اختبرنا ثلاثة من أكثر نماذج توليد الفيديو بالذكاء الاصطناعي تداولًا، وهي Sora 2 Pro وVeo 3.1 وRunway Gen-4، بأوامر نصية واقعية متطابقة تشمل المناظر الطبيعية والأشخاص والحركة في المدن والمشاهد التجريدية. يحلّل المقال جودة الفيديو والثبات الزمني وسرعة التوليد والأسعار، ويحدد السيناريوهات التي يتفوق فيها كل نموذج على الآخرين، ليمنح صنّاع المحتوى صورة واضحة عن الأداة التي تناسب سير عملهم في عام 2027.
ثلاث منصات لتوليد الفيديو بالذكاء الاصطناعي هي الأكثر تداولًا في الوقت الحالي. تطالب Sora 2 Pro، وVeo 3.1، وGen-4.5 by Runway كل منها بعرش مختلف في مجال توليد الفيديو بالذكاء الاصطناعي، والطريقة الوحيدة الحقيقية لمعرفة أيها يقدم النتيجة الأفضل هي تشغيلها في الاختبارات نفسها وبالأوامر النصية نفسها.
هذا بالضبط ما يقدمه هذا المقال. لا كلام تسويقي فارغ، بل نتائج فقط.
قبل الدخول في النتائج، من المفيد معرفة ما صُمم كل نموذج لأجله تحديدًا.
Sora 2 Pro هو أقدر نموذج لتوليد الفيديو لدى OpenAI. صُمم مع التركيز على الواقعية الفيزيائية، والثبات الزمني في المقاطع الطويلة، وتفسير المشاهد السينمائية. يولّد فيديوهات بدقة تصل إلى 1080p بمدد متنوعة، ويتعامل مع الانتقالات المعقدة بين المشاهد، ويفسّر الأوامر النصية المفصّلة مع معالجة دقيقة للإضاءة والفيزياء والعمق.
وتبرز قوته في توليد الفيديوهات التي تهم فيها الفيزياء والمنطق المكاني، مثل جريان الماء، وسقوط الأجسام، أو حركة الحشود بطرق واقعية.
يأتي Veo 3.1 من Google DeepMind، ويستفيد من مجموعات بيانات تدريب ضخمة مرتبطة بالبنية التحتية الإعلامية لدى Google. تضيف هذه النسخة توليد الصوت الأصلي إلى جانب الفيديو، وهي ميزة تفوّق واضح مقارنةً بالمنافسين.
تبرز قوته في البيئات الواقعية كالصور الفوتوغرافية، والتناغم بين الصورة والصوت، واتباع الأوامر الإخراجية المعقدة بدقة عالية.
صُمم Gen-4 من Runway (المتاح بوصفه Gen-4.5 على PicassoIA) مع وضع محرّري الفيديو المحترفين في الحسبان. يعطي الأولوية لثبات الحركة، والحفاظ على الأسلوب عبر الإطارات، والتوليد المعتمد على المرجع، أي أنك تستطيع تزويده بصورة أو إطار مرجعي فيحافظ على الهوية البصرية طوال المقطع كله.
تبرز قوته في الفيديو المتسق مع العلامة التجارية، وثبات الشخصيات، والتحكم الإبداعي الدقيق.
اختبار أدوات الفيديو بالذكاء الاصطناعي بأوامر غامضة يعطي رؤى غامضة. اخترنا أربع فئات من الأوامر تختبر قدرات مختلفة:
تختبر هذه الأوامر الأربعة، على التوالي، الدقة الفيزيائية، وواقعية حركة الإنسان، والتفسير الإبداعي، والتماسك المكاني على نطاق واسع.
يُعد أمر جدول الماء الجبلي من أصعب الاختبارات لأي مولّد فيديو. الماء من أصعب العناصر محاكاةً، وتتطلب انعكاسات أشعة الشمس على الماء نمذجة فيزيائية دقيقة.
أنتج Sora 2 Pro أدق حركة للماء بين النماذج الثلاثة. التقطت القطرات الفردية الضوء بانكسار واقعي. أظهر الطحلب على الصخور تفاوتًا خفيفًا في البلل. والأهم أن الإضاءة على سطح الماء تغيّرت تدريجيًا طوال المقطع، ما يوحي بحركة فعلية لموضع الشمس المفترض.
