فيديو بالذكاء الاصطناعي من نص مكتوب: دليل تفصيلي خطوة بخطوة

فيديو بالذكاء الاصطناعي · مسار العمل من النص إلى الفيديو

إجابة سريعة: لإنشاء مقطع فيديو مدعوم بالذكاء الاصطناعي بناءً على نص، قم أولاً بتقسيم النص إلى مشاهد قصيرة، وخصص لكل مشهد مهمة بصرية واحدة، وحدد أسلوبًا متسقًا، وقم بإنشاء اللقطات، ثم أضف التعليق الصوتي والتسميات التوضيحية، وأخيراً قم بفحص الجودة النهائي. إن الأداة مهمة، لكن خطة المشاهد هي التي تحول المقاطع المنفصلة إلى مقطع فيديو متماسك.

قد يبدو تحويل فقرة إلى مقطع فيديو يمكن مشاهدته مهمة لا تتطلب سوى نقرة واحدة. لكن في الواقع، فإن أقوى فيديو مدعوم بالذكاء الاصطناعي بناءً على نص تتضمن سير العمل العديد من القرارات الصغيرة: أين تنتهي إحدى المشاهد، وما الذي يظهر على الشاشة، ومدة التعليق الصوتي، والتفاصيل البصرية التي يجب أن تظل متسقة، وما الذي يجب إعادة إنتاجه عندما تفشل إحدى اللقطات. إن نظرة عامة على أفضل برامج إنشاء مقاطع الفيديو باستخدام الذكاء الاصطناعي يساعد في ربط خيارات سير العمل تلك باحتياجات الإنشاء المختلفة.

بالنسبة للمبدعين والفرق الصغيرة التي تعمل على إنتاج حملة ترويجية قصيرة لمنتج ما، فإن اختبارنا GlobalGPT يحول نصًا مكونًا من 43 كلمة إلى فيلم عن العناية بالبشرة مدته 28.06 ثانية. فيما يلي خطة المشاهد، والمطالبات القابلة لإعادة الاستخدام، وإعدادات الإنشاء، وسير العمل الكامل لـ GlobalGPT: GPT Image 2 كمرجع، وSeedance 2.5 المدمج للقطات، وYukie للتعليق الصوتي، والتسميات التوضيحية، ومزج الصوت، والتصدير.

ملخص الاختبار: قمنا بإنشاء إطارين افتتاحيين مرشحين باستخدام GPT Image 2 ضمن GlobalGPT، واخترنا تصميم زجاجة المنظف، ثم أنتجنا فيلمًا متواصلًا مدته 28 ثانية باستخدام Seedance 2.5 المدمج في GlobalGPT بدقة 720p. ثم قمنا بتمرير مقطع الفيديو الخام إلى Yukie على نفس المنصة لإضافة التعليق الصوتي باللغة الإنجليزية، وإدراج التسميات التوضيحية بشكل ثابت، ومزج المؤثرات الصوتية المحيطة، وتصدير ملف MP4 النهائي. وبلغت مدة النتيجة التي تم تنزيلها 28.06 ثانية بدقة 1280 × 720.

جرب أكثر من 100 نموذج من أفضل النماذج على GlobalGPT

جدول المحتويات

1. ما المقصود بفيديو الذكاء الاصطناعي المستند إلى نص
2. ما الذي يجب إعداده
3. مسار العمل خطوة بخطوة
4. اختبارنا GlobalGPT
5. المشاكل الشائعة وحلولها
6. كيفية كتابة سيناريو أفضل
7. اختيار مسار العمل
8. قائمة مراجعة الجودة
9. الأسئلة الشائعة

ما المقصود بـ«فيديو بالذكاء الاصطناعي من نص»؟

يُعد «فيديو الذكاء الاصطناعي من النص» مسار عمل يحول السرد المكتوب إلى سلسلة من العناصر المرئية التي يتم إنشاؤها أو تجميعها، وعادةً ما تتضمن تعليقًا صوتيًا وتسميات توضيحية وانتقالات وصوتًا. تعمل بعض الأدوات على أتمتة العملية برمتها، بينما تتيح أدوات أخرى التحكم في المشاهد الفردية والصور المرجعية والمطالبات والتوقيت والمراجعات قبل التصدير.

قبل اختيار الأداة، حدد النتيجة التي تريدها: مسودة سريعة التجميع، أم مقدم عرض يقرأ النص الخاص بك، أم لقطات مُنتجة تتضمن إرشادات دقيقة بشأن المنتج وتوجيهات التصوير. قد يشمل سير العمل من النص إلى الفيديو المراحل الثلاث جميعها — التخطيط، والإنتاج، والمونتاج — لكن لا يعني ذلك بالضرورة أن أداة واحدة ستتولى تنفيذ كل مرحلة.

ما تحتاجه قبل البدء في الإنشاء

• جمهور محدد: من الذي يراقب، وما الذي ينبغي أن يفهمه أو يفعله بعد ذلك؟
• الطول المستهدف: لإعداد مقطع توضيحي قصير، احسب عدد الكلمات المنطوقة قبل إنتاج اللقطات.
• مسودة نهائية للسرد: تؤدي إعادة كتابة التعليق الصوتي بعد تصوير المشاهد إلى مشاكل في التوقيت.
• نسبة العرض إلى الارتفاع: استخدم نسبة 16:9 لمعظم مقاطع الفيديو الأفقية على الويب، ونسبة 9:16 للمحتوى القصير الرأسي، أو نسبة 1:1 عندما تتطلب مساحة النشر ذلك.
• توجيهات بصرية: حدد الوسيلة، ولوحة الألوان، والإضاءة، وسلوك الكاميرا، وأي عناصر يجب ألا تظهر.
• معيار المراجعة: حدد ما الذي يُعتبر لقطة فاشلة قبل إنفاق الائتمانات على عمليات التعديل.

