ما مدى التزام نماذج الفيديو المختلفة القائمة على الذكاء الاصطناعي بنفس المطالبة؟ تختبر مقارنة الالتزام بالتوجيهات الخاصة بالفيديو المدعوم بالذكاء الاصطناعي هذه ستة نماذج عبر GLBGPT: Wan 3.0، وKling 3.0، وSeedance 2.5، وGrok Imagine، وHappy Horse 1.0، وVeo 3.1. يتلقى كل نموذج نفس التعليمات، مما يتيح لك معرفة أي منها يحافظ على العناصر المطلوبة وحركات الكاميرا وترتيب الأحداث ومتطلبات الصوت.
تستخدم كل بطاقة رئيسية موجهًا واحدًا ثابتًا باللغة الإنجليزية وما لا يقل عن أربعة مخرجات نماذج. تستخدم البطاقة السينمائية جميع النماذج الستة؛ بينما تستخدم البطاقات الأخرى أربعة نماذج مختارة من نفس مجموعة النماذج الستة. استخدمنا نسبة عرض إلى ارتفاع 16:9 ودقة إخراج 720p، ثم قمنا بفحص مقاطع الفيديو الناتجة وصور المخطط للتأكد من تغطية الموجه بشكل واضح.
إجابة سريعة: لا يوجد فائز واحد يشمل جميع الموضوعات الخمسة. Wan 3.0 قدمت أوضح تغطية بالكاميرا في اختبارات الحركة،, كلينج 3.0 حافظ على نمط الفخار بأقصى درجة من الدقة، و Seedance 2.5 حافظ على التسلسل الواضح للمشية والانعطاف ووصول الترام، كما في المشاهد السينمائية. جروك تخيل كان له حضور قوي في مجال الكاميرات المتوفرة في الأسواق،, Happy Horse 1.0 حافظ على سلاسة قراءة الشخصيات وتطور الأحداث، و Veo 3.1 تم إرجاع ملفات صالحة للاستخدام للمواضيع المتعلقة بالمشاهد السينمائية والحركة والفخار، مع مدد أقصر للملفات التي تم إرجاعها في الموضوعين الأخيرين.
ما المقصود بـ«الالتزام بتوجيهات الفيديو المدعومة بالذكاء الاصطناعي»؟
يُقصد بـ«الالتزام الفوري» مدى احتفاظ الفيديو الذي تم إنشاؤه بالتفاصيل الواردة في طلبك. وقد قمنا بالتحقق من العناصر المحددة، والألوان والأنماط، وحركة الكاميرا، وتسلسل الأحداث، واتساق الشخصيات، والقيود المتعلقة بالصوت أو الحوار.
قد يبدو مقطع الفيديو متقنًا، لكنه لا يزال يخطئ في تلبية المطالب. فقد يعرض مشهدًا مقنعًا للمطر، لكنه يغفل الترام، أو يحول موجة بيضاء رفيعة إلى نمط مختلف، أو يغير وجه الممثل، أو يتوقف قبل الوصول إلى ذروة القصة النهائية. ولذلك، تُظهر كل بطاقة التركيز الدقيق للمطالب بجانب نواتج النموذج والأخطاء الملحوظة.
النماذج الستة المشمولة في هذه المقارنة
تستخدم جميع الطرازات الستة نفس تسمية الوصول الواردة في هذه المقالة: GLBGPT. يضم الجدول قائمة الطرازات الكاملة؛ ولا يوجد قسم منفصل مخصص للطرازات يقتصر على عرض مزودين اثنين فقط.
