مطالبات تحويل الصورة إلى فيديو: هيكل من خمسة أسطر يصمد مع أي صورة ثابتة

مطالبة تحويل الصورة إلى فيديو ليست وصفًا لمشهد. المشهد موجود على شاشتك بالفعل: لون المعطف، وضوء النافذة، وشكل الكأس، والقصّ الدقيق للإطار. وما لا تستطيع الصورة الثابتة أن تخبر به النموذج هو ما ينبغي أن يحدث بعد ذلك، وهو الشيء الوحيد الذي يستحق أن تُنفق عليه الكلمات.

معظم المقاطع المخيبة للآمال تأتي من مطالبات تعيد وصف الصورة للنموذج. عشرة نعوت عن امرأة بمعطف أحمر لا تمنح المولّد شيئًا يحرّكه، فيوفّر هو انزياحه الخاص وتقريبه الخاص وترنّحه البطيء. أما المطالبات التي تصمد فهي أقصر وأكثر تنظيمًا: سطر لتثبيت الإطار، وسطر لتسمية حركة مرئية واحدة، وسطر لاتخاذ قرار واحد بشأن الكاميرا، وسطر لضبط الإيقاع، وسطر لحصر ما يجب ألا يتغير.

ما قرّرته الصورة الثابتة سلفًا

تصل الصورة المصدرية وقد أُجيب عن معظم أجزاء المطالبة مسبقًا. الموضوع مختار، وللضوء اتجاه، وللتكوين قصّ، ولوحة الألوان ثابتة. ويعرض دليل المطالبات من Kling إطارًا من ستة أجزاء - الموضوع، والحركة، والمشهد، والكاميرا، والإضاءة، والمزاج - وعندما تحرّك صورة ثابتة، يكون أربعة من هذه الستة مرئية بالفعل في الملف. الحركة والكاميرا وحدهما مفتوحتان حقًا، والمزاج عادةً ما يحدده الضوء الذي لا تستطيع تغييره على أي حال.

ولهذا ينبغي أن تكون مطالبة تحويل الصورة إلى فيديو أقصر بكثير من مطالبة تحويل النص إلى فيديو. وتعبّر مكتبة المطالبات من Founderz عن الشرط نفسه من الاتجاه المقابل: المطالبة الجيدة لفيديو بالذكاء الاصطناعي تسمّي حركة مرئية واحدة، واللقطة وحركة الكاميرا، والضوء، والمدة، وما يجب ألا يتغير. في الصورة الثابتة، الضوء معطى. أما الأربعة الأخرى فهي لك.

لذا تعامل مع المطالبة كأنها ميزانية للحركة. كل جملة تنفقها في إعادة وصف الصورة هي جملة لم تنفقها على التغيير، ويملأ النموذج تلك الفجوة بحركة عامة: دفع بطيء لم يطلبه أحد، أو وميض يعبر الإطار كله، أو موضوع يبدأ بالتنفس وكان ينبغي أن يبقى جامدًا.

الهيكل المكوّن من خمسة أسطر

اكتب خمسة أسطر بهذا الترتيب. تبلغ معًا نحو أربعين إلى ستين كلمة، وهو الحجم المناسب لمقطع من بضع ثوانٍ.

• المرساة. ثبّت ما لا يُسمح للنموذج بإعادة تصميمه: «التأطير نفسه، والعدسة نفسها، والضوء نفسه كما في الصورة المصدرية». من دون مرساة يتعامل النموذج مع الصورة كاقتراح ويعيد تركيبها، ومن هنا تأتي القصّات غير المتطابقة والآفاق المنزاحة.
• الحركة. فعل مرئي واحد مرتبط بموضوع واحد: «تدير رأسها بضع درجات نحو النافذة ثم تتوقف». حركة واحدة، لا تسلسل. ووجود حركتين في مقطع واحد يعني عادةً أن أيًّا منهما لا يكتمل.
• الكاميرا. سمِّ حركة واحدة ومقدارها: «دفع بطيء إلى الأمام، ينتهي أقرب بنحو عشرة في المئة، متمركزًا على الملصق». وإذا لم تكن اللقطة بحاجة إلى حركة كاميرا، فقل ذلك صراحةً - «كاميرا ثابتة» تعليمات صحيحة وغالبًا أفضل.
• الإيقاع. اربط الحركة بالزمن: «شبه ساكنة في الثانية الأولى، تكتمل الالتفاتة مع الثانية الثالثة، وتبقى الثانية الأخيرة ثابتة». تمدّ النماذج الحركة على المقطع كله افتراضيًا، وهو ما يُقرأ كانزياح بطيء مستمر؛ ومنحها جدولًا زمنيًا يجعل الحركة تبدو مقصودة.
• قائمة الثوابت. الأشياء التي يجب ألا تتغير أو يجب ألا تظهر: «يبقى الملصق مقابلًا للكاميرا ويبقى حادًا، ولا تدخل أيدٍ إلى الإطار، ولا أشياء جديدة، ويبقى الفم مغلقًا». لا تعمل التوقعات السلبية إلا عندما تكون محددة.

