صوّرت لقطة رائعة. الكادر مناسب، والتعبير مثالي، ثم تكتشف أن الصوت غير صالح للاستخدام، أو أن النص تغيّر، أو أن العميل يريد المقطع نفسه بالإسبانية. إعادة التصوير مكلفة. Kling Lip Sync موجود لهذه اللحظة بالذات: تقدّم له فيديو قصيرًا ومسار صوت جديدًا، فيعيد كتابة حركة الفم بحيث يبدو المتحدث وكأنه ينطق الكلمات الجديدة.
الأسئلة التي يطرحها الناس قبل التجربة عملية. هل هو مجاني؟ ما مدى طول الفيديو؟ ماذا تفعل الإعدادات؟ يجيب هذا المقال عن الأسئلة الثلاثة بالأرقام الفعلية، ثم يستعرض أمثلة وحلولًا للمشكلات التي ستواجهها على الأرجح.

ما الذي يفعله Kling Lip Sync فعلًا
فكّر فيه كأداة لاستبدال الفم، لا كأداة لتوليد الفيديو. اللقطات التي ترفعها تبقى لقطاتك: الوجه نفسه، والإضاءة نفسها، والخلفية نفسها. يُعاد تحريك الشفتين والمنطقة المحيطة بهما فقط لتتطابق مع مصدر صوتي جديد.
فيديو مدخل، وصوت جديد مخرج
تزوّده بمقطع لشخص يتحدث (أو على الأقل يواجه الكاميرا). يكتشف النموذج الوجه، ويتتبّع الفك والشفتين عبر الإطارات، ثم يعيد توليد تلك المنطقة لتتبع الفونيمات في صوتك. تسرد صفحة النموذج Kling Lip Sync ملفات MP4 وMOV كصيغ مقبولة.
💡 نصيحة: تعمل مزامنة الشفاه بأفضل شكل عندما يكون الوجه واضحًا وموجّهًا نحو الكاميرا في معظم الوقت. المقطع الذي يدير فيه المتحدث وجهه بعيدًا لنصف المدة يمنح النموذج مادة قليلة جدًا للعمل عليها.
ملف صوتي أو نص، والاختيار لك
هناك طريقتان لتزويده بالصوت:
- ملف صوتي: ارفع تسجيلًا بصيغة .mp3 أو .wav أو .m4a أو .aac. استخدم هذا الخيار عندما يكون لديك ممثل صوت حقيقي أو صوت مستنسخ أو تسجيل استوديو.
- نص مكتوب: اكتب الكلمات، واختر صوتًا مدمجًا، فيولّد النموذج الكلام ويزامنه في خطوة واحدة. استخدم هذا الخيار للمسودات السريعة والمقاطع القصيرة على وسائل التواصل.

الخيارات المجانية لـ Kling Lip Sync
الإجابة الصادقة: يعتمد الأمر على المنصة التي تشغّله عليها. تتغيّر أسعار المنصات كثيرًا، لذا اعتبر الأرقام التالية لقطة لما أُبلغ عنه في أواخر 2026، وتحقّق من الشاشة الحالية قبل أن تنفق النقاط.
ما تقدمه التطبيقات الرسمية
على منصة Kling الخاصة، تُعد مزامنة الشفاه ميزة تعتمد على النقاط، وتتناسب التكلفة مع طول المقطع. تشير التقارير إلى نحو نقطة واحدة لكل ثانية من الفيديو، فيكلّف مقطع مدته 5 ثوانٍ نحو 5 نقاط، ومقطع مدته 10 ثوانٍ نحو 10 نقاط. وقد وُصفت الحسابات المجانية بأنها تحصل على رصيد يومي من النقاط، مع قيود مثل سقف دقة 720p وعلامة مائية على الملفات المُصدَّرة. وقد تغيّرت هذه التفاصيل أكثر من مرة، وما زالت الدروس القديمة تذكر رقمًا شهريًا للنقاط من نظام سابق، لذا لا تعتمد على مقال واحد، بما في ذلك هذا المقال، في تحديد الحصص الدقيقة.
تجربة مجانية على PicassoIA
تصف صفحة Kling Lip Sync على PicassoIA الأداة بأنها مجانية للاستخدام عبر الإنترنت دون الحاجة إلى البرمجة. وهذا يجعلها مكانًا منخفض المخاطر لاختبار ما إذا كان مقطعك وصوتك ولغتك المستهدفة تعمل فعلًا قبل أن تنفق المال في مكان آخر.