من القواعد المفيدة في التخطيط: مشهد واحد، مهمة واحدة. فقد يُقدِّم المشهد المشكلة، أو يوضح خطوة ما، أو يعرض مقارنة، أو يُظهر النتيجة النهائية. أما إذا حاول المشهد القيام بهذه المهام الأربع جميعها، فغالبًا ما يبدو العنصر المرئي الناتج مزدحمًا أو غامضًا.

كيفية إنشاء فيديو باستخدام الذكاء الاصطناعي انطلاقاً من نص

الخطوة 1: تقسيم النص إلى مشاهد

ابدأ بالتغيرات في المعنى، لا بالعدد العشوائي للجمل. حدد اللحظة التي ينتقل فيها السرد من عرض المشكلة إلى الفعل، أو من فعل إلى آخر، أو من الشرح إلى الاستنتاج.

في الاختبار الذي أجريناه، تم تقسيم نص الحملة المكون من 43 كلمة إلى خمس مراحل بصرية: لقطة تمهيدية، ولقطة ماكرو للماء والقاعدة، ولقطة ماكرو لقطرة، ولقطة تفصيلية للزجاجة، وإطار نهائي بارز. وقد أضفى هذا الهيكل تنوعًا على الفيديو دون الحاجة إلى مطالبة العارضة بتقديم منتجات أو أشخاص أو مواقع جديدة في منتصف التسلسل.

الخطوة 2: حدد مهمة بصرية واحدة لكل مشهد

لا تكتفِ بتكرار السرد كإرشاد للصورة. بل صِف ما ينبغي أن يراه المشاهد.

اتجاه ضعيف:

أثبت أن كل مشهد يحتاج إلى دور واحد واضح.

توجيه أقوى:

تنقسم صفحة السيناريو إلى خمس بطاقات مستديرة من لوحة القصة المصورة، مرتبة في صف واحد. تحتوي كل بطاقة على رمز هندسي بسيط واحد. وتُظهر خطوط ربط رفيعة الترتيب. حركة الكاميرا جانبية بطيئة، ولا يظهر أي نص يمكن قراءته.

للاطلاع على المزيد من أنماط الكاميرا والحركة، راجع دليل الإرشادات السريعة لـ Kling 3.0.

وللحصول على طريقة أخرى لوصف اللقطة، قارن بين هذه الصور Veo 3.1 أمثلة على الكتابة بناءً على المطالبة.

الخطوة 3: تثبيت الأسلوب البصري قبل كل لقطة

من الأسهل ضمان الاتساق قبل البدء في الكتابة بدلاً من إصلاحه لاحقًا. حدد نمطًا موجزًا وأعد استخدامه في كل موجه مشهد. قم بتضمين ما يلي:

• وسيلة بصرية، مثل الرسوم المتجهة ثنائية الأبعاد، أو الأفلام السينمائية الحية، أو الرسوم المتحركة بالطين، أو التصوير الفوتوغرافي للمنتجات؛;
• لوحة الألوان والتباين؛;
• اتجاه الإضاءة والوقت من اليوم؛;
• سلوك العدسة أو الكاميرا عند الاقتضاء؛;
• تفاصيل الشخصيات المتكررة، أو المنتجات، أو الأزياء، أو المعدات المسرحية؛;
• القيود السلبية، بما في ذلك النصوص غير المرغوب فيها، أو الشعارات، أو الصور الرمزية، أو حركة الكاميرا.

عندما يدعم مسار العمل استخدام الصور المرجعية، قم أولاً بإنشاء إطار نموذجي واحد. وافق على لوحة الألوان، وتجسيد المواد، والتركيب، وطريقة معالجة الموضوع قبل إنشاء بقية الإطارات. وقد أنتج اختبارنا إطارين مرشحين لافتتاح الفيديو، واخترنا النسخة التي تظهر فيها الزجاجة الشفافة والغطاء الفضي المصقول بشكل أوضح، وذلك قبل إنفاق أي ميزانية مخصصة لتصنيع الفيديو.

وهذا أمر مهم بشكل خاص بالنسبة للأشخاص والأشياء المتكررة. الدليل المنفصل الخاص بـ اتساق مقاطع الفيديو التي تعتمد على الذكاء الاصطناعي يشرح السبب وراء تباين الهوية، والملابس، والإضاءة، وتأطير اللقطات عبر لقطات تم إنتاجها بشكل مستقل.

الخطوة 4: تصوير لقطات قصيرة ومميزة

خصص حركة رئيسية واحدة لكل توجيهات. على سبيل المثال: حركة تقريب بطيئة، أو انزلاق رأس التشغيل عبر الخط الزمني، أو خمس بطاقات تنتشر على شكل مروحة في صف واحد. إن طلب عدة تحولات، أو حركة الكاميرا، أو تغيير الإضاءة، أو حركات معقدة للشخصيات في المقطع القصير نفسه يزيد من احتمالية حدوث تشوه في الصورة.