| نموذج | الوصول | تغطية سريعة في هذه المقارنة | ما الذي تختبره البطاقات |
|---|---|---|---|
| Wan 3.0 | GLBGPT | جميع المطالبات الخمس | حركة الكاميرا، الشخصيات، الحركة، الصوت، تسلسل الأحداث |
| كلينج 3.0 | GLBGPT | جميع المطالبات الخمس | حركة الكاميرا، الشخصيات، الحركة، الصوت، تسلسل الأحداث |
| Seedance 2.5 | GLBGPT | الجانب السينمائي، الشخصيات، الحوار | تسلسل الأحداث، تفاصيل الشخصيات، مشهد الحوار |
| جروك تخيل | GLBGPT | الطابع السينمائي، الحركة، الحوار | مسار الكاميرا، تغطية الأحداث، مشهد يضم متحدثين اثنين |
| Happy Horse 1.0 | GLBGPT | السينما، الشخصيات، الفخار | استمرارية الشخصيات وتغطية القصة في ثلاث مراحل |
| Veo 3.1 | GLBGPT | الطلب السينمائي، الحركة، الفخار | قبول المسار، حركة الكاميرا، نقاط تحول القصة |
كيف قمنا باختبار الطرازات الستة
قمنا بتجميد خمسة أوامر قبل مقارنة النتائج. كان النموذج يختلف من بطاقة إلى أخرى، في حين بقيت الأوامر ونسبة العرض إلى الارتفاع والدقة والمدة وإعدادات الصوت كما هي داخل كل بطاقة. وكان الشكل النموذجي لطلب GLBGPT كما يلي:
{
"surface": "GLBGPT",
"model": "seedance-2.5",
"prompt": "نص التوجيه الاختباري نفسه"،
"aspect_ratio": "16:9"،
"resolution": "720p"،
"duration": 5،
"audio": false
}| موجه | مقارنة النماذج في نفس البطاقة | الإعدادات الثابتة |
|---|---|---|
| تحويل النص إلى فيديو سينمائي | Wan 3.0 · Kling 3.0 · Seedance 2.5 · Grok Imagine · Happy Horse 1.0 · Veo 3.1 | 5 ثوانٍ · 720p · 16:9 · بدون صوت |
| اتساق الشخصية | Wan 3.0 · Kling 3.0 · Seedance 2.5 · Happy Horse 1.0 | 5 ثوانٍ · 720p · 16:9 · بدون صوت |
| التحكم في الحركات المعقدة والكاميرا | Wan 3.0 · Kling 3.0 · Grok Imagine · Veo 3.1 | 5 ثوانٍ · 720p · 16:9 · بدون صوت |
| الحوار والصوت الأصلي | Wan 3.0 · Kling 3.0 · Seedance 2.5 · Grok Imagine | 5 ثوانٍ · 720p · 16:9 · طلب الصوت الأصلي |
| قصة الفخار ذات الثلاث دقات | Wan 3.0 · Kling 3.0 · Happy Horse 1.0 · Veo 3.1 | 15 ثانية · 720p · 16:9 · طلب الصوت الأصلي |
بطاقات اختبار الالتزام الفوري المكونة من ستة نماذج
اكتملت الاختبارات تحافظ المطابقات الخمس الواردة أدناه على تماسك كل مقارنة. تحتوي كل مطابقة على أربعة نماذج على الأقل؛ أما المطابقة السينمائية الأولى فتحتوي على النماذج الستة جميعها. تُقاس المدة المُرجعة انطلاقًا من كل ملف MP4 محلي، لذا فإن المسار الذي ينتهي مبكرًا يُوصف بأنه «مُرجع» بدلاً من اعتباره درجة جودة خفية.
المطلب 1 · ستة نماذج · 5 ثوانٍ · 720p · 16:9
تحويل النص إلى فيديو سينمائي
الموجه: تتبع لقطة سينمائية متحركة امرأة ترتدي معطفًا أحمر طويلًا وهي تسير ليلاً في شارع مغمور بالمطر ومضاء بأضواء النيون. تستدير نحو الكاميرا بينما يمر ترام خلفها، وتتحرك الانعكاسات بشكل طبيعي عبر الرصيف المبلل. حركة بشرية واقعية، وتناسق في ملامح الوجه والملابس، وعمق مجال ضحل، وكاميرا محمولة باليد يتم التحكم فيها بدقة، وبدون أي قطع.
Wan 3.0 GLBGPT
كلينج 3.0 GLBGPT
Seedance 2.5 GLBGPT
جروك تخيل GLBGPT
Happy Horse 1.0 GLBGPT
Veo 3.1 GLBGPT · 5.04 ثانية
- وان: يتبع المرأة، ويُظهر المنعطف، ويقود الترام عبر الخلفية.
- كلينج تحتفظ الصورة بإضاءة جذابة في يوم ممطر، لكن الهدف يبدو ثابتًا نسبيًّا.
- Seedance 2.5: يحافظ على عرض المشي من الخلف، والانعطاف المرئي، ووصول الترام بالترتيب المطلوب.
- Grok: تحتفظ الصورة بالمعطف الأحمر، والمطر، وشارع النيون، والترام، حيث يظهر الترام بوضوح وهو يعبر خلف الشخصية.
- "Happy Horse": تبدأ اللقطة من خلف المرأة، ثم تظهر المنعطف والترام في الصورة مع لقطة أقرب لوجهها.
