شخصيات متحدثة
فيديو ذكاء اصطناعي بشخصيات متحدثة
تم التحديث في 15 نوفمبر 2026

| SceneMixer في لمحة | ما تحصل عليه |
|---|---|
| سعر الفيديو | من $0.06 للثانية (10 رصيد) في المستوى الافتراضي، وحتى $0.47 للثانية في المستوى الأعلى؛ يظهر كل سعر قبل أن تضغط على الزر |
| مدة المقطع | حتى 30 ثانية لكل مقطع يُنشأ؛ تُركَّب الحلقة من مقاطعها بتكلفة 1 رصيد في الثانية |
| حلقة واحدة بالأرقام | تكلّف حلقة مدتها 60 ثانية في المستوى الافتراضي نحو 660 رصيد (الفيديو مع التركيب)، أي نحو $4.11 بأقل سعر للرصيد؛ ويكلّف مسلسل من 10 حلقات مدة كل منها 90 ثانية من رواية بطول 30,000 حرف نحو 10,026 رصيد، أي نحو $62 |
| الحوار | يُنطَق داخل الفيديو نفسه، بصوت مستقل لكل شخصية، وبأي لغة من 15 لغة |
| الصيغ | 9:16 عمودي أو 16:9 أفقي؛ من 480P إلى 1080P، إضافة إلى مستوى 2K |
| ابدأ مجانًا | 50 رصيد عند التسجيل، و15 صور مرجعية مجانية، ولوحة قصة مجانية للحلقة الأولى، ومعاينة فيديو مجانية مدتها 5 ثوانٍ |
| من يستخدمه | أكثر من 2,900 مبدع أنشأوا محتوى باستخدام SceneMixer (حسابات أجرت عملية إنشاء واحدة على الأقل، حُسبت في نوفمبر 2026) |
| المدخلات | سيناريو أو رواية أو فكرة في سطر واحد؛ رفع ملفات .txt و.docx و.md |
يخرج الصوت من نفس عملية إنشاء الصورة
هناك طريقتان لجعل الشخصية تتحدث على الشاشة. إحداهما هي عرض فيديو صامت ثم تحريك الفم باستخدام مسار صوتي — طريقة مزامنة الشفاه، التي تتطلب قصًا للوجه وملف صوتي محرك، وتنتج وجهًا يتحرك بشكل صحيح وجسدًا لا يؤدي الدور. والأخرى هي إنشاء الصورة والصوت معًا، بحيث يكون الأداء والفم قرارًا واحدًا.
تقوم بذلك خطّ معالجة SceneMixer. باقة الفيديو الافتراضية سمعية-بصرية: يحصل النموذج على السطر، ومن يقوله، وكيف يُقال، ومرجع الصوت، ويعيد لقطة يُنطق فيها السطر. لا يُلصق شيء بعد ذلك.
نظرة سريعة
| السطر | حرفيًا، مرة واحدة. يُنطق تمامًا كما هو مكتوب — لا إعادة صياغة، ولا إعادة توقيت. |
|---|---|
| من يقوله | محدد بالاسم، ومرتبط بمرجع صوت تلك الشخصية بحيث يبدو نفس الشخص بنفس الصوت عبر الحلقات. |
| كيف يقال | توجيه قصير بين قوسين — بهمس، مع استمرار الابتسام، بإلقاء مسطح مجبر. إنه توجيه، وليس ترجمة نصية. |
| من غيره في الإطار | يتم تحديدهم بشفاه مغلقة، حتى لا يحرك المستمعون أفواههم مع الكلام. |
| الكلام خارج الشاشة | يُحدد أولاً في القوس — تعليق صوتي، على الهاتف، عبر جهاز الاتصال الداخلي — ثم يُوصف كل من يظهر بفم مغلق. |
| التوقيت | لا تكون اللقطة التي تحمل حوارًا أقصر مما يحتاجه السطر: ثلاث كلمات في الثانية في الإنجليزية، وخمسة أحرف في الثانية في الصينية. |
الأصوات تتم مطابقتها، ولا تُصمم لكل شخصية على حدة
في SceneMixer يُعيَّن لكل شخصية صوت من مكتبة أصوات نظام جاهزة — تسمع عينة مدتها من ثلاث إلى ثماني ثوانٍ قبل الاختيار، ويمكنك إعادة المطابقة، أو اختيار صوت مختلف من المنتقي، أو رفع تسجيلك الخاص. السبب أن الأمر مطابقة لا تصميم صوت لكل شخصية هو التكلفة والثبات: الأصوات المصممة تنجرف بين التوليدات وتكلّف لكل شخصية، أما صوت المكتبة فهو الصوت نفسه في الحلقة الأولى والثانية عشرة.
