Wan 2.6 من أكثر نماذج الفيديو بالذكاء الاصطناعي مفتوحة الأوزان قدرةً اليوم. يشرح هذا المقال إصداري T2V وI2V، ويوضح ما الذي تغيّر عن الإصدارات السابقة، ويبيّن كيف توظّفهما في مشاريع فيديو حقيقية مهما كانت ميزانيتك.
يشهد مجال الفيديو بالذكاء الاصطناعي تطورًا سريعًا، ويقع Wan 2.6 في نقطة التقاء بين سهولة الوصول والجودة. أصدره فريق الأبحاث في Alibaba ضمن سلسلة Wan مفتوحة الأوزان، ويمثّل الإصدار 2.6 خطوة كبيرة إلى الأمام في ما يمكن تحقيقه بتوليد الفيديو مفتوح المصدر. سواء كنت تحوّل أوامر نصية إلى لقطات سينمائية، أو تحرّك صورة ثابتة لتمنحها حركة سلسة، فإن عائلة النماذج هذه تقدّم ما كان حكرًا على المنتجات التجارية المغلقة قبل شهور قليلة فقط.
Wan (اختصار لـ Wan Video) هي سلسلة نماذج توليد الفيديو بالذكاء الاصطناعي مفتوحة الأوزان من Alibaba. على خلاف الأنظمة المغلقة التي تعمل خلف واجهات API برسوم استخدام، تُطلق نماذج Wan بأوزان متاحة للجميع، ما يعني أن الباحثين والمطورين وصنّاع المحتوى يستطيعون تشغيلها محليًا، أو الوصول إليها عبر منصات مثل PicassoIA دون قيود ملكية.
يبني الإصدار 2.6 على الأساس الذي وضعته الإصدارات 2.1 و2.2 و2.5، ويقدّم تحسينات مستهدفة في جودة الحركة، ومعالجة الدقة، والالتزام بالأوامر النصية. وهو ليس إعادة كتابة من الصفر، بل تحسين دقيق لمسار توليد الفيديو القائم على الانتشار (diffusion) الذي ظل فريق Wan يطوّره طوال عامي 2024 وأوائل 2025.
يعتمد Wan 2.6 على بنية المحوّل الانتشاري للفيديو (video diffusion transformer). فبدلًا من توليد الإطارات واحدًا تلو الآخر بشكل مستقل، يمثّل النموذج التسلسل الزمني كاملًا معًا، ما ينتج حركة أكثر ترابطًا من الأساليب القديمة التي كانت تجمع الإطارات لاحقًا.
يجمع مسار التدريب بين:
والنتيجة نموذج يعامل الحركة كحدث متصل، لا كسلسلة من الصور المنفصلة. وهذا مهم جدًا عند توليد أشياء مثل الشعر المتطاير، وحركة الماء، وحركة جسم الإنسان، وهي أمور تميل إلى التحول إلى ضوضاء بصرية في النماذج الأضعف.
أدخلت كل نسخة في سلسلة Wan تحسينات مستهدفة:
| الإصدار | أبرز التغيير |
|---|---|
| Wan 2.1 | الإصدار الأساسي مفتوح المصدر، بمخرجات 480p/720p |
| Wan 2.2 | تشغيل أسرع للنموذج، ودعم S2V، وميزة الاستبدال المتحرك (animate-replace) |
| Wan 2.5 | التزام أفضل بالأوامر النصية، وإصدارات T2V أسرع |
| Wan 2.6 | مخرجات بدقة أعلى، وثبات زمني أقوى في I2V، وإصدار Flash |
يكون القفز من 2.5 إلى 2.6 أوضح ما يكون في مهام تحويل الصورة إلى فيديو. كانت الإصدارات السابقة تنتج أحيانًا "انجرافًا" (drift)، حيث يبتعد الفيديو المولَّد بصريًا عن الصورة المصدر بعد عدة إطارات. ويشدّ Wan 2.6 هذا الارتكاز بشكل ملحوظ.
يأتي Wan 2.6 في ثلاثة إصدارات مختلفة، لكل منها حالة استخدام مختلفة.
Wan 2.6 T2V هو إصدار تحويل النص إلى فيديو. تزوّده بأمر نصي يصف مشهدًا، فيولّد النموذج مقطعًا قصيرًا من الصفر. يدعم نموذج 2.6 T2V مخرجات تصل إلى 1080p، ويُظهر تحسنًا ملموسًا في:
في توليد الفيديو من النص وحده، يتنافس Wan 2.6 T2V مباشرةً مع النماذج التجارية، مع بقائه متاحًا عبر الأوزان المفتوحة.
