SceneMixer
العربية
سجّل مجاناً

الإجابات · الإنتاج

كيف تُصنع فيديوهات الذكاء الاصطناعي؟

تم التحديث في 18 نوفمبر 2026

الجواب السريع: يبدأ نموذج الفيديو من ضجيج عشوائي ويصقله خطوة بعد خطوة حتى يصبح إطارات تطابق وصفًا وأي صور مرجعية. ثم يحوّل خط إنتاج مثل SceneMixer كثيرًا من تلك المقاطع إلى قصة واحدة: سيناريو، وأوراق مرجعية، وقصة مصورة، ومقاطع بصوت، ثم جمع نهائي، بدءًا من 10 رصيد للثانية.
لقطة من “دين النيون”، مسلسل قصير بالذكاء الاصطناعي أُنتج بالكامل بواسطة SceneMixer (7 شخصية، 1 حلقة)
عينةدين النيونواقعية محرك الألعاب1 حلقةأُنتج بالكامل بواسطة SceneMixer من السيناريومشاهدة الحلقات

لماذا يستمر الناس في السؤال

قد يبدو فيديو الذكاء الاصطناعي المقنع مستحيلًا لمن لم يرَ إلا صورًا ثابتة مولّدة. كتب أحد المشاهدين، بعد أن أُخبر أن مقطعًا أعجبه مولّد بالذكاء الاصطناعي:

رأيت بعض الناس يقولون إنه ذكاء اصطناعي لكنني لا أستطيع أن أفهم كيف صُنع هذا بقدرات الذكاء الاصطناعي الحالية

جاء ذلك من منشور عنوانه السؤال نفسه في r/generativeAI. وجانب الحرفة في الجواب موضوع كبير بذاته: الموجّهات وتوجيه الكاميرا تستحوذ على نحو 22,000 منشور في مجموعة النقاش. والخلاصة أن هناك طبقتين: ما يفعله النموذج، وما يُفعل حوله.

داخل النموذج: من الضجيج إلى الإطارات

تتعلم معظم نماذج الفيديو الحالية من كميات هائلة من اللقطات المقرونة بأوصاف. وللتوليد تبدأ بضجيج عشوائي وتصقله على خطوات كثيرة، تدفع فيها كل خطوة الإطارات أقرب إلى شيء يطابق الوصف وأي صور مرجعية مقدّمة. والناتج مقطع قصير، عادة من بضع ثوانٍ حتى خمس عشرة أو ثلاثين، لأن الحفاظ على اتساق كل إطار يصبح أصعب كلما طال المقطع. وتضيّق الصور المرجعية باب التخمين: فمع صورة لشخصية يرسم النموذج ذلك الشخص، بدل أن يخترع شخصًا جديدًا يناسب الكلمات فقط. وفي النماذج الحالية يُولَّد الصوت، كوقع الخطوات والمطر وشخصية تنطق سطرًا، في المرور نفسه لا يُضاف بعد ذلك.

ولهذا يعجز النموذج وحده عن حمل قصة. فهو يرى طلبًا واحدًا في كل مرة. ولا يتذكر أن المحقق كان يرتدي معطفًا رماديًا في المقطع السابق، ما لم يُرِه الطلب التالي المعطف.

الخطوة الأولى: الكلمات

تبدأ القصة كسيناريو أو فصل أو سطر واحد. وفي SceneMixer يُقرأ النص إلى شخصيات وأماكن وأدوات وحلقات، ولكل حلقة مخطط. وهذه أرخص خطوة، وهي التي تقرر أكثر الأشياء.

الخطوة الثانية: المراجع

يحصل كل شخص على ورقة مرجعية لكامل الجسد، ويحصل كل مكان على صورة، وكلها مرسومة بالأسلوب البصري المختار في البداية. هذه هي الذاكرة التي يفتقدها النموذج: قصاصات الوجه والجسد من الورقة تُرفق بكل مقطع تظهر فيه الشخصية.

The Assets column of a SceneMixer project: six character cards in 1940s coats and uniforms, with location and item lists below
مكتبة المشروع: كل شخصية ومكان مرسوم مرة واحدة. وتُولَّد كل لقطة لاحقة مع إرفاق هذه الصور، وهكذا يبقى الوجه من مقطع إلى التالي.

