اختبار خام بلا فلاتر لنموذج Kling v3 Motion Control على مشاهد للبالغين ومشاهد إيحائية. يشرح هذا المقال ما يُخرجه النموذج، وأين يحجب المحتوى، وكيف يقارن ببدائله، وأي المنصات تتيح لك الذهاب أبعد.
استغرق الاختبار ثلاث ساعات. عشرات الأوامر النصية، وأنواع مشاهد متعددة، ونموذج من أقوى نماذج توليد الفيديو بالذكاء الاصطناعي المتاحة الآن، دُفع إلى حدوده في المحتوى للبالغين والمحتوى الإيحائي. جاءت النتائج التي قدّمها Kling v3 Motion Control مفاجئة في الاتجاهين: بعض المخرجات كانت أكثر تساهلًا من المتوقع، وبعضها الآخر اصطدم بجدران لم نتوقعها. يغطي هذا المقال كل شيء دون تخفيف للنتائج. إذا كنت تتساءل عما إذا كان Kling v3 يستطيع توليد مشاهد للبالغين، وما الدور الذي يلعبه Motion Control في هذا السير، فهذه هي الأرقام الصادقة.
Kling v3 هو أحدث بنية لتوليد الفيديو لدى Kuaishou، وMotion Control هو ميزته المميزة: القدرة على تحديد أجزاء الجسم، وتطبيق أوضاع مرجعية، وتصميم الكيفية الدقيقة التي يتحرك بها الشخص عبر المشهد. هذا ليس تحويل النص إلى فيديو عاديًا، حيث تصف فعلًا وتأمل أن يفسّره النموذج بشكل صحيح. يمنحك Motion Control دقة على مستوى الإخراج في حركة الشخص.
يقبل النموذج ثلاثة مدخلات: صورة مصدر تحتوي على الشخص، ومرجع للحركة (إما صورة وضعية هيكلية أو مقطع فيديو قصير للحركة)، وأمرًا نصيًا يصف سياق المشهد. المخرج مقطع من 5 إلى 10 ثوانٍ يتحرك فيه الشخص من صورة المصدر وفق حركة المرجع، مع الحفاظ على المظهر البصري الأصلي للشخصية طوال التسلسل.
تهم هذه البنية تحديدًا المحتوى للبالغين لأنها تفصل بين شكل الشخص وطريقة حركته. النماذج العادية تدمج هذين العنصرين في مرور واحد، ما يخلق عدم انتظام. عندما يولّد النموذج المظهر والحركة معًا، تنتج تغييرات صغيرة في الأمر النصي اختلافات كبيرة في مظهر الشخصية. مع Motion Control، تحدد المظهر من خلال صورة المصدر، والحركة من خلال مرجع الحركة. ويدمج النظام الاثنين باتساق أكبر بكثير.
تؤدي هذه البنية إلى ثبات تشريحي أقوى عبر المقطع المولَّد. في تحويل النص إلى فيديو العادي، تتغير نسب الأشخاص غالبًا، أو يفقدون عناصر من الملابس، أو تظهر تناقضات جسدية بين الإطارات. تُظهر مقاطع Motion Control عددًا أقل بوضوح من هذه العيوب، لأن انتباه النموذج يرتكز على صورة المصدر طوال التوليد.
تحرّك نماذج تحويل الصورة إلى فيديو القياسية، مثل Wan 2.7 I2V أو Seedance 2.5، صورتك باستخدام أمر نصي وحده لتوجيه الحركة. تتفاوت النتائج بشدة حسب صياغة الأمر النصي، ويفسّر النموذج الحركة غالبًا بطرق لا تطابق التصميم المقصود.
يزيل Kling v3 Motion Control هذا الغموض بإدراج طبقة مرجع حركة بين مدخلك والمخرج. فبدلًا من وصف "امرأة ترفع ذراعيها ببطء أثناء استدارتها"، تقدم مقطع فيديو مرجعيًا لتلك الحركة بالضبط، ويقوم النموذج بنقلها إلى الشخص في صورتك بدقة عالية.
في المحتوى للبالغين تحديدًا، يهم هذا لأن حركة الجسم في المشاهد الإيحائية تتطلب تماسكًا تشريحيًا تفشل النماذج المعتمدة على الأوامر النصية وحدها في الحفاظ عليه غالبًا. ينتج Motion Control رسومًا متحركة للجسم أنظف بوضوح، مع عدد أقل من التناقضات بين الإطارات، خاصة في تسلسلات الحركة المقرّبة حيث تكون العيوب أكثر وضوحًا.
