يقدّم Wan 2.7 فيديوهات عمودية أفضل بكثير عندما تجمع بين الإصدار المناسب من النموذج ووصف نصي مصمَّم للوضع العمودي أصلًا. تتناول المقالة إعدادات نسبة العرض إلى الارتفاع، ولغة التأطير، وموضع العنصر الرئيسي في الكادر، وخطوات العمل في أوضاع T2V وI2V وR2V على PicassoIA.
لم يعد الفيديو العمودي مجرد تفضيل في شكل العرض. إنه الشكل الافتراضي لمليارات الأشخاص الذين يشاهدون مقاطع قصيرة على هواتفهم، وإذا جاءت مقاطع الفيديو المولّدة بالذكاء الاصطناعي مقصوصة أو مشوّهة النسب أو بتأطير غريب في الوضع العمودي، فسيتجاوزها المشاهدون قبل أن تنتهي الثانية الأولى. يوفّر Wan 2.7 أدوات حقيقية لحل هذه المشكلة، لكن فقط إذا استخدمته بالطريقة الصحيحة.
تم تدريب معظم نماذج تحويل النص إلى فيديو على محتوى أفقي في الغالب. الأفلام والتلفزيون وYouTube ولقطات المخزون: معظمها بنسبة 16:9. عندما تطلب من النموذج توليد فيديو عمودي، فإنه يقاوم جاذبية بيانات تدريبه نفسها. يتعامل Wan 2.7 مع هذا الأمر بشكل أفضل من معظم النماذج، لكن عليك أن تفهم ما الذي تواجهه.
الإطار بنسبة 16:9 أعرض من ارتفاعه بمقدار 1.78 مرة. أما الإطار العمودي بنسبة 9:16 فهو عكسه تمامًا: أطول من عرضه بمقدار 1.78 مرة. يبدو هذا بسيطًا، لكن فكّر في معناه لموضع الشخص داخل الكادر. الشخص الواقف في مشهد أفقي له مساحة على جانبيه. أما في الوضع العمودي، فسيُقصّ هذا الشخص عند الكتفين أو القدمين ما لم يُعد النموذج تأطير اللقطة بشكل فعّال.
تزداد المشكلة سوءًا مع الخلفيات. غالبًا ما يحاول Wan 2.7 أن يُظهر لك التفاصيل البيئية الغنية نفسها التي يُظهرها في اللقطة العريضة، لكن في إطار طويل وضيق تُضغط هذه التفاصيل وتصبح مربكة. الأشخاص الموجودون في منتصف الكادر بشكل طبيعي في نسبة 16:9 يبدون مقصوصين بشكل محرج في نسبة 9:16 ما لم تُخبر النموذج بالضبط بما يجب فعله.
المشكلة الحقيقية هنا: يكتب معظم الناس أوامرهم النصية وكأن نسبة العرض إلى الارتفاع مفتاح إعدادات سيتولى النموذج التعامل معه تلقائيًا. وهذا غير صحيح. النموذج يستجيب للغة. إذا وصف أمرك النصي "لقطة عريضة لشارع في المدينة" لكنك اخترت 9:16 نسبةً للمخرجات، فستحصل على حلّ وسط غريب يحاول فيه النموذج إرضاء التعليمتين معًا، فيفشل في كليهما.
الحل هو كتابة أوامر نصية عمودية بطبيعتها من حيث منطق التكوين. سنفصّل ذلك لاحقًا.
قبل أن تكتب كلمة واحدة من أمرك النصي، يجب أن تكون الإعدادات التقنية صحيحة. الخطأ هنا يهدر الوقت والنقاط على مخرجات ستحتاج إلى إعادة توليدها.
يدعم Wan 2.7 T2V عدة نسب عرض إلى ارتفاع، من بينها مخرجات 9:16 العمودية الأصلية. هذا هو الإعداد الذي تريده للمحتوى العمودي. لا تولّد الفيديو بنسبة 16:9 ثم تقصّه لاحقًا: ستخسر الدقة، وستقص محتوى لم يُصمَّم أصلًا للقص، وسيبدو التكوين كفكرة متأخرة.
على PicassoIA، عند استخدام Wan 2.7 I2V (تحويل الصورة إلى فيديو)، تهم نسبة عرض الصورة المصدر بالقدر نفسه. زوّد النموذج بصورة مرجعية بالتوجيه العمودي للحصول على أفضل النتائج. الصورة الأفقية عند إدخالها إلى I2V تُنتج دائمًا تقريبًا نتائج محرجة في مخرجات عمودية، لأن النموذج يحاول تحريك تكوين لا يتناسب مع الإطار.