مقارنة الخيارات المجانية
| المسار | نموذج التكلفة | المحاذير الشائعة |
|---|
| تطبيق Kling الرسمي، الباقة المجانية | نقاط يومية، تكلفة لكل ثانية | علامة مائية وسقف دقة مُبلَّغ عنه |
| تطبيق Kling الرسمي، باقة مدفوعة | نقاط شهرية | تستنزف النقاط بسرعة عند إعادة المحاولة |
| صفحة النموذج على PicassoIA | مجاني للتجربة عبر الإنترنت | نافذة المقطع نفسها من 2 إلى 10 ثوانٍ |
| أدوات مزامنة شفاه مفتوحة المصدر | برمجيات مجانية | تحتاج إلى GPU ووقتًا للإعداد |
💡 نصيحة: مهما كانت المنصة التي تختارها، جرّب أولًا بمقطع مدته 3 ثوانٍ. المحاولات الفاشلة أو غير المتطابقة تكلّف بقدر المحاولات الناجحة.
شرح حدود طول الفيديو
الطول هو النقطة التي يتعثر عندها معظم الناس، لذا إليك التوضيح ببساطة.
نافذة الـ 2 إلى 10 ثوانٍ
النموذج مصمّم للمقاطع القصيرة. وفقًا لمواصفات النموذج، يجب أن يكون طول فيديو الإدخال بين 2 و10 ثوانٍ. أي مقطع أقصر من ثانيتين يُرفض، وأي مقطع يتجاوز 10 ثوانٍ لن يجتاز التحقق. هذا خيار في تصميم المنتج: المقاطع القصيرة تحافظ على اتساق منطقة الفم، ويبدو الناتج أفضل من تصيير طويل يتباعد فيه التطابق.
حدود الإدخال في لمحة
| الإدخال | الحد |
|---|
| مدة الفيديو | من 2 إلى 10 ثوانٍ |
| صيغ الفيديو | .mp4 أو .mov |
| حجم ملف الفيديو | أقل من 100 MB |
| دقة الفيديو | من 720p إلى 1080p (أبعاد من 720 إلى 1920 بكسل) |
| صيغ الصوت | .mp3، .wav، .m4a، .aac |
| حجم ملف الصوت | أقل من 5 MB |
قاعدة أخرى مهمة: عندما يكون الصوت أطول من الفيديو، يُقتطع ليتناسب معه. وعندما يكون أقصر، تتوقف حركة فم المتحدث ببساطة للجزء المتبقي. لذا اكتب نصك ليناسب المقطع، لا العكس.