راجع كل ناتج قبل البدء في إنشاء المرحلة التالية التي تتطلب موارد كبيرة. انظر إلى الإطار الأول، والإطارات الوسطى، والإطار الأخير. قد يبدو المقطع نظيفًا كصورة مصغرة، في حين أن أحد الكائنات قد يذوب أو يتغير شكله أثناء الحركة. إذا فشل الإنشاء تمامًا، فإن دليل أخطاء إنشاء مقاطع الفيديو باستخدام الذكاء الاصطناعي يتناول الأسباب الشائعة المتعلقة بالمطالبات والإشراف وسير العمل.

جيل واحد أم مقاطع منفصلة؟ استخدم جيلًا واحدًا من اللقطات المتعددة عندما يظل الموضوع والموقع والإضاءة كما هي، ويمكنك قبول انتقالات تقريبية. استخدم مقاطع منفصلة عندما يتطلب خط ما قطعًا دقيقًا، أو عندما يتغير المكان، أو عندما تتوقع استبدال لقطات فردية. استخدم فيلم الزجاجة الخاص بنا جيلًا واحدًا لجميع المراحل الخمس؛ وتمنحك الطريقة العامة التي تعتمد على المشهد تلو المشهد مزيدًا من التحكم في التعديلات.

في حالة الفيلم المتواصل، ضع تسلسل اللقطات الكامل في موجه واحد. أما في حالة المقاطع المنفصلة، فاستخدم نفس النمط والإطار المرجعي، ثم أرسل لقطة واحدة في كل مرة. استخدمنا في اختبارنا مخرجات Seedance 2.5 متواصلة، وقمنا بتمريرها إلى Yukie داخل GlobalGPT لإنجازها. ولا تتطلب قائمة اللقطات إنشاء ملف منفصل لكل صف.

الخطوة 5: إضافة التعليق الصوتي والتسميات التوضيحية

يجب أن يتناسب التعليق الصوتي مع اللقطة المخصصة له، مع وجود وقفة قصيرة قبل قطع المشهد. إذا كانت الجملة طويلة جدًّا، فهناك أربعة خيارات متاحة: تقصير النص، أو زيادة مدة اللقطة، أو تقسيم اللقطة، أو تعديل سرعة السرد بشكل طفيف. لا تحل كل مشكلة تتعلق بالتوقيت بجعل الصوت سريعًا بشكل غير طبيعي.

يجب أن تتطابق التسميات التوضيحية مع الكلمات المنطوقة، وليس مع نسخة سابقة من النص. احرص على إبقائها ضمن الهوامش المناسبة لأجهزة الجوال، وقسّم الجمل الطويلة إلى أجزاء يسهل قراءتها، وتحقق من علامات الترقيم. عادةً ما يجب أن تتجنب العناصر التصميمية المُنشأة النصوص المهمة التي يمكن قراءتها؛ أضف عناوين وتسميات توضيحية دقيقة أثناء التحرير، حيث يمكن التحكم في التهجئة.

الانتهاء داخل GlobalGPT: افتح Yukie من مساحة العمل GlobalGPT، وأرفق ملف Seedance 2.5 MP4 الخام، وقدم النص الصوتي الدقيق. اطلب من Yukie إنشاء الصوت، ومواءمة الترجمة ودمجها في الفيديو، والاحتفاظ بالصوت المحيط الأصلي، وإرجاع ملف MP4 قابل للتنزيل. في الاختبار الذي أجريناه، استخدمت «يوكي» نموذج «eleven-v3» لتوليد الصوت، وقامت بمعالجة الفيديو في مساحة العمل المستضافة على منصتها. وقد وفر إعداد «Seedance Native Audio» الأجواء الصوتية؛ بينما تولت «يوكي» معالجة النص المنطوق الدقيق والترجمة المصاحبة.

الخطوة 6: التجميع والمراجعة والتصدير

اطلب من يوكي الحفاظ على ترتيب اللقطات المعتمد، ومواءمة التعليق الصوتي والتسميات التوضيحية، وتصدير ملف MP4 بتنسيق H.264/AAC. افتح الملف المُصدَّر من المخرجات وقم بتنزيله. تحقق من الأبعاد الفعلية، والمدة، والصوت، وحجم التسميات التوضيحية، وتوقيت التناغم بين الجمل والمشاهد؛ وإذا كان هناك أي خطأ، فاطلب التصحيح في نفس محادثة «يوكي». لم يتطلب سير عملنا في إنتاج الفيلم المتواصل استخدام أي تطبيق تحرير خارجي.

إذا كنت تقوم بتقدير تكلفة مشروع يتضمن عدة لقطات، فراجع كيفية كيفية عرض أسماء المساهمين في مقاطع الفيديو التي تم إنتاجها باستخدام الذكاء الاصطناعي قبل إنفاق معظم الميزانية على الأجيال الأولى. احتفظ بسعة كافية لإجراء تصحيح واحد على الأقل للقطعة الأكثر خطورة.

فيديو «التجربة العملية للذكاء الاصطناعي» من «Script Test»

اتبع اختبارنا مسار عمل كاملًا داخل GlobalGPT: استخدمنا GPT Image 2 كمرجع بصري، وSeedance 2.5 المدمج في البرنامج للتصوير، وYukie لتوليد الكلام، وإدراج التسميات التوضيحية، ومزج المؤثرات الصوتية المحيطة، والتصدير. الفيديو أدناه هو ملف MP4 النهائي الناتج عن مسار العمل هذا.

ملخص الاختبار

طلبنا إنتاج فيلم سينمائي عن العناية بالبشرة مدته 28 ثانية بنسبة عرض إلى ارتفاع 16:9، يركز على زجاجة سيروم شفافة واحدة مزودة بغطاء فضي مصقول. وتضمنت التوجيهات الفنية استخدام حجر فحم مبلل، وضوء شروق الشمس الدافئ، وانعكاسات خضراء مزرقة خفيفة، وتفاصيل ماكرو، وحركة كاميرا بطيئة وراقية.