- Veo: يحتفظ بالمعطف الأحمر وبطاقة الترام، لكن الكاميرا تبدو أكثر ثباتًا مقارنة بمخرجات «وان» و«Seedance».
ملاحظة حول المهمة: يُظهر الطراز Seedance 2.5 أفضل توافق بين تسلسل الأحداث؛ بينما يتمتع الطراز Wan بأفضل تغطية للكاميرا والحركة ضمن هذه المجموعة المكونة من ستة طرازات.
الموجهة 2 · أربعة نماذج · 5 ثوانٍ · 720p · 16:9
اتساق الشخصيات دون صورة مرجعية
الموجه: لقطة واحدة متواصلة لنفس صانع الساعات المسن الذي يرتدي نظارات فضية مستديرة وسترة خضراء ويحمل ندبة صغيرة فوق حاجبه الأيسر. يلتقط ساعة جيب، ويمشي من منضدة عمله إلى النافذة، ثم يستدير ليظهر من الجانب، قبل أن يواجه الكاميرا مرة أخرى. يجب أن يظل وجهه ونظارته وملابسه وعمره وندبته دون تغيير طوال اللقطة.
Wan 3.0 GLBGPT
كلينج 3.0 GLBGPT
Seedance 2.5 GLBGPT
Happy Horse 1.0 GLBGPT
- Wan و Kling: تحافظ على ملامح صانع الساعات واضحة، لكن لا تظهر أي منهما ندبة الحاجب بوضوح.
- Seedance 2.5: يُظهر الساعة القديمة، والنظارات، والسترة، وحركة الانتقال من طاولة العمل إلى النافذة؛ ولا تظهر الندبة بوضوح.
- "Happy Horse": يظل النظارات والسترة في مكانها خلال حركة الانتقال من الجانب إلى الأمام؛ كما أن الندبة المميزة غير واضحة أيضًا.
ملاحظة حول المهمة: تحافظ النماذج الأربعة جميعها على الهوية الرئيسية بشكل أفضل مقارنة بأدق تفاصيل الوجه؛ ولم يتم تحديد نموذج فائز على مستوى النماذج.
الموجه 3 · أربعة نماذج · 5 ثوانٍ · 720p · 16:9
الحركة المعقدة والتحكم في الكاميرا
الموجه: ينطلق راكب دراجة بسرعة في منحدر عبر سوق مزدحم على ضفاف البحر الأبيض المتوسط، بينما تبدأ الكاميرا بلقطة متابعة أمامية من زاوية منخفضة، ثم تنحرف بسلاسة إلى جانبه الأيسر، وترتفع لتقدم لقطة عريضة من أعلى. يتنحى الباعة جانبًا، وتتحرك المظلات القماشية مع هبوب الرياح، وتتدحرج البرتقالات من سلة مقلوبة، وتحدث كل الأحداث بهذا الترتيب وفقًا لقوانين الفيزياء الواقعية.
Wan 3.0 GLBGPT
كلينج 3.0 GLBGPT
جروك تخيل GLBGPT
Veo 3.1 GLBGPT
- وان: يُظهر حركة تتبع أمامية واضحة للغاية، ثم ينتقل إلى منظور علوي.
- كلينج تُظهر الصورة السلة المائلة والبرتقال المتدحرج بشكل أوضح.
- Grok: تُنفذ حركة سلسة من الأمام إلى الجانب ثم إلى الأعلى، وتبقي البرتقال مرئيًا.
- Veo: يُبرز الدراج والسوق، لكنه يتيح للمظلات أن تهيمن على اللقطات اللاحقة؛ أما التسلسل الكامل للأحداث فليس واضحًا تمامًا.
ملاحظة حول المهمة: يُظهر كل من «Wan» و«Grok» أفضل تغطية لمسار الكاميرا؛ أما «Kling» فيُظهر أفضل أداء في تفاصيل اللون البرتقالي.
الموجهة 4 · أربعة نماذج · 5 ثوانٍ · دقة 720p · مطلوب الصوت الأصلي
الحوار والصوت الأصلي
الموجه: داخل مقصورة قطار هادئة، تقول امرأة: “لقد فاتتنا المحطة الأخيرة”. فيرد عليها رجل يجلس مقابلها: “إذن سنستمر في الركوب حتى النهاية”. احرص على تمييز الصوتين عن بعضهما، وقم بمزامنة كل جملة مع المتحدث الصحيح، وأضف أصواتًا خفيفة من أجواء القطار وأصوات العجلات، ولا تضف موسيقى.