التعامل مع الفيديوهات الأطول
بالنسبة لشهادة مدتها 40 ثانية، قسّم المقطع إلى أجزاء من 8 إلى 10 ثوانٍ، واقطع عند فترات صمت طبيعية أو عند تغيير زاوية الكاميرا، ثم شغّل كل جزء على حدة، واجمعها في محرر الفيديو. القطع في منتصف الكلمة يخلق قفزة مرئية، لذا اختر الأنفاس ونهايات الجمل بدلًا من ذلك. قاعدة تقريبية: جملة واحدة لكل جزء.
إذا احتجت إلى فيديو تحدث يستمر دقائق بدلًا من ثوانٍ، فنوع آخر من الأدوات يناسبك أكثر. بعض نماذج الأفاتار وتحويل الصورة إلى فيديو تقبل مسارات صوتية طويلة، وتولّد الأداء كاملًا من صورة واحدة. سنتحدث عنها بالتفصيل في قسم البدائل.
الإعدادات المهمة فعلًا
قائمة التحكم قصيرة. وهذا خبر جيد، لأن هناك أشياء أقل يمكن أن تخطئ فيها.
ملف صوتي أو إدخال نصي
استخدم ملفًا صوتيًا كلما كانت جودة الصوت مهمة. الأصوات المدمجة مناسبة للمسودات والإعلانات ذات الراوي الاصطناعي والاختبارات السريعة، لكن التسجيل الحقيقي يحمل توقفات وتأكيدات تبدو أكثر طبيعية على الوجه. أبقِ الملف أقل من 5 MB، وهذا يعني عادةً بضع دقائق من ملف mp3 بجودة قياسية، وهو أكثر بكثير مما يحتاجه مقطع مدته 10 ثوانٍ.
معرّف الصوت وسرعة الصوت
عند كتابة نص، تختار voice_id. تشمل القائمة خيارات إنجليزية مثل راوي قصص هادئ، ورجل بلهجة بريطانية، وصوت أنثوي تجاري، وولد صغير بلهجة بريطانية، إلى جانب قائمة طويلة من الأصوات الصينية. الصوت الافتراضي هو صوت إنجليزي يُدعى en_AOT. اختر الصوت أولًا، ثم تحقق من أن النبرة تناسب الوجه على الشاشة. الصوت الخشن لرجل كبير على شاب في العشرين نادرًا ما ينجح.
سرعة الصوت قيمتها الافتراضية 1. وتنطبق فقط على الإدخال النصي، لا على الصوت المرفوع. قلّلها قليلًا عندما يكون نصك أطول قليلًا من المقطع، أو ارفعها عندما يترك ثانية ميتة في النهاية. التغييرات الكبيرة تجعل الصوت آليًا.
الدقة والكادر
غذِّ النموذج بلقطات من 720p إلى 1080p. المقاطع الأصغر تُرفض، وأي دقة فوق هذا النطاق تقع خارج الحدود المعلنة. الإعدادات الأفضل ليست أرقامًا، بل خيارات على موقع التصوير:
- حجم الوجه: ينبغي أن يكون الفم بعرض بضع عشرات من البكسلات على الأقل.
- العوائق: لا أيدٍ ولا ميكروفونات ولا أوشحة تعبر الشفتين.
- الإضاءة: الضوء المتساوي على الجزء السفلي من الوجه يمنع الوميض حول الفم.
- الثبات: لقطة على حامل ثلاثي القوائم تتزامن بموثوقية أكبر بكثير من لقطة محمولة مهتزة.

أمثلة واقعية تستحق التجربة
الأرقام وحدها لا تكفي. إليك ثلاثة مواقف يثبت فيها النموذج جدواه.
دبلجة مقدّمة تحدث
سجّل مقدمة قصيرة مرة واحدة بلغتك. ترجم النص، وسجّل الصوت الجديد أو ولّده، ثم زامن المقطع. تحصل على نسخة بكل لغة دون إعادة تصوير. يعمل هذا بأفضل شكل مع متحدث واحد يواجه العدسة، وهو الكادر المعتاد لمقدمات صناع المحتوى ومعاينات الدورات وشروحات المنتجات.
تعليق صوتي لإعلان على وسائل التواصل
لنفترض أنك صوّرت مقطعًا لأسلوب حياة يتضمن شخصًا يمشي ويتحدث، وقررت العلامة التجارية عبارة ترويجية مختلفة قبل يوم من الإطلاق. اكتب السطر الجديد، واختر صوتًا بأسلوب تجاري، والمقطع جاهز. اجعل السطر في حدود 20 إلى 25 كلمة تقريبًا ليناسب سقف الـ 10 ثوانٍ بمعدل الكلام العادي.