Wan 2.6 I2V هو إصدار تحويل الصورة إلى فيديو. تزوّده بصورة مصدر وأمر نصي يصف الحركة المطلوبة، فيحرّك النموذج المشهد. وهنا يُظهر Wan 2.6 أقوى تحسيناته مقارنةً بالإصدارات السابقة.
تحسّنت قدرة نموذج I2V على الحفاظ على هوية الموضوع عبر الإطارات بشكل ملحوظ. عندما تحرّك صورة شخصية، يحتفظ وجه الشخص ببنيته بدل أن يتشوّه أو يتلاشى في عيوب حركية مجردة. ويعود ذلك إلى تكييف أقوى للصورة يُطبَّق على طبقات متعددة من عملية الانتشار.
💡 نصيحة: لأفضل النتائج مع Wan 2.6 I2V، اجعل أمر الحركة محددًا. بدلًا من "اجعلها تتحرك"، جرّب "تدير رأسها ببطء نحو اليمين، ويتحرك شعرها برفق مع الحركة".
Wan 2.6 I2V Flash يضحّي ببعض جودة المخرجات مقابل أوقات توليد أسرع بكثير. هذا الإصدار مفيد في:
يُنتج إصدار Flash مقاطع أقصر بدقة أقل، لكنه يحافظ على جودة كافية تجعله مفيدًا فعلًا، لا مجرد مسودة خام.
أوضح ترقية في Wan 2.6 هي سقف الدقة. كانت النماذج 2.1 وبداية 2.2 تحصر المخرجات العملية في 720p مع نعومة ملحوظة. أما Wan 2.6 فينتج مخرجات 1080p حادة فعلًا، والحركة ضمن هذه الدقة أنظف.
الأمر لا يقتصر على عدد البكسلات الخام. فالدقة الأعلى بالجودة نفسها تتطلب من النموذج الحفاظ على الترابط عبر معلومات مكانية أكثر بكثير في كل إطار. ويحقق Wan 2.6 ذلك بتحسين طريقة مشاركة طبقات الانتباه الزمني للمعلومات عبر البعدين المكاني والزمني في آنٍ واحد.
النتيجة العملية: تبدو الحركة في Wan 2.6 معقولة فيزيائيًا. يتحرك الماء كالماء، والقماش كالقماش. ويتفاعل الشعر كنظام موحّد، لا كخصلات فردية تتصرف بشكل منفصل.
كانت إصدارات Wan السابقة تنتج أحيانًا فيديوهات تنحرف عن الأمر النصي في منتصف المقطع، فتعود إلى أنماط حركة عامة. ويطبّق Wan 2.6 تكييف النص بقوة أكبر طوال عملية التوليد، لا في البداية فقط.
هذا يعني أن أوامر مثل "امرأة تجلس إلى طاولة في مقهى، وتضع حقيبتها على الكرسي، وتفتح قائمة الطعام" لديها فرصة أفضل بكثير لتنفيذ كل فعل موصوف، بدلًا من أن تنهار إلى مخرج حركة عامة بسيط. النموذج يبقى على المهمة.
لا يولّد Wan 2.6 الصوت بشكل أصلي. ينتج النموذج فيديو صامتًا. إذا كان مشروعك يتطلب صوتًا متزامنًا، فستحتاج إلى إقرانه بأداة منفصلة لتوليد الصوت. وضمن PicassoIA، يتولى نموذج Wan 2.2 S2V الرسوم المتحركة المتزامنة مع الصوت، ويمكن لأدوات تحويل النص إلى كلام وتوليد الموسيقى بالذكاء الاصطناعي في المنصة أن تضيف الصوت كخطوة منفصلة.
يحقق Wan 2.6 أفضل أداء في هذه السيناريوهات:
من الواضح أن النموذج تدرّب على تشكيلة واسعة من اللقطات الواقعية، ويظهر ذلك في طريقة تعامله الطبيعية مع الحركة القائمة على الفيزياء عندما تكون هي المحتوى الأساسي.
يواجه Wan 2.6 صعوبات مع:
هذه قيود تخص فئة نماذج الانتشار للفيديو الأوسع في الوقت الحالي، وليست إخفاقات محددة في بنية Wan.