Wan 3.0 GLBGPT
كلينج 3.0 GLBGPT
Seedance 2.5 GLBGPT
جروك تخيل GLBGPT
- تضمنت جميع المشاهد الأربعة التي تدور أحداثها داخل مقصورات القطار وجود متحدثين اثنين ظاهرين.
- أظهرت ملفات Wan وKling مقاطع صوتية بتنسيق AAC ستيريو مدتها 5.04 ثانية في السجلات المحفوظة؛ وقد تم فحص الملفات الجديدة Seedance وGrok للتأكد من تغطية المشاهد، لكن تحديد الكلمات المنطوقة وتخصيص المتحدثين بدقة لا يزال يتطلب عملية استماع خاضعة للرقابة.
- يُظهر Seedance المرأة والرجل في لقطات منفصلة؛ بينما يُظهر Grok كلا المتحدثين في نفس القطار في معظم الإطارات.
ملاحظة بشأن المهمة: لن يتم تحديد الفائز حتى يتم تدوين النصوص الكاملة للمسارات الصوتية الأربعة والاستماع إليها وفقًا لنفس بروتوكول المراجعة.
الموجهة 5 · أربعة نماذج · 15 ثانية · دقة 720p · يُطلب استخدام الصوت الأصلي
قصة الفخار المتناسق ذي الثلاثة نبضات
الموجه: ابتكر قصة سينمائية متماسكة مدتها 15 ثانية تتألف من ثلاث لقطات مترابطة: في ورشة فخار دافئة، يقوم حرفي بالغ يرتدي مئزرًا بلون الصدأ بتشكيل مزهرية زرقاء طويلة على عجلة الدوران؛ ثم يقوم نفس الحرفي برسم نمط موجي أبيض رفيع بعناية حول المزهرية نفسها؛ وتقف المزهرية النهائية على طاولة خشبية بجانب نبتة خضراء صغيرة بينما يبتسم الحرفي في الخلفية. حافظ على ظهور نفس الحرفي البالغ، والمئزر ذي اللون الصدئ، والمزهرية الزرقاء، والورشة، والإضاءة الدافئة طوال الفيديو. استخدم انتقالات طبيعية بين المشاهد، وحركات يدوية واقعية، وأصواتًا خافتة لعجلة الفخار والفرشاة، مع عدم استخدام أي تعليق صوتي أو موسيقى.
Wan 3.0 GLBGPT
كلينج 3.0 GLBGPT
Happy Horse 1.0 GLBGPT
Veo 3.1 GLBGPT
- وان: يُكمل عملية التشكيل والطلاء والعرض، لكنه يوسع الموجة الرفيعة المطلوبة لتصبح نمطًا زخرفيًا أوسع.
- كلينج يحتفظ بشكل أكثر دقة بالموجة البيضاء المميزة والجزء السفلي ذي اللون الصدئ.
- "Happy Horse": يحتفظ بالمزهرية الزرقاء، والموجة البيضاء، وعرض النباتات النهائي؛ بينما يتغير الإطار الفني بين كل إيقاع وآخر.
- Veo: يُكمِّل مسار عمل المزهري والعرض النهائي بوجود موجة مرئية ونبتة؛ وتكون استمرارية الهوية أقل استقرارًا من استمرارية الكائن.
ملاحظة حول المهمة: يُظهر Kling التفاصيل الدقيقة للموجة البيضاء بشكل أوضح؛ بينما يغطي كل من «Happy Horse» وVeo النقاط الرئيسية الثلاثة للقصة بوضوح.
أي طراز يجب أن تختار؟
اختر Wan 3.0 من أجل:
- حركة كاميرا طموحة
- تغطية أكثر تفصيلاً للخبر
- نقطة انطلاق قوية للمطالبات التي تعتمد بشكل كبير على الحركة
اختر Kling 3.0 للاستخدام في:
- التفاصيل والأنماط البصرية الحرفية
- سير عمل حوار الشخصيات ومزامنة الشفاه
- مشاهد مدمجة متعددة اللقطات
اختر Seedance 2.5 للاستخدام في:
- أحداث سينمائية مرتبة
- تحول واضح وأحداث في الخلفية في موجز واحد
- المهام التي يكون فيها ترتيب الأحداث أكثر أهمية من النتيجة الإجمالية
جرب Grok أو Happy Horse أو Veo في الحالات التالية:
- تريد تفسيرًا ثانيًا من الكاميرا
- أنت تهتم بتسلسل أحداث القصة الذي يسهل فهمه وتغطية العناصر المختلفة
- يمكنك اختبار المطالبة بالضبط قبل بدء التشغيل الفعلي
تم الوصول إلى جميع النماذج الستة عبر GLBGPT لإجراء هذه المقارنة. قم بتشغيل الموجه الخاص بك في نفس مساحة العمل، وقارن بين البطاقات التي تم إرجاعها، واختر المسار الذي يحافظ على التفاصيل التي يحتاجها مشروعك فعليًّا.
