"، فأنت تعرف المشكلة التي صُمم Kling 3.0 لحلها. أقمشة تطفو بدلًا من أن تسقط، وشعر يتحرك كأنه كتلة صلبة واحدة، وشخصيات لا تلامس أقدامها الأرض بشكل صحيح. يعالج Kling 3.0 هذه المشكلات على مستوى الفيزياء، فينتج حركة تصمد إطارًا بعد إطار بدلًا من أن تنهار إلى ضوضاء بصرية بعد ثانيتين.
هذا ليس نموذجًا آخر لتحويل النص إلى فيديو يرسم إطارات ثابتة جميلة ويعتبر الحركة بينها "جيدة بما يكفي". يتعامل Kling 3.0 مع الحركة بوصفها المخرج الأساسي، لا أثرًا جانبيًا لتوليد الإطارات. وهذا الفارق هو ما يفصله عن معظم المنافسين في مجال فيديو الذكاء الاصطناعي حاليًا.
تولّد معظم نماذج فيديو الذكاء الاصطناعي الإطارات بشكل مستقل ثم تجمعها معًا. الحركة التي تراها في الغالب استيفاء: النموذج يخمّن ما يجب أن يكون بين الإطار A والإطار B. يعتمد Kling 3.0 نهجًا مختلفًا، إذ يُنمذج مسارات الحركة قبل تصيير المحتوى البصري. ترتيب العمليات هذا مهم جدًا للواقعية، لأن فيزياء الحركة تُحدَّد قبل أن تُثبَّت البكسلات.
تأخذ محاكاة الفيزياء في Kling 3.0 خصائص المواد في الحسبان عند مرحلة المحاكاة. الحرير يتصرف بشكل مختلف عن القطن، والماء يستجيب للجاذبية بشكل مختلف عن الغبار. عندما تتحرك شخصية داخل مقطع Kling v3 Video عبر الفضاء، تُحسب الحركة الثانوية، أي ما يتبع الحركة الأساسية مثل تأرجح الشعر بعد دوران الرأس أو تأخر طرف التنورة خلف الخطوة، نسبةً إلى متجه الحركة الأساسي، ولا تُخمَّن إطارًا بإطار.
لهذا السبب يتفوق Kling 3.0 للحركة الواقعية باستمرار على النماذج الأقدم في المشاهد المليئة بالأقمشة وفي تحريك البورتريهات. تبدو الحركة الثانوية طبيعية لأنها مشتقة من الفيزياء، لا متوقعة إحصائيًا من بيانات التدريب وحدها.
يطبّق النموذج قيم قصور ذاتي مختلفة على أنواع المواد المختلفة. كتف سترة مهيكلة يبقى ثابتًا بينما تتحرك الياقات قليلًا، وطرف فستان شيفون يتموج باستمرار بينما يظل حزام الخصر في القطعة نفسها ثابتًا. هذه ليست تأثيرات مضافة فوق الفيديو، بل مدمجة في نموذج الحركة قبل بدء التصيير.
الثبات الزمني هو العامل الذي يصنع فيديو الذكاء الاصطناعي أو يُفسده. إنه يجيب عن سؤال واحد: هل يبدو الشخص أو الجسم نفسه من إطار إلى آخر دون ارتعاش أو تشوه أو انزياح؟
يحافظ Kling 3.0 على ثبات الهوية عبر حالات الحركة. إذا بدأت امرأة المقطع وهي ترتدي فستانًا أحمر ثم أدارت وجهها بعيدًا عن الكاميرا، فلن يرتعش الفستان أو يتغير لونه أو شكله بين لحظة الدوران ولحظة العودة. كانت النماذج الأسبق في عائلة Kling تتعامل جيدًا مع اللقطات الثابتة، لكنها بدأت تنجرف بوضوح أثناء تسلسلات الحركة النشطة. يقلل الإصدار الثالث هذا الانجراف إلى حد كبير عبر آلية انتباه معدّلة تثبّت ملامح الهوية على امتداد المقطع كله بدلًا من تثبيتها إطارًا بإطار.