استخدم الاختبار Kling v3 Motion Control عبر PicassoIA، الذي يوفر الوصول إلى النموذج دون الحاجة إلى حساب منفصل لدى Kuaishou أو إعداد API. كانت صور المصدر صورًا شخصية واقعية مولّدة بالذكاء الاصطناعي بمستويات متفاوتة من اللباس والتعري. وتراوحت مراجع الحركة بين حلقات مشي بسيطة وتسلسلات تمدد، وأنماط حركة أكثر حميمية مستخرجة من مراجع لتصميم رقصات.
نظّمنا الاختبار في أربعة مستويات محتوى لتوفير نتائج مقارنة منظمة:
| المستوى | الوصف | أمثلة على الأوامر النصية |
|---|---|---|
| المستوى 1 | ملابس، إيحائي | رقص بملابس السهرة، جلسة تصوير بملابس السباحة، حركة رياضية |
| المستوى 2 | تعرٍّ جزئي | مشهد ملابس داخلية، وضعية فنية بدون ملابس علوية، عُري ضمني |
| المستوى 3 | شبه صريح | تسلسلات حركة حميمية، رسوم متحركة تركز على أجزاء جسم محددة |
| المستوى 4 | صريح | محتوى جنسي مباشر، تعرٍّ كامل |
خُتبر كل مستوى عبر 15 صيغة من الأمر النصي، باستخدام صورتي مصدر مختلفتين وثلاثة مراجع حركة مختلفة. يعطي ذلك 90 محاولة توليد فردية لكل مستوى، أي 360 محاولة إجمالًا، وهو حجم كافٍ لتحديد أنماط ثابتة لا مجرد حالات شاذة معزولة.
اختبرنا منهجيًا نهجين رئيسيين للأوامر النصية. استخدم الأول لغة وصفية مباشرة عن المشهد والحالة الجسدية للشخص. واستخدم الثاني لغة تأطير سينمائية تصف الحركة من خلال عمل الكاميرا والإضاءة والمزاج، بدلًا من الحركة الجسدية الصريحة.
تفوّق التأطير السينمائي باستمرار على الوصف المباشر في كل المستويات. فوصف تسلسل بعبارة "دوللي-إن بطيء بينما يمدّ الشخص ذراعيه فوق الرأس، ضوء صباح دافئ، حركة قماش الحرير، مسافة متوسطة، جمالية Sony A7IV" أعطى معدلات توليد أفضل من "امرأة تخلع العلوي، تواجه الكاميرا". يستجيب النموذج للنية السينمائية أكثر من الوصف الجسدي الحرفي.
يتوافق هذا مع طريقة عمل مخرجي الفيديو المحترفين مع نماذج الذكاء الاصطناعي. فقد دُرّب النموذج على محتوى سينمائي بلغة إنتاج احترافية، لذا تطابق الأوامر المكتوبة بهذا الأسلوب توزيع التدريب بدقة أكبر، وتنتج مخرجات أعلى جودة وأكثر تساهلًا.
المستوى 1: نسبة نجاح 100%. نجحت جميع المشاهد المتعلقة بملابس السباحة والملابس الداخلية وفساتين المساء الضيقة في التحريك دون مشكلات، عبر كل المحاولات البالغ عددها 90. تعامل النموذج مع حركة الجسم بدقة تشريحية مبهرة. وتحسنت فيزياء الشعر ومحاكاة الأقمشة وتظليل البشرة بشكل ملحوظ مقارنةً بإصدارات Kling v2.x. وجودة الحركة في هذا المستوى مثيرة للإعجاب فعلًا، خاصةً في طريقة حفاظ النموذج على مظهر وجه ثابت عبر تسلسلات حركة طويلة.
المستوى 2: نسبة نجاح 57% من المحاولة الأولى. نجح التأطير الفني للتعري الجزئي، تحديدًا المشاهد التي يكون فيها الكشف ضمنيًا لا معروضًا صراحة، في المحاولة الأولى في نحو 57% من الحالات. وعند الرفض، نجحت إعادة الصياغة بلغة سينمائية أقوى في المحاولة الثانية بنسبة تقارب 40% من الوقت. وإجمالًا، وصل محتوى المستوى 2 المستمر مع الأوامر المعدّلة إلى معدل فعّال يقارب 75% عبر كل المحاولات.
💡 نصيحة: عند توليد محتوى إيحائي باستخدام Kling v3 Motion Control، ابدأ بالإضاءة وحركة الكاميرا. عبارة "ضوء نافذة دافئ، تقريب بطيء، داخلية غرفة نوم، مزاج صباحي" تتفوّق باستمرار على البدء بالوصف الجسدي للشخص.
