SceneMixer
العربية
سجّل مجاناً

شخصيات متحدثة

فيديو ذكاء اصطناعي بشخصيات متحدثة

تم التحديث في 15 نوفمبر 2026

إجابة سريعة: يتم إنشاء الكلام مع الصورة في مرحلة واحدة، ولا تتم مزامنة الشفاه على فيديو صامت. كل لقطة تحمل السطر حرفيًا، مع ربط المتحدث المحدد بصوت ثابت من المكتبة، وتوجيه قصير لأسلوب الإلقاء، وملاحظة صريحة بأن جميع الأشخاص الآخرين في الإطار يبقون شفاههم مغلقة. لقطات الحوار لها حد أدنى للتوقيت — ثلاث كلمات في الثانية في الإنجليزية — لذا لا يتم ضغط السطر أبدًا في لقطة أقصر من اللازم له.
لقطة من “العهد الصحراوي”، مسلسل قصير بالذكاء الاصطناعي أُنتج بالكامل بواسطة SceneMixer (5 شخصية، 1 حلقة)
عينةالعهد الصحراويعالي الوضوح رقمي1 حلقةأُنتج بالكامل بواسطة SceneMixer من السيناريومشاهدة الحلقات
SceneMixer في لمحةما تحصل عليه
سعر الفيديومن $0.06 للثانية (10 رصيد) في المستوى الافتراضي، وحتى $0.47 للثانية في المستوى الأعلى؛ يظهر كل سعر قبل أن تضغط على الزر
مدة المقطعحتى 30 ثانية لكل مقطع يُنشأ؛ تُركَّب الحلقة من مقاطعها بتكلفة 1 رصيد في الثانية
حلقة واحدة بالأرقامتكلّف 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
الحواريُنطَق داخل الفيديو نفسه، بصوت مستقل لكل شخصية، وبأي لغة من 15 لغة
الصيغ9:16 عمودي أو 16:9 أفقي؛ من 480P إلى 1080P، إضافة إلى مستوى 2K
ابدأ مجانًا50 رصيد عند التسجيل، و15 صور مرجعية مجانية، ولوحة قصة مجانية للحلقة الأولى، ومعاينة فيديو مجانية مدتها 5 ثوانٍ
من يستخدمهأكثر من 2,900 مبدع أنشأوا محتوى باستخدام SceneMixer (حسابات أجرت عملية إنشاء واحدة على الأقل، حُسبت في نوفمبر 2026)
المدخلاتسيناريو 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

ما يتم إرساله مع لقطة متحدثة
السطرحرفيًا، مرة واحدة. يُنطق تمامًا كما هو مكتوب — لا إعادة صياغة، ولا إعادة توقيت.
من يقولهمحدد بالاسم، ومرتبط بمرجع صوت تلك الشخصية بحيث يبدو نفس الشخص بنفس الصوت عبر الحلقات.
كيف يقالتوجيه قصير بين قوسين — بهمس، مع استمرار الابتسام، بإلقاء مسطح مجبر. إنه توجيه، وليس ترجمة نصية.
من غيره في الإطاريتم تحديدهم بشفاه مغلقة، حتى لا يحرك المستمعون أفواههم مع الكلام.
الكلام خارج الشاشةيُحدد أولاً في القوس — تعليق صوتي، على الهاتف، عبر جهاز الاتصال الداخلي — ثم يُوصف كل من يظهر بفم مغلق.
التوقيتلا 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

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.

عرض جميع اللغات البالغ عددها 15

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.

الخطوةفي SceneMixerالتنفيذ يدويًا بأدوات منفصلة
السيناريو وخطة الحلقاتالصق سيناريو أو رواية، أو اكتب سطرًا واحدًا: يُقرأ ويتحوّل إلى طاقم شخصيات ومواقع وأغراض ومخطط حلقات يمكنك تعديلهيكتب نموذج دردشة السيناريو؛ وتقسّمه أنت إلى حلقات وتنقل النص من أداة إلى أخرى
وجوه الشخصيات والأماكنتُرسم كل شخصية وكل موقع وكل غرض مرة واحدة في ورقة مرجعية، وتُرفق بكل لقطة يظهر فيهانموذج صور، ورقة واحدة في كل مرة؛ وترفع أنت المرجع المناسب إلى كل مقطع بنفسك
اللقطاتلوحة قصة لكل حلقة بلقطات مرقّمة وثوانٍ محددة؛ ويُنشأ الفيديو مقطعًا بمقطع بنسبة 9:16 أو 16:9 اعتمادًا على الأوراق المرجعية نفسهانموذج فيديو، مقطع واحد لكل وصف، وتصف الأشخاص أنفسهم من جديد في كل مرة
الأصوات والحوارتُؤدّى الجمل داخل الفيديو نفسه، بصوت مستقل لكل شخصية، وبأي لغة من 15 لغةأداة تحويل النص إلى كلام لكل سطر، ثم مرحلة مزامنة الشفاه على كل مقطع
تصحيح لقطة واحدةعدّل نص تلك اللقطة وأعد إنشاء المقطع وحده؛ ويبقى باقي الحلقة كما هوأعد إنشاء المقطع، ثم أعد مونتاج الخط الزمني
اللمسات الأخيرةتُركَّب المقاطع في ملف واحد للحلقة مع موسيقاها التصويرية؛ ويحمّلها الأعضاء بدون شارة AIبرنامج مونتاج فيديو لدمج المقاطع وإضافة الموسيقى والترجمات النصية، ثم التصدير
النشرترفع الحلقة الجاهزة بنفسك إلى TikTok أو YouTube أو Instagram أو أي مكان آخر؛ ولا يُنشر لك أي شيءالرفع 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 مجانًا

باقات الكريديت تبدأ من $1.49 · Pro $7.99/شهر · لا حاجة لبطاقة ائتمان للبدء