لم تظهر في المخرجات أي اختلافات واضحة بين الإطارات. بقي ملمس الحجارة ثابتًا طوال المقطع كله.
أنتج Veo 3.1 مقطعًا جميلًا بشكل لافت. كان تدرج الألوان أكثر تشبّعًا وسينمائية من غيره، وهذا ما قد يفضّله بعض صناع المحتوى. كانت الأصوات المحيطة لتدفق الماء وزقزقة الطيور ميزة بارزة حقًا. غير أن بعض الإطارات في منتصف المقطع أظهرت وميضًا طفيفًا في ملمس سطح الماء قرب الصخور.
أنتج Gen-4.5 أكثر المقاطع ثباتًا دون أي وميض. ثمن ذلك أن الحركة كانت أقل حيوية قليلًا، ولم يملك الماء الثراء الفيزيائي نفسه الموجود في مخرجات Sora. بدا مصقولًا لكنه أقل حيوية قليلًا.
💡 لمشاهد الطبيعة ذات الفيزياء المعقدة: يتقدم Sora 2 Pro بوضوح. ويتفوق Veo 3.1 إذا كانت واقعية الصوت مهمة.
هنا تتضح الأمور أكثر. توليد إنسان يبدو حقيقيًا وهو في حالة حركة هو أصعب اختبار لأي نموذج توليد فيديو.
أنتج أمر المرأة وهي تسير مشية سلسة وطبيعية. تحرّك نسيج المعطف بواقعية مع الرياح وحركة الجسم. تكيّفت الانعكاسات على الرصيف بشكل صحيح مع تقدّمها إلى الأمام. الضعف الوحيد: ظهر تشوّه طفيف في يديها عندما كانتا قريبتين من جسمها، وهو عيب شائع في نماذج الفيديو القائمة على الانتشار.
أنتج Veo 3.1 أكثر حركة إنسانية إقناعًا بين النماذج الثلاثة. بدا تمايل المعطف الخفيف، وإمالة الرأس الطفيفة وهي تتنقل على الرصيف، وطريقة تحديث انعكاسات النيون تحت خطواتها، كل ذلك متماسكًا وواقعيًا. أضافت طبقة الصوت ضجيج الشارع المحيط، ما رفع الإحساس بالانغماس بشكل ملحوظ.
حافظ Gen-4.5 على أكثر مظهر ثابت للشخصية عبر كل الإطارات. لم ينحرف الوجه ولون المعطف ونسب الجسم في أي لحظة. كانت الحركة مقيّدة قليلًا، لكن في حالات الاستخدام التي يجب فيها أن تبقى هوية الشخصية ثابتة عبر عدة مقاطع، فهذه ميزة عملية كبيرة.
💡 للمحتوى المتمحور حول الإنسان: Veo 3.1 لأكثر إحساس عضوي. Runway لضمان ثبات الشخصية عبر المشاهد.
يكشف اختبار الحبر في الماء كيف يتعامل كل نموذج مع الأوامر الإبداعية غير السردية، حيث لا توجد إجابة فيزيائية "صحيحة" واحدة.
تعامل النماذج الثلاثة مع هذا الأمر بإتقان، لكن بتوقيعات أسلوبية مختلفة:
| النموذج | الأسلوب | جودة الحركة | التفاصيل البصرية |
|---|---|---|---|
| Sora 2 Pro | طبيعي، علمي | بطيئة ومتأنية | تفاصيل عالية للجسيمات |
| Veo 3.1 | سينمائي، تباين عالٍ | ديناميكية ومعبّرة | تدرجات لونية غنية |
| Runway Gen-4 | نظيف ومضبوط | سلسة، قابلة للتكرار | تعريف قوي للحواف |
كان Veo 3.1 الأكثر لفتًا للنظر بصريًا هنا. كان التباين اللوني بين الحبر النيلي والإضاءة الخلفية الكهرمانية الأغنى بين المخرجات الثلاثة. وكانت مخرجات Runway الأكثر فائدة للمحتوى المتكرر أو المخصص لوسائل التواصل الاجتماعي، بفضل حركتها النظيفة والمتسقة.
