أطلقت OpenAI موجة من التحديثات على Sora 2 فاجأت عالم توليد الفيديو بالذكاء الاصطناعي تمامًا. من المدد الزمنية الأطول والاستمرارية عبر عدة مقاطع، إلى توليد الصوت الأصلي وعناصر التحكم الدقيقة في الكاميرا، تدفع هذه الميزات الجديدة توليد الفيديو بالذكاء الاصطناعي إلى آفاق إبداعية جديدة لصنّاع الأفلام والمبدعين وفرق المحتوى.
حدث شيء مع Sora 2 لم يتوقعه معظم الناس في مجال الذكاء الاصطناعي. لم تكتفِ OpenAI بتحسين نموذج الفيديو عبر تحديث روتيني، بل أطلقت مجموعة من الإمكانات التي تغيّر جوهريًا ما يمكن أن تفعله أداة تحويل النص إلى فيديو فعليًا. المدد الزمنية الأطول، وتوليد الصوت الأصلي، واستمرارية المشهد عبر عدة مقاطع، وإعدادات الكاميرا السينمائية المسبقة، كلها ظهرت في نافذة التحديث نفسها. إذا لم تطّلع على ما تغيّر مؤخرًا، فأنت تفوّت تحولًا كبيرًا بهدوء في طريقة عمل توليد الفيديو بالذكاء الاصطناعي.
كان الانتقال الجوهري بين Sora 1 وSora 2 مهمًا بالفعل: فيزياء حركة أفضل، ومنطق مشهد أكثر تماسكًا، وتشريح بشري محسّن. لكن الميزات التي ظهرت في آخر تحديثات Sora 2 لم تكن موجودة في أي خارطة طريق معلنة. ظهرت دون ضجة تُذكر، ولهذا السبب بالتحديد فاتت كثيرين من المبدعين.
دأبت OpenAI على تجنب الفعاليات الإطلاقية المبهرة عند إطلاق التحسينات التدريجية. لهذا مرّت هذه الميزات دون أن يلاحظها أحد تقريبًا. لا مؤتمر صحفي، ولا عرض توضيحي بعشرة ملايين مشاهدة. فقط سلوك محدَّث للنموذج، وخانات معاملات جديدة، وبضع ملاحظات إصدار مدفونة في الوثائق.
المفارقة أن هذه الميزات "الخفية" أكثر فائدة عمليًا من الإعلان الأصلي عن Sora. كان العرض الأول لحظة بحثية مذهلة. أما هذا التحديث فيهدف إلى جعل الأداة تعمل فعلًا ضمن سير عمل إنتاجي.
الميزات التي وصلت مع هذا التحديث تعالج تحديدًا الشكاوى الرئيسية من المستخدمين المحترفين والمتبنّين الأوائل. المدة كانت قصيرة جدًا لسرد قصصي حقيقي. لا يوجد صوت، لذا كان كل شيء يحتاج إلى عمل صوتي في مرحلة ما بعد الإنتاج. انقطع تسلسل المشاهد بين المقاطع، مما جعل بناء تسلسل متماسك شبه مستحيل. وكان سلوك الكاميرا غير متوقع. لم تكن هذه مجرد مضايقات بسيطة، بل كانت عوائق أساسية أمام كل من يحاول بناء أي عمل ببنية سردية حقيقية. يعالج هذا التحديث كل واحدة منها دون استثناء.
كان نموذج Sora الأصلي يصل إلى نحو 10 إلى 15 ثانية في كل توليد. أما Sora 2 Pro فيدعم الآن مقاطع فيديو تصل إلى 20 ثانية في تمريرة توليد واحدة. قد لا يبدو ذلك مثيرًا، لكنه في مصطلحات الإنتاج المرئي الفرق بين لحظة ومشهد.
مع 10 ثوانٍ يمكنك إظهار سيارة تنعطف عند زاوية. ومع 20 ثانية يمكنك إظهارها تسير في شارع، وتقترب من مبنى، ثم تتوقف. تتضاعف القدرة السردية تقريبًا. الأفلام القصيرة، وعروض المنتجات، ومحتوى وسائل التواصل الذي يملك إيقاعًا فعليًا، ومقدمات المشاهد: كل هذه أصبحت ممكنة بطريقة لم تكن متاحة من قبل.
💡 نصيحة احترافية: اكتب أمرك النصي ببداية ووسط ونهاية واضحة عند استهداف مقاطع من 20 ثانية. يستفيد Sora 2 من المساحة الزمنية الكاملة بشكل أفضل عندما يصف الأمر تسلسلًا من الأفعال بدلًا من لحظة واحدة ثابتة.