إذا لم يكن للشخصية صوت مخصص، ترتد اللقطة إلى وصف مكتوب للصوت — العمر، الملمس، الطبقة الصوتية — يفسره النموذج. هذا هو الإعداد الافتراضي للمشاريع الجديدة؛ تخصيص الأصوات هو خطوة مقصودة، وليس شيئًا يحدث بصمت لكل شخصية.
قاعدة التوقيت، ولماذا توجد
لقطة مدتها أربع ثوانٍ لا تتسع لستة عشر كلمة إنجليزية. إما أن يُسرع الأداء حتى لا يُفهم، أو يُقطع السطر. لذلك لقطات الحوار في SceneMixer لها حد أدنى مشتق من السطر: عدد الكلمات مقسوماً على ثلاثة للإنجليزية، وعدد الحروف مقسوماً على خمسة للصينية، والسطور القصيرة تُضاف إليها وقفة بدل أن تُسحق إلى حدها النظري الأدنى. اللقطات القصيرة أكثر من اللازم لسطرها تُعلَّم وتُصحَّح قبل أي تصيير، وهذا أرخص من اكتشافه في الناتج.
اللغة
لغة الحوار هي إعداد مشروع، تُختار مرة واحدة، وتُطبق حيث تُكتب الأسطر لأول مرة بدلاً من ترجمتها لاحقًا — لذا يُؤلف الأداء بتلك اللغة بدلاً من أن يكون دبلجة. تتوفر خمس عشرة لغة للواجهة والحوار مدعوم عبرها؛ لغتان أحيانًا تخطئان في نطق كلمات فردية على فئة النموذج الافتراضية، ويذكر المحدد ذلك حيث يكون صحيحًا. تغطي صفحة أصوات الشخصيات هذا بالتفصيل.
ما لن يفعله
- لا تستنسخ صوتًا لا تملك الحق في استخدامه. يمكنك رفع تسجيلك كمرجع لشخصياتك أنت، ويستنسخ الصوت الأصلي في إعادة الدبلجة صوت الشخصية من المقطع نفسه.
- لا تُزامن شفاه صورة ترفعها. يأتي كلام SceneMixer من التوليد لا من تحريك إطار موجود؛ ولا يحصل مقطع فيديو مرفوع على أسطر جديدة إلا عبر الاستبدال في إعادة الإنتاج، الذي يُعيد توليد الجزء المتغيّر.
- الوصول إلى وقت تشغيل دقيق لسطر ما. يتم فرض الحد الأدنى؛ طول الإلقاء الدقيق يحدده النموذج.
- حرق الترجمة في الفيديو. لا يتم عرض أي نص داخل الإطار. تُضاف التسميات التوضيحية بعد التصدير.
- ضمان النطق المثالي لكل اسم علم. الأسماء المبتكرة على وجه الخصوص تستحق المعاينة قبل أن تلتزم بحلقة.
ما تكلفته
الكلام مشمول في سعر الفيديو — لا يوجد رسوم صوت منفصلة. يبدأ الفيديو من 10 رصيد لكل ثانية من المخرجات (≈ $0.06/ثانية على أقل سعر للرصيد) ويصل إلى $0.47/ثانية على الفئة الأعلى دقة؛ التجميع يكلف 1 رصيد لكل ثانية. مطابقة الصوت من المكتبة مجانية. تحصل الحسابات الجديدة على 50 رصيد ومعاينة مجانية واحدة تصل إلى 5 ثوانٍ — تكفي لسماع شخصية تتحدث قبل اتخاذ القرار. الأسعار في صفحة التسعير.
اللغات
حوار أصلي بـ 15 لغة
كل مسلسل أدناه أُنتج بنفس سير عمل SceneMixer، ويتحدث طاقم الممثلين تلك اللغة بطلاقة أصلية: الواجهة، ومستندات العمل، والسطور المنطوقة كلها بلغة واحدة، ولا يوجد أي دبلجة. افتح أحدها للاستماع.
A Carta de LisboaPortuguêsحوار أصلي
윈터 프라미스한국어حوار أصلي
El Secreto de CostaEspañolحوار أصلي
浪人の誓い日本語حوار أصلي
Ikrar JakartaBahasa Indonesiaحوار أصلي
Зимняя коронаРусскийحوار أصلي
L’Héritier du DéfiléFrançaisحوار أصلي
Il Tavolo dell'OlivaItalianoحوار أصلي
De Vuurtoren van de FjordNederlandsحوار أصلي
العهد الصحراويالعربيةبلغتك
Çantasındaki SözleşmeTürkçeحوار أصلي
Die Istanbul-TäuschungDeutschحوار أصلي
Останній сигналУкраїнськаحوار أصلي
問劍青雲繁體中文حوار أصلي
The Last EnvelopeEnglishحوار أصلي
في SceneMixer مقابل الجمع بين أدوات متفرقة
تعتمد معظم مسارات عمل الدراما بالذكاء الاصطناعي على خمس أو ست أدوات متتالية. هنا ترى أين تتم كل خطوة، وما الذي تحلّ محله.
