يبدو Open Sora 2.0 حلمًا: مولّد فيديو مجاني ومفتوح المصدر، مع أوزان يمكنك تنزيلها، ووصفة تدريب يستطيع أي شخص قراءتها، ومخرجات يقول مطوروه إنها تنافس الأدوات المدفوعة. لكن عند محاولة تشغيله تكتشف الشرط الخفي. يحتاج إلى مجموعة من وحدات GPU باهظة الثمن، والعرض المستضاف له طابور انتظار، والمقاطع تتوقف بعد بضع ثوانٍ.
يفصل هذا المقال بين الترويج والواقع. ستتعرف على ماهية النموذج، ومعنى أرقامه، وطريقة عمل العرض التجريبي عبر الإنترنت، وأين تقع الحدود الفعلية، وأي البدائل تمنحك فيديو قابلًا للاستخدام في دقائق بدلًا من ساعات.
💡 ملاحظة سريعة عن الاسم: Open Sora مشروع مجتمعي من HPC-AI Tech. وهو ليس Sora 2 من OpenAI، رغم تشابه الاسمين. إنهما نموذجان منفصلان من فريقين مختلفين.
ما هو Open Sora 2.0 فعلًا

النسخة المختصرة
Open Sora 2.0 نموذج مفتوح المصدر لتحويل النص إلى فيديو وتحويل الصورة إلى فيديو، وصدر في مارس 2025. يضم نحو 11 مليار معامل، وينتج مقاطع بدقة تصل إلى 720p وبمعدل 24 fps. نشر الفريق نقاط الحفظ (checkpoints) وكود التشغيل ومسار التدريب الموزّع، وهذا ما يجعله "مفتوحًا" بمعنى ذي قيمة. فمعظم نماذج الفيديو تُبقي واحدًا على الأقل من هذه المكونات الثلاثة مغلقًا.
ميزته الرئيسية هي الكفاءة. أعلن المطوّرون أن تكلفة التدريب بلغت نحو 200,000 دولار باستخدام 224 وحدة GPU، وهو مبلغ صغير مقارنةً بما يُعتقد أن المختبرات المغلقة تنفقه. وتضع ادعاءاتهم المعيارية النموذج قريبًا من نماذج أكبر بكثير، مثل HunyuanVideo وStep-Video بحجم 30B، في اختبارات VBench واختبارات تفضيل البشر.
من بناه ولماذا يهم ذلك
يأتي المشروع من HPC-AI Tech، وهي شركة تبيع ساعات الحوسبة السحابية بوحدات GPU وبرامج التدريب. هذا السياق مفيد. فالإصدار المفتوح إسهام حقيقي للباحثين، لكنه يستعرض أيضًا البنية التحتية التي تملكها الشركة. ولا تجعل أيٌّ من الحقيقتين النموذج أسوأ. كل ما في الأمر أنها تفسر لماذا تحتل تكلفة التدريب مكانة محورية في الترويج له.
أما بالنسبة للهواة، فالقيمة مختلفة. يمكنك قراءة الكود، وضبط النموذج بدقة على لقطاتك الخاصة، وتشغيله دون اتصال دون إرسال أي أمر نصي إلى خادم شخص آخر.
المواصفات والتكلفة وما تعنيه
حجم النموذج والمخرجات
إليك اللقطة السريعة، استنادًا إلى ما نشره المطورون عند الإصدار:
| الميزة | Open Sora 2.0 |
|---|
| المعاملات | نحو 11B |
| الأنماط | تحويل النص إلى فيديو، تحويل الصورة إلى فيديو |
| الدقة | مخرجات بمستوى يصل إلى 720p |
| معدل الإطارات | 24 fps |
| الطول المعتاد للمقطع | نحو 5 ثوانٍ في معرض العرض التجريبي |
| الصوت | لا يُنتَج صوت |
| الأوزان | تنزيل عام |
| تكلفة التدريب (المعلنة) | نحو 200,000 دولار |
اعتبر تكلفة التدريب رقمًا من المطورين أنفسهم، وليس رقمًا مدققًا. ومع ذلك فهو مثير للإعجاب، ويُظهر أن نماذج الفيديو القوية لم تعد تتطلب ميزانية بمليارات الدولارات.
الجزء المجاني حقيقي، مع شرط
المجاني هنا يعني مجاني للتنزيل. ولا يعني مجاني للتشغيل. فكل مقطع تولّده على جهازك يكلّف كهرباء ووقت GPU، وإذا استأجرت GPU في السحابة فستدفع بالساعة. اقرأ الترخيص في المستودع قبل استخدام المخرجات تجاريًا، فالأوزان المفتوحة وحقوق الاستخدام التجاري غير المقيّدة ليسا دائمًا الشيء نفسه.
تشغيله بنفسك