من التحسينات الدقيقة الثبات الزمني للجودة. أظهرت النماذج السابقة نمطًا شائعًا تتدهور فيه جودة الإطارات نحو نهاية التوليدات الطويلة. غالبًا ما كان النصف الثاني من مقطع مدته 15 ثانية أنعم أو أقل تماسكًا بوضوح من النصف الأول. مع قدرة Sora 2 على المدة الممتدة، أصبح توزيع الجودة عبر الخط الزمني أكثر تساويًا بكثير. يحتفظ الإطار الأخير تقريبًا بالدرجة نفسها من الدقة التي يحتفظ بها الإطار الأول. وهذا مهم جدًا لأي مقطع يجب قصّه ضمن تسلسل مونتاج أطول.
هذه الميزة جديدة فعلًا. عند توليد عدة مقاطع في تسلسل مترابط، يستطيع Sora 2 الآن الحفاظ على مظهر الشخصية، وإضاءة البيئة، وموضع الأشياء عبر تمريرات توليد منفصلة. عمليًا، إذا أظهر مقطعك الأول امرأة ترتدي سترة حمراء وتقف في حديقة عند الساعة الذهبية، يمكن للمقطع الثاني المولَّد في الجلسة نفسها أن يتابع من الحالة البصرية ذاتها.
قبل ذلك، كان كل توليد جزيرة قائمة بذاتها. تولّد المقطع A، ثم تحاول توليد المقطع B في المكان نفسه، فتنتهي بشخصية مختلفة قليلًا بملامح وجه مختلفة، وإضاءة مختلفة قليلًا، وظلال غير متسقة. كان تركيب فيديو متماسك مدته 60 ثانية يتطلب مطابقة ألوان مكثفة في مرحلة ما بعد الإنتاج، وأحيانًا قرارات إعادة استمرارية بصرية. هذا الاحتكاك اختفى الآن إلى حد كبير.
الآلية وراء ذلك هي طبقة ذاكرة بصرية عابرة للتوليد تنقل توقيعًا مضغوطًا للمشهد من مقطع إلى التالي. وهي تتتبع:
💡 ملاحظة مهمة: تعمل هذه الاستمرارية داخل الجلسة الواحدة. الجلسات الجديدة تبدأ من الصفر. احفظ مرجع جلستك إذا كنت تخطط للعودة إلى المشروع نفسه لاحقًا.
كان غياب الصوت في أدوات الفيديو بالذكاء الاصطناعي أبرز ميزة مفقودة في هذا المجال. يقدّم أحدث تحديث لنموذج Sora 2 توليد الصوت المحيطي الأصلي. عندما تولّد فيديو لمطر يتساقط على شوارع المدينة، يمكنك الآن الحصول على صوت مطر وأجواء حضرية متزامنة إلى جانب ملف الفيديو. هذا ليس مجرد تراكب من مكتبة أصوات عامة. يُولَّد الصوت بالارتباط مع المحتوى البصري: كثافة المطر في الإطار ترتبط بشدة صوت الهطول. ومشهد لأشجار تهزها الرياح ينتج حفيفًا محددًا بالتردد يرتبط بمقدار حركة المظلة. يحلل النظام الحركة ومحتوى المشهد لإنتاج صوت مناسب للسياق.
| ميزة الصوت | ماذا تفعل |
|---|---|
| توليد الصوت المحيطي | يولّد صوت الخلفية البيئي من محتوى المشهد |
| مزامنة الحركة | يربط شدة الصوت بالحركة المرئية داخل الإطار |
| مطابقة المؤثرات | أصوات أساسية للأجسام تُطابَق مع الأحداث على الشاشة |
| تراكب الأجواء | طبقات صوتية متعددة تُمزج تلقائيًا |
يركّز توليد الصوت حاليًا على الأصوات المحيطة والبيئية. ولا يولّد بعد الموسيقى أو الحوار أو تسلسلات تصميم الصوت المعقدة. لهذا المستوى من العمل الصوتي، يبقى الجمع بين مخرجات الصوت المحيطي الأصلية لنموذج Sora 2 وأدوات الصوت بالذكاء الاصطناعي المتخصصة سير العمل الموصى به. كما يُصدَّر الصوت كملف WAV منفصل وليس مدمجًا في الفيديو، وهذا يمنحك مرونة أكبر في المونتاج.