💡 نصيحة احترافية: عند استخدام Wan 2.7 I2V، جهّز صورك المصدر دائمًا بتنسيق 9:16. ولّدها بالتوجيه العمودي أولًا، ثم حرّكها. هذا أكبر تحسين منفرد في سير عمل فيديو الذكاء الاصطناعي العمودي.
يقدّم Wan 2.7 مستويات دقة مختلفة. بالنسبة للمحتوى الذي سيُنشر على TikTok أو Instagram Reels أو YouTube Shorts، تُعد دقة 720p حدًا أدنى متينًا يُبقي أوقات التصيير معقولة. أما خيار 1080p الكامل فيستحق العناء للمحتوى الذي سيُعرض على شاشات أكبر أو يُستخدم في سير عمل إنتاج احترافي.
ملاحظة عملية: كلما ارتفعت الدقة، احتاج أمرك النصي إلى تفاصيل أكثر تحديدًا. عند 1080p، يملك النموذج بكسلات أكثر لملئها، وسيتخذ قرارات أكثر بمفرده إذا تركت فجوات في وصفك. أما عند 720p فهو أكثر تسامحًا قليلًا. ابدأ بدقة 720p عند اختبار أفكار الأوامر النصية، وانتقل إلى 1080p لمخرجاتك النهائية.
يستضيف PicassoIA ثلاثة إصدارات مختلفة من Wan 2.7، لكل منها سيناريوهات إنتاج مناسبة. معرفة الإصدار المناسب ومتى تستخدمه يجنّبك تشغيل النموذج الخاطئ على الفكرة الصحيحة.
يمثل Wan 2.7 T2V (تحويل النص إلى فيديو) نقطة بدايتك عندما لا تملك صورًا مرجعية. إليك سير العمل الذي ينتج نتائج عمودية متسقة:
الخطأ الأكثر شيوعًا في هذه المرحلة هو ضبط نسبة العرض إلى الارتفاع بعد كتابة الأمر النصي. اكتب الأمر وأنت تضع الإطار في اعتبارك منذ البداية.
يمثل Wan 2.7 I2V (تحويل الصورة إلى فيديو) المسار الأكثر موثوقية للحصول على مخرجات عمودية عالية الجودة، لأنك تتحكم في الإطار الأول بالكامل.
سير العمل:
يكون هذا فعّالًا بشكل خاص في لقطات المنتجات، وتحريك البورتريهات، وأي حالة يكون فيها التكوين الأولي المحدد مهمًا.
يُعد Wan 2.7 R2V (تحويل المرجع إلى فيديو) الأقل استخدامًا بين الإصدارات الثلاثة، لكنه قوي في تحريك الشخصيات. تقدّم صورة مرجعية لشخص ما وأمرًا حركيًا، فيحرّك النموذج هذا الشخص المحدد.
بالنسبة للفيديوهات العمودية التي تضم شخصًا واحدًا أو شخصية واحدة، غالبًا ما ينتج R2V نتائج أنظف من T2V لأن الشخص مثبّت في الكادر. النموذج لا يخترع شكل شخصيتك، بل يعمل انطلاقًا من مرجع. وهذا يعني تمركزًا أفضل للشخص، وتناسبات أكثر ثباتًا داخل الإطار العمودي، وفرصة أقل لانجراف التكوين نحو الافتراضات الأفقية.
💡 نصيحة: ادمج R2V مع صورة مرجعية نظيفة بأسلوب البورتريه (الشخص في المنتصف، وخلفية بسيطة) للحصول على أدق تحكم في التكوين العمودي.
هنا تقصّر معظم الشروحات. تخبرك بأن "تضع 9:16" وتعتبر الأمر منتهيًا. الحرفة الحقيقية تكمن في اللغة التي تستخدمها.
يحتاج أمرك النصي إلى لغة تكوين عمودية صريحة. هذه العبارات تحسّن مخرجات الوضع العمودي باستمرار:
ما يجب تجنبه: "لقطة عريضة"، و"بانورامي"، و"لقطة تأسيسية"، و"منظر أفقي". هذه الإشارات تعارض مخرجات الوضع العمودي حتى عندما تكون نسبة العرض إلى الارتفاع مضبوطة بشكل صحيح.
فكّر في الأثلاث العمودية. في إطار 9:16 تملك مساحة عمودية أكبر من الأفقية. استفد منها:
| نوع المحتوى | إشارة الموضع المستخدمة |
|---|---|
| شخص واحد | "في المنتصف عموديًا، والرأس في الثلث العلوي" |
| لقطة للجسم بالكامل | "الجسم كاملًا من القدمين إلى الرأس، إطار عمودي" |
| عرض منتج | "المنتج في المنتصف، لقطة قريبة، إطار عمودي" |
| لقطة حركة | "الشخص يتحرك صعودًا عبر الإطار" |
| محادثة | "شخصان مصطفان عموديًا" |
الجدول أعلاه ليس نظريًا: هذه العبارات المحددة، عند اختبارها مع Wan 2.7 T2V، تنتج تكوينات عمودية مقصودة بشكل ملحوظ.