واقع العتاد
نموذج فيديو بحجم 11B ثقيل. للحصول على الجودة الكاملة ينبغي أن تخطط لاستخدام وحدة GPU من فئة مراكز البيانات ذات الذاكرة العالية، وليس بطاقة ألعاب عادية. تستطيع الإصدارات المجتمعية والتحسينات أن تضغط النموذج على عتاد أصغر، لكنك تضحي حينها بالسرعة أو الدقة أو طول المقطع. توقّع أن يستغرق مقطع قصير واحد دقائق لا ثوانٍ، وخطط لوقت أطول كلما رفعت الدقة.
فكرة تقريبية عن التنازلات:
- بطاقة استهلاكية بسعة 12 إلى 16 GB: ممكنة فقط مع تفريغ كثيف للحمل ودقة أقل، والتوليد بطيء.
- بطاقة بسعة 24 GB: مناسبة لاختبارات الدقة المنخفضة، لكنها بطيئة عند أعلى إعداد.
- وحدة GPU سحابية ذات ذاكرة عالية: الخيار المريح، وتُحتسب بالساعة.
مسار التثبيت
يبدو سير العمل المعتاد كالتالي:
- استنسخ مستودع المشروع وأنشئ بيئة Python نظيفة.
- ثبّت الاعتماديات المثبّتة بالإصدارات المحددة، بما في ذلك بناء PyTorch وCUDA متوافقين.
- نزّل checkpoints من مركز النماذج.
- عدّل ملف الإعدادات لتحديد الدقة وعدد الإطارات وخطوات أخذ العينات.
- شغّل سكربت تشغيل النموذج مع الأمر النصي الخاص بك، أو مع صورة مرجعية لتحويل الصورة إلى فيديو.
لا شيء من هذا صعب على المطوّر. أما بالنسبة لمصمم أو مسوّق يريد فقط مقطعًا لمنشور الغد، فهو حاجز حقيقي. فاختلافات الإصدارات بين CUDA والتعريفات والمكتبات تستهلك أمسيات أكثر مما يستهلكه النموذج نفسه.
💡 نصيحة: إذا كنت تريد الاستضافة الذاتية فعلًا، فاستأجر GPU بالساعة أولًا. ستعرف في عصر يوم واحد ما إذا كانت المخرجات تستحق إنشاء إعداد دائم.
تجربة العرض التجريبي عبر الإنترنت

أساسيات العرض المستضاف
لمن يتجاوز التثبيت، يتوفر عرض تجريبي عام على منصة استضافة مجتمعية. تكتب أمرًا نصيًا، وتختار إن شئت صورة بداية، وتضبط بعض الإعدادات، ثم تنتظر مقطعًا قصيرًا. إنها أسرع طريقة للحكم على أسلوب النموذج قبل اتخاذ أي قرار آخر.
لم أتمكن من التحقق من أي أرقام رسمية تخص الحصص اليومية أو قواعد الطابور أو أقصى الإعدادات في العرض المستضاف، لذا تحقق من صفحة العرض نفسها للحصول على الحدود الحالية. فالعروض المجتمعية تتغير كثيرًا، وقد يختفي إعداد كان يعمل الشهر الماضي.
واقع الطابور والحصص
تتشارك العروض المجتمعية المجانية مجموعة من وحدات GPU. وعمليًا يعني ذلك:
- الانتظار في الطابور عندما يجرّب كثيرون النموذج في الوقت نفسه.
- انتهاء المهلة للمهام الأطول أو عالية الدقة.
- لا ضمان لوقت التشغيل، إذ قد تتوقف المساحة أو تعيد التشغيل.
- لا وعد بالخصوصية، لذا تجنّب رفع لقطات العملاء أو المنتجات غير المعلنة.
العرض التجريبي مثالي لاختبار مدته عشر دقائق. أما كأساس لتقويم المحتوى المنتظم فهو ضعيف.
الحدود الحقيقية

طول المقطع والحركة
المقاطع القصيرة هي القاعدة. نحو خمس ثوانٍ هو الطول الظاهر في معرض المشروع، وهو مناسب لخلفية متكررة أو لقطة واحدة، لكنه غير كافٍ لمشهد له بناء درامي. تكمن نقاط ضعف النماذج المفتوحة في الحركة المعقدة: الأيدي والحشود وحركات الكاميرا السريعة والأجسام التي تغيّر شكلها بين الإطارات. توقّع أن تولّد عدة نسخ وتختار أفضلها.
لا يوجد صوت أصلي
ينتج Open Sora 2.0 فيديوهات صامتة. إذا احتجت إلى حوار أو أصوات محيطة أو موسيقى، فأضفها لاحقًا بأدوات منفصلة. وتولّد عدة نماذج تجارية اليوم صوتًا متزامنًا في التمريرة نفسها، ما يوفر خطوة مونتاج كاملة.
حساسية الأوامر النصية

