اختبارات أوامر نصية جنبًا إلى جنب، وتحليل الحركة إطارًا بإطار، وأزمنة توليد حقيقية. يغطي هذا التحليل كل شيء من مشاهد الأوامر النصية البسيطة إلى تسلسلات سينمائية معقدة، ويُظهر بدقة أين يتفوّق كل نموذج، وأين يخفق، وأين يفاجئ.
الاختبار الواقعي الذي كان الجميع ينتظره أخيرًا هنا. يتواجه اثنان من أكثر مولّدات فيديو الذكاء الاصطناعي تداولًا في مواجهة مباشرة بأوامر نصية متطابقة، وعتاد متطابق، ومن دون أي رحمة: Seedance 2.0 من ByteDance وSora 2.5 من OpenAI. هذه ليست مقارنة لمواصفات تقنية. هذا ما حدث فعلًا عندما دفعنا النموذجين عبر المجموعة نفسها من المشاهد السينمائية، والتسلسلات كثيفة الحركة، وبُنى الأوامر المعقدة. جاءت النتائج مختلفة عمّا توقعه معظم الناس.
قبل الغوص في النتائج، من المفيد أن تعرف بوضوح ما الذي تتعامل معه. يحمل النموذجان أولويات مختلفة، وفلسفات تدريب مختلفة، ونقاط قوة مختلفة مبنية فيهما منذ البداية.
Seedance 2.0 هو نموذج تحويل النص إلى فيديو الرائد لدى ByteDance، ويأتي بميزة لا تملكها معظم المنافسات: توليد صوت مدمج. ليس صوتًا معالجًا لاحقًا، بل صوت أصلي متزامن مدموج في الفيديو لحظة التوليد. يُخرج النموذج فيديوهات بدقة تصل إلى 1080p بتأطير أصلي بنسبة 16:9، ويعالج مقاطع تصل إلى 10 ثوانٍ في النسخة القياسية. كما يوجد Seedance 2.0 Fast للتكرار السريع، وSeedance 2.0 Mini للأحمال الأخف.
دُرِّب النموذج على مجموعة بيانات ضخمة مملوكة، ويُظهر أداءً قويًا بشكل خاص في الحركة البشرية الواقعية، ومشاهد الحشود، وكل ما يتطلب تتبعًا مستمرًا للأجسام عبر الإطارات. وهو مصمم للمبدعين الذين يحتاجون إلى تسليم أعمالهم.
يتبنى Sora 2 وشقيقه الأكثر قدرة Sora 2 Pro موقفًا فلسفيًا مختلفًا. بنت OpenAI Sora حول ما تسميه "محاكاة العالم"، حيث يحاول النموذج فهم الفضاء الفيزيائي، لا الأنماط البصرية فقط. والنتيجة فيديو يميل إلى إصابة الفيزياء بدقة: يتدفق الماء بشكل صحيح، وتلقي الأجسام ظلالًا مناسبة، ويتحرك القماش بوزن ملائم.
يُخرج Sora فيديوهات بدقة تصل إلى 1080p مع خيارات لنسب عرض إلى ارتفاع متعددة، ويدفع الإصدار Pro نحو دقة أعلى على حساب أزمنة توليد أطول. ويتفوّق في المشاهد التي تكون فيها البيئة نفسها هي الموضوع.
شغّلنا 12 أمرًا نصيًا فريدًا عبر أربع فئات لاختبار قدرة النموذجين:
| الفئة | الأوامر النصية | ما اختبرناه |
|---|---|---|
| مشاهد بسيطة | 3 | موضوع واحد، وخلفية ثابتة |
| كثيفة الحركة | 3 | الركض، والرقص، والرياضة، والحشود |
| بيئات معقدة | 3 | مشاهد متعددة العناصر بطبقات عمق |
| تسلسلات سينمائية | 3 | حركة الكاميرا وتغيّرات الإضاءة |
كانت كل الأوامر النصية متطابقة في النموذجين. وصلنا إلى كليهما عبر منصة PicassoIA بالإعدادات الافتراضية ما لم يُذكر خلاف ذلك. لا نتائج مختارة بعناية، ولا إعادة توليد، ولا تعديل للأوامر النصية في منتصف الاختبار.
💡 ملاحظة الاختبار: استخدمنا القيمة البذرية نفسها حيثما سمحت بها المنصتان، لضمان ظروف ابتدائية قابلة للمقارنة. وحيثما لم تتوفر القيم البذرية، شغّلنا ثلاث عمليات توليد لكل أمر نصي وقيّمنا النتيجة الوسيطة.
هنا تصبح الأمور مثيرة، وهنا تبدأ المعرفة السائدة عن هذين النموذجين بالتفكك.