كان النص المكون من 43 كلمة كما يلي:

يُسلط ضوء الصباح الضوء على زجاجة زجاجية شفافة موضوعة على حجر داكن. يتدفق الماء حول قاعدتها ويُبرز اللون الذهبي. وعند الاقتراب، تكشف القطرات الصغيرة عن ملمسها. دورة واحدة هادئة تكشف كل التفاصيل. صورة نقية ومدروسة وجاهزة لتكون الإطار الأول لحملة إعلانية جديدة.

كما استبعدنا الأشخاص والشعارات والكتابات المولدة والزجاجات المكررة والأخطاء الهندسية الواضحة والعلامات المائية.

النماذج والهيكل

مسار العمل المتبع:

• صورة GPT 2 لإثنين من الإطارات الافتتاحية المرشحة بنسبة 16:9؛;
• Seedance 2.5 لتسجيل مقطع واحد متواصل مدته 28 ثانية بدقة 720p؛;
• توليد الكلام باستخدام «eleven-v3» عبر «Yukie» داخل «GlobalGPT»، باستخدام الصوت الافتراضي لمسار النموذج؛;
• ترجمة باللغة الإنجليزية متزامنة مع الكلام المُولَّد، وقامت يوكي بإدراجها بشكل دائم في الفيديو؛;
• مياه الينبوع وأجواء الغرفة، تمتزجان بنسبة 16% تحت الصوت الذي يصدح داخل يوكي.

وكانت المراحل البصرية الخمس هي: لقطة تمهيدية، ولقطة ماكرو للماء والقاعدة، ولقطة ماكرو لقطرة الماء، ولقطة تفصيلية للزجاجة مع دورانها، وتكوين نهائي بارز.

صنع الفيلم المكون من خمس مراحل

بالنسبة لفيلمك الخاص، استخدم السرد المكون من 43 كلمة المذكور أعلاه كنص صوتي وابدأ بالتوجيهات الواردة أدناه. حاول الالتزام بالفترات الزمنية الخمس المحددة في خطة التصوير، ثم عدّل الانتقالات لتتناسب مع اللقطات التي قمت بتصويرها والسرد الذي قمت بقياسه.

موجه الإطار الافتتاحي: استخدم هذا لإنشاء نقطة ارتكاز بصرية قبل إنفاق الرصيد على الفيديو.

صمم إطارًا افتتاحيًا سينمائيًا بنسبة 16:9 لفيلم عن منتجات العناية بالبشرة الفاخرة. زجاجة سيروم زجاجية شفافة ذات غطاء فضي مصقول تقف على حجر فحم مبلل. ينبعث ضوء شروق الشمس الدافئ من أحد الجوانب، مع انعكاسات خافتة باللون الأزرق المخضر في الظلال. يجب أن تظل الزجاجة والغطاء كاملين مرئيين، مع ترك مساحة حول القاعدة لانعكاسات الماء. يجب أن يكون سمك الزجاج واقعيًا، ونسيج المعدن طبيعيًا، وقطرات الماء صغيرة، والانعكاسات طبيعية. تركيبة هادئة وبسيطة مناسبة لتقريب الكاميرا ببطء. لا تظهر أي أشخاص أو أي أيدي أو زجاجات مكررة أو شعارات أو حروف يمكن قراءتها أو تعليقات أو رسومات تشبه العلامات المائية.

لاتباع اختيار النموذج الأصلي، افتح صورة GPT 2 في GlobalGPT. قم بإنشاء صورتين مرشحتين بنسبة 16:9 واحتفظ بالصورة التي تتميز بهندسة زجاجة واضحة، وغطاء كامل، وانعكاسات واقعية. احفظ تلك الصورة لتكون الإطار الأول للفيديو.

موضوع الفيديو: انسخ التسلسل الكامل في حقل توجيهات الفيديو، مع استبعاد التعليق الصوتي من التعليمات المرئية.

قم بإنتاج فيلم سينمائي مدته 28 ثانية بنسبة عرض إلى ارتفاع 16:9 عن منتج للعناية بالبشرة، باستخدام الإطار الافتتاحي المرفق. حافظ على استخدام نفس زجاجة السيروم الشفافة، والغطاء الفضي المصقول، وحجر الفحم الرطب، واتجاه شروق الشمس الدافئ، والانعكاسات الزرقاء المخضرة الخافتة طوال الفيلم. استخدم خمس مراحل بصرية مدروسة مع انتقالات هادئة:

0–5.5 ثانية: ضع الزجاجة الكاملة على حجر رطب داكن؛ قم بالتقريب البطيء مع أفق ثابت.
5.5–10 ثوانٍ: انتقل إلى لقطة ماكرو منخفضة للمياه التي تدور حول قاعدة الزجاجة نفسها؛ التقط انعكاسات ذهبية صغيرة.
10–15 ثانية: اعرض قطرات صغيرة على الزجاج بتفاصيل دقيقة؛ قم بتغيير التركيز البؤري بشكل خفيف دون تغيير شكل الزجاجة.
15–19 ثانية: قم بدورة واحدة بطيئة ومتواضعة حول الزجاجة لإظهار الغطاء الفضي وتفاصيل الزجاج؛ حافظ على الزجاجة في وضع مستقيم ويمكن التعرف عليها.
19–28 ثانية: الانتقال بسلاسة إلى تركيبة رئيسية واضحة لنفس الزجاجة والحفاظ على لقطة ختامية هادئة.

