شرح منظّم لأنماط الأوامر التي تمنحك نتائج فيديو متسقة بالذكاء الاصطناعي. من صيغة الموضوع والفعل والبيئة الأساسية إلى تعديلات خاصة بكل نموذج مثل Wan 2.7 وKling v3 وVeo 3.1 وSora 2 وSeedance 2.0، مع أوراق مرجعية سريعة وقوالب للأوامر السلبية وحلول لأكثر الإخفاقات شيوعًا.
الفرق بين أمر نصي للفيديو ينجح وآخر يفشل نادرًا ما يكون في المفردات. الفرق في البنية. لا تقرأ نماذج توليد الفيديو بالذكاء الاصطناعي الأوامر كما يقرؤها البشر. إنها تحلّل العلاقات المكانية، والإشارات الزمنية، ومتجهات الحركة من تسلسل الكلمات التي تعطيها إياها. إذا كتبتها بشكل خاطئ، ستحصل على أشخاص يرتجفون في الإطار، وانحراف في الكاميرا، ومشاهد تتلاشى إلى ضوضاء في منتصف المقطع. وإذا كتبتها بشكل صحيح، ستحصل على لقطات متماسكة كأنها صُوّرت بكاميرا حقيقية.
يستعرض هذا المقال أنماط الأوامر النصية المحددة التي تنتج مخرجات متسقة وعالية الجودة عبر نماذج توليد الفيديو الرئيسية المتاحة اليوم: من Wan 2.7 T2V إلى Kling v3 Video، ومن Veo 3.1 إلى Seedance 2.0.
1. تكديس الأسماء. "جبل، غروب، امرأة، تمشي، سينمائي." هذا يخبر النموذج بخمسة أشياء، لكنه لا يعطيه أي علاقة بينها. هل المرأة تمشي نحو الجبل أم بعيدًا عنه؟ النموذج يخمّن، ويخمّن بشكل مختلف في كل إطار.
2. تكديس الصفات. "جميل، مذهل، ساحر، خلّاب، غروب سحري." تكديس المرادفات لا يضخّم التأثير، بل يخفّفه. النموذج يحسب متوسط هذه الأوصاف وينتج نتيجة باهتة لا تميل إلى أيٍّ منها.
3. المشهد السلبي. "غابة. هناك نهر. توجد طيور." لا يوجد اتجاه للحركة، ولا فاعلية للشخص، ولا منطق زمني. تحتاج نماذج الفيديو إلى معرفة ما الذي يحدث عبر الزمن، لا ما هو موجود داخل الإطار فقط.
تعالج نماذج توليد الفيديو الحديثة الأوامر على طبقات. أولًا تستخرج الشخص الأساسي وتمنحه أولوية الحركة. ثم تقرأ السياق البيئي لبناء مستوى الخلفية. وأخيرًا تفسّر المعدّلات الزمنية مثل "ببطء" و"فجأة" أو "الكاميرا تتراجع للخلف" لتنظيم الحركة عبر مدة المقطع.
إذا كان الشخص مدفونًا في منتصف قائمة طويلة من الصفات، أو إذا جاءت إشارات الحركة قبل إرساء البيئة، يفقد النموذج التماسك. أول ثلاث إلى خمس كلمات تحمل أكبر وزن.
💡 قاعدة عامة: الشخص أولًا، ثم الفعل، ثم البيئة، والمعدّلات في الأخير. الانحراف عن ذلك على مسؤوليتك.
الصيغة التي تتفوق باستمرار على غيرها عبر نماذج الفيديو هي:
[الشخص + الفعل] + [البيئة/الخلفية] + [تعليمات الكاميرا] + [الإضاءة/الأجواء] + [معدّلات الأسلوب]
كل كلمة هنا لها وزن. قارن بين هذين الأمرين:
النسخة الثانية تمنح النموذج شخصًا، وصفة جسدية، وفعلًا محددًا، وبيئة معرّفة. يستطيع النموذج الآن تثبيت الشخص بشكل متسق عبر الإطارات.
عندما يكون الشخص إنسانًا، أدرج: نسيج الملابس، والبنية الجسدية التقريبية، وفعلًا محددًا واحدًا. ليس "يقف هناك" بل "يلتفت ببطء لمواجهة الكاميرا". وليس "يجلس" بل "يميل إلى الأمام عبر طاولة خشبية".