الحكم النهائي بشأن الالتزام بالتوجيهات
لا يوجد نموذج واحد فائز عالمي. يحدد هذا الاختبار المكون من ستة نماذج الفائزين على مستوى المهام: Wan 3.0 لتغطية الكاميرا، وKling 3.0 لنمط الفخار الحرفي، وSeedance 2.5 لترتيب الأحداث في الملخص السينمائي. وقد تعامل نموذج Grok Imagine جيدًا مع مسار الكاميرا في مشهد السوق، وحافظ «Happy Horse 1.0» على وضوح إيقاعات الشخصيات والفخار، بينما حقق «Veo 3.1» نتائج تنفيذ متباينة عبر المطالبات المختلفة. تصف هذه النتائج المطالبات والتجارب المذكورة، ولا تشمل كل موجز فيديو محتمل.
الأسئلة المتداولة
ما هي نماذج الفيديو الستة التي تعمل بالذكاء الاصطناعي التي قمت باختبارها؟
لقد قمنا باختبار Wan 3.0 وKling 3.0 وSeedance 2.5 وGrok Imagine وHappy Horse 1.0 وVeo 3.1 باستخدام GLBGPT.
هل استخدمت كل موجهة أكثر من نموذج واحد؟
نعم. تحتوي كل بطاقة مطالبة رئيسية على أربعة نماذج على الأقل، بينما تحتوي البطاقة السينمائية على النماذج الستة جميعها. وهذا يجعل كل مطالبة بمثابة وحدة مقارنة، بدلاً من تخصيص مطالبة منفصلة لنموذج واحد.
أي نموذج اتبع تسلسل الأحداث السينمائية على النحو الأمثل؟
حافظت النسخة Seedance 2.5 على تسلسل المشي بالسترة الحمراء، والالتفاف نحو الكاميرا، ووصول الترام بالترتيب المطلوب الأكثر وضوحًا في هذه الجلسة. أما النسخة Wan 3.0 فقد أظهرت تغطية أقوى للكاميرا والحركة في الناتج السينمائي المقترن.
أي نموذج حافظ على التفاصيل البصرية الدقيقة بشكل أفضل؟
قدمت Kling 3.0 «الموجة البيضاء الرفيعة» في قصة الفخار بأكثر الطرق حرفية. والنتيجة هي ملاحظة على مستوى المهمة، لذا لا يزال من الضروري اختبار أي موجه يتعلق بالشعار أو الأزياء أو الرسم الخطي بشكل مباشر.
كيف كان أداء Veo 3.1 في هذه المصفوفة؟
أنتجت Veo 3.1 ملفًا سينمائيًّا صالحًا للاستخدام وأكملت مشاهد الحركة والفخار المرئية، لكن مدة ملف الحركة كانت حوالي أربع ثوانٍ وملف الفخار حوالي ثماني ثوانٍ، على الرغم من أنه تم طلب مدد أطول. يتم تسجيل هذه النتائج الأقصر كتفاصيل التنفيذ، ولا يتم تحويلها إلى درجة جودة عامة.
هل يمكن استخدام هذه المقاطع المصورة لأغراض تجارية؟
تعتمد حقوق الاستخدام التجاري على الخطة الحالية والشروط المرتبطة بمسار الوصول. يرجى مراجعة الشروط السارية قبل نشر الأعمال المدفوعة للعملاء أو المواد الإعلانية.
المصادر والأدلة الاستدلالية
- مقارنة الالتزام الفوري في هيغسفيلد — مرجع لفكرة المقارنة باستخدام نفس المطالبة.
- سجلات مهام GLBGPT ومخرجات MP4 المحلية — مصفوفة من خمسة موجهات، دقة 720p، نسبة عرض إلى ارتفاع 16:9، مع عرض الإعدادات على كل بطاقة.
- أوراق المقارنة المحلية — تُستخدم لفحص تسلسل الأحداث، وتسلسل العناصر، وحركة الكاميرا، والتفاصيل المرئية عبر المقاطع التي تم استرجاعها.