منتج واحد فقط. لا توجد مواقع جديدة، أو أشخاص، أو أيدي، أو شعارات، أو نصوص قابلة للقراءة، أو ترجمات، أو زجاجات إضافية، أو تغييرات في الشكل، أو تحولات سريعة، أو اهتزاز الكاميرا، أو تغييرات مفاجئة في الإضاءة. اطلب صوت ماء خفيف وأجواء غرفة هادئة، بدون كلام أو موسيقى. أضف التعليق الصوتي والتسميات التوضيحية الدقيقة للحملة لاحقًا في Yukie داخل GlobalGPT. توجه أهداف التوقيت التسلسل؛ حافظ على حركة متماسكة بدلاً من فرض قصات مفاجئة.

1. افتح Seedance 2.5 في GlobalGPT واختر الإطارات الرئيسية.
2. قم بتحميل الصورة التي اخترتها تحت إطار البداية. اترك الإطار النهائي الاختياري فارغًا في هذا المسار.
3. الصق نص المطالبة الخاصة بالفيديو. اضبط نسبة العرض إلى الارتفاع: 16:9, المدة: 28 ثانية, و الدقة: 720p. احتفظ بـ الصوت الأصلي لإضفاء جو مميز؛ اترك تعزيز الموجه لضمان التحكم في الصياغة.
4. راجع إطار البدء، والموجه، والمدة، والدقة، ثم اضغط على توليد.
5. افحص المقطع النهائي للتأكد من اتساق المنتج، ثم قم بتنزيل ملف MP4 الخام وأرفقه بـ «Yukie» داخل GlobalGPT. احرص على أن تكون هذه النسخة خالية من أي تعليقات أو تعليق صوتي مضاف، بحيث تبدأ مرحلة التشطيب من الفيديو الأصلي والمؤثرات الصوتية المحيطة.

ما الذي نجح

وكانت النتيجة الأبرز هي استمرارية المنتج. فقد ظلت الزجاجة والغطاء المصقول مميزين بوضوح بدءًا من اللقطة العامة الواسعة وصولاً إلى اللقطات المقربة للقطرات والمواد. كما حافظت الزجاج والمياه والمعدن والحجر الرطب على مظهرها الجيد رغم تغير الزوايا، وأضفت لقطات الماكرو تنوعًا بصريًّا دون إدخال منتج ثانٍ.

بلغت مدة ملف «Yukie» المُصدَّر 28.06 ثانية بدقة 1280 × 720 ومعدل إطارات 24 إطارًا في الثانية، مع فيديو بتنسيق H.264 وصوت ستيريو بتنسيق AAC. قمنا بتنزيل الملف الفعلي وتحققنا من معلماته والإطارات التي تحتوي على الترجمة. وأفاد تقرير فحص الوسائط الذي أجرته Yukie أن الكلام باللغة الإنجليزية يتطابق مع النص المكتوب وظل مفهومًا على الرغم من أن أجواء الصوت في المصدر كانت هادئة.

ما كان يلزم تصحيحه

كان العرض الأول للترجمة المصاحبة لـ «يوكي» كبيرًا جدًّا، مما أدى إلى توزيع النص على ثلاثة أسطر. وقد كشفت عملية الفحص الذاتي عن هذه المشكلة، فاستُخدم في العرض الثاني لوحة عرض مخصصة للترجمة بدقة 1280 × 720، مع نص أبيض بحجم 28 بكسل، وخط خارجي أسود، وبدون لوحة غير شفافة. قمنا بفحص الإطارات التي تم تنزيلها عند ثواني 2 و6 و10 و14 و18: وظلت الترجمات ضمن سطرين.

يبلغ حجم كل من الفيديو الذي تم إنشاؤه والنسخة النهائية المصدَّرة 1280 × 720، لذا لم تعتمد هذه النسخة على عملية رفع الدقة إلى 1080p. صفحة حول هل يدعم جهاز Seedance دقة 1080p؟ يوضح لماذا لا يزال من الضروري تسجيل إعدادات النموذج وحجم التوليد الأصلي ودقة التسليم النهائية بشكل منفصل.

احتفظت «يوكي» بالمؤثرات الصوتية الأصلية عند 16% ودمجتها تحت صوت السرد. لا يزال يتعين الاهتمام بوتيرة العرض: حيث ينتهي الصوت عند حوالي 19.2 ثانية، وتظهر بعض الجمل قبل المشاهد المصاحبة لها. يتبع توقيت الترجمة توقيت الكلام، لكن مطابقة الكلام مع الصورة هي عملية مراجعة منفصلة. توضح التعليمات التالية كيفية طلب إجراء هذا التعديل في برنامج «يوكي» دون الحاجة إلى إعادة إنتاج اللقطات.

أكمل السرد والتعليقات والصوت في «يوكي»

افتح مساحة عمل GlobalGPT واختر يوكي. أرفق ملف MP4 الخام Seedance بالمحادثة، ثم تأكد من ظهوره تحت المدخلات. احتوى الملف المصدر الذي قمنا بتحميله على لقطات المنتج والأصوات المحيطة الأصلية، دون أي تعليق صوتي نهائي أو تسميات توضيحية.

توجيه لإنهاء النص: الصق الطلب أدناه مع إرفاق مقطع الفيديو الأصلي. فهو يحدد نفس عمليات المعالجة النهائية المستخدمة في اختبارنا.