يستحق الانتباه: يتدهور الثبات الزمني بسرعة أكبر في وضع المقاطع الطويلة (10 ثوانٍ) مقارنةً بوضع المقاطع القصيرة (5 ثوانٍ). في مشاهد الحركة المعقدة ذات الأشخاص النشطين، يتفوق مقطعان من 5 ثوانٍ مُعدّان بعناية على مقطع واحد من 10 ثوانٍ يعاني. ادمجهما في مرحلة ما بعد الإنتاج بدلًا من دفع النموذج إلى ما وراء نقطته المثالية.
توجد فئات محددة يكون فيها تحسّن Kling 3.0 على الإصدارات السابقة كبيرًا بما يكفي ليُحدث فرقًا في العمل الإنتاجي. ليست كل المشاهد تستفيد بالدرجة نفسها، لكن هذه الفئات الثلاث تُظهر أوضح المكاسب.
كانت محاكاة الأقمشة في فيديو الذكاء الاصطناعي غير موثوقة تاريخيًا. إما أن يلتصق القماش بالجسد بشكل صلب دون حركة مستقلة، أو ينفصل تمامًا عن الفيزياء ويطفو كأنه معلّق تحت الماء. يصل Kling 3.0 إلى الحل الوسط الذي يجعله مقنعًا: يحافظ القماش المنسدل على التلامس مع الجسد عند نقاط الارتكاز (الكتفين والخصر والمعصمين) بينما يتحرك بحرية عند الأطراف والحواف.
يستجيب الشعر لاتجاه الرأس بتأخر يتناسب مع وزن الشعر الحقيقي، بدلًا من أن ينتقل فورًا إلى الوضع الجديد. عندما يدير الشخص رأسه نحو اليسار في مقطع من Kling 3.0، يتبعه الشعر بتأخر طفيف يتناسب مع طوله وكثافته المحاكاة. والنتيجة هي ذلك النوع من الحركة العرضية الذي يجعل اللقطات تبدو مصوّرة لا مولَّدة.
يكون هذا أكثر أهمية في:
من أكثر أنماط الفشل شيوعًا في فيديو الذكاء الاصطناعي الحركة المركّبة: ماذا يحدث عندما تجمع بين حركة الكاميرا وحركة الشخص. تتحرك الكاميرا، ويمشي الشخص، وتتحول الخلفية، ويفقد النموذج تتبع العلاقات المكانية. تنتهي بمشهد يشبه لوحة يذيبها أحدهم ببطء من الأطراف نحو الداخل.
يتعامل Kling v3 Omni Video مع الحركة المركّبة بشكل أفضل بكثير من أي إصدار من الفئة v2.x. تبقى هندسة المشهد متماسكة حتى عندما تحدد حركة انزلاق (dolly) أو بانوراما إلى جانب فعل الشخصية. تثبت الخلفية بشكل صحيح بينما يتحرك الشخص باستقلالية داخل الإطار، ولا تتسرب طبقتا الحركة إحداهما إلى الأخرى.
يضيف Kling v3 Motion Control مستوى من الدقة لا يوفره نموذج الفيديو القياسي. يمكنك تحديد مسارات الحركة، والتحكم في سرعة الفعل، وتحديد المكان داخل الإطار الذي يجب أن تحدث فيه الحركة. بالنسبة للمبدعين الذين يحتاجون إلى مخرجات متوقعة بدلًا من تنوع عشوائي مع كل توليد، يُعد هذا الإصدار الخيار العملي للإنتاج.
يقبل إصدار التحكم في الحركة:
بالنسبة لتحريك البورتريه من صورة مرجعية، تكون هذه الدقة حاسمة. تحدد الاتجاه الذي يجب أن يدور فيه الرأس، ومقدار الدوران، وسرعته، بدلًا من أن تأمل أن يفسّر النموذج أمرًا نصيًا غامضًا كما قصدته.
