اختبار فلاتر Veo 3.1: لماذا تمرّ بعض الأوامر النصية للبالغين؟

الجميع جرّب الأداة. معظم الناس لم ينشروا النتائج.

Veo 3.1 هو أقدر نموذج لتحويل النص إلى فيديو من Google حتى الآن، إذ ينتج مقاطع بدقة 1080p مع صوت أصلي متزامن من أمر نصي واحد. يعمل على PicassoIA إلى جانب Veo 3.1 Fast وVeo 3.1 Lite. لكن قبل مقارنات الاختبارات المعيارية واختبارات الحركة السينمائية، أراد جزء كبير من الإنترنت معرفة شيء واحد: ماذا يحدث عند دفع فلاتر المحتوى إلى أقصاها مع أوامر نصية للبالغين؟ أجرينا هذه الاختبارات. خلال عدة أيام، أرسلنا عشرات الأوامر النصية، تراوحت بين الإيحاء الواضح والحدّي الصريح، ووثّقنا بدقة ما سمح به Veo 3.1، وما حظره كليًا، والمواضع التي تصرّف فيها بشكل غير متسق. هذا هو التحليل الكامل.

ما الذي يفعله Veo 3.1 فعلًا

يعمل Veo 3.1 كنموذج انتشاري لتحويل النص إلى فيديو وتحويل الصورة إلى فيديو، وقد دربته Google DeepMind. ينتج مقاطع مدتها خمس ثوانٍ بدقة 1080p مع صوت أصلي مدمج، أي أن الحوار والأصوات المحيطة والموسيقى تُولَّد في الوقت نفسه مع إطارات الفيديو، بدلًا من إضافتها لاحقًا. يقع النموذج في أعلى مجموعة أدوات توليد الفيديو لدى Google. ويقع أسفله Veo 3 وVeo 2 السابق، وكلاهما يحمل قيودًا مشابهة للمحتوى.

طبقات الأمان خلف النموذج

تطبّق Google فلتر محتوى متعدد الطبقات على Veo 3.1. يعمل النظام بالتسلسل:

1. فحص مستوى الأمر النصي: يُحلَّل النص المدخل قبل بدء التوليد. بعض الكلمات الصريحة تؤدي إلى رفض فوري قبل إنفاق أي حوسبة.
2. الإشراف أثناء التوليد: ضُبط النموذج نفسه بالتعلم المعزز من الملاحظات البشرية (RLHF) وتفضيلات أمان تبعده عن إنتاج إطارات صريحة، حتى عندما يجتاز الأمر النصي الفحص الأولي.
3. المصنّف في مرحلة المخرجات: يراجع مصنّف أمان بعد التوليد إطارات الفيديو النهائية. إذا رُصد شيء، يُحجب الناتج ويتلقى المستخدم رسالة خطأ.

تعني هذه البنية ذات الطبقات الثلاث أن الأمر النصي قد يجتاز فحص النص، فيولّد شيئًا أثناء تشغيل النموذج، ثم يُحجب في مرحلة المخرجات. هذا المزيج هو ما يسبب التذبذب الذي يلاحظه معظم المستخدمين عند دفع النموذج إلى حدوده.

كيف يفسّر الفلتر اللغة

الطبقة القائمة على الكلمات المفتاحية هي الجزء الأكثر قابلية للتنبؤ في نظام الأمان لدى Veo 3.1. بعض الكلمات تؤدي إلى رفض فوري، وبعضها لا يفعل. يتغير سلوك النموذج بحسب السياق، والصياغة النحوية، وما إذا كان الأمر النصي يحتوي على إشارات فنية أو خيالية.

💡 نمط ملاحظ: الأوامر المصاغة بعبارات مثل "لوحة تُصوّر" أو "بأسلوب فيلم من سبعينيات القرن الماضي (1970s)" اجتازت فحص النص باستمرار، بمعدلات أعلى من الأوامر الحرفية المباشرة التي تصف الموضوع نفسه.

الاختبارات التي أجريناها

قسّمنا الاختبارات إلى ثلاث فئات حسب درجة الصراحة. شُغِّل كل اختبار مرتين على الأقل للتحقق من الاتساق.