تفوّق Seedance 2.0 على المنافسة في ثلاثة مجالات محددة:
اتساق حركة الإنسان: كانت مشاهد الحشود، وتسلسلات المشي، ومقاطع الرياضة مستقرة بشكل لافت. بقيت الأطراف متصلة بالجسم. وحافظت الوجوه على هوية ثابتة عبر الإطارات. شغّلنا أمرًا نصيًا لـ"لاعب كرة سلة يقتحم السلة بحركة بطيئة، واقعي كالصور الفوتوغرافية، وخلفية لحشد ملعب"، وأنتج Seedance مقطعًا يمكن أن يمر بالفحص العابر على أنه لقطات حقيقية. أنتج Sora مقطعًا مثيرًا للإعجاب من الناحية التقنية، لكنه أظهر تشوهًا خفيفًا في اليد عند لحظات التلامس.
التعامل مع الحركة السريعة: ظلت الحركات السريعة للكاميرا، وحركة الأشخاص المتسارعة، متماسكة في Seedance. طُبّقت ضبابية الحركة بشكل طبيعي ومتناسب. أنتج Sora أحيانًا ما يسميه باحثو الذكاء الاصطناعي للفيديو "الاهتزاز الزمني" على الموضوعات السريعة الحركة، حيث تبدو الإطارات المنفردة سليمة، لكن التشغيل المتسلسل يكشف عدم الاتساق.
ثبات المدة الطويلة: في المقاطع التي تتراوح بين 8 و10 ثوانٍ، حافظ Seedance على تماسك المشهد بشكل أفضل بكثير. لم تنجرف الأجسام. ظلت عناصر الخلفية في مكانها. أدى Sora أحيانًا إلى تحوّل عناصر الخلفية بشكل خفي في المقاطع الأطول، وهذا يصبح ملحوظًا ومزعجًا بسرعة التشغيل الكاملة.
انتزع Sora 2 Pro الصدارة في مجالات مختلفة لكنها مهمة بالقدر نفسه:
دقة الفيزياء: أسقط كأس ماء في أمر نصي موجَّه إلى Sora، وسيبدو الرذاذ صحيحًا. تنتشر التموجات بشكل طبيعي. يتدلى القماش بوزن مناسب. يصيب Seedance هذه الأمور في أغلب الأحيان، لكن Sora أكثر اتساقًا في المشاهد المعتمدة على الفيزياء، مهما بلغ مستوى تعقيدها.
استمرارية الإضاءة: عندما يتضمن المشهد مصادر ضوء متغيرة، مثل غروب الشمس، أو مصباح سيارة يمر، أو شمعة تُشعل، يعالج Sora تفاعل الضوء مع الأسطح بدقة أكبر. يطبّق Seedance الإضاءة أحيانًا كتعديل عام دون أن يحاكي بدقة كيف تقع على الأجسام والأسطح الفردية.
واقعية حركة الكاميرا: بدت الحركات البطيئة للاقتراب (dolly-in)، واللقطات الدائرية، ومحاكاة حركة الكاميرا المحمولة باليد أكثر سينمائية في Sora. يفهم النموذج سلوك الكاميرا كشيء فيزيائي، لا كاستعارة بصرية فقط، وهذا يظهر بوضوح في الأوامر التي تصف حركات كاميرا محددة.
هنا يهتم المبدعون أكثر من أي شيء آخر: هل يولّد النموذج فعلًا ما طلبته؟
بعد 12 أمرًا نصيًا، قُيّمت النتائج من 1 إلى 5 بحسب مدى تطابق المخرجات مع الوصف المكتوب:
| المقياس | Seedance 2.0 | Sora 2.5 |
|---|---|---|
| دقة الموضوع | 4.4 | 4.1 |
| تفاصيل الخلفية | 3.9 | 4.3 |
| دقة الفعل | 4.5 | 4.0 |
| تأطير التكوين | 3.8 | 4.6 |
| الالتزام بالأسلوب | 4.1 | 4.4 |
| المتوسط الإجمالي | 4.14 | 4.28 |
يتقدم Sora بفارق طفيف في الالتزام العام بالأمر النصي، لكن الفجوة أصغر مما توحي به الضجة. يتفوّق Seedance بوضوح في دقة الفعل والموضوع، وهذا هو الأهم في المحتوى الذي يظهر فيه أشخاص يقومون بأفعال.
💡 نصيحة للأوامر النصية: للأوامر التي تتضمن أشخاصًا في حركة، استخدم Seedance 2.0. أما للأوامر التي تصف بيئات أو مشاهد ذات أجواء مميزة، فإن Sora 2 Pro يميل إلى تفسير الرؤية بدقة أكبر.
