- المدونة
- أمثلة على أوامر الذكاء الاصطناعي لتحويل الصورة إلى فيديو: خمس صور ثابتة، خمسة أسطر حركة
أمثلة على أوامر الذكاء الاصطناعي لتحويل الصورة إلى فيديو: خمس صور ثابتة، خمسة أسطر حركة
خمسة أمثلة على أوامر تحويل الصورة إلى فيديو للبورتريهات والمنتجات والمناظر الطبيعية ومشاهد الشوارع والحيوانات الأليفة، مع قواعد تكييفها واختصارها.

الصورة الفوتوغرافية الثابتة تخبر النموذج بالفعل كيف يبدو المشهد. فالألوان والإطار والعدسة والإضاءة والملابس والشكل الدقيق للعنصر كلها محددة سلفًا في الملف الذي ترفعه. وما لا يقوله الملف هو ما ينبغي أن يحدث بعد ذلك. في هذه الفجوة يكمن دور أمر تحويل الصورة إلى فيديو بالذكاء الاصطناعي: فهو لا يصف الصورة مرة أخرى، بل يحدد أي أجزاء الصورة تتحرك، وفي أي اتجاه، وبأي سرعة، وأي أجزاء يجب ألا تتغير إطلاقًا.
الأمثلة الخمسة أدناه تتبع هذه القاعدة. كل مثال أمرٌ كامل لصورة ثابتة من نوع شائع، يليه سبب كتابته بهذه الطريقة والأجزاء التي تغيّرها عندما تختلف صورتك. وهي قصيرة عمدًا. الأمر الخاص بمقطع مدته خمس ثوانٍ يتسع لقرارين أو ثلاثة، أما المقاطع التي تبدو معطوبة فعادةً ما حاولت اتخاذ خمسة قرارات.
الصورة هي المرتكز، لذا يصف الأمر التغيّر
نماذج تحويل الصورة إلى فيديو مشروطة بالإطار الذي تقدمه، لذا فإن الملف المرفوع يحدد مسبقًا العنصر والمكان والأسلوب. ويقول دليل علي بابا لنماذج الفيديو الخاصة بها هذا بوضوح: في تحويل النص إلى فيديو تصف الكيان والمشهد والحركة، أما في تحويل الصورة إلى فيديو فالصورة تحدد الثلاثة جميعًا وينبغي أن يركز الأمر على الحركة وحركة الكاميرا. ويطرح دليل الأوامر الخاص بـ Kling النقطة نفسها بصيغة إجرائية: عندما تكون الصورة الثابتة نقطة البداية، توفر الصورة الأساس البصري بينما يصف الأمر الحركة واتجاه الكاميرا وما يتغير بمرور الوقت.
لهذا نتيجة عملية. كلمات المظهر في أمر تحويل الصورة إلى فيديو إما تُتجاهل أو تُعارض. فأمر لمنظر طبيعي يقول «الساعة الذهبية» فوق صورة مُلتقطة عند الظهيرة يدعو النموذج إلى إعادة رسم السماء داخل الإطار الأول، وهو ما يُقرأ كخطأ تقني لا كخيار إبداعي. أما المحتوى الموثوق فهو الأفعال: أن تطرف العين، أن ينزاح، أن يدور، أن يستقر، أن يعبر، أن يزداد إحكامًا.
سطران وقيود واحدة
يمكن بناء كل أمر تقريبًا يعمل على صورة ثابتة من سطرين وأمر ختامي.
السطر الأول هو الحركة: ما الذي يتحرك، وفي أي اتجاه، وبأي مقدار. سمِّ فعلًا واحدًا للعنصر الرئيسي وفعلًا واحدًا للخلفية على الأكثر. السطر الثاني هو الكاميرا: دفع للأمام، سحب للخلف، انزلاق، دوران حول المحور، أو تثبيت. قل «كاميرا ثابتة» صراحةً عندما لا تريد أن يتحرك شيء، لأن معظم النماذج تعتبر الصمت بشأن الموضوع إذنًا باختراع انزياح بطيء.
ثم أضف القيد: التفصيل الوحيد الذي سترفض المقطع من أجله إذا فقده. مثال زجاجة العطر في دليل Kling يجمع بين دوران بطيء ودفع ماكرو للأمام مع تعليمات بإبقاء الملصق واضحًا ودون تغيير. هذا القيد يفعل أكثر من أي صفة أسلوبية، لأنه يخبر النموذج أي جزء