أوامر حُظرت من المحاولة الأولى

حُظرت أنواع الأوامر التالية في مرحلة فحص النص عبر كل المحاولات. لم يبدأ أي توليد:

• أي أمر نصي يستخدم مصطلحات تشريحية صريحة في سياق جنسي
• الأوامر النصية التي تصف أفعالًا جنسية محددة بلغة مباشرة
• الأوامر النصية التي تذكر شخصيات عامة حقيقية بأسمائها في سيناريوهات جنسية
• الأوامر النصية التي تجمع بين القاصرين وأي صياغة تتعلق بمحتوى للبالغين، أيًّا كانت

كانت هذه الرفضات فورية ومتسقة ومصحوبة برسالة واضحة بانتهاك السياسة. لا مفاجآت في هذه الفئة.

ما الذي تجاوز الفلتر فعلًا

هنا تصبح النتائج مثيرة. نسبة معتبرة من الأوامر التي يصنّفها معظم المستخدمين كمحتوى للبالغين اجتازت الطبقات الثلاث لفلتر Veo 3.1، وأنتجت مقاطع فيديو كاملة:

الخيط المشترك في ما تجاوز الفلتر أن المخرجات بقيت ضمن ما تنتجه إعلانات الأزياء أو الأفلام السائدة. ملابس داخلية، ووضعيات موحية، وبشرة مرئية دون عري كامل. يرسم الفلتر الخط عند المحتوى الجنسي الصريح بالمعنى المباشر، لكن المنطقة الواقعة بين إعلانات الأزياء والمحتوى الإباحي الخفيف غير متسقة فعلًا.

الحالات الحدّية التي فاجأتنا

أنتجت ثلاثة سيناريوهات محددة نتائج متناقضة عبر عدة تشغيلات:

السيناريو 1: ثغرة الإطار الفني. نجحت الأوامر التي تشير إلى أساليب فنية تاريخية في نحو 60% من المحاولات. أما المحتوى نفسه إذا وُصف بلغة معاصرة مباشرة، فقد حُظر في 80% منها.

السيناريو 2: إطار الشخصيات الخيالية. الأوامر التي تصف شخصيات خيالية بالغة في سيناريوهات للبالغين أُنشئت بمعدلات أعلى بنحو 40% من الأوامر المكافئة التي لا تحمل إطارًا خياليًا.

السيناريو 3: سلوك تحويل الصورة إلى فيديو. عندما استخدمنا صورة لعارضة أزياء كمصدر لميزة تحويل الصورة إلى فيديو في Veo 3.1، كانت الحركة الناتجة أكثر تساهلًا بشكل ملحوظ من التوليد بالنص وحده. يبدو أن الصورة المدخلة تثبّت المخرجات بطريقة لم يعد فيها المصنّف النصي يقيّمها بالصرامة نفسها.

لماذا يفوّت الفلتر أشياء

التذبذب ليس خللًا بالمعنى التقليدي. إنه خاصية أساسية في طريقة عمل أنظمة الأمان الاحتمالية عندما تصطدم باللغة الطبيعية.

مشكلة الغموض

يواجه مصنّف الأمان المدرّب على أمثلة مصنّفة بشريًا بين "آمن" و"غير آمن" المشكلة نفسها التي يواجهها أي مشرف بشري: الخط الفاصل بين الإيحاء والصراحة ثقافي وسياقي وذاتي. الأمر النصي مثل "امرأة ترتدي فستانًا حريريًا تقف عند نافذة مفتوحة" قد يكون مشهدًا من فيلم نوار من أربعينيات القرن الماضي (1940s)، أو شيئًا أكثر قصدًا بكثير، بحسب ما يدور في ذهن من يولّده. النموذج لا يقرأ النية. إنه يقرأ التوكنات. ولأن بيانات التدريب لكل من تصوير الأزياء الآمن والمحتوى للبالغين تتداخل معجميًا بشكل كبير، فإن المصنّف يعمل بإشارة غير دقيقة.

السياق مقابل القراءة الحرفية للأمر النصي

عندما تضيف كلمة "فني" إلى الأمر النصي، يتغير توزيع الاحتمالات على توكنات المخرجات. رأى النموذج ملايين الأمثلة التي ترد فيها كلمة "فني" مع العري في سياق تصوير المعارض والنحت الكلاسيكي والسينما. لذلك تقوم الكلمة بعمل حقيقي داخل طبقات الانتباه لدى النموذج. هذه ليست حيلة. إنه النموذج يتصرف تمامًا كما دُرِّب، ولهذا بالتحديد لا يلتقط الفلتر كل شيء.

💡 الخلاصة: لم يُصمَّم Veo 3.1 لمحتوى البالغين. تذبذبه مع المادة الحدّية يعكس الصعوبة الحقيقية للإشراف الآلي على نطاق واسع، لا أي تساهل مقصود.