اقرأ الأسطر الخمسة بالترتيب وستحصل على خطة لقطة تتسع في رسالة نصية. أما إن قرأتها بترتيب مختلف، أو تخطيت أحدها، فيمكنك عادةً أن تتوقع نوع الإخفاق الذي ستحصل عليه.

أربع صور، هيكل واحد

الهيكل قابل للنقل لأنه لا يذكر موضوعًا بعينه. وهذه هي الأسطر الخمسة نفسها مملوءة لأربعة أنواع شائعة من الصور المصدرية.

صورة شخصية عند نافذة. المرساة: القصّ نفسه، والضوء الجانبي الناعم نفسه. الحركة: تدير رأسها قليلًا نحو النافذة ثم تستقر. الكاميرا: ثابتة. الإيقاع: شبه ساكنة في الثانية الأولى، وتنتهي الالتفاتة مع الثالثة، ثم ثبات حتى النهاية. قائمة الثوابت: خط الشعر نفسه وخط الخلفية نفسه، والفم مغلق، ولا أيدٍ. الحركة الصغيرة هي المقصودة - التفاتة الرأس بضع درجات تُقرأ كحياة، بينما الالتفات الكامل بالجسم يمنح النموذج وقتًا لاختراع وجه ثانٍ.

منتج على خلفية متصلة. المرساة: التكوين المتمركز نفسه والظل نفسه على السطح. الحركة: تدور الزجاجة بما لا يزيد على خمس عشرة درجة بحيث يلتقط الملصق الضوء. الكاميرا: دفع بطيء جدًا إلى الأمام. الإيقاع: يبدأ الدوران فورًا، ويستمر الدفع بانتظام حتى الإطار الأخير. قائمة الثوابت: يبقى نص الملصق حادًا ومقروءًا، ولا انعكاس يكتسح الملصق، ولا جزيئات عائمة. مقاطع المنتجات تفشل في النص أولًا، لذا تقوم قائمة الثوابت بمعظم العمل هنا.

مشروب ببخار مرئي. المرساة: الكأس نفسه، وحافة الطاولة نفسها، والإضاءة الخلفية نفسها. الحركة: يتصاعد البخار ويلتف ثم يترقق؛ ويبقى التكاثف في مكانه. الكاميرا: ثابتة. الإيقاع: متصل، بلا تدرّج في السرعة، وحركة منتظمة على المقطع كله. قائمة الثوابت: لا سكب، ولا ثلج جديد، ولا حركة للسائل. والحركة المحيطة أسهل أنواع الحركة في الإتقان لأن الموضوع نفسه لا يحتاج إلى تغيير - فقط الهواء حوله.

مشهد داخلي أو منظر طبيعي. المرساة: الأفق نفسه والتأطير نفسه. الحركة: تتحرك الستارة قليلًا؛ وتتحرك أوراق بعيدة. الكاميرا: انزياح جانبي بطيء إلى اليمين. الإيقاع: سرعة ثابتة من الإطار الأول إلى الأخير. قائمة الثوابت: يبقى الأفق مستويًا، ولا أثاث جديد، ولا أشخاص. وهذه هي الحالة الوحيدة التي تستحق فيها كاميرا متحركة مكانها، لأن الإطار الذي فيه مقدمة ووسط وخلفية ينفصل إلى طبقات مع انتقال الكاميرا - وهو الأثر الذي يجعل صورة مسطحة تبدو ثلاثية الأبعاد.

اتخذ قرارًا واحدًا بشأن الكاميرا، لا ثلاثة

سطر الكاميرا هو الموضع الذي تتجاوز فيه المطالبات حدودها عادةً. ويعرض تحليل Getimg لحركات الكاميرا السينمائية في الذكاء الاصطناعي الحجة بوضوح: كل واحدة من الحركات السبع القياسية - الدفع إلى الأمام، والانسحاب الكاشف، والتتبع الجانبي، والدوران حول الموضوع، والإمالة الكاشفة، والرفع بالرافعة، والتتبع المحمول باليد - تؤدي وظيفة واحدة محددة، واختيار الحركة الصحيحة أهم من تكديس عدة حركات. وتشخيصهم للإخفاق الشائع دقيق: تحصل النتيجة على تقريب عشوائي، أو انزياح غير مستقر، أو كاميرا تطفو بلا اتجاه، لأن قرار الكاميرا لم يُتخذ أصلًا.