غالبًا ما تكون مدة التوليد والتسعير العامل الحاسم في سير العمل الإنتاجي، خاصة عند العمل بكميات كبيرة.
أُجريت الاختبارات بالإعدادات الافتراضية لكل منصة. تعكس الأوقات أول مخرجات توليد دون تأخير في الطابور.
| النموذج | متوسط وقت التوليد | أقصى دقة | أقصى مدة |
|---|---|---|---|
| Sora 2 Pro | من 45 إلى 90 ثانية | 1080p | 20 ثانية |
| Veo 3.1 | من 60 إلى 120 ثانية | 1080p | 8 ثوانٍ (مع الصوت) |
| Gen-4.5 | من 30 إلى 60 ثانية | 1080p | 10 ثوانٍ |
يبقى Gen-4.5 الأسرع باستمرار. ويقع Sora 2 Pro في المنتصف. أما Veo 3.1 فهو الأبطأ، لكنه يقدم أكثر المخرجات غمرًا، خاصة عند تضمين الصوت.
تختلف هياكل التسعير بين النماذج الثلاثة بشكل كبير. يعمل Sora 2 Pro بنظام النقاط عبر OpenAI. يمكن الوصول إلى Veo 3.1 عبر Google AI Studio وGemini API بفوترة لكل ثانية. أما Runway فيعمل بمستويات اشتراك مع نقاط توليد تُرحَّل شهريًا.
بالنسبة لسير العمل الإنتاجي عالي الحجم، يصبح نموذج الاشتراك لدى Runway الأكثر كفاءة من حيث التكلفة بعد عتبة معينة من عدد المقاطع الشهرية. أما بالنسبة للمشاريع السينمائية غير المتكررة، فغالبًا ما يكون الدفع لكل مقطع مع Sora 2 Pro أو Veo 3.1 أرخص إجمالًا.
💡 نصيحة حول التكلفة: إذا كنت تحتاج إلى أكثر من 20 مقطعًا شهريًا، فنموذج اشتراك Runway هو الخيار المالي الأفضل تقريبًا دائمًا. وما دون ذلك، يكون الدفع حسب الاستخدام هو الأفضل.
يعني الثبات الزمني: هل يبدو الفيديو كالمشهد نفسه عبر كل إطار؟ يجب ألا تتغير أشكال الأجسام بين الإطارات، وألا تنجرف الألوان، وأن تتبع الإضاءة قواعد فيزيائية منطقية طوال الوقت.
يُعد أمر المنظر الجوي للمدينة أكثر الاختبارات كشفًا لهذا الجانب.
حافظ Sora 2 Pro على منظور جوي ثابت دون أي انحراف في الموضع طوال المقطع كله. بقيت نسب المباني ثابتة. ظل تخطيط الشارع مستقرًا. اتبعت مسارات الضوء على السيارات مسارات متسقة. هذا المستوى من الذاكرة المكانية لافت حقًا، ويميزه عن نماذج الجيل السابق.
أنتج Veo 3.1 أول ثانيتين مذهلتين، ثم أظهر انحرافًا طفيفًا في موضع الكاميرا في منتصف المقطع. تغيّر تخطيط التقاطع بشكل خفيف، وهو ما يكسر الانغماس عند الفحص الدقيق. بالنسبة لمقاطع وسائل التواصل التي تُشاهد مرة واحدة، لا يُلاحظ هذا الأمر. أما في أعمال الإنتاج الاحترافي، فهو مهم.
كان Gen-4.5 الأكثر استقرارًا في المخرجات الثلاثة بفارق واضح. لم يتغير موضع أي جسم ولو قليلًا. كانت مسارات الضوء متسقة تمامًا من الإطار الأول إلى الأخير. وهنا بالضبط يقدّم التركيز المعماري لنموذج Runway على ثبات الإطارات قيمة حقيقية.
توقف عن البحث عن نموذج واحد يفعل كل شيء. لكل من هذه الأدوات سياق محدد تتفوق فيه بوضوح.
النماذج الثلاثة متاحة كلها من خلال مجموعة تحويل النص إلى فيديو على PicassoIA. لا حاجة لمفاتيح API منفصلة، ولا لإدارة اشتراكات فردية. تشغّل الأوامر، وتقارن المخرجات، وتنتج المقاطع من مكان واحد.