قم بإنجاز مقطع الفيديو المرفق الخاص بالعناية بالبشرة Seedance 2.5 بالكامل داخل مساحة العمل GlobalGPT هذه. احتفظ بالصور الحالية، وترتيب اللقطات، والمدة التي تبلغ حوالي 28.06 ثانية، ودقة 1280 × 720، ومعدل الإطارات 24 إطارًا في الثانية. لا تقم بتصوير لقطات جديدة، أو تحسين الدقة، أو إضافة موسيقى، أو استخدام صورة رمزية، أو استبدال المؤثرات الصوتية الأصلية.

استخدم هذا النص الصوتي بالضبط بصوت إنجليزي هادئ وطبيعي:
يجد ضوء الصباح زجاجة زجاجية شفافة على حجر داكن. يلتف الماء حول القاعدة ويلتقط اللون الذهبي. عند الاقتراب، تكشف القطرات الصغيرة عن الملمس. دورة هادئة واحدة تظهر كل التفاصيل. نظيف، ومدروس، وجاهز للإطار الأول من حملة جديدة.

افحص الفيديو المرفق أولًا. قم بتوليد التعليق الصوتي باستخدام نموذج الكلام GlobalGPT المتاح وأبلغ عن النموذج والصوت المستخدمين. احرص على إنهاء الكلام بحلول 25.5 ثانية. قم بقياس مدة الكلام الفعلية وأنشئ تسميات توضيحية مطابقة دون تداخل في الإشارات. أدرجها في الفيديو: نص أبيض مضغوط، وإطار أسود، وبدون لوحة معتمة، بحد أقصى سطرين، وهوامش آمنة، ولوحة تسميات توضيحية واضحة بدقة 1280 × 720.

امزج الصوت المحيط الأصلي تحت الصوت، بدءًا من مستوى صوت المصدر 16%. تحقق من وضوح الكلام وتجنب التشويش. قم بتصدير ملف MP4 حقيقي بتنسيق H.264/AAC وتحقق من مدته ودقته ومعدل الإطارات والصوت وتخطيط التسميات التوضيحية. قم بتسليم ملف MP4 القابل للتنزيل بالإضافة إلى ملفات MP3 وSRT المنفصلة الخاصة بالسرد الصوتي. قم بإجراء اللمسات النهائية في مساحة العمل هذه؛ لا تقم بتسليم تعليمات فقط لمحرر خارجي.

1. دع يوكي تتفحص المرفق وتقوم بإنشاء النص الصوتي. وقد استخدمنا في تجربتنا eleven-v3 باستخدام الصوت الافتراضي لمسار النموذج. احفظ التعليق الصوتي الذي تم إرجاعه حتى يتسنى إعادة استخدامه في عمليات تصحيح التوقيت.
2. راجع الترجمة المرئية، وليس نص ملف SRT فقط. اطلب من يوكي أن تتحقق من إطار واحد لكل جملة، وأن تحافظ على سطرين كحد أقصى، وأن تصحح أي نص كبير الحجم داخل نفس المحادثة.
3. اطلب سماع الصوت المحيط الأصلي الذي يظهر خلف الصوت، بالإضافة إلى إجراء اختبار الصوت. كان المزيج الأولي لدينا هو 16% مستوى صوت المصدر؛ اضبطه إذا كانت الضوضاء المحيطة تحجب أي كلمة.
4. افتح المخرجات, ، حدد ملف MP4، وقم بمعاينته. استخدم تنزيل استخدم زر التحكم لحفظ الفيديو النهائي؛ واحتفظ أيضًا بملفات MP3 وSRT كملفات مرجعية.
5. تحقق من ملف MP4 الذي تم تنزيله بنفسك. أما الملف الذي لدينا فقد كان 28.06 ثانية، 1280 × 720، 24 إطارًا في الثانية، H.264/AAC ستيريو. شاهد الفيلم بالكامل، واستمع إليه حتى النهاية، وتحقق من الترجمة على شاشة بحجم الهاتف قبل استخدامه في الأماكن العامة.

إذا كان السرد هو الذي يقود الصورة: استغرق إصدارنا الأول المكتمل قراءة النص حوالي 19.2 ثانية، تاركًا ذيلًا مدته 8.8 ثانية يحتوي على المؤثرات الصوتية فقط. فيما يلي تصحيح للتوقيت سيُطلب تنفيذه لاحقًا؛ ويُظهر الفيديو المضمن أعلاه النسخة التي تم تصديرها قبل إجراء هذا التعديل.

اضبط توقيت هذا التحرير الموجود في برنامج «يوكي». أعد استخدام الفيديو الحالي والشرح الصوتي الذي تم إنشاؤه؛ ولا تقم بإنشاء لقطات جديدة أو نصوص صوتية جديدة. قسّم الشرح الصوتي عند فواصل الجمل، وضع كل جملة بجانب المرحلة المرئية المقابلة لها. استخدم 0–5.5، و5.5–10، و10–15، و15–19، و19–28 ثانية كخطة أولية، ثم افحص اللقطات الفعلية وقم بالتعديل وفقًا للانتقالات الحقيقية. أضف فترات توقف طبيعية، واحتفظ بالسطر الأخير مع تركيب البطل، وتجنب قطع الكلمات أو تسريع الصوت بشكل غير طبيعي. أعد بناء توقيتات التسميات التوضيحية بناءً على الكلام المعاد وضعه، واحتفظ بأجواء الصوت الأصلية، وقم بتصدير ملف MP4 منقح للمراجعة.