مجال الفيديو بالذكاء الاصطناعي مزدحم. إليك موقع Wan 2.6 مقارنةً بأبرز الخيارات الأخرى المتاحة على PicassoIA:
| النموذج | نقاط القوة | متى تختار Wan 2.6 بدلًا منه |
|---|---|---|
| Kling v2.6 | حركة سينمائية، وفيديو سردي ممتاز | الوصول عبر الأوزان المفتوحة، وتكلفة أقل على نطاق واسع |
| Veo 3 | صوت أصلي، وواقعية عالية جدًا | جودة بصرية مقاربة بأسعار أكثر سهولة |
| Sora 2 | تماسك للمحتوى الطويل، ومشاهد معقدة | لقطات أقصر تحتاج إلى هندسة أوامر أقل |
| Seedance 1 Pro | توليد سريع، ومخرجات T2V قوية | جودة Wan 2.6 I2V تتفوق على Seedance في مهام تحريك الصور |
| Wan 2.7 T2V | أحدث إصدار من Wan، وأعلى جودة إجمالية | Wan 2.6 أسرع، ولا يزال قادرًا جدًا في معظم المهام |
إذا كنت تحتاج إلى أفضل جودة تجارية مطلقًا والميزانية ليست عائقًا، فإن Veo 3 أو Kling v2.6 خياران قويان. أما للتوسع والشفافية وكفاءة التكلفة، فإن Wan 2.6 يصعب التفوق عليه بسعره.
توفّر PicassoIA وصولًا مباشرًا إلى الإصدارات الثلاثة من Wan 2.6 دون أي إعداد محلي، أو متطلبات GPU، أو تهيئة تقنية. تفتح النموذج، وتكتب أمرك النصي، ثم تولّد.
💡 نصيحة للأوامر النصية: أدرج لغة الكاميرا. "اقتراب بطيء من امرأة تقرأ في مقهى، عمق ميداني ضحل، ضوء بعد ظهر ذهبي" ينتج نتائج أفضل بكثير من "امرأة تقرأ".
للمشاريع التي تحتاج إلى أكثر من بضع ثوانٍ من اللقطات:
هذا النهج القائم على توليد عدة مقاطع هو ما تعتمد عليه معظم سيرات عمل الفيديو بالذكاء الاصطناعي الاحترافية فعليًا. ولا يزال التوليد الطويل لمحتوى بجودة عالية مشكلة بحثية مفتوحة لكل النماذج من هذه الفئة.
يناسب Wan 2.6 بقوة:
ليس الأداة المناسبة إذا كنت تحتاج إلى صوت أصلي، أو مقاطع طويلة جدًا، أو مشاهد معقدة جدًا بشخصيات متعددة. لهذه الحالات، سيخدمك Sora 2 أو Veo 3 أو Kling v2.1 Master بشكل أفضل.
أفضل طريقة لترى بنفسك ما يقدّمه Wan 2.6 هي تشغيله على شيء تملكه بالفعل. التقط صورة من تصويرك، وافتح Wan 2.6 I2V على PicassoIA، واكتب أمر حركة يصف بالضبط ما تريد أن يفعله المشهد. شغّل إصدار Flash أولًا للتحقق من التوقيت والاتجاه، ثم انتقل إلى نموذج I2V الكامل للمخرج النهائي.
إذا كنت تبدأ من الصفر دون صورة مصدر، فإن Wan 2.6 T2V يتيح لك البناء من وصف نصي فقط. كلما كان أمرك أكثر تحديدًا، جاءت النتيجة أكثر قصدية. تؤثر زاوية الكاميرا، وظروف الإضاءة، وفعل الموضوع، وبيئة المشهد جميعها في المخرجات بطرق قابلة للقياس.
يضم كتالوج PicassoIA الكامل لـ**نماذج تحويل النص إلى فيديو** أيضًا إصدارات أحدث مثل Wan 2.7 T2V و**Wan 2.7 I2V**، إذا أردت مقارنة ما تقدمه أحدث نسخة فوق 2.6. تشغيل الاثنين متتاليًا على الأمر النصي نفسه هو أسرع طريقة لتحديد أيهما يناسب متطلباتك من الجودة والسرعة.
يوجد أكثر من 87 نموذجًا لتوليد الفيديو على المنصة، من خيارات مجانية وسريعة إلى أدوات سينمائية باحترافية عالية. إذا كان Wan 2.6 نقطة بدايتك، فالمجموعة تمنحك كل اتجاه للانطلاق منه.
اختر لغتك