كانت جودة الحركة في مخرجات المستوى 2 الناجحة أقوى جانب في النتائج. حافظ نظام Motion Control على تشريح ثابت خلال حركة القماش وتغيّر الوضعيات، بطريقة نادرًا ما تحققها نماذج الرسوم المتحركة العادية. وبالنسبة لإنتاج الجلامور (glamour) والعُري الفني، تبرر جودة المخرجات جهد التكرار.
المستوى 3: نسبة نجاح 19%. رُفضت تسلسلات الحركة الحميمية الصريحة بمعدل 81%، بغض النظر عن صياغة الأمر النصي. يطبّق النموذج رفضًا فئويًا، لا تصفية محتوى لينة. وعندما يرفض في المستوى 3، تكون الاستجابة رسالة خطأ، لا مخرجًا بديلًا منقحًا.
كانت نسبة 19% التي نجحت في المستوى 3 تميل إلى تسلسلات كانت فيها الحركة الجسدية الحميمة مؤطّرة بالكامل بلغة سينمائية مجردة، دون أي وصف جسدي. وكانت هذه النتائج غير متسقة وغير قابلة للتكرار، أي أن أمرًا نصيًا نجح مرة كثيرًا ما فشل في المحاولات اللاحقة بالمعاملات نفسها. لا تبنِ سير عمل إنتاجي على هذه الحالات الحدّية.
المستوى 4: نسبة نجاح 0%. كما كان متوقعًا. ينتمي Kling v3 Motion Control إلى النماذج التي تُوزَّع تجاريًا وتفرض قيودًا صارمة على المحتوى الجنسي الصريح. ولم يغيّر أي أسلوب من هندسة الأوامر هذه النتيجة.
الخلاصة الصادقة: Kling v3 Motion Control ممتاز في المستوى 1، ووظيفي في المستوى 2 مع جهد متوسط في الأوامر النصية، وغير قابل للاستخدام عمليًا في المستويين 3 و4. إذا كان إنتاجك يتطلب أي شيء يتجاوز المحتوى شبه العاري الفني، فستحتاج إلى نموذج مختلف، أو إلى الجمع بين Kling وسير عمل ما بعد الإنتاج.
يستضيف PicassoIA Kling v3 Motion Control مباشرة، مما يجعله متاحًا دون إعداد API أو تسجيل في منصة أخرى غير PicassoIA نفسها. يتكون سير العمل من خمس خطوات.
الخطوة 1: تحضير صورة المصدر. يعمل النموذج بأفضل شكل مع صورة شخصية واقعية أو لجسم كامل واضحة وجيدة الإضاءة. استخدم نسبة 16:9 أو 9:16 حسب اتجاه المخرج المقصود. تؤدي الصور المولّدة بالذكاء الاصطناعي من مولّدات عالية الدقة أداءً جيدًا كمادة مصدر. تأكد أن صورة المصدر تحتوي على وضعية نظيفة وواضحة وإضاءة متسقة. فالمصادر المزدحمة أو المعقدة تركيبيًا تقلل دقة التحكم في الحركة بشكل كبير.
الخطوة 2: اختيار مرجع الحركة. يقبل Kling v3 Motion Control صورة وضعية هيكلية بتنسيق OpenPose أو مقطع فيديو مرجعيًا للحركة. بالنسبة للمحتوى الحميمي، اختر مراجع حركة تطابق حركة الجسم المطلوبة بدقة من حيث التوقيت والشدة. يُنقل النموذج أسلوب الحركة وتوقيتها، لا مجرد الاتجاه العام. فالمرجع البطيء والمتعمد ينتج مخرجًا بطيئًا ومتعمدًا، بغض النظر عن صياغة الأمر النصي.
الخطوة 3: بناء الأمر النصي للمشهد. ركّز على: ظروف الإضاءة (الاتجاه، والحرارة، والجودة)، وحركة الكاميرا (دوللي، أو بانوراما، أو ثابتة)، وواصفات المزاج، والسياق المحيط. اجعل الوصف الجسدي الصريح في حده الأدنى. ركّز على البيئة السينمائية بدلًا من الحالة الجسدية للشخص.
الخطوة 4: الدقة والمدة. يدعم Kling v3 Motion Control مخرجات بدقة 720p و1080p. لاختبار المحتوى للبالغين وتكرار الأوامر النصية، يعمل 720p أسرع ويكلّف نقاطًا أقل. انتقل إلى 1080p فقط للمخرجات النهائية بجودة الإنتاج، بعد تأكيد توليفة الأمر النصي وصورة المصدر.