تكافئ النماذج المفتوحة عادةً الأوامر الطويلة والملموسة، وتعاقب الأوامر الغامضة. عبارة مثل "امرأة تمشي" تعطيك نتيجة عامة. أما العبارة التي تحدد العدسة والإضاءة واتجاه الحركة والمزاج فتعطيك شيئًا يمكنك استخدامه. اكتب أمرك النصي كقائمة لقطات:
- الشخص والحركة: من يفعل ماذا.
- المكان: أين، وفي أي وقت من النهار.
- الكاميرا: ثابتة، اقتراب بطيء، محمولة باليد، تتبّع.
- الضوء واللون: ضوء غائم ناعم، الساعة الذهبية، ضوء تنغستن دافئ.
- المزاج: هادئ، متوتر، مرح.
أين يناسب أكثر
يتفوق Open Sora 2.0 في البحث والتجارب والضبط الدقيق وفهم كيفية عمل انتشار الفيديو. وهو أضعف في الأعمال المرتبطة بمواعيد التسليم، حيث تحتاج إلى مقاطع طويلة وصوت ونتائج يمكن التنبؤ بها من المحاولة الأولى أو الثانية.
أفضل البدائل اليوم

Open Sora 2.0 غير متاح على PicassoIA، لذلك لا توجد صفحة يمكن ربطها به. للحصول على نتائج مشابهة اليوم، فإن نماذج الفيديو التالية متاحة على PicassoIA وتعمل في المتصفح دون GPU ودون تثبيت ودون طابور من الآخرين أمامك.
| النموذج | الأفضل في | الميزة البارزة |
|---|
| Wan 3 | نص وصورة إلى فيديو بأسلوب سينمائي | من 480p إلى 1080p، ومقاطع تصل إلى 30 ثانية |
| LTX 2.5 Fast | المسودات السريعة والتكرار | توليد سريع جدًا |
| Sora 2 | مشاهد واقعية مع صوت | صوت متزامن |
| Kling v1.5 Pro | حركة سلسة ومصقولة | مخرجات بدقة 1080p |
Wan 3 للشعور بالمصدر المفتوح
إذا أعجبك Open Sora لأنه يأتي من عالم النماذج المفتوحة، فإن Wan 3 هو الأقرب من حيث الروح. يتعامل مع الأوامر النصية وصورة بداية واحدة، ويدعم الأوامر النصية السلبية كما تفعل كثير من مسارات العمل المفتوحة، ويصل إلى 1080p و30 ثانية، وهو أبعد بكثير من سقف الخمس ثوانٍ الذي تراه في عروض Open Sora.
LTX 2.5 Fast للسرعة
تم تصميم LTX 2.5 Fast للتكرار. عندما تجرّب عشر نسخ من أمر نصي، فإن تقليص الانتظار في كل واحدة منها يتراكم كثيرًا. استخدمه لتحديد اللقطة، ثم أعد تصيير الفائز على نموذج أثقل.
Sora 2 للصوت
Sora 2 نموذج من OpenAI، وهو شيء مختلف عن Open Sora. ميزته الصوت المتزامن في التوليد نفسه، وهذا مناسب للإعلانات بلا حوار والمقاطع الاجتماعية والمقاطع القائمة على الأجواء. وللمستوى الأعلى في الجودة يوجد إلى جانبه Sora 2 Pro.
Kling v1.5 Pro للصقل
Kling v1.5 Pro خيار موثوق لحركة الكاميرا الطبيعية ومخرجات 1080p نظيفة. وهو خيار جيد للقطات المنتجات ومقاطع الشخصيات حيث تهم السلاسة أكثر من الطول الخام.
كيف تحصل على نتائج مشابهة باستخدام Wan 3