ويترتب على ذلك نتيجتان عمليتان. أولًا، سمِّ السرعة إلى جانب الحركة، لأن «الدفع إلى الأمام» وحده قد يصل كاندفاع مفاجئ. ثانيًا، تحقق مما إذا كان الإطار المصدر قادرًا على حمل الحركة التي تريدها. فالانزياح الجانبي أو الدوران حول الموضوع يحتاج إلى عمق ليكشف عنه؛ وفي إطار مسطح كل شيء فيه على مستوى واحد لا يوجد ما ينفصل، وتُقرأ الحركة نفسها كانزلاق. وإذا كانت صورتك مسطحة، فاختر الدفع إلى الأمام ودع حركة الموضوع تحمل المقطع بدلًا من ذلك.

اقرأ المقطع بحسب العَرَض، ثم أصلح سطرًا واحدًا

حين يخفق مقطع، تكون الرغبة في إعادة كتابة كل شيء. قاومها. فكل إخفاق تقريبًا يعود إلى سطر واحد من الهيكل، وإصلاح ذلك السطر تعديل يستغرق عشر ثوانٍ.

• الإطار كله ينزاح أو يتنفس: سطر المرساة أو الكاميرا غامض. أضف «كاميرا ثابتة، إطار مثبّت على حامل ثلاثي» وأعد ذكر التأطير الأصلي.
• الوجه يغيّر هويته بين الإطارات: هناك الكثير مما يحدث في آن واحد. جمّد الكاميرا واختصر الحركة إلى حركة صغيرة واحدة.
• كل شيء يتحرك في آن واحد، بما في ذلك أشياء ينبغي أن تبقى ساكنة: قائمة الثوابت غائبة أو مجردة جدًا. سمِّ العناصر التي تبقى في مكانها.
• يبدو كتقريب عرض شرائح بلا حياة: سطر الإيقاع غائب، لذا تُوزّع الحركة بالتساوي. امنح الحركة بداية ونهاية وثباتًا.
• يظهر جسم جديد أو زوج من الأيدي: تحتاج قائمة الثوابت إلى نفي صارم - «لا تدخل أيدٍ إلى الإطار، ولا أشياء جديدة، ولا نص مضاف».
• ينهار المقطع في النهاية أو يتكرر بشكل سيئ: الثانية الأخيرة لم تُكتب قط. حدّد كيف يبدو الإطار الأخير واقطع عنده.

أبقِ المقاطع قصيرة واقطع بدلًا من التمديد

التوليد قصير بحكم التصميم، وتمديد المقطع يميل إلى تراكم الأخطاء الصغيرة: يلين الوجه، ويتشوه الملصق، وتكتسب الخلفية تفاصيل لم تكن موجودة. فخطط لعدد قليل من المقاطع النظيفة بدلًا من لقطة طويلة واحدة. اكتب الأسطر الخمسة نفسها لكل مقطع، مع تغيير الحركة ومقدار الكاميرا فقط، ثم اقطعها معًا على ضربة حركة. وتُقرأ النتيجة كتسلسل بدلًا من لقطة واحدة تتدهور.

أين تُشغّل الهيكل

مولّد Wan 2.6 لتحويل الصورة إلى فيديو من KOOX AI مبني على هذا الفصل بالضبط: أنت توفّر الصورة المصدرية، ثم تصف الحركة واتجاه الكاميرا والمزاج، وتكرّر حتى يطابق المقطع الهدف. وتوضح الصفحة صراحةً أن الصورة الأصلية موجودة للحفاظ على هوية الموضوع والتأطير والتكوين ثابتة أثناء إضافة الحركة - وهذا هو سطر المرساة، مفروضًا بالأداة لا بصياغتك.

وإذا كنت تفضّل البدء من صورة لديك بالفعل بدلًا من توليد إطار جديد، فإن أداة تحويل الصورة إلى فيديو تتبع الشكل نفسه من ثلاث خطوات، وتعمل على أفضل وجه مع صورة واضحة وجيدة الإضاءة وموضوع ظاهر. وإن أردت التعمق في لغة الكاميرا إلى ما هو أبعد من حركة واحدة، فإن خمس وصفات لقطات تستعرض إخراج تسلسل قصير بدلًا من مقطع واحد.

فحص سريع قبل التشغيل في ستين ثانية

قبل أن تضغط على زر التوليد، اقرأ مطالبتك وأجب عن خمسة أسئلة. هل التأطير مثبّت؟ هل هناك حركة مرئية واحدة بالضبط؟ هل هناك قرار واحد بالضبط بشأن الكاميرا، مع سرعة؟ هل الحركة مجدولة زمنيًا؟ هل هناك قائمة بالأشياء التي يجب ألا تتغير أو تظهر؟

خمس إجابات بنعم، وستكون لديك مطالبة قابلة للتصحيح. وإجابة واحدة بلا، وستعرف أي سطر تعدّله قبل أن تنفق عملية توليد أخرى عليها. والهيكل ليس وصفة لفكرة جيدة - إنه ما يتيح لك أن تعرف، من النتيجة، هل كانت المشكلة في فكرتك أم في صياغتك.