يتوفر Kling 3.0 على PicassoIA عبر ثلاثة إصدارات مختلفة للنموذج، لكل منها مناسبة لأهداف إخراج مختلفة. اختيار الإصدار الصحيح قبل كتابة الأمر النصي يوفّر وقتًا كبيرًا من التكرار ونقاط التوليد.
| النموذج | الاستخدام الأمثل | الإخراج |
|---|---|---|
| Kling v3 Video | تحويل النص إلى فيديو عام، والمشاهد السينمائية | 1080p سينمائي |
| Kling v3 Motion Control | تحريك الشخصيات بدقة، والمسارات المتحكَّم بها | 1080p متحكَّم به |
| Kling v3 Omni Video | المشاهد المعقدة متعددة العناصر، والكاميرا مع الشخص | 1080p لمشهد كامل |
إذا كنت تبدأ بلا صورة مرجعية وتريد التوليد من وصف نصي، فإن Kling v3 Video هو نقطة البداية الصحيحة. وإذا كانت لديك لقطة محددة تحتاج إلى إعادة إنتاجها من صورة فوتوغرافية مرجعية، أو تريد تحكمًا دقيقًا في حركة الشخصية، فإن Kling v3 Motion Control يمنحك الدقة اللازمة دون المراهنة على تفسير الأمر النصي.
أكبر خطأ في الأمر النصي للحركة الواقعية هو وصف ما يبدو عليه المشهد بدلًا من ما يفعله.
ضعيف: "امرأة ترتدي فستانًا أبيض تقف على الشاطئ."
قوي: "امرأة ترتدي فستانًا أبيض من الكتان المنسدل تمشي ببطء نحو الكاميرا على طول شاطئ رملي، ينسحب القماش إلى الخلف عند الطرف مع كل خطوة بينما تضغط عليه ريح المحيط على ساقيها، ويرتفع شعرها ويستقر مع كل خطوة، وآثار أقدام تُترك في الرمل المبلل خلفها."
الفرق يكمن في دقة الحركة. يستجيب Kling 3.0 لأفعال الحركة ومعدّلاتها: ترتفع، تنسحب، تضغط، تستقر، تتمايل، تتموج. هذه الكلمات تخبر النموذج بالفيزياء التي يجب أن يطبقها، لا بما يجب أن تبدو عليه التركيبة الثابتة فحسب.
نصيحة للأمر النصي: أدرج سبب الحركة (الريح، المشي، الدوران) إلى جانب أثرها (انتفاخ القماش، تحرك الشعر، حركة الظل). الأوصاف السببية تنتج حركة أكثر اتساقًا داخليًا من الأوصاف للنتيجة وحدها. عبارة "الريح تجعل الفستان ينتفخ" تمنح النموذج سببًا فيزيائيًا، أما "الفستان ينتفخ" فهي مجرد حالة.
بالنسبة للحركة الواقعية تحديدًا، تصمد إرشادات طول المقطع التالية باستمرار:
التدرّج بين الإصدارات يستحق المعرفة للسياق: Kling v2.6 يتعامل جيدًا مع الحركة العامة، ويُعد خيارًا افتراضيًا قويًا للمشاهد التي لا تتطلب فيزياء أقمشة بأعلى مستوى. Kling v2.5 Turbo Pro يضحّي ببعض الجودة مقابل السرعة، وهو مفيد عندما تحتاج إلى حجم كبير من التكرار. Kling v2.1 Master كان معيار الجودة قبل الإصدار الثالث. وكل جيل يمثل خطوة قابلة للقياس نحو واقعية الحركة، لا نحو الدقة وحدها.