كان لدى Sora الأصلي استجابة ضمنية لسلوك الكاميرا. إذا كتبت "لقطة جوية" أو "لقطة قريبة" في أمرك النصي، كان أحيانًا ينتج شيئًا يشبه أعراف التأطير تلك. و"أحيانًا" هي الكلمة الحاسمة هنا. كان التحكم في الكاميرا أقرب إلى اقتراح منه إلى تعليمة.
أصبح Sora 2 Pro الآن يتيح معاملات تحكم منفصلة في الكاميرا. تحدد نوع الحركة من قائمة محددة، ويؤديها النموذج بدرجة دقة أعلى بكثير.
إعدادات الكاميرا المسبقة المتاحة في أحدث تحديث:
ميزة سيقدّرها المستخدمون المتقدمون: يمكنك الآن تحديد تسلسل حركة داخل مقطع واحد. حدّد إطارًا افتتاحيًا ثابتًا تتجه فيه الكاميرا نحو الشخص خلال أول ست ثوانٍ، ثم تنتقل إلى حركة بانورامية بطيئة إلى اليسار لما تبقى من المقطع. كان هذا النوع من الحركة المركبة مستحيلًا من قبل دون تركيب مقاطع منفصلة. أما الآن فهو تعليمة توليد واحدة.
💡 نصيحة إبداعية: ادمج إعداد "orbit" مع شخص ثابت أمام خلفية عالية التفاصيل لمقاطع الكشف السينمائي عن المنتجات. تُظهر الحركة الدائرية هندسة الشخص أو الشيء، بينما تبقى الخلفية مرتبطة بالسياق.
يولّد Sora 2 الآن بدقة 1080p افتراضيًا. كان الناتج الافتراضي السابق عند 720p، مع توفر 1080p كخيار مكلف حسابيًا يزيد وقت التوليد زيادة كبيرة. تتعامل البنية الجديدة مع 1080p كدقة قياسية دون تكلفة زمنية متناسبة.
بالنسبة للمبدعين الذين ينشرون على منصات تعتمد معايير تشغيل عالية الدقة، يلغي هذا خطوة سير عمل سابقة: رفع الدقة. كانت مخرجات Sora السابقة تحتاج غالبًا إلى تمريرة لرفع الدقة قبل أن تصبح جاهزة للتسليم النهائي. تحتفظ مخرجات 1080p الأصلية بتفاصيل كافية لتجاوز هذه الخطوة في معظم الحالات.
إلى جانب تحسين الدقة، توسّعت خيارات معدل الإطارات. تشمل معدلات الإخراج المتاحة الآن:
خيار 60fps مهم بشكل خاص للمحتوى الذي تهم فيه جودة الحركة أكثر من الجماليات السينمائية. فيديوهات فتح عبوات المنتجات، والشروحات، ومحتوى ملخصات المباريات، وأي محتوى يحتوي على حركة سريعة، تستفيد بقدر كبير من التوليد الأصلي بمعدل 60fps.
تزاحم مجال توليد الفيديو بالذكاء الاصطناعي بسرعة كبيرة. إليك كيف يقارن Sora 2 Pro بمنافسين أقوياء آخرين متاحين الآن:
| النموذج | أقصى مدة | الصوت | التحكم في الكاميرا | الدقة |
|---|---|---|---|---|
| Sora 2 Pro | 20 ثانية | محيطي أصلي | أكثر من 7 إعدادات مسبقة | 1080p |
| Gen-4.5 by Runway | 16 ثانية | لا | محدود | 1080p |
| Kling v3 | 10 ثوانٍ | لا | متوسط | 1080p |
| Veo 3 | 8 ثوانٍ | نعم | محدود | 720p |
| LTX-2.3 Pro | 17 ثانية | لا | دقيق | 1080p |
| Hailuo 2.3 | 10 ثوانٍ | لا | متوسط | 720p |
يكشف الجدول أمرًا لافتًا: Sora 2 Pro هو النموذج الوحيد في هذه الفئة الذي يقدّم في الوقت نفسه أطول مدة، والصوت الأصلي، وأدق تحكم في الكاميرا، ودقة 1080p. يتفوق المنافسون في فئات محددة، لكن لا يوجد حاليًا من يتفوق عليه في الأبعاد الأربعة معًا.
يبقى Gen-4.5 by Runway أقوى منافس من حيث المرونة الإبداعية والتحكم في الأسلوب. وVeo 3 من Google هو النموذج الآخر الوحيد الذي يقدم صوتًا أصليًا، لكنه محدود حاليًا بمدد أقصر. ويتفوق Kling v3 في دقة التحكم في الحركة للمحتوى الذي يدور حول الشخصيات.