تولت يوكي مهمة عرض الترجمة ومزج الصوت باستخدام مرشحات FFmpeg في بيئة التنفيذ التي تستضيفها المنصة. تقوم بإدخال تعليمات التحرير في GlobalGPT وتستلم ملفات الإخراج هناك؛ ولا يلزم إعداد سطر الأوامر محليًّا عند اتباع هذا المسار.

التقييم العملي

غطت GlobalGPT سير العمل الكامل لهذا الفيلم: حيث حددت GPT Image 2 مرجع المنتج، وقامت Seedance 2.5 المدمجة بإنشاء اللقطات المتسلسلة، وأضفت يوكي الحوار والتعليقات الصوتية ومزيج المؤثرات الصوتية المحيطة، بالإضافة إلى تصدير الملف بتنسيق MP4. لا يزال التدقيق البشري مهمًا فيما يتعلق بحجم التسميات التوضيحية وتوقيت مطابقة الجمل مع المشاهد، ولكن يمكن طلب إجراء هذه التصحيحات من داخل مساحة العمل نفسها.

ابدأ في مساحة العمل المتكاملة GlobalGPT: الموافقة على المرجع البصري، وإنتاج اللقطات، ثم استخدام Yukie لإجراء المراجعة النهائية للصوت والترجمة.

المشاكل الشائعة في تحويل النصوص إلى مقاطع فيديو وحلولها

يمكن تجنب العديد من هذه المشكلات. إن قائمة مراجعة لأخطاء الفيديو المتعلقة بالذكاء الاصطناعي يُعد رفيقًا مفيدًا قبل عملية التصدير النهائية.

كيفية كتابة سيناريو أفضل لمقاطع الفيديو التي تعتمد على الذكاء الاصطناعي

اكتب بما يناسب الأذن والشاشة في آن واحد. يمكن للراوي أن يشرح فكرة مجردة، لكن اللقطة لا تزال بحاجة إلى عناصر مرئية وأحداث وعلاقات مكانية.

استخدم قالب المشهد هذا:

السرد:
[الكلمات الدقيقة التي سيسمعها الجمهور]

المهمة البصرية:
[الفكرة الوحيدة التي يجب أن تنقلها هذه المشهد]

اللقطة:
[الموضوع، والمكان، والتكوين، والحركة، وحركة الكاميرا]

التسلسل:
[الأسلوب، والشخصية، والملابس، والإضاءة، وتدرج الألوان، والتفاصيل المرجعية]

ما يجب تجنبه:
[نص قابل للقراءة، شخصيات إضافية، شعارات، تحويل سريع، اهتزاز الكاميرا]

المدة المستهدفة:
[طول السرد المقاس بالإضافة إلى وقفة قصيرة]

احرص على أن تكون جمل السرد قصيرة بما يكفي لتسهيل كتابة التسميات التوضيحية. استبدل المفاهيم المجردة المتراكبة بأفعال مرئية: تقسيم، محاذاة، انزلاق، قفل، فتح، توجيه، أو تحويل. عندما تحتوي الجملة على لحظتين بصريتين، قم إما بتقسيمها أو التخطيط لتصوير لقطتين داخل المشهد نفسه.

اختيار مقطع فيديو مدعوم بالذكاء الاصطناعي من مسار عمل النص

بالنسبة لمسودة داخلية سريعة، قد يكفي إنشاء النص بنقرة واحدة. أما بالنسبة لحملة عامة تتضمن شخصيات متكررة أو تفاصيل دقيقة عن المنتج، فإن التحكم في كل مشهد على حدة يستحق عادةً هذا الجهد الإضافي.

قائمة مراجعة نهائية لجودة مقاطع الفيديو التي تم إنتاجها باستخدام الذكاء الاصطناعي

قبل النشر، قم بمشاهدة الملف الذي تم تصديره وتأكد مما يلي:

• توضح الثواني الخمس الأولى الموضوع؛;
• تتبع المشاهد النص بالترتيب المقصود؛;
• كل عنصر مرئي يدعم الجملة التي يتم نطقها؛;
• تظل الشخصيات المتكررة، والمنتجات، ولوحة الألوان، والإضاءة متسقة؛;
• لا يحتوي أي إطار على نص غير صحيح، أو شعارات غير مقصودة، أو كائنات غير مبررة؛;
• يكون الصوت المرافق مسموعًا وطبيعيًا ولا ينقطع عند حدود المشاهد؛;
• تتوافق التسميات التوضيحية مع النص الصوتي وتبقى ضمن الهوامش الآمنة؛;
• وإذا تم استخدام الموسيقى، فهي مرخصة وتبقى في خلفية الصوت؛;
• لا تتكرر أي لقطة ما لم يكن التكرار مقصودًا؛;
• أن تكون المدة النهائية ونسبة العرض إلى الارتفاع والدقة وبرنامج الترميز وحجم الملف مناسبة لمنصة النشر؛;
• تم التحقق من متطلبات الاستخدام التجاري والإفصاح فيما يتعلق بالأدوات والأصول المختارة.

الأسئلة المتداولة

هل يمكن للذكاء الاصطناعي تحويل نص سيناريو كامل إلى مقطع فيديو؟

نعم. يمكن لأدوات الذكاء الاصطناعي تقسيم النص إلى مشاهد، وإنشاء أو اختيار العناصر المرئية، وكتابة التعليق الصوتي، وإضافة التسميات التوضيحية، وتصدير مقطع فيديو. تتحسن النتائج عندما تراجع خطة المشاهد أولاً. وينبغي إنتاج النصوص الطويلة على شكل أقسام، حتى يتسنى تصحيح التوقيت والاتساق البصري واللقطات الفاشلة دون الحاجة إلى إعادة إنتاج الفيديو بأكمله.