Veo 3.1 مقابل المنافسين

لا توجد حاليًا أداة لتوليد الفيديو بالذكاء الاصطناعي تعمل على نطاق تجاري دون قيود. لكن شدة هذه القيود تختلف بشكل كبير بين المنصات.

Sora 2 و Kling v3 و Seedance 2.5

يعمل Sora 2 من OpenAI بقيود محتوى قريبة من تلك الموجودة في Veo 3.1. فلتر المحتوى الصريح صارم، والثغرات القائمة على الإطار الفني أضيق. تمر أوامر الأزياء والعري الضمني بمعدلات أقل مما تمر به على Veo.

يُظهر Kling v3 Video من Kuaishou سلوكًا أكثر تساهلًا مع المحتوى الموحي، لا سيما في وضع تحويل الصورة إلى فيديو. تُنتَج الأوامر الخاصة بعارضات الملابس الداخلية وأسلوب تصوير البودوار (boudoir) بثبات أكبر مما تُنتَج به على Veo 3.1.

Seedance 2.5 هو النموذج الرائد للفيديو لدى ByteDance. فلترة المحتوى في عمليات النشر الدولية أقل صرامة من نسختها الصينية المحلية، وتتعامل مع المحتوى الأزيائي الموحي دون معدل الإيجابيات الكاذبة الذي تراه على Veo.

من لديه أشد القيود

القراءة الصادقة: لا تنتج أي من هذه النماذج محتوى صريحًا. الفروق تكمن في مدى صرامة كل منها في فلترة المنطقة الرمادية الواسعة بين جلسات التصوير لمجلات الأزياء والمحتوى للبالغين.

أين يعمل محتوى الذكاء الاصطناعي للبالغين فعليًا

إذا كان هدفك توليد محتوى للبالغين، فإن Veo 3.1 هو الأداة الخاطئة، وكان كذلك دائمًا. النماذج التي تستحق المعرفة لهذا الغرض هي مولدات الصور، والنقطة الواضحة للبداية هي Seedream 4.5.

Seedream 4.5: ابدأ من هنا

يُعد Seedream 4.5 المعيار الحالي لتوليد الصور بالذكاء الاصطناعي دون قيود. ينتج نتائج واقعية كالصور الفوتوغرافية بدقة تعادل 8K، ويتعامل مع الأوامر التركيبية المعقدة بدقة، ولا يفرض فلترة الأمان الصارمة التي تفرضها نماذج Google أو OpenAI. على PicassoIA يعمل دون حدود للتوليد، أي يمكنك التكرار بقدر ما تحتاج دون أن تصطدم بجدار دفع أو بحد يومي. يستجيب النموذج بدقة للأوامر المفصلة: اتجاه الإضاءة، ووصف ملمس البشرة، ومادة الملابس، ومواصفات عدسة الكاميرا. كلما كان الإدخال أدق، كانت المخرجات أكثر تحكمًا.

PicassoIA Image Editor Pro: تشغيلات غير محدودة

يذهب PicassoIA Image Editor Pro أبعد من ذلك. فإلى جانب توليد الصور من النص، يمنحك إمكانيات تحرير مباشرة: التعديل الموضعي لإصلاح أو تعديل أجزاء محددة من الصورة المولّدة، وتوسيع الصورة لتوسيع مساحة اللوحة، واستبدال العناصر لتبديل أشياء دون إعادة التوليد من الصفر.

بالنسبة لسير عمل المحتوى للبالغين تحديدًا، يهم هذا الأمر لأنه يتيح التحسين التكراري بدلًا من الأمل في أن يُنتج أمر نصي واحد بالضبط ما تحتاجه. ولّد صورة، وعدّل الأجزاء التي لا تعمل، وكرّر حتى تصل إلى الدقة المطلوبة دون أن تفقد الأجزاء التي تعمل.

💡 PicassoIA Image Editor Pro يعمل بتوليدات غير محدودة للمشتركين. لا حد يومي، ولا نظام نقاط لكل صورة.

كيف تنشئ محتوى الذكاء الاصطناعي للبالغين على PicassoIA

بما أن Veo 3.1 ليس الأداة المناسبة لذلك، إليك كيفية إنتاج محتوى الذكاء الاصطناعي للبالغين فعليًا عبر PicassoIA باستخدام نماذج صُممت لهذا الغرض.

الخطوة 1: اختر النموذج المناسب

ابدأ بنموذج Seedream 4.5. إنه أقدر مولّد صور واقعية متاح على المنصة للمحتوى للبالغين ومحتوى NSFW. إذا احتجت إلى تحرير الصور إلى جانب التوليد، فأضف PicassoIA Image Editor Pro للتحسين.