انتقل إلى Sora 2 Pro واكتب أوامر نصية مفصّلة تصف البيئة الفيزيائية، واتجاه الإضاءة، وزاوية الكاميرا، ونية الحركة. يستجيب النموذج بشكل خاص للأوامر التي تتضمن مراجع محددة للعدسات وإشارات لمدة المشهد.
نصائح للأوامر النصية لنموذج Sora 2 Pro:
ادخل إلى Veo 3.1 للمشاريع التي يكون فيها الصوت جزءًا من المخرجات. يتقبّل النموذج اللغة الإخراجية بسلاسة. فكّر في الأوامر كملاحظات لقطة من مخرج، لا كأوصاف لصور.
نصائح للأوامر النصية لنموذج Veo 3.1:
وللتكرارات الأسرع أو اختبار الأفكار، يتوفر أيضًا Veo 3.1 Fast، وهو يقدم جودة مشابهة بسرعات أعلى بنحو 40%، ما يفيد في اختبار المفاهيم بسرعة قبل الالتزام بالنموذج الكامل.
ادخل إلى Gen-4.5 by Runway عندما تكون القابلية للتكرار وثبات الشخصيات أمرين غير قابلين للتفاوض. رفع صورة مرجعية لتثبيت مظهر الشخصية أو المشهد هو المكان الذي يتميز فيه هذا النموذج حقًا عن غيره.
نصائح للأوامر النصية لنموذج Gen-4.5:
هذه هي الخلاصة الصريحة بعد تشغيل الفئات الأربع للأوامر على النماذج الثلاثة.
إذا كنت تبني محتوى سينمائيًا تهم فيه الدقة الفيزيائية، ومدة المشهد، والتعقيد البصري، فإن Sora 2 Pro هو أفضل أداة متاحة الآن. يتعامل مع أصعب الأوامر بأكبر قدر من الدقة، وينتج أطول المقاطع دون انهيار في الثبات.
إذا كنت تنشئ محتوى يكون فيه الصوت جزءًا من المخرجات، أو تحتاج فيه الحركة الإنسانية إلى أن تبدو عضوية ومؤثرة عاطفيًا، فإن Veo 3.1 يقدم ما لا يقدمه أي نموذج آخر. يكفي التكامل بين الصورة والصوت وحده لجعله فئة مستقلة.
إذا كنت تعمل في بيئة إنتاج تكون فيها السرعة والثبات عبر المقاطع وهوية الشخصيات غير قابلة للتفاوض، فإن Gen-4.5 مصمم لهذا النوع من سير العمل بالتحديد. لا ينتج أروع إطار فردي، لكنه ينتج أكثر المخرجات الدفعية موثوقية على نطاق واسع.
| حالة الاستخدام | أفضل نموذج |
|---|---|
| مشاهد المناظر الطبيعية السينمائية | Sora 2 Pro |
| الأشخاص ذوو الحضور العاطفي | Veo 3.1 |
| المحتوى التجاري مع ثبات الشخصيات | Runway Gen-4.5 |
| المشاريع التي تتطلب صوتًا مُولَّدًا | Veo 3.1 |
| إنتاج المقاطع بحجم كبير | Runway Gen-4.5 |
| الفيزياء المعقدة والمقاطع الطويلة | Sora 2 Pro |
الإجابة الحقيقية لمعظم صناع المحتوى: استخدم النماذج الثلاثة جميعها. كل واحد منها يملأ فجوة تتركها الأخرى مفتوحة.
يتيح لك PicassoIA الوصول إلى Sora 2 Pro وVeo 3.1 وGen-4.5 دون التنقل بين حسابات أو بيانات اعتماد API منفصلة. يمكنك تشغيل الأمر نفسه عبر الثلاثة تباعًا، ومقارنة المخرجات جنبًا إلى جنب، واختيار الفائز لكل مشهد محدد. هذه المرونة هي الميزة العملية لأي صانع فيديو جاد يعمل في عام 2027.
ابدأ الآن في توليد أول فيديو لك بالذكاء الاصطناعي، وشاهد أي نموذج يناسب رؤيتك الإبداعية.
اختر لغتك