بما أن Open Sora 2.0 غير متاح على PicassoIA، فإن Wan 3 هو البديل الأفضل للمهمة نفسها: تحويل أمر نصي أو صورة ثابتة إلى مقطع سينمائي قصير.
خطوة بخطوة
- افتح صفحة النموذج. انتقل إلى Wan 3 على PicassoIA.
- اكتب الأمر النصي. استخدم صيغة قائمة اللقطات التي عرضناها سابقًا: الشخص، الحركة، المكان، الكاميرا، الضوء، المزاج.
- أضف إطارًا أولًا (اختياري). ارفع ملف JPG أو PNG أو BMP أو WebP بحجم أقل من 10 MB إذا أردت أن يبدأ المقطع من صورة محددة. وعند تقديم صورة، يستخدم النموذج نسبة العرض إلى الارتفاع الخاصة بها.
- اختر الدقة. اختر 480p للاختبارات السريعة، و720p للمنشورات الاجتماعية، و1080p للتسليم النهائي.
- حدد المدة. المدة الافتراضية 5 ثوانٍ، وهي تطابق ما يقدمه Open Sora. ارفعها عندما يحتاج مشهدك إلى وقت أطول ليكتمل.
- اختر نسبة العرض إلى الارتفاع. استخدم 16:9 للشاشة العريضة، و9:16 للقصص العمودية، أو اترك الخيار على التكيّف ودع النموذج يقرر.
- أضف أمرًا نصيًا سلبيًا. اذكر ما لا تريده، مثل "blurry, distorted hands, text, watermark".
- ولّد وقارن وكرر. ثبّت قيمة البذرة بعد أن تعجبك نتيجة، حتى تغيّر متغيرًا واحدًا في كل مرة.
نصائح للإعدادات
| الإعداد | نقطة البداية الموصى بها | السبب |
|---|
| الدقة | 720p | سريعة بما يكفي للتكرار، وواضحة بما يكفي للحكم |
| المدة | 5 ثوانٍ | تحافظ على تماسك الحركة أثناء الاختبار |
| توسيع الأمر النصي | مفعّل للأوامر القصيرة، ومعطّل للأوامر المفصّلة | الأوامر القصيرة تكتسب تفاصيل، والأوامر الطويلة تبقى دقيقة |
| البذرة | مثبّتة بعد تشغيل جيد | تعديلات قابلة للتكرار |
| الأمر النصي السلبي | قصير ومحدد | القوائم الطويلة قد تسطّح الأسلوب |
💡 سير عمل احترافي: ولّد صورة ثابتة أولًا باستخدام نموذج تحويل النص إلى صورة، وتحقق من التكوين والإضاءة، ثم غذِّ تلك الصورة إلى Wan 3 كإطار أول. ستحصل على تحكم أكبر بكثير مما يوفره الأمر النصي وحده.
من يختار ماذا

اختر Open Sora 2.0 إذا
- كنت مطورًا أو باحثًا تريد قراءة نموذج فيديو أو تعديله أو ضبطه بدقة.
- تملك بالفعل وحدات GPU ذات ذاكرة عالية أو تستأجرها.
- يهمك أن تبقى بياناتك على جهازك.
- تقبل بمقاطع قصيرة صامتة وكثير من التجربة والخطأ.
اختر نموذجًا عبر المتصفح إذا
- تحتاج إلى مقطع منجز اليوم، لا إلى بيئة عمل.
- تريد دقة 1080p أو مدة أطول أو صوتًا مدمجًا.
- تنتج محتوى وفق جدول: إعلانات، ومقاطع قصيرة، وعروض منتجات، ومنشورات اجتماعية.
- تفضّل أن تقضي وقتك في الفكرة بدلًا من أخطاء CUDA.
صاحب متجر صغير يصوّر مقطعًا لأعمال الفخار ليس لديه سبب لإدارة خادم GPU. أما مختبر يدرس نماذج الانتشار القائمة على المحوّلات فلديه كل الأسباب لذلك.
سير عمل مختلط عملي
يستقر كثير من صنّاع المحتوى على نهج مختلط. ابدأ بنموذج سريع مثل LTX 2.5 Fast لتجربة الشكل، ثم صيّر اللقطة النهائية في Wan 3 أو Kling v1.5 Pro، واحتفظ بنموذج مفتوح جانبًا للتجارب. بهذه الطريقة لن تتوقف أبدًا بسبب حدود أداة واحدة.
ابدأ في إنشاء مقاطعك الخاصة

يستحق Open Sora 2.0 سمعته كمحطة مهمة في أبحاث الفيديو المفتوحة. فهو يثبت أن فريقًا صغيرًا يستطيع تدريب نموذج جاد ومشاركة كل شيء. أما في العمل الإبداعي اليومي فإن أسرع طريق هو الطريق الذي يتجاوز الإعداد.
يضع PicassoIA في تبويب متصفح واحد كلًا من Wan 3 وLTX 2.5 Fast وSora 2 وKling v1.5 Pro. اكتب أمرًا نصيًا واحدًا، وشغّله على نموذجين أو ثلاثة، وقارن النتائج جنبًا إلى جنب. ويمكنك أيضًا إقرانها بنماذج تحويل النص إلى صورة لبناء الإطار الأول، ثم تحريكه.
اختر مشهدًا من مشروعك الخاص، واكتب أمرًا نصيًا بصيغة قائمة اللقطات، وولّد أول مقطع لك اليوم. تصفّح كل ما هو متاح على picassoia.com/en/all-models وانظر أي نموذج يناسب أسلوبك.