الخطوة الثالثة: اللقطات نصًا

تُكتب كل حلقة كقصة مصورة: المكان، والوقت، والإطار الافتتاحي، ثم اللقطات مرقّمة مع ثوانيها والكاميرا والحركة والسطر المنطوق. وتعديل هذا النص لا يستدعي أي نموذج ولا يكلّف شيئًا، لذلك يحدث معظم الإخراج هنا. واللقطة التي تُقرأ بوضوح، أي مكان واحد وحركة واحدة وكاميرا تفعل شيئًا واحدًا، لقطة يستطيع النموذج رسمها؛ ويشرح كيف تكتب لقطة واحدة العادات التي تجعل اللقطة المكتوبة موثوقة، من الإطار الافتتاحي إلى طول السطر.

الخطوة الرابعة: مقاطع بصوت

تُولَّد بعض اللقطات في مكان واحد معًا كمقطع، مع إرفاق الصور المرجعية المناسبة، ويخرج المقطع وصوته داخله. ويبدأ المقطع التالي من حيث انتهى السابق، فتنتقل الحركة عبر القطع. والمقطع الذي يخطئ يُصلح بتغيير كلماته وإعادة توليده وحده.

كيف يُصنع فيديو الذكاء الاصطناعي، طبقة بعد طبقةالنموذجيصقل الضجيج إلى إطارات تطابق الوصف والمراجعالعنوان والشعارسيناريو يُقرأ إلى شخصيات وأماكن وأدوات وحلقاتالمراجعورقة لكل شخصية وصورة لكل مكاناللقطاتقصة مصورة نصية، يُعدَّل نصها مجانًاالمقاطعلقطات تُولَّد بالصوت، يبدأ كل منها حيث انتهى السابقالدمجمقاطع تُجمع في حلقة واحدة مع موسيقى تصويريةالنموذج يرسم، والطبقات حوله تتذكّر.
طبقة واحدة تولّد الصور؛ والطبقات الأخرى تتأكد أن الصور تنتمي للقصة نفسها.

الخطوة الخامسة: الدمج والإنهاء

تُدمج المقاطع في حلقة واحدة، بسعر 1 رصيد للثانية من الطول النهائي، مع موسيقى تصويرية تلقائية يمكن إيقافها. ويمكن رفع المقطع المنتهي درجة دقة واحدة في كل مرة بخيار «تحسين» حتى 2K، ويحمل الملف شارة صغيرة للذكاء الاصطناعي وعلامة وصفية على الحسابات المجانية. وحسب ما قيس على SceneMixer خلال الأيام الـ30 حتى 6 نوفمبر 2026، كانت الحلقة كاملة جاهزة عادة بعد 24 دقيقة من بدء أول مقطع.

قيود طريقة صنع فيديو الذكاء الاصطناعي

الأسئلة الشائعة

كيف تُصنع أفلام الذكاء الاصطناعي؟

بالطريقة نفسها، لكن على مدى أطول: سيناريو، وأوراق مرجعية للطاقم، وقصة مصورة لقطة بلقطة، ومقاطع كثيرة، ثم جمع. ونوع «فيلم» في SceneMixer يزيل حد طول الحلقة.

هل تستخدم فيديوهات الذكاء الاصطناعي لقطات حقيقية؟

لا. اللقطات المولّدة جديدة؛ والصور المرجعية توجهها، لكن لا يوجد فيديو مسجّل للمشهد أصلًا.

كم يستغرق صنع فيديو بالذكاء الاصطناعي؟

يستغرق التصيير دقائق لكل مقطع، والمقاطع تُنجز جنبًا إلى جنب؛ أما الكتابة والمراجعة فتستغرقان أكثر من التوليد.

ماذا أحتاج لصنع فيديو بالذكاء الاصطناعي؟

فكرة أو سيناريو، ومظهر، وطاقم مرسوم مرة واحدة. يكفي حاسوب ومتصفح؛ لا حاجة إلى كاميرا أو بطاقة رسوميات.

كيف يعمل فيديو الذكاء الاصطناعي؟

يحوّل نموذج الفيديو الوصف النصي، وغالبًا مع صور مرجعية، إلى بضع ثوانٍ من الصور المتحركة. تُخطَّط الفيديوهات الأطول كسلسلة من هذه اللقطات ثم تُوصل ببعضها، ويضيف SceneMixer خطوات السيناريو والطاقم والستوريبورد حول النموذج.

ذو صلة: ما هو فيديو الذكاء الاصطناعي، وما الذي يستطيعه وما لا يستطيعه بعد، وطريقة الجمع التي تقف خلف عدد الموضوعات.

اتبع الخطوات على قصتك

الكلمات، والمراجع، واللقطات، والمقاطع، والدمج. شاهد كل خطوة قبل أن تدفع ثمن التالية.

سجّل مجانًا

أسعار الفيديو لكل ثانية موجودة في صفحة الأسعار بالأرقام نفسها.