ما هو أفضل برنامج ذكاء اصطناعي لإنشاء مقاطع فيديو بناءً على نصوص؟

لا يوجد خيار واحد مثالي يناسب جميع النصوص. أدوات «أفاتار» مناسبة للتدريب الذي يقوده مقدم العرض، ومولدات «بنقرة واحدة» مناسبة للمسودات السريعة، أما سير العمل القائم على المشاهد لتحويل الصور إلى فيديو فهو مناسب للقصص المرئية التي تخضع لرقابة دقيقة. اختر الخيار المناسب وفقًا لمستوى الاتساق المطلوب، والتحكم في التحرير، ودقة الإخراج، والشروط التجارية، وتكلفة إعادة إنتاج المقاطع الفاشلة.

هل يمكن للذكاء الاصطناعي إضافة التعليقات الصوتية والتسميات التوضيحية تلقائيًّا؟

نعم. في اختبارنا GlobalGPT، قامت «يوكي» بإنشاء نطق باللغة الإنجليزية، وإدراج الترجمة المصاحبة، ومزج الصوت المحيط الأصلي، وتصدير ملف MP4 النهائي من داخل المنصة. راجع الملف الفعلي: فقد قمنا بتصحيح الترجمات التي تجاوز حجمها المسموح به، ولا يزال التصدير الأول بحاجة إلى تعديل توقيت الجمل وفقًا للمشاهد.

ما هي المدة التي ينبغي أن تكون عليها كل مشهد من المشاهد التي تم إنشاؤها بواسطة الذكاء الاصطناعي؟

استخدم مدة السرد كأساس. قم بقياس المدة الفعلية للتسجيل الصوتي، ثم أدخل وقفة قصيرة في المشهد قبل نقطة القطع. غالبًا ما تكون اللقطات القصيرة التي تتراوح مدتها بين ثلاث وثماني ثوانٍ تقريبًا أسهل في التحكم منها مقارنة بالمشاهد الطويلة التي تحتوي على عدة حركات، لكن المدة الصحيحة تعتمد على النص المنطوق ومدى تعقيد المشهد البصري.

كيف أحافظ على اتساق الشخصيات عبر مشاهد الفيديو التي تم إنشاؤها بواسطة الذكاء الاصطناعي؟

قم بإنشاء صورة مرجعية وكرر نفس تفاصيل الهوية في كل موجه: الوجه، والشعر، والعمر، والملابس، والنسب، ولوحة الألوان، والإضاءة، وطريقة التصوير. لا تغير سوى ما يتطلبه المشهد الجديد. بالنسبة للمشاريع الأطول، راجع سير العمل الخاص بـ إنتاج مقاطع فيديو طويلة عن الذكاء الاصطناعي تتضمن شخصيات ثابتة.

هل يمكنني إنشاء فيديو باستخدام الذكاء الاصطناعي انطلاقًا من نص سيناريو مجانًا؟

في بعض الأحيان، لكن الخطط المجانية عادةً ما تفرض قيودًا على الرصيد، أو المدة، أو الدقة، أو العلامات المائية، أو العارضات، أو التصدير. اختبر أولًا أقصر مشهد يمثل المحتوى المطلوب. لا تفترض أن الحصة المجانية كافية لتغطية فيديو نهائي يتألف من لقطات متعددة، مع تعليق صوتي، وتعديلات، وتصدير بدقة عالية دون التحقق من تفاصيل الخطة الحالية.

هل يمكن استخدام مقاطع الفيديو التي تم إنتاجها بواسطة الذكاء الاصطناعي لأغراض تجارية؟

يعتمد الاستخدام التجاري على شروط المنصة، وشروط العارضين، والباقة، والأصول المصدرية، والموسيقى، والعلامات التجارية، والقوانين المحلية. احتفظ بسجلات للأدوات والأصول المستخدمة، وتحقق من الشروط السارية قبل نشر أعمال العملاء أو الإعلانات. لا يُعد ناتج العارض وحده بمثابة ترخيص لاستخدام الموسيقى أو الشعارات أو الصور أو المواد المصدرية المحمية بحقوق النشر الخاصة بأطراف ثالثة.

الخلاصة النهائية

الطريقة الموثوقة لإنشاء فيديو مدعوم بالذكاء الاصطناعي بناءً على نص ويتمثل ذلك في التخطيط لعملية المونتاج قبل تصوير اللقطات. قم بتقسيم السرد إلى مشاهد، وخصص مهمة بصرية واحدة لكل مشهد، وحدد الأسلوب، وقم بقياس مدة التعليق الصوتي، وتحقق من الملف الذي تم تصديره. تتطلب هذه العملية مزيدًا من التفكير مقارنةً بلصق فقرة، لكنها تنتج مقطع فيديو يبدو وكأنه تم إخراجه بعناية بدلاً من أن يكون مجمَّعًا بشكل عشوائي.

بالنسبة لفيلم المنتج هذا، ظل سير العمل بالكامل داخل برنامج GlobalGPT: النص وخطة المشاهد، مرجع GPT Image 2، لقطات Seedance 2.5 المدمجة، ثم تعليق يوكي، والتسميات التوضيحية، ومزج الصوت، والتصدير. ابدأ باللوحة القصصية وانتهي بمراجعة ملف MP4 الذي تم تنزيله. تعمل مساحة العمل الواحدة على توحيد العملية؛ حيث تضفي مراجعتك على الفيلم إيقاعه النهائي ولمسته النهائية.