| الخطوة | في SceneMixer | التنفيذ يدويًا بأدوات منفصلة |
|---|---|---|
| السيناريو وخطة الحلقات | الصق سيناريو أو رواية، أو اكتب سطرًا واحدًا: يُقرأ ويتحوّل إلى طاقم شخصيات ومواقع وأغراض ومخطط حلقات يمكنك تعديله | يكتب نموذج دردشة السيناريو؛ وتقسّمه أنت إلى حلقات وتنقل النص من أداة إلى أخرى |
| وجوه الشخصيات والأماكن | تُرسم كل شخصية وكل موقع وكل غرض مرة واحدة في ورقة مرجعية، وتُرفق بكل لقطة يظهر فيها | نموذج صور، ورقة واحدة في كل مرة؛ وترفع أنت المرجع المناسب إلى كل مقطع بنفسك |
| اللقطات | لوحة قصة لكل حلقة بلقطات مرقّمة وثوانٍ محددة؛ ويُنشأ الفيديو مقطعًا بمقطع بنسبة 9:16 أو 16:9 اعتمادًا على الأوراق المرجعية نفسها | نموذج فيديو، مقطع واحد لكل وصف، وتصف الأشخاص أنفسهم من جديد في كل مرة |
| الأصوات والحوار | تُؤدّى الجمل داخل الفيديو نفسه، بصوت مستقل لكل شخصية، وبأي لغة من 15 لغة | أداة تحويل النص إلى كلام لكل سطر، ثم مرحلة مزامنة الشفاه على كل مقطع |
| تصحيح لقطة واحدة | عدّل نص تلك اللقطة وأعد إنشاء المقطع وحده؛ ويبقى باقي الحلقة كما هو | أعد إنشاء المقطع، ثم أعد مونتاج الخط الزمني |
| اللمسات الأخيرة | تُركَّب المقاطع في ملف واحد للحلقة مع موسيقاها التصويرية؛ ويحمّلها الأعضاء بدون شارة AI | برنامج مونتاج فيديو لدمج المقاطع وإضافة الموسيقى والترجمات النصية، ثم التصدير |
| النشر | ترفع الحلقة الجاهزة بنفسك إلى TikTok أو YouTube أو Instagram أو أي مكان آخر؛ ولا يُنشر لك أي شيء | الرفع يدويًا، كما هو الحال هنا |
أسئلة متكررة
هل هذه مزامنة شفاه؟
لا. يولّد SceneMixer الصورة والكلام معاً في تمرير واحد، فالفم والأداء قرار واحد. لا يوجد مسار صوت منفصل يُطابَق مع تصيير صامت، ولا طريقة لتحريك صورة أو فيديو مرفوع.
هل يمكنني استخدام صوتي؟
يمكنك رفع تسجيل إلى SceneMixer كمرجع لصوت شخصية. أما صوت شخص آخر فلا يُستخدم إلا بإذنه.
هل يحرك المستمعون في اللقطة أفواههم؟
لا ينبغي لهم ذلك؛ يُعلِّم SceneMixer صراحةً كل شخصية غير متكلمة في الكادر بشفاه مغلقة، وهذه التعليمة هي ما يمنع المستمع من تحريك شفتيه مع السطر.
ماذا يحدث مع التعليق الصوتي والمكالمات الهاتفية؟
يكتب SceneMixer علامة «خارج الكادر» أولاً في ملاحظة التسليم، ثم يصف كل من يظهر في اللقطة وفمه مغلق، فيُسمع السطر دون أن يبدو أن أحداً ينطقه.
لماذا لقطة الحوار أطول مما كتبت؟
لأن السطر يحتاج الوقت. يمنح SceneMixer اللقطات التي تحمل حواراً حداً أدنى يقارب ثلاث كلمات في الثانية للإنجليزية، وخمسة حروف في الثانية للصينية، مع إضافة وقفة للسطور القصيرة جداً. اللقطة القصيرة أكثر من اللازم لسطرها تُصحَّح قبل التصيير لا بعده.
استمع إلى الشخصية قبل أن تلتزم بالحلقة
المعاينة المجانية طويلة بما يكفي لسطر واحد من الحوار.
جرّب SceneMixer مجانًاباقات الكريديت تبدأ من $1.49 · Pro $7.99/شهر · لا حاجة لبطاقة ائتمان للبدء