عندما تجاوزت الأوامر نحو 80 كلمة مع عناصر شرطية متعددة (امرأة ذات شعر أحمر تمشي عبر تقاطع مزدحم في طوكيو ليلًا في المطر باتجاه الكاميرا بينما تتفقد هاتفها)، بدأ النموذجان في إسقاط عناصر. احتفظ Seedance بسلوك الشخص والظروف البيئية، لكنه فقد أحيانًا توجيه الكاميرا. أما Sora فحافظ على التأطير والبيئة بشكل أكثر اتساقًا، لكنه غيّر لون الشعر أحيانًا.
لا يوجد نموذج يعتمد عليه بثقة في تعدد العناصر ضمن الأوامر المعقدة. يستفيد كلاهما من أوامر أقصر وأكثر تحديدًا بدل الأوصاف المركبة الطويلة. قسّم المشهد المعقد إلى أهم عناصره، ورتّبها حسب الأولوية.
لا أحد يريد الانتظار 20 دقيقة لمقطع مدته 5 ثوانٍ. هذه هي أزمنة التوليد كما بدت فعلًا خلال فترة اختبارنا.
| النموذج | متوسط زمن التوليد | الأسرع | الأبطأ |
|---|---|---|---|
| Seedance 2.0 | 38 ثانية | 22s | 67s |
| Seedance 2.0 Fast | 14 ثانية | 9s | 31s |
| Sora 2 | 52 ثانية | 34s | 89s |
| Sora 2 Pro | 1 دقيقة و41 ثانية | 58s | 3m 12s |
يتفوّق Seedance 2.0 Fast في السرعة بلا منازع. عندما تكرر فكرة وتحتاج إلى معرفة إن كان اتجاه الأمر النصي ناجحًا قبل الالتزام به، تصبح السرعة في التوليد ذات أهمية كبيرة. الفرق في الجودة بين Fast وSeedance 2.0 القياسي حقيقي لكنه أصغر مما قد تتوقع، بالنظر إلى ميزة السرعة البالغة 2.5 ضعف.
Sora 2 Pro بطيء. هذا ثمن الدقة الأعلى في مخرجاته. إن كنت تعمل على إنتاج نهائي تكون فيه الجودة غير قابلة للتفاوض، فالانتظار مبرر. أما للعمل الاستكشافي أو التكراري، فسيستنزف صبرك وميزانيتك.
💡 نصيحة سير العمل: استخدم Seedance 2.0 Fast للتكرار، ثم انتقل إلى Sora 2 Pro أو Seedance 2.0 القياسي للتصيير النهائي بعد أن تحسم الفكرة.
هذه أبرز ميزة في Seedance 2.0، وتستحق قسمًا مخصصًا لها.
تُنتج معظم نماذج الفيديو بالذكاء الاصطناعي مقاطع صامتة. تولّد الفيديو، ثم تضيف الموسيقى أو التعليق الصوتي أو المؤثرات الصوتية بشكل منفصل في مرحلة ما بعد الإنتاج. أما Seedance 2.0 فيولّد صوتًا متزامنًا كجزء من مخرجات الفيديو نفسها. سيتضمن مقطع لشخص يعزف البيانو صوت البيانو متزامنًا مع حركات الأصابع. ويحتوي مشهد الحشود على ضجيج الجمهور. ويُسمع صوت الماء عندما يكون الماء ظاهرًا على الشاشة.
في الاختبار، تراوحت جودة الصوت بين المبهرة والمقبولة حسب نوع المشهد:
لم يتضمن Sora 2 Pro وقت الاختبار توليدًا صوتيًا أصليًا. أنت تعمل مع فيديو صامت يتطلب إضافة طبقات صوتية في مرحلة ما بعد الإنتاج. أما بالنسبة للمبدعين الذين يحتاجون إلى تسليم أعمالهم بسرعة، فإن الصوت الأصلي في Seedance يوفر وقت إنتاج مهمًا يتراكم بشكل كبير عبر حمل محتوى كبير.
لا يُعد Seedance 2.0 وSora 2.5 الخيارين الجادين الوحيدين في هذا المجال. خلال فترة الاختبار نفسها، أظهرت عدة نماذج أخرى نتائج تستحق الذكر لحالات استخدام محددة.
Kling v3 Video من Kwai أظهر جودة حركة تنافسية جدًا، خاصة في تحريك الشخصيات. وتُعد إعدادات التأطير السينمائي الافتراضية لديه من الأفضل المتاحة دون هندسة أوامر يدوية.
Veo 3 من Google ضاهى دقة الفيزياء لدى Sora في عدة اختبارات، ويتضمن أيضًا توليدًا صوتيًا أصليًا. وفي الأوامر المتعلقة بلقطات الأفلام الوثائقية أو الطبيعة، تفوّق Veo 3 أحيانًا على النموذجين الرئيسيين بوضوح.