بالنسبة للفيديو ذي المحتوى الموحي، يُعد Kling v3 Video وSeedance 2.5 أكثر تساهلًا واتساقًا من Veo 3.1. لا تُهدر نقاط التوليد في محاربة طبقة إشراف صُممت لمنعك.

الخطوة 2: اكتب أوامر نصية تعمل

الفرق بين أمر نصي عام وآخر دقيق هو الفرق بين مفهوم غائم وصورة مُنجزة. استخدم هذه البنية:

• الشخص: الخصائص الجسدية، والوضعية، والتعبير، ولغة الجسد
• الملابس أو الحالة: قطع محددة، والمقاس، والمادة (حرير، ساتان، دانتيل، شفاف)
• البيئة: نوع الغرفة، والأثاث، والوقت من اليوم
• تفاصيل الكاميرا: طول العدسة (50mm، 85mm)، والفتحة (f/1.8، f/2.0)، والمسافة من الشخص
• اتجاه الإضاءة: موضع مصدر الضوء بالنسبة للشخص
• نوع الفيلم: Kodak Portra 400، أو Fuji 400H للدفء وحبيبات طبيعية

💡 صيغة أمر نصي تعمل: "[وصف الشخص ووضعيته]، ترتدي [قطعة الملابس مع تفاصيل المادة]، في [البيئة]، [اتجاه الإضاءة] من [الموضع]، بعدسة [العدسة]، [نوع الفيلم] بحبيبات، واقعي كالصور الفوتوغرافية، 8K، دون تعديل رقمي"

الخطوة 3: كرّر التجربة دون حدود

نموذج التوليد غير المحدود على PicassoIA يعني أنك لست مضطرًا لإصابة الهدف من المحاولة الأولى. شغّل من 5 إلى 10 إصدارات من الأمر النصي نفسه بقيم بذرة عشوائية مختلفة. استخدم PicassoIA Image Editor Pro لإصلاح مناطق محددة. وغيّر متغيرًا واحدًا في كل مرة بدلًا من إعادة كتابة الأمر النصي بالكامل، لأن ذلك يجعل من المستحيل تحديد ما الذي غيّر المخرجات.

النماذج التي تستحق الاستخدام الآن

نماذج الصور التي تقدم النتائج

نماذج الفيديو ذات القيود الأقل

بالنسبة للفيديو الذي يكون المحتوى الموحي هدفه، تؤدي هذه النماذج أداءً أفضل من Veo 3.1 من حيث الاتساق:

• Kling v3 Video: فيديو سينمائي بدقة 1080p مع سلوك أكثر تساهلًا للأوامر الموحية والأزياء
• Seedance 2.5: اتساق قوي في الحركة، وفلترة أقل صرامة لمحتوى الملابس الداخلية وتصوير البودوار (boudoir)
• Kling v2.6: جودة حركة جيدة بسلوك مشابه للإصدار v3
• Ray 3.2: نموذج فيديو HDR من Luma، يتعامل مع المحتوى للبالغين الضمني بمعدلات معتدلة
• Veo 3.1 Fast: ما زال مناسبًا لمحتوى التحرير والأزياء الذي يبقى بعيدًا تمامًا عن المنطقة الصريحة

ابدأ التوليد على PicassoIA الآن

Veo 3.1 نموذج فيديو استثنائي للمحتوى السينمائي، والمقاطع بجودة احترافية، والحركة الواقعية مع الصوت. أما المحتوى للبالغين الصريح أو شبه الصريح، فلم يُصمَّم أبدًا ليكون الحل، وتؤكد اختباراتنا ذلك. يلتقط الفلتر معظم ما صُمم لالتقاطه، ويفوّت جزءًا معتبرًا من المنطقة الرمادية، وهو أمر متسق مع طريقة عمل الإشراف الاحتمالي على المحتوى بالذكاء الاصطناعي على نطاق واسع.

بالنسبة لمحتوى الذكاء الاصطناعي للبالغين الذي يعمل فعلًا، فإن Seedream 4.5 هو نقطة البداية. أقرنه مع PicassoIA Image Editor Pro للتحرير والتكرار دون حدود. وللفيديو ذي المحتوى الموحي، يُعد Kling v3 Video وSeedance 2.5 أكثر موثوقية من محاولة تجاوز نظام إشراف Veo.

تصفّح جميع النماذج المتاحة وابدأ التوليد على picassoia.com/en/all-models.