هذه المقالة متوفرة أيضًا على:

لماذا يحتاج فيديو الذكاء الاصطناعي إلى طبقة تحرير

بقلم Tushar، الشريك المؤسس، Atlabs


تكتب نصًا مفصلًا. شخصيات، حوار، مشاهد، توقيت، والرسالة في النهاية. تضغط على التوليد. الفيديو الذي يعود إليك جيد، لكنه ليس تمامًا الفيديو الذي في رأسك. مشهد أقصر مما تخيّلت. شخصية تبدو مختلفة قليلًا. المدة دقيقتان و45 ثانية بدلًا من 3 دقائق.


فلماذا لا يخرج فيديو الذكاء الاصطناعي تمامًا كما كتبته؟


هذا المقال هو إجابتي الصادقة عن هذا السؤال. وهو أيضًا السبب الذي جعلنا نبني طبقة التحرير في Atlabs.


أعطِ السيناريو نفسه لعشرة مخرجين


سلّم سيناريو واحدًا إلى 10 مخرجين مختلفين. ستحصل على 10 أفلام مختلفة جدًا.


الكلمات نفسها. المشاهد نفسها. الحوار نفسه. لكن مخرجًا يصوّره بلقطات واسعة وإيقاع بطيء. وآخر يصوّره بلقطات قريبة وإيقاع سريع. أحدهم يختار بطلًا أكبر سنًا. أحدهم يجعله مضحكًا. أحدهم يجعله حزينًا. أحدهم يحذف المشهد الثاني بالكامل لأنه ممل.


لم "يفشل" أيٌّ منهم في اتباع النص. كل واحد منهم ملأ الفجوات في النص بقراراته الخاصة. والفجوات كثيرة.


الفيديو يحمل معلومات أكثر بكثير من نصه


هذا هو الأمر الجوهري الذي يجب فهمه عن فيديو الذكاء الاصطناعي.


صفحة السيناريو تعادل تقريبًا دقيقة واحدة على الشاشة. أي نحو 250 كلمة. بضعة كيلوبايتات من النص.


دقيقة واحدة من الفيديو بمعدل 24 إطارًا في الثانية تساوي 1,440 إطارًا. وكل إطار فيه ملايين البكسلات. وخلف كل إطار قرارات لم يذكرها النص أبدًا:


  • أين الكاميرا؟ وما مدى قربها؟ وأي عدسة؟
  • كيف تبدو الغرفة؟ في أي وقت من اليوم نحن؟ ومن أين يأتي الضوء؟
  • ماذا ترتدي الشخصية بالضبط؟ وما طولها بجانب الشخصية الأخرى؟
  • بأي سرعة تتكلم؟ وأين تتوقف؟ وماذا يفعل وجهها أثناء حديث الشخص الآخر؟
  • كم من الوقت نبقى على هذه اللقطة قبل القطع؟ وإلى ماذا ننتقل؟
  • أي موسيقى تُعزف، وبأي مستوى صوت؟


حتى النص المفصل جدًا يجيب ربما عن بعض هذه الأسئلة فقط. والباقي لا بد أن يأتي من مكان ما.


في الفيلم، يأتي من المخرج ومدير التصوير والممثلين والمونتير. وفي فيديو الذكاء الاصطناعي، يأتي من الذكاء الاصطناعي.


للذكاء الاصطناعي عقل خاص به


عندما تنشئ ستوري على Atlabs، تمر عبر جولات متعددة من وكلاء الذكاء الاصطناعي. يحاولون استخراج أفضل ما يمكنهم من نصك المكتوب وتحويله إلى فيديو كامل. يكتبون تقسيم المشاهد، ويختارون اللقطات، ويصممون الشخصيات، ويولّدون الصور، ويضبطون توقيت التعليق الصوتي، ويضيفون الحركة.


في كل خطوة، يملأ الذكاء الاصطناعي فجوة المعلومات. عليه أن يفترض ويوجّه الأمور بأفضل ما يستطيع. إنه المخرج الحادي عشر في الغرفة.


لذلك عندما تقول "فيديو مدته ثلاث دقائق"، قد تصل الستوري إلى دقيقتين و45 ثانية أو 3 دقائق و15 ثانية. وعندما تقول "يلاحظ الحمل الصوت الخاطئ"، على الذكاء الاصطناعي أن يقرر كيف يبدو "يلاحظ" على الشاشة. وعندما تقول "امرأة ودودة في الخمسينات من عمرها"، هناك مليون وجه يناسب هذا الوصف.


وهذا هو الجزء الذي لا يحب الناس سماعه: لا يوجد شيء اسمه توليد فاشل في الذكاء الاصطناعي. ما تحصل عليه هو ما فهمه الذكاء الاصطناعي من مدخلاتك. إنه ليس آلة بيع تعطيك نتيجة مضمونة مقابل المدخل الصحيح. إنه أقرب إلى إعطاء التعليمات لمخرج لم تعمل معه من قبل.