يتوفر كل من Sora 2 وSora 2 Pro مباشرة ضمن مجموعة تحويل النص إلى فيديو في PicassoIA. إليك كيف تبدأ وتحصل على النتائج بسرعة.
انتقل إلى مجموعة تحويل النص إلى فيديو واختر إما Sora 2 للتوليدات القياسية، أو Sora 2 Pro للمدة الممتدة وتسلسلات الكاميرا المركبة. يُعد Pro الخيار الصحيح لأي شيء يتطلب مقاطع مدتها 20 ثانية، أو صوتًا أصليًا، أو تسلسلات حركة كاميرا متعددة.
يستجيب Sora 2 جيدًا للأوامر النصية التي تصف تسلسلات الأفعال بدلًا من المشاهد الثابتة. استخدم هذا الهيكل:
مثال: "زقاق ضيق من الحجارة المرصوفة في لشبونة عند الغسق، وأضواء شوارع دافئة تنعكس على الرصيف المبلل، وامرأة ترتدي معطفًا داكنًا تمشي ببطء نحو الكاميرا، وحركة dolly out بطيئة تكشف عرض الشارع كاملًا، وأجواء حزينة ودافئة."
معاملات تستحق الضبط للحصول على أفضل النتائج:
| المعامل | الإعداد الموصى به | السبب |
|---|---|---|
| الدقة | 1080p | جودة أصلية دون حاجة إلى رفع الدقة |
| معدل الإطارات | 24fps للسينمائي، و30fps لوسائل التواصل | يتطابق مع منصة النشر |
| المدة | 15 إلى 20 ثانية للمقاطع السردية | الاستفادة من المدة الممتدة كاملةً |
| الصوت | فعّله إذا كنت تحتاج صوتًا محيطيًا | يوفّر خطوة من مرحلة ما بعد الإنتاج |
| إعداد الكاميرا | طابقه مع وصف أمرك النصي | الاتساق بين النص والمعامل |
إذا لم يلتقط التوليد الأول حركة الكاميرا بشكل صحيح، فحسّنها بإضافة مزيد من التحديد. تتحول عبارة "Dolly out slowly" إلى "camera dollies out at a slow, steady pace beginning from a tight medium shot and ending at a wide establishing shot". كلما كان وصف الحركة أكثر تحديدًا، اقترب الناتج أكثر من المقصود.
💡 نصيحة سير العمل: ولّد لقطة التأسيس أولًا بكاميرا ثابتة. وبمجرد أن تحصل على المشهد الذي تريده، استخدم هذه المرجعية البصرية كمرساة للمقاطع اللاحقة التي تتضمن حركة. يحافظ هذا على استمرارية المشهد مع إضافة حركة سينمائية.
على مدى السنوات القليلة الماضية، كانت الفجوة بين ما تستطيع أدوات الفيديو بالذكاء الاصطناعي فعله تقنيًا، وما يحتاجه المبدعون فعلًا لمشاريعهم الحقيقية، واسعة إلى حد محبط. كان بإمكانك توليد مقاطع معزولة مثيرة للإعجاب، لكنك لم تكن تستطيع بناء أي شيء متماسك. كان كل مشهد يُعاد ضبطه من الصفر. ولم يكن هناك صوت. وكان سلوك الكاميرا مسألة حظ محض.
تغلق ميزات أحدث تحديث لنموذج Sora 2 هذه الفجوة بطرق ذات معنى. الأمر لا يتعلق بتوليد لقطات فيروسية للعرض، بل بأن يصبح توليد الفيديو بالذكاء الاصطناعي جزءًا مشروعًا من سير العمل الإنتاجي: مدة ممتدة لمشاهد حقيقية، واستمرارية للتسلسلات، وصوت أصلي لتقليل عبء ما بعد الإنتاج، وتحكم دقيق في الكاميرا للغة بصرية مقصودة، ومخرجات بدقة 1080p جاهزة للتسليم دون خطوة إضافية لرفع الدقة.
الأدوات موجودة الآن. لم يعد السؤال "هل يستطيع الذكاء الاصطناعي توليد فيديو قابل للاستخدام؟"، بل صار "ماذا ستصنع به؟".
إذا أردت تجربة هذه الميزات الآن، فكل من Sora 2 وSora 2 Pro متاحان على PicassoIA. تمنحك المنصة الوصول إلى الإصدارين إلى جانب أكثر من 85 نموذجًا آخر لتحويل النص إلى فيديو، من بينها Gen-4.5 وKling v3 وVeo 3 وLTX-2.3 Pro. اختر مشهدًا من مشروعك القادم وجرّبه. قد تكون النتيجة أفضل مما تتوقع.
اختر لغتك