الواقعية في الحركة ليست حكرًا على Kling 3.0. هناك عدة نماذج أخرى على المنصة تنافس بجدية في هذا المجال، ولكل منها سيناريوهات يكون فيها الخيار الأفضل.
| النموذج | واقعية الحركة | فيزياء الأقمشة | التحكم بالكاميرا | سرعة التوليد |
|---|---|---|---|---|
| Kling v3 Video | ممتاز | ممتاز | جيد | متوسط |
| Kling v2.1 Master | جيد جدًا | جيد | جيد | متوسط |
| Veo 3 | ممتاز | جيد جدًا | جيد | بطيء |
| Wan 2.7 T2V | جيد | جيد | مقبول | سريع |
| Hailuo 2.3 | جيد | مقبول | مقبول | سريع |
| Seedance 1 Pro | جيد | مقبول | جيد | متوسط |
تكون ميزة Kling v3 على المنافسين أوضح ما تكون في محاكاة الأقمشة وفيزياء الشعر تحت الحركة النشطة. يضاهي Veo 3 من Google النموذج أو يتفوق عليه في تعقيد المشهد ودمج الصوت الأصلي، لكنه يعمل ببطء وبتكلفة أعلى. وWan 2.7 T2V أسرع وأكثر اقتصادًا للمشاهد التي لا تتطلب سلوكًا دقيقًا للأقمشة. يعتمد الاختيار بينهما على ما يحتاجه مشهدك تحديدًا، لا على أي نموذج يتصدر الترتيب العام.
ليس Kling 3.0 للحركة الواقعية مفيدًا بالدرجة نفسها لكل نوع من المحتوى. هناك فئات تنتج فيها قدراته المحددة مخرجات يصعب تحقيقها بأي طريقة أخرى، وفئات يعطي فيها نموذج أسرع وأخف نتائج مماثلة مع انتظار أقل.
هنا تنتج فيزياء الأقمشة في Kling 3.0 مخرجات يصعب مضاهاتها حقًا. الفساتين المنسدلة، والسترات المهيكلة في الحركة، والأوشحة التي تلتقط الريح، والبنطلونات واسعة الساق التي تتمايل مع الخطوة: كل هذه تتطلب نموذجًا يفهم سلوك المادة على مستوى فيزيائي لكل إطار، لا نموذجًا يحسبها متوسطًا إحصائيًا. المخرجات صالحة للاستخدام المباشر لعلامات الأزياء، والمنشورات التحريرية، ومحتوى فيديو الكتالوجات الذي يحتاج إلى أن يبدو مصوّرًا.
إذا كانت لديك صورة فوتوغرافية ثابتة قوية وتريد إحياءها، فإن Kling v3 Motion Control من أكثر الأدوات قدرة لهذا السير العملي تحديدًا. ثبات الهوية في الإصدار الثالث يعني أن الشخص في المقطع المتحرك لا يزال يبدو كالشخص في الصورة المصدر، وهذا ليس أمرًا مضمونًا مع النماذج الأقدم. حركة خفيفة للرأس، ورمشة بطيئة، وشعر يتحرك في نسمة مُحاكاة: هذه تبدو امتدادات طبيعية للصورة الأصلية لا تقريبًا مولَّدًا لها.
غالبًا ما تكون الحركة في محتوى نمط الحياة خفيفة وعرضية: يد تمتد نحو فنجان قهوة، أو شخص يدير وجهه ليبتسم للكاميرا، أو شعر يلتقط نسمة على شرفة مشمسة. تعامل Kling 3.0 مع الحركة الثانوية (الحركة العرضية التي تحدث بالتوازي مع الفعل الرئيسي) هو ما يجعل هذه المقاطع تبدو وثائقية لا مولَّدة. فنجان القهوة لا يتشوه، والشعر لا يرتعش، والابتسامة لا تغيّر هوية الشخص في منتصف الإطار.
بالنسبة لفيديوهات العلامات التجارية التي يكون فيها المنتج في حركة، مثل زجاجة عطر أو قطعة ملابس أو قطعة أثاث، تنطبق الدقة الفيزيائية نفسها على أسطح الأجسام والتفاعل البيئي المحيط.
تشترك معظم مخرجات Kling 3.0 الفاشلة في أسباب شائعة. تجنّب هذه الأخطاء الأربعة المحددة يوفر وقتًا ونقاط توليد كبيرة قبل أن تصل إلى نتيجة قابلة للاستخدام.