إصلاح سطر متعثر
يتعثر أحد الأشخاص في مقابلة في كلمة واحدة. بدلًا من طلب إعادة تصوير ثانية، اقتطع 5 ثوانٍ حول الخطأ، وسجّل سطرًا نظيفًا، وزامن ذلك الجزء فقط. ضعه مرة أخرى في خط الزمن. نادرًا ما يلاحظ المشاهدون موضع الوصل عندما تتطابق الإضاءة والكادر.
عدد الكلمات لكل مقطع: مرجع سريع
| مدة المقطع | عدد الكلمات المنطوقة تقريبًا |
|---|
| 3 ثوانٍ | من 7 إلى 9 كلمات |
| 5 ثوانٍ | من 12 إلى 15 كلمة |
| 8 ثوانٍ | من 20 إلى 24 كلمة |
| 10 ثوانٍ | من 25 إلى 30 كلمة |
كيفية استخدام Kling Lip Sync على PicassoIA
إليك سير العمل من الرفع إلى التنزيل.
- افتح النموذج. انتقل إلى صفحة Kling Lip Sync على PicassoIA.
- أضف الفيديو. ارفع ملف .mp4 أو .mov أو اربطه، بطول من 2 إلى 10 ثوانٍ، وحجم أقل من 100 MB، ودقة بين 720p و1080p. استخدم
video_url. إذا كان الفيديو من إنشاء Kling نفسه، يمكنك استخدام معرّف الفيديو بدلًا منه، لكن لا تستخدم الاثنين معًا أبدًا.
- اختر مصدر الصوت. إما أن ترفع ملفًا صوتيًا (.mp3 أو .wav أو .m4a أو .aac، وأقل من 5 MB) أو تكتب نصك في الحقل النصي. إذا املأت الاثنين، يتقدّم الملف الصوتي، لذا اترك الحقل النصي فارغًا عند استخدام تسجيل.
- اختر صوتًا. للإدخال النصي، حدّد
voice_id. جرّب صوتين أو ثلاثة على السطر نفسه قبل أن تختار.
- اضبط السرعة. اترك
voice_speed على 1 في التشغيل الأول. عدّل فقط إذا كان الكلام قصيرًا أو طويلًا.
- شغّل وراجع. شاهد النتيجة بالحجم الكامل وركّز على أصوات "p" و"b" و"m"، حيث يجب أن تنطبق الشفتان. إذا فعلت، فالمزامنة متينة.
- نزّل وحرّر. ضع الناتج في محررك وادمج الأجزاء معًا.
💡 نصيحة: احتفظ بنظام تسمية للأجزاء، مثل intro_01، intro_02. عندما تدبلج إلى عدة لغات، يسهل أن تفقد الترتيب حول الملف الذي ينتمي إلى أي مكان.

إصلاح مشكلات المزامنة الشائعة
معظم الإخفاقات تأتي من المدخلات، لا من النموذج.
يبدو الفم متباينًا قليلًا
تحقق من الصوت أولًا. الموسيقى الخلفية أو الصدى أو الضوضاء تربك التوقيت. نظّف المسار، وأزل الموسيقى الخلفية، ثم شغّل مجددًا. التسجيل الجاف القريب من الميكروفون يعطي أنظف نتيجة.
يُرفض المقطع
قارن ملفك بجدول الحدود أعلاه. الأسباب المعتادة هي مقطع أقل من ثانيتين، أو ملف يتجاوز 100 MB، أو دقة أقل من 720p، أو ملف صوتي أكبر من 5 MB. أعد التصدير بمعدل بت أصغر واقتطع الطول.
ينقطع الكلام مبكرًا
صوتك أطول من فيديوك. إما أن تقصّر النص، أو ترفع سرعة الصوت قليلًا، أو تقسّم السطر على مقطعين. تذكّر أن النموذج يقتطع الصوت بدلًا من تمديد الفيديو.
يومض الوجه حول الشفتين
الإضاءة الجانبية التي تتغير بسرعة، وشعر الوجه الكثيف، وضبابية الحركة كلها تسبب ذلك. الحل هو مقطع مصدر أنظف. إذا لم تستطع إعادة التصوير، فجرّب جزءًا آخر يكون فيه الرأس أكثر ثباتًا.

بدائل عندما تحتاج إلى المزيد
يُعد Kling Lip Sync خيارًا قويًا للمقاطع القصيرة. المواقف الأخرى تتطلب أدوات أخرى، وكلها متوفرة على PicassoIA:
إذا لم يكن لديك أي لقطات على الإطلاق، فابدأ بأداة توليد فيديو من النص مثل Kling v3 Video لإنتاج المقطع، ثم شغّله عبر مزامنة الشفاه لتحصل شخصيتك على صوت.

جرّبه على مقطعك الخاص
أسرع طريقة للحكم على نموذج مزامنة الشفاه هي تشغيل لقطاتك أنت عليه. اختر مقطعًا مدته 5 ثوانٍ، واكتب سطرًا من 12 إلى 15 كلمة، وشغّله على صفحة Kling Lip Sync. ثم جرّب المقطع نفسه بصوت مسجّل وقارن النتيجتين جنبًا إلى جنب.
بعد أن تعرف طريقة عمله، توسّع: ادبلج المقطع نفسه إلى لغة ثانية، أو جرّب صوتًا مختلفًا، أو قارنه مع Lipsync 2 على مدخل مطابق. يمكنك تصفح كل نماذج مزامنة الشفاه والفيديو والصور على picassoia.com/en/all-models وأن تصنع فيديو التحدث التالي اليوم.