إلى جانب إشارات التأطير، هناك مفردات تكوين معينة تدل باستمرار على النية العمودية للنموذج:
العبارتان الأخيرتان أوامر حركية، وهذا يقودنا إلى نقطة مهمة: يجب أن تكون أوصاف الحركة أيضًا أصلية للوضع العمودي. "حركة بانورامية بطيئة إلى اليسار" تبدو غريبة في فيديو عمودي. أما "حركة للأسفل"، و"ميل للأعلى"، و"دوللي عمودي" فهي حركات الكاميرا المنطقية في إطار طويل.
حتى صنّاع المحتوى ذوو الخبرة يقعون في هذه الأخطاء. معرفتها مسبقًا توفّر الكثير من التوليدات المهدرة.
عندما لا يكون Wan 2.7 متأكدًا من كيفية ملء الإطار العمودي، فإنه يلجأ أحيانًا إلى إضافة أشرطة سوداء في الأعلى والأسفل، مما يخلق تأثير "لتربوكس" شبه سينمائي. يبدو هذا سيئًا جدًا في التنسيق العمودي، وهو طريقة النموذج في التحوّط.
كيفية تجنبه: كن صريحًا في ملء الإطار بالكامل. عبارات مثل "تكوين عمودي من حافة إلى حافة"، و"بدون أشرطة سوداء"، و"تنسيق بورتريه بملء كامل" تدل على أنك تريد استخدام الإطار كله.
في اللقطة العريضة الأفقية، تضيف الخلفية المفصّلة عمقًا وسياقًا. أما في إطار 9:16، فالخلفية المزدحمة تنافس الشخص لأن المساحة الأفقية ضيقة جدًا بحيث لا تتنفس الأشياء. يحاول النموذج أن يحشر كل تلك التفاصيل في عمود ضيق، فتكون النتيجة مزدحمة ومربكة بصريًا.
الحل: بسّط أوصاف الخلفية للمحتوى العمودي. فعبارات مثل "خلفية ناعمة وضبابية"، و"حائط بلون واحد"، و"بيئة طبيعية خارج التركيز" تعمل بشكل أفضل في التنسيق العمودي من "مدينة مفصّلة بعدة مبانٍ ولافتات".
المساحة فوق الرأس هي الفراغ بين أعلى رأس الشخص وأعلى حافة الإطار. في الفيديو الأفقي تُعدّ اعتبارًا ثانويًا، أما في الفيديو العمودي فهي حاسمة. إذا زادت المساحة فوق الرأس في إطار 9:16 يبدو الشخص صغيرًا وتائهًا. وإذا قلّت أكثر من اللازم يبدو كأن حافة الإطار تقطعه.
التعليمات الصريحة تنجح: "مساحة ضيقة فوق الرأس، بحوالي ارتفاع رأس واحد من الفراغ فوق الشخص" تمنح النموذج شيئًا ملموسًا يعمل به.
Wan 2.7 قوي، لكن PicassoIA يضم نماذج أخرى لتحويل النص إلى فيديو تتعامل جيدًا مع التنسيق العمودي في حالات محددة.
يتفوق Kling v3 Video في الحركة السينمائية. إذا كان محتواك العمودي يحتاج إلى حركة كاميرا درامية، أو حركة سريعة، أو حركة معقدة للأشخاص، فغالبًا ما يتفوق Kling v3 على Wan 2.7 في جودة الحركة. الثمن الذي تدفعه هو أن Kling v3 يكلّف أكثر في كل توليد.
استخدم Kling v3 عندما: يتضمن مقطعك حركة كبيرة، أو عدة أشخاص، أو تحتاج إلى جودة بصرية بمستوى سينمائي. استخدم Wan 2.7 عندما: تهم الميزانية، أو تريد مخرجات دفعية متسقة، أو تستخدم Wan 2.7 R2V للتحريك المرتبط بالشخصيات.
صُمم Seedance 2.0 من ByteDance للحالة الدقيقة التي يمثلها الفيديو العمودي على وسائل التواصل الاجتماعي. يتضمن توليد صوت أصلي إلى جانب الفيديو، وهذه ميزة عملية للمقاطع التي ستُنشر مباشرة على TikTok أو Reels دون مرحلة ما بعد الإنتاج.
يستجيب Seedance 2.0 جيدًا للأوامر القصيرة والمباشرة: أقل من 50 كلمة مع موضوع وحركة وخلفية واضحة. أما الأوامر المفصلة على طريقة Wan 2.7 فقد تربك النموذج. تعامل معهما كأداتين مختلفتين بلغتين مختلفتين للأوامر.