بالنسبة إلى الأشياء غير البشرية، مثل المناظر الطبيعية والمنتجات والأجسام، ثبّتها عبر موضع محدد داخل الإطار: "آلة إسبريسو سوداء في المقدمة" أو "سيارة قديمة متوقفة بشكل قطري على شارع مدينة مبلل بالمطر".
هنا تفوّت معظم الأوامر فرصة تحسين أدائها. حركة الكاميرا وحركة الشخص شيئان منفصلان، ومعاملتهما بالطريقة نفسها تُفسد الاثنين.
حركة الشخص تصف ما يفعله العنصر الأساسي: "يمشي ببطء"، "تدير رأسها"، "الأمواج تتكسر ثم تتراجع".
حركة الكاميرا تصف ما تفعله الكاميرا الافتراضية: "دفع بطيء بعربة التصوير (dolly)"، "تتبّع بزاوية منخفضة"، "سحب علوي بالرافعة"، "اهتزاز يدوي خفيف".
صِغها بشكل منفصل، واذكر حركة الكاميرا في النهاية حتى يستطيع النموذج استخدامها كغلاف تنظيمي للحركة:
"امرأة ترتدي فستانًا أحمر تدير وجهها ببطء نحو الكاميرا في فناء مشمس. دفع بطيء للأمام بعربة التصوير من مستوى الخصر. عدسة 35 ملم."
الإضاءة هي المتغير الأكبر الوحيد بين مخرجات تبدو مسطّحة وأخرى تبدو سينمائية. حدّد:
لا تكتفِ بقول "إضاءة سينمائية". هذه العبارة استُخدمت بكثرة حتى صارت شبه عديمة المعنى بالنسبة إلى معظم النماذج. صِف الضوء كما يفعل مدير التصوير: من أين يأتي، وماذا يفعل بوجه الشخص أو بسطحه.
💡 نصيحة احترافية: إضافة مرجع لنوع فيلم محدد مثل "ملف ألوان Kodak Portra 400" أو "مصوّر بكاميرا 16 ملم" تُشير إلى النموذج بأنك تريد ملمسًا عضويًا وحبيبات طبيعية وإبرازات أقل تشبّعًا. تأثيرها في جودة المخرجات أكبر بكثير مما يوحي به حجمها البسيط.
تحتاج فئات المشاهد المختلفة إلى تركيز بنيوي مختلف. إليك كيفية ترجيح أوامرك.
بالنسبة إلى المقاطع القائمة على القصة، يصبح المنطق الزمني أساسيًا. يحتاج النموذج إلى معرفة ما الذي يحدث أولًا، وما الذي يليه، وكيف تستجيب الكاميرا.
استخدم كلمات حركة تربط الأحداث ببعضها: "ثم"، "بينما"، "في أثناء ذلك". هذه الكلمات تنشئ علاقات سبب ونتيجة عبر الإطارات.
"متسلّق منفرد يصعد قمة تلّ عند شروق الشمس، ويتوقف لينظر إلى الوادي أسفله. تتراجع الكاميرا ببطء في لقطة رافعة عريضة، فتكشف ضخامة الجبال المحيطة بها. ضوء ذهبي دافئ من اليمين."
للمشاهد الدرامية، يتعامل Kling v3 Video وVeo 3.1 مع المنطق الزمني بأفضل شكل. كلاهما يفسّر كلمات الحركة الرابطة بموثوقية، ويحافظ على ثبات الشخص أثناء حركة الكاميرا.
تحتاج لقطات المنتجات إلى دقة مكانية. أخبر النموذج بدقة أين يقع المنتج في الإطار، وما الذي يحيط به، وكيف يتفاعل الضوء مع سطح المنتج.
"آلة إسبريسو سوداء أنيقة في تركيز حاد في المقدمة على منضدة رخامية بيضاء، وبخار يتصاعد من الفوهة. خلفية مطبخ دافئة خارج التركيز مع ضوء صباحي من النافذة. انتقال تركيز بطيء من الآلة إلى البخار المتصاعد. عدسة ماكرو 100 ملم."