Kling v2.6 يوفر توليدًا سريعًا مع اتساق حركة متين بتكلفة موارد أقل، مما يجعله خيارًا قويًا للاستخدام اليومي للمحتوى بكميات كبيرة.
Ray 3.2 من Luma أظهر أكثر سلوك سينمائيًا لحركة الكاميرا بين جميع النماذج التي اختبرناها، مع مخرجات HDR تميزت في المقارنة المباشرة جنبًا إلى جنب.
Wan 2.7 T2V ولّد مقاطع بدقة 1080p بحواف نظيفة بشكل ملحوظ وأقل قدر من التشوهات الزمنية، مما يجعله خيارًا قويًا لأي مشهد يتطلب تعريفًا حادًا للخلفية طوال المقطع بالكامل.
Veo 3.1 رفع جودة 1080p أكثر من سلفه، مع اتساق أفضل للمشهد، ويستحق الاختبار إن كنت تستخدم عائلة Veo بالفعل.
هذه هي الإجابة الصادقة، من دون لغة تسويقية:
بالنسبة إلى فيديوهات الحديث أمام الكاميرا التي تتطلب صوتًا بمزامنة دقيقة للشفاه، لا يكون أيٌّ من Seedance 2.0 أو Sora 2.5 الخيار الصحيح. ابحث عن النماذج المتخصصة في مزامنة الشفاه على المنصة لهذا الاستخدام.
أما بالنسبة إلى مخرجات 4K تحديدًا، فإن LTX 2.3 Pro يدخل مجال دقة 4K. وللحصول على أقصى سرعة توليد دون التضحية كثيرًا بجودة المخرجات، يستحق كل من Wan 2.7 I2V وPixverse v5.6 الاختبار ضمن سير عملك.
💡 الخلاصة: يتفوّق Seedance 2.0 في السرعة والصوت وحركة الإنسان. ويتفوّق Sora 2.5 في الفيزياء ودقة البيئة وسلوك الكاميرا. وأقوى سير عمل إنتاجي يستخدم الاثنين بشكل استراتيجي.
Seedance 2.0 متاح على المنصة وجاهز للتوليد الآن. إليك طريقة الحصول على أفضل النتائج منه:
انتقل إلى صفحة Seedance 2.0 على PicassoIA وسجّل الدخول. لا حاجة إلى تثبيت محلي، ولا إلى GPU.
ابدأ بالموضوع، ثم الفعل، ثم البيئة. اجعله أقل من 60 كلمة للحصول على أفضل احتفاظ بالعناصر:
مثال على أمر نصي: "راكب دراجة محترف يدفع نحو السباق الأخير في مرحلة جبلية، طريق ألبي شديد الانحدار مع جمهور يهتف على جانبيه، إضاءة خلفية ذهبية عند أواخر بعد الظهر تخلق ظلّ حافة مضيئة، حركة بطيئة درامية، ضغط تيليفوتو بعدسة 85 ملم"
شغّل الفيديو مع تفعيل الصوت من أول توليد. إن لم يناسب الصوت، صِف الصوت صراحةً في أمرك النصي بدلًا من الاعتماد على الاستدلال: "مع ضجيج شارع محيطي وهتافات جمهور بعيد" أو "مع موسيقى بيانو هادئة في الخلفية".
إن لم تأتِ المخرجات الأولى كما تريد، غيّر عنصرًا واحدًا فقط من الأمر النصي في كل مرة. لا تزال هندسة الأوامر لتوليد الفيديو عملية تضييق تدريجي: ابدأ بأهم عنصر، واحرص على إتقانه قبل إضافة مزيد من التعقيد.
الاختبار الحقيقي ليس ما أجريناه. إنه ما ستجريه بأوامرك النصية الخاصة ولمشاريعك الخاصة. كل من Seedance 2.0 وSora 2 Pro متاحان على PicassoIA إلى جانب أكثر من 87 نموذجًا آخر لتحويل النص إلى فيديو، من بينها Kling v3 Video، وVeo 3.1، وRay 3.2، وWan 2.7 T2V، وHailuo 02.
أسرع طريقة لتحديد النموذج المناسب لإنتاجك هي اختبار شخصي جنبًا إلى جنب بأمر نصي من مشروعك الفعلي. خذ أمرًا واحدًا، وشغّله عبر ثلاثة نماذج، وانظر أي مخرجات تطابق لغتك البصرية. ستختلف الإجابة من مبدع إلى آخر.
كل نموذج مذكور في هذه المقالة متاح على picassoia.com/en/all-models. ابدأ التوليد وانظر أيّها يناسب سير عملك.
اختر لغتك