الخطوة 5: المراجعة والتكرار. خصّص ميزانية لنحو 2-3 محاولات توليد لكل مشهد خلال مرحلة التطوير. تضبط المحاولة الأولى تفسير النموذج لصورة المصدر. وغالبًا ما تغيّر المحاولات اللاحقة، مع تعديلات طفيفة في الأمر النصي، هامش المحتوى المسموح به بشكل ملحوظ.
يعكس هذا الجدول اختبارات عبر النماذج المتاحة على PicassoIA، مُقيَّمة بحسب أبعاد تهم سير عمل إنتاج المحتوى للبالغين.
| النموذج | أقصى مستوى محتوى | جودة الحركة | السرعة | الاستخدام الموصى به |
|---|---|---|---|---|
| Kling v3 Motion Control | المستوى 2 | ممتازة | متوسطة | دقة التصميم الحركي |
| Kling v3 Video | المستوى 2 | جيدة جدًا | متوسطة | الجلامور (glamour) المعتمد على النص |
| Kling v3 Omni Video | المستوى 2 | جيدة جدًا | بطيئة | مخرجات سينمائية بدقة 1080p |
| Kling v2.6 Motion Control | المستوى 2 | جيدة | متوسطة | تحويل الصورة إلى فيديو والرسوم المتحركة |
| Kling v2.5 Turbo Pro | المستوى 2 | جيدة | سريعة | تكرارات سريعة |
| Wan 2.7 I2V | المستوى 3 (جزئي) | جيدة | بطيئة | أقصى هامش للمحتوى |
| Wan 2.7 T2V | المستوى 3 (جزئي) | جيدة | بطيئة | مرونة مفتوحة الأوزان |
| Pixverse v6 | المستوى 2 | جيدة | سريعة | إنتاج يركز على السرعة |
| Seedance 2.5 | المستوى 1-2 | جيدة جدًا | سريعة | مخرجات عالية الجودة بكميات كبيرة |
| Hailuo 02 | المستوى 2 | جيدة جدًا | متوسطة | 1080p سينمائي |
لدقة الحركة: لا يضاهي Kling v3 Motion Control أحد على مستوى المحتوى 1-2. تنتج بنية Motion Control دقة في حركة الجسم لا تستطيع النماذج المعتمدة على النص وحده مجاراتها. إذا كان إنتاجك يتطلب تسلسل وضعية محددًا يُحرَّك على شخصية بعينها، فهذا النموذج هو الذي ينفذه بموثوقية.
لهامش المحتوى: يتصدر Wan 2.7 I2V بين النماذج المتاحة تجاريًا. وبوصفه نموذجًا مفتوح الأوزان، يمكن ضبط نشره على منصات مثل PicassoIA بقيود محتوى أقل من النماذج المغلقة الخاصة. يصل إلى المستوى 2 بموثوقية، ويصل أحيانًا إلى المستوى 3 بأنماط أوامر نصية محددة تتجنب تفعيل الرفض الفئوي.
للسرعة والتكرار: يعيد Pixverse v6 وكذلك Seedance 2.5 النتائج بسرعة أكبر بكثير. عند تكرار الأوامر النصية وتركيب المشهد، تهم السرعة أكثر من الجودة القصوى. استخدم النماذج السريعة في مرحلة الاستكشاف، وانتقل إلى Kling للإنتاج النهائي بعد تثبيت الاتجاه الإبداعي.
يمثل Wan 2.7 I2V إلى جانب Wan 2.7 T2V الخيار الأكثر تساهلًا القريب من التجاري المتاح حاليًا عبر PicassoIA. تعني البنية مفتوحة الأوزان أن مرشحات المحتوى أقل صرامة من النماذج المغلقة مثل Kling، لكنها ليست غائبة. بالنسبة لمحتوى المستوى 2، يكون Wan 2.7 أكثر اتساقًا من Kling v3 Motion Control لأنه لا يتطلب مرجع وضعية، ما يجعل سير التوليد أسرع بوضوح.
ما تتنازل عنه هو دقة الحركة. ينتج Wan 2.7 رسومًا متحركة عامة جيدة، لكنه يفتقر إلى نظام Motion Control الذي يجعل مخرجات Kling v3 مميزة للمحتوى المصمَّم حركيًا. استخدم Wan 2.7 عندما تحتاج إلى مخرجات موثوقة من المستوى 2 بسرعة، واستخدم Kling v3 عندما تكون الحركة نفسها قيمة الإنتاج.
💡 نصيحة: ادمج Kling v3 Motion Control للّقطات الرئيسية التي تتطلب تصميمًا حركيًا دقيقًا مع Wan 2.7 للّقطات الداعمة والمونتاج. ستحصل على دقة الحركة وهامش المحتوى معًا ضمن سير عمل إنتاجي واحد، دون التضحية بأي بُعد من أبعاد الجودة.