بالنسبة إلى أعمال المنتجات، يتفوق LTX 2 Pro وLTX 2.3 Pro في الحفاظ على تفاصيل الأجسام الحادة والفصل النظيف عن الخلفية بدقة 4K.
تعتمد الصور الشخصية كليًا على مدى قدرة النموذج على التعامل مع ثبات الوجه عبر الإطارات. تشويه الشخص هو نمط الإخفاق الأكثر شيوعًا هنا. لمواجهته:
"امرأة شابة واثقة بشعر قصير داكن تنظر مباشرة إلى الكاميرا بابتسامة طبيعية خفيفة، تقف على سطح مبنى حضري عند الغسق. ضوء حافّ دافئ من الشمس الغاربة خلفها يُكوّن هالة دافئة. عدسة صور شخصية 85 ملم بفتحة f/1.4. تكبير بطيء للداخل، وينتهي الشخص بملء الإطار مع نهاية المقطع."
يُعد Wan 2.7 T2V واحدًا من أكثر نماذج تحويل النص إلى فيديو قدرة لإنتاج مقاطع بدقة 1080p مع تماسك زمني قوي. إليك كيفية الحصول على أفضل النتائج على PicassoIA.
الخطوة 1: افتح صفحة نموذج Wan 2.7 T2V على PicassoIA.
الخطوة 2: في حقل الأمر النصي، ابنِ مدخلك باستخدام الصيغة أعلاه. يستجيب Wan 2.7 بشكل جيد جدًا لإشارات حركة الكاميرا عند وضعها في نهاية الأمر، بعد أن يتم إرساء الشخص والبيئة بالكامل.
الخطوة 3: اضبط الدقة على 1080p. يحافظ Wan 2.7 على الحدّة بشكل أفضل بكثير عند دقات الإخراج الأعلى، والفرق عن 720p واضح.
الخطوة 4: بالنسبة إلى المقاطع التي تتطلب استمرارية في الحركة (مثل شخص يمشي عبر مشهد)، استخدم حقل الأمر النصي السلبي لاستبعاد: blurry, flickering, morphing, distorted, low quality, static, duplicate subject.
الخطوة 5: شغّل أول توليد لك. إذا انحرف الشخص خلال أول 2 ثانية، فوصف البيئة يكون مقتضبًا أكثر من اللازم. أضف مرتكزات مكانية أكثر إلى الخلفية قبل إعادة التوليد.
الخطوة 6: بالنسبة إلى سير العمل من الصورة إلى الفيديو على المشهد نفسه، انتقل إلى Wan 2.7 I2V، الذي يتيح لك تحريك صورة ثابتة مولّدة مع أمر نصي للاستمرار، فيُثبَّت مظهر الشخص من الإطار الأول.
| المعامل | القيمة الموصى بها | ملاحظات |
|---|---|---|
| الخطوات | 30-40 | خطوات أكثر = تفاصيل أكثر وتوليد أبطأ |
| مقياس CFG | 7-9 | ابقَ دون 10 لتجنب الإفراط في الحدّة |
| قوة الحركة | 0.6-0.8 | فوق 0.9 يسبب عدم استقرار الشخص |
| مدة المقطع | 5-8 ثوانٍ | النقطة المثالية للتماسك |
| الأمر النصي السلبي | انظر القسم أدناه | أدرجه دائمًا |
💡 يتعامل Wan 2.7 T2V مع مشاهد الحشود والخلفيات البيئية المعقدة بشكل أفضل من معظم النماذج. إذا كان مشهدك يضم عناصر متعددة، فهو خيار أول أفضل من النماذج التي تركز على شخص واحد مثل Motion 2.0.
لكل نموذج انحيازات مدمجة من بيانات تدريبه. معرفتها تجعل أوامرك تصيب الهدف بدلًا من التخمين.
Kling v3 Video وKling v2.6 قوتان سينمائيتان تستجيبان بقوة لمصطلحات الأفلام والتصوير السينمائي.
ما ينجح: مواصفات العدسة (35mm prime، anamorphic)، ومراجع الأفلام (shot on 35mm film)، وحركات الكاميرا الصريحة (Steadicam tracking shot، dolly zoom).