تحميل المشهد بحركة متزامنة كثيرة: طلب خمسة عناصر متحركة في وقت واحد (شخص يمشي، ريح في الأشجار، ماء يجري، كاميرا تتحرك بانوراما، حشد في الخلفية) يفكك ميزانية الفيزياء لدى النموذج. اختر عنصرين أو ثلاثة للحركة كحد أقصى، ودعها تُنفَّذ بإتقان.
تجاهل الأوامر النصية السلبية: يستجيب Kling 3.0 جيدًا للتوجيه السلبي الصريح. إدراج "لا حركة متقطعة، لا ارتعاش، لا تشوه، لا تحوّل للوجوه" إلى جانب الأمر الرئيسي يحسّن ثبات المخرجات بشكل قابل للقياس في التوليد الأول.
وصف المظهر بدلًا من السلوك: الأوصاف الثابتة تنتج فيديو يبدو ثابتًا حتى عندما يتحرك الشخص من الناحية التقنية. أفعال الحركة واللغة السببية (ما الذي يسبب الحركة، لا ما تبدو عليه الحركة فحسب) تحقق نتائج أفضل مع هذا النموذج تحديدًا.
استخدام مقاطع من 10 ثوانٍ لمشاهد الحركة المعقدة: يحافظ الثبات الزمني للنموذج عند 5 ثوانٍ بدرجة أكثر موثوقية بكثير منه عند 10. بالنسبة للمشاهد ذات الحركة النشطة والعناصر المتعددة، ادمج مقاطع أقصر في مرحلة ما بعد الإنتاج بدلًا من دفع التوليد الأطول على أمل أن يصمد.
يتولى Kling v3 توليد الحركة. وتمتد أدوات أخرى على PicassoIA لتوسّع ما يمكنك فعله قبل التوليد وبعده.
إذا احتاجت صورتك المصدر إلى تحسين الحدة قبل التحريك، يمكن لنماذج Super Resolution رفع دقة صورة فوتوغرافية ناعمة أو منخفضة الدقة إلى جودة صالحة للتحريك قبل إدخالها إلى Kling v3 Motion Control. أما لمقاطع البورتريه التي يحتاج فيها الشخص إلى الكلام، فإن Kling Avatar v2 يضيف مزامنة شفاه واقعية للنتيجة المتحركة. ويمكن إنشاء طبقات الصوت، بما فيها التعليق الصوتي وموسيقى الخلفية، عبر أدوات Text to Speech وAI Music Generation على المنصة، وإضافتها كخطوة أخيرة.
سير العمل: احسّن حدة الصورة المصدر باستخدام Super Resolution، ثم حرّكها باستخدام Kling v3، وأضف مزامنة الشفاه باستخدام Kling Avatar v2 إذا لزم الأمر، ثم أضف طبقة الصوت عبر تحويل النص إلى كلام أو توليد الموسيقى، ثم صدّر. كل خطوة متاحة على المنصة نفسها دون التبديل بين الأدوات أو إدارة اتصالات API.
Kling 3.0 للحركة الواقعية متاح الآن على PicassoIA، دون الحاجة إلى إعداد GPU محلي أو ضبط API أو تثبيت تقني. اختر صورة فوتوغرافية ثابتة، وصف الحركة التي تريد رؤيتها بمصطلحات فيزيائية محددة، ثم شغّل مقطعًا من 5 ثوانٍ.
الفرق بين مشهد يُقرأ على أنه "مولَّد بالذكاء الاصطناعي" ومشهد يُقرأ كلقطات مصوّرة يعود دائمًا تقريبًا إلى طبقة الحركة. هذا بالضبط ما صُمم Kling 3.0 لإنتاجه.
ابدأ باستخدام Kling v3 Video للمشاهد العامة، وانتقل إلى Kling v3 Motion Control عندما تحتاج إلى دقة في تحريك الشخصيات، واستخدم Kling v3 Omni Video للتراكيب المعقدة التي تجمع بين حركة الكاميرا وعدة أشخاص متحركين. الإصدارات الثلاثة كلها متاحة الآن، والنتائج تتحدث بوضوح أكبر من أي وصف للتقنية وراءها.
اختر لغتك