يتعامل Pixverse v6 مع المحتوى الإيحائي بشكل أكثر اتساقًا من الإصدارات السابقة. يُنتج مخرجات نظيفة من المستوى 1، ويتعامل مع التأطير الفني من المستوى 2 في نحو 50% من الحالات. وتتمثل ميزته الإنتاجية الرئيسية في السرعة، إذ يعيد النتائج عادة في أقل من 30 ثانية، مقابل زمن توليد يتراوح بين دقيقتين و3 دقائق لنموذج Kling.
يُنتج Seedance 2.5 من ByteDance اتساقًا زمنيًا ممتازًا، أي أن الشخصيات تحافظ على مظهر ثابت عبر طول المقطع كاملًا. بالنسبة لمحتوى المستوى 1، يقدم أفضل نسبة جودة إلى سرعة بين أي نموذج متاح حاليًا عبر PicassoIA. تحدّ سياسة ByteDance للمحتوى المحافظة من أدائه في المستوى 2، لكنه استثنائي ضمن المستوى 1 لإنتاج الكميات الكبيرة.
ويستحق الإبقاء عليهما ضمن التناوب أيضًا: Kling v2.6 Motion Control وكذلك Kling v2.5 Turbo Pro. يُظهر v2.6 Motion Control أحيانًا هامش محتوى أكبر قليلًا من v3 في أنواع مشاهد محددة، مع جودة مماثلة. والإبقاء على إصدارات Kling الأقدم ضمن التناوب، بدلًا من التخلي عنها كليًا، يمنح مرونة إنتاجية إضافية دون أي تكلفة إضافية.
بالنسبة للفرق التي تُشغّل إنتاج محتوى للبالغين بكميات كبيرة، يبدو خط الإنتاج العملي كالتالي:
يُستحسن أيضًا اختبار نموذج Kling Avatar v2 للمحتوى المعتمد على الوجه. يقبل صورة شخصية مرجعية ويحوّلها إلى فيديو يتحدث أو يعبّر، ما ينتج نوع محتوى مختلفًا لكنه مكمّل للمنصات التي تتطلب سردًا قائمًا على الشخصيات إلى جانب محتوى حركة الجسم.
للمخرجات السينمائية بدقة 1080p مع تركيز على الجودة الزمنية، ينتج Hailuo 02 من MiniMax نتائج ممتازة في المستوى 1-2، مع حفاظ قوي على المظهر الأصلي للشخص عبر الإطارات. وتضاهي جودة حركته Kling v3 في أنواع مشاهد معينة، خاصة التسلسلات البطيئة والأكثر أجواءً، بدلًا من التصميم الحركي عالي الطاقة.
Kling v3 Motion Control هو أفضل نموذج متاح لتوليد فيديو بالذكاء الاصطناعي لإنتاج محتوى مصمَّم حركيًا بجودة عالية على مستوى المحتوى 1-2. لن يحل محل سير العمل الذي يتطلب محتوى المستوى 3 أو 4، ولن يغيّر أي قدر من هندسة الأوامر حدوده الصارمة. لكن لمحتوى الجلامور (glamour) والعُري الفني والفيديو الإيحائي المصمَّم بدقة، لا يوجد اليوم خيار متاح ينتج دقة حركة مماثلة بهذا المستوى من جودة الإنتاج.
ابدأ من Kling v3 Motion Control على PicassoIA. اختبر صورة المصدر أولًا بحركة مشي بسيطة لمعايرة طريقة تفسير النموذج لمظهر الشخص المحدد. ثم ارفع تعقيد الحركة ومستوى المحتوى تدريجيًا عبر التوليدات اللاحقة، باستخدام استراتيجية التأطير السينمائي للأوامر النصية الموضحة أعلاه.
لأي شيء يرفضه Kling v3، انتقل مباشرة إلى Wan 2.7 I2V. لا تُضيّع وقتًا طويلًا في هندسة الأوامر لتجاوز رفض Kling. الحدود معمارية، ومعرفة متى تبدّل الأدوات لا تقل أهمية عن معرفة كيفية كتابة الأوامر داخلها.
تصفح كل نموذج فيديو بالذكاء الاصطناعي ورد ذكره في هذا المقال على picassoia.com/en/all-models. يضم الكتالوج الكامل أكثر من 100 خيار لتوليد الفيديو عبر مستويات دقة متعددة وسياسات محتوى وسير عمل إنتاجية متنوعة، وكلها متاحة من منصة واحدة دون مفاتيح API منفصلة أو أعباء إدارة حسابات.
اختر لغتك