ما لا ينجح: كلمات المزاج المجردة دون ارتكاز مكاني. "جو غامض" ينتج نتائج غير متسقة. أما "ضباب ناعم ينساب فوق أرضية الغابة عند الفجر" فلا.
يدعم Kling v2.6 أيضًا مدخلات التحكم في الحركة، ما يتيح لك رسم مسارات الكاميرا مباشرة. ادمج ذلك مع أمر نصي قوي، وستتمكن من إعادة إنتاج حركات الدفع أو البانورama بدقة. لأعلى جودة مخرجات من عائلة Kling، ينتج Kling v2.1 Master نتائج 1080p مذهلة عند تزويده بأوامر سينمائية مفصّلة.
Veo 3.1 وSora 2 مبنيان على نماذج أساسية مدرّبة على مجموعات ضخمة من الفيديو. يتعاملان مع الفيزياء الواقعية بشكل أفضل من معظم النماذج.
بالنسبة إلى هذه النماذج، ركّز على أوصاف الواقعية الفيزيائية: "توتر سطح الماء"، "ينسدل القماش بشكل طبيعي تحت الجاذبية"، "ظل يتحرك على الجدار عندما يمر الشخص أمام النافذة".
يستجيب Sora 2 بشكل خاص للأوامر المكتوبة كمعالجات سينمائية: جمل كاملة، ولغة طبيعية، وبنية سبب ونتيجة. وهو أقل حساسية لترتيب التوكنات مقارنة بالنماذج الأخرى. يوسّع Sora 2 Pro هذا بمدة مقطع أطول واحتفاظ أعلى بالتفاصيل.
Veo 3.1 Fast هو الإصدار الأسرع: مثالي للتكرار عندما تختبر بنى الأوامر قبل الالتزام بتشغيل كامل الجودة.
يولّد Seedance 2.0 وPixverse v6 كلاهما بالصوت الأصلي، وهذا يغيّر طريقة كتابة الأوامر. أدرج أوصاف الأصوات المحيطة حتى عند التركيز على الصورة: فهي توجّه طبقة الصوت لدى النموذج وتنشئ مخرجًا أكثر تماسكًا.
"أمواج تتكسر على صخور بازلت عند الغروب، ورذاذ في الهواء. صوت الماء المتلاطم والريح. حركة بطيئة، عدسة 70 ملم."
يتعامل Pixverse v6 مع الحركة السريعة بامتياز (مشاهد الحركة والرياضة والظواهر الطبيعية). ويتفوق Seedance 2.0 في اللقطات البطيئة والعاطفية التي تركز على حضور الشخصيات. وللحصول على تسليم أسرع على المحرك نفسه، يحافظ Seedance 2.0 Fast على معظم الجودة بجزء صغير من زمن التوليد.
LTX 2 Pro وLTX 2.3 Pro مولّدان أصليان بدقة 4K. عند هذه الدقة، تفاصيل الملمس في أمرك تؤتي ثمارها. صِف مواد الأسطح صراحةً: "حبيبات خشب البلوط المتقادمة"، "جلد مخيط يدويًا"، "ألومنيوم مصقول بالفرشاة".
تستجيب هذه النماذج أيضًا بشكل جيد لأوامر انتقال الإضاءة: "ضوء الصباح يتحول إلى ضوء بعد الظهر، والظلال تطول". يمكنها تصيير تغيرات زمنية دقيقة في الإضاءة تسطّحها معظم النماذج إلى تعريض ثابت.
الأوامر النصية السلبية ليست أمرًا ثانويًا يُضاف في النهاية. في توليد الفيديو، هي عنصر بنيوي.
هذا الأمر السلبي الأساسي يعمل مع معظم النماذج:
blurry, out of focus, flickering, morphing, distorted face, duplicate subject,
deformed limbs, low quality, pixelated, watermark, text overlay, jumpcut,
static background, color banding, overexposed, underexposed
طبّقه على كل توليد قبل تعديل أي شيء آخر.