ولا يستطيع أي مخرج، بشريًا كان أو ذكاءً اصطناعيًا، أن يلتقط من المحاولة الأولى ما في رأسك. ليس لأنه سيئ، بل لأن المعلومات موجودة في رأسك، لا في النص.


لذلك بنينا طبقة التحرير


بمجرد أن تقبّلنا هذا، أصبح قرار المنتج واضحًا. الفيديو الأول مسودة أولى، وليس النسخة النهائية. السؤال الحقيقي هو: ما مدى سرعة وانخفاض تكلفة انتقالك من المسودة الأولى إلى الفيديو الذي في رأسك؟


هذا هو دور طبقة التحرير. فوق كل ستوري مولّدة يمكنك:


  • تحرير الستوري بورد. غيّر صورة أي مشهد أو أعد توليدها أو استبدلها. أصلح شخصية انحرفت عن شكلها. أزل العنصر الغريب في الزاوية.
  • تحرير الحوار والتعليق الصوتي. أعد كتابة سطر، غيّر الصوت، غيّر الإيقاع.
  • الحفاظ على اتساق الشخصيات. ثبّت مظهر الشخصية وأعد استخدامه عبر المشاهد.
  • القص بدقة على الخط الزمني. اقتطع جزءًا مملًا، أحكم انتقالًا، انقل لقطة.
  • إعادة تنسيق الترجمات. الألوان والأحجام والطول والنمط.


هذا هو نفس ما يفعله المخرج في غرفة المونتاج. الفرق أنك أنت المخرج الآن.


كيف يعمل المستخدمون المحترفون فعلًا


يتبع صنّاع المحتوى الذين يحصلون على أفضل النتائج في Atlabs النمط نفسه:


  1. ولّد الستوري بورد أولًا. الصور والتعليق الصوتي فقط. هذا هو الجزء الرخيص.
  2. أتقن الستوري بورد. أصلح كل مشهد وكل سطر وكل شخصية، حتى تُقرأ القصة تمامًا كما تريد.
  3. بعد ذلك فقط أضف الحركة ومزامنة الشفاه. هذان هما الجزءان المكلفان. نفّذهما مرة واحدة، على ستوري بورد تحبه بالفعل.


إذا ولّدت الفيديو الكامل بالحركة ومزامنة الشفاه دفعة واحدة ثم اكتشفت أن المشهد الرابع خاطئ، فأنت تدفع مقابل حركة على مشهد ستتخلص منه. أما إصلاحه في مرحلة الستوري بورد فيكلّف جزءًا صغيرًا من ذلك.


نحن نحتسب فقط ما يتم توليده. كل عملية توليد تكلّفنا مالًا حقيقيًا في وحدات GPU، سواء جاءت النتيجة جيدة أم لا. لذا فإن أرخص طريق إلى فيديو رائع، لك ولنا، هو التكرار حيث يكون التكرار رخيصًا.


الذكاء الاصطناعي لن يصنع فيديوهات رائعة وحده


أريد أن أكون صريحًا في هذا. لا يزال الذكاء الاصطناعي بعيدًا جدًا عن إنشاء محتوى جذاب وحده. ولو كان يستطيع، لكانت تلك نهايتنا جميعًا


ما يتقنه الذكاء الاصطناعي حقًا هو إيصالك إلى مسودة أولى متينة بسرعة، ثم جعل كل تعديل بعدها سريعًا أيضًا. أما الذوق والحكم وعبارة "لا، هذا المشهد يجب أن يكون أدفأ" فما زالت تأتي منك. وهذه ميزة وليست عيبًا. إنها قصتك.


لذلك عندما لا تطابق مسودتك الأولى ما تخيّلته، فهذا متوقع. إنها اللحظة التي تبدأ فيها التحرير، لا اللحظة التي تستسلم فيها.


إلى أين تتجه بعد ذلك


  • الدروس التعليمية: شروحات قصيرة لسير العمل الذي يبدأ بالستوري بورد ولكل أداة تحرير. app.atlabs.ai/tutorials
  • احجز مكالمة: سنقدّم لك عرضًا مباشرًا ونريك كيف تحصل على فيديوهات أفضل بشكل أسرع وأرخص. احجزها من زر Support في الشريط العلوي.
  • الندوات عبر الإنترنت: تعال واسألنا كيف تقلل التكاليف دون التنازل عن الجودة.


نواصل خفض التكاليف كلما بنينا المزيد. ونحن هنا دائمًا لمساعدتك.


مع أطيب التحيات،
Tushar

تحديث في: 03/11/2026

هل كانت هذه المقالة مفيدة؟

شارك بتعليقاتك

إلغاء

شكرًا!