💡 تستحق التجربة أيضًا للتكرار السريع: LTX 2 Pro للحصول على مخرجات 4K، وPixverse v6 للمحتوى العمودي الغني بالمؤثرات، وWan 2.6 T2V كبديل أسرع قليلًا من 2.7 عندما تكون السرعة أهم من أعلى جودة.
نقاش شائع في مجتمعات فيديو الذكاء الاصطناعي هو أيهما أهم: جودة الأمر النصي أم إعدادات النموذج. بالنسبة للفيديو العمودي تحديدًا، الجواب هو الاثنان، لكن بترتيب معين.
الإعدادات أولًا. إذا كانت نسبة العرض إلى الارتفاع خاطئة، فلن ينقذك أي أمر نصي. اضبط المعاملات التقنية قبل أن تقضي وقتًا في تحسين اللغة.
جودة الأمر النصي تأتي ثانيًا. بعد أن تصبح إعداداتك صحيحة، تكون لغة الأمر النصي هي المحرك الأساسي لجودة التكوين. الأمر النصي الدقيق الأصلي للوضع العمودي سيتفوق على الأمر الغامض حتى مع الإعدادات نفسها في كل مرة.
إليك كيفية التفكير في تكرار الأوامر النصية للمحتوى العمودي:
لا تغيّر عدة متغيرات بين التوليدات. لن تعرف ما الذي أصلح النتيجة أو أفسدها.
إذا كنت تنشئ سلسلة من مقاطع الفيديو العمودية (سلسلة محتوى، أو خط منتجات، أو قوس قصصي)، فإن الاتساق بين المقاطع مهم بقدر جودة كل مقطع على حدة.
يُعد Wan 2.7 R2V مع صورة مرجعية ثابتة أفضل أداة لثبات الشخصيات. استخدم الصورة المرجعية نفسها عبر كل المقاطع في سلسلتك، وستحصل على الشخص نفسه مؤطرًا بشكل متسق في الوضع العمودي عبر كل التوليدات.
أما للمحتوى غير المرتبط بالأشخاص (المنتجات، والبيئات، والمحتوى التجريدي)، فابنِ قالب أمر نصي بعناصر ثابتة تتكرر عبر التوليدات:
غيّر الفعل أو تفاعل الشخص فقط. هكذا تنتج خطوط المحتوى الاحترافية 20 أو 30 مقطعًا عموديًا متماسكًا دون أن يبدو كل مقطع كأنه توجه إبداعي مختلف.
عندما تجد توليدًا يعجبك، دوّن قيمة البذرة إذا كان النموذج يعرضها. إعادة استخدام قيمة البذرة نفسها مع تغييرات بسيطة في الأمر النصي تنتج مخرجات تبدو مرتبطة بالمخرج الأصلي. أما تغيير قيم البذرة عشوائيًا بالكامل بين المحاولات فيصعّب البناء على النتائج الناجحة.
إذا كنت تستخدم Wan 2.6 I2V أو Wan 2.6 T2V، فترقية الإصدار إلى 2.7 تستحق العناء للمحتوى العمودي تحديدًا.
أهم التحسينات التي تؤثر في مخرجات الوضع العمودي:
هذه ليست ادعاءات تسويقية: شغّل الأمر النصي نفسه على النموذجين وقارن. الفروق واضحة، خاصة في لقطات الأشخاص القريبة، وهي الحالات التي يُستخدم فيها التنسيق العمودي بأكثر الصور شيوعًا.
أسرع طريقة لتطبيق كل ما في هذه المقالة هي تشغيل مقارنة مباشرة. افتح Wan 2.7 T2V على PicassoIA وشغّل الفكرة نفسها مرتين: مرة بأمر نصي عام بأسلوب أفقي، ومرة بلغة التأطير العمودي الأصلية من هذه المقالة. فرق جودة المخرجات سيخبرك بأكثر مما يمكن لأي شرح مكتوب.
من هناك، جرّب Wan 2.7 I2V باستخدام صورة مرجعية بالتوجيه العمودي لديك بالفعل. وإذا كنت تبني سلسلة، فجرّب Wan 2.7 R2V مع مرجع شخص ثابت، وغيّر أمر الحركة فقط.
يضم PicassoIA أيضًا أكثر من 87 نموذجًا آخر لتحويل النص إلى فيديو، من بينها Kling v3، وSeedance 2.0، وPixverse v6 عندما تريد المقارنة بين بنى مختلفة. إنتاج الفيديو العمودي من أسرع حالات الاستخدام نموًا على المنصة، ومجموعة الأدوات تتوسع باستمرار.
ابدأ بمقطع عمودي واحد. اضبط التأطير مرة واحدة، ووثّق الإعدادات وبنية الأمر النصي التي نجحت، ثم وسّع من هناك.
اختر لغتك