للقطات السينمائية:
cartoon, illustration, anime, CGI, unrealistic, neon, oversaturated, digital art
للصور الشخصية ومقاطع الشخصيات:
two faces, extra limbs, asymmetrical features, unnatural skin texture, plastic look,
over-retouched skin
للقطات المنتجات:
floating object, misaligned shadow, reflective distortion, background bleeding
💡 ملاحظة خاصة بالنموذج: يستجيب Gen 4.5 من Runway بشكل خاص للأوامر السلبية. حقل الأمر السلبي لديه تأثير أقوى على أسلوب المخرجات من معظم المنافسين، لذا استثمر وقتًا هنا قبل تعديل أمرك الإيجابي.
| التأثير المطلوب | الكلمات التي تنجح |
|---|---|
| دفع بطيء نحو الشخص | "دفع بطيء للأمام بعربة التصوير"، "تكبير تدريجي للداخل" |
| سحب للخلف لإظهار الحجم | "سحب علوي بالرافعة"، "دفع عكسي"، "تصغير إلى لقطة عريضة" |
| تتبّع شخص متحرك | "لقطة تتبّع"، "متابعة باستخدام Steadicam"، "بانورama لليسار" |
| ثبات دون حركة كاميرا | "لقطة ثابتة"، "حامل ثلاثي مقفل"، "لا توجد حركة للكاميرا" |
| طاقة الكاميرا المحمولة | "اهتزاز يدوي خفيف"، "تأرجح طفيف للكاميرا" |
| منظور جوي | "لقطة من طائرة مسيّرة"، "منظور من أعلى"، "لقطة تأسيسية علوية" |
| الشدة | الكلمات المستخدمة |
|---|---|
| بالكاد تتحرك | "حركة غير ملحوظة"، "الشعر بالكاد يتحرك في السكون" |
| خفيفة | "تمايل لطيف"، "دوران بطيء"، "حركة خفيفة" |
| متوسطة | "يمشي عبر"، "نسيم معتدل"، "يدور بثبات" |
| نشطة | "مشية سريعة"، "يركض"، "أمواج تتكسر" |
| ديناميكية | "سباق"، "انفجاري"، "بانورama سريعة بالكاميرا" |
يعني هذا غالبًا أن البيئة لديك غير موصوفة بما يكفي. يملك النموذج درجات حرية كثيرة جدًا في الخلفية، فيملؤها بشكل مختلف في كل إطار. لإصلاح ذلك، أضف 2-3 عناصر محددة للخلفية مع مواضعها: "جدار حجري متآكل إلى اليسار"، "صف من أشجار السرو في منتصف المسافة على اليمين".
تحقق أيضًا من إعداد قوة الحركة. إذا كان فوق 0.85، فخفّضه. قيم قوة الحركة العالية تضاعف عدم اتساق الخلفية في كل نموذج.
يحدث هذا عندما يكون وصف الشخص غامضًا، أو تكون إشارة الحركة قوية جدًا، أو الاثنان معًا. ثلاثة حلول:
تنشأ الحركة غير الطبيعية عادةً من أفعال حركة غامضة. "يتحرك" أو "يذهب" لا تعطي النموذج شيئًا للعمل به. استبدلها بأفعال جسدية محددة تتضمن سياق السرعة:
لن تجعل الأنماط في هذا المقال كل توليد مثاليًا، لكنها ستقلل المخرجات الفاشلة بهامش كبير. المهارة الحقيقية هي التكرار: شغّل أمرًا، وحدّد أي عنصر يفشل (الشخص، أو الحركة، أو البيئة، أو الكاميرا)، ثم أصلح هذا المتغير الواحد وشغّل مجددًا.
يتيح لك PicassoIA الوصول إلى جميع نماذج الفيديو الرئيسية التي نوقشت هنا في مكان واحد. Wan 2.7 T2V، وKling v3 Video، وVeo 3.1، وSeedance 2.0، وSora 2، وLTX 2.3 Pro جميعها متاحة دون تبديل علامات التبويب أو إدارة مفاتيح API.
اختر نمط أمر واحدًا من هذا المقال، وطبّقه على المشهد الذي كنت تعاني معه، وشغّله عبر نموذجين أو ثلاثة لمقارنة طريقة تفسير كل منها للمدخل نفسه. هذه المقارنة وحدها ستعلّمك عن هندسة أوامر الفيديو أكثر مما تعلّمك أي ورقة مرجعية.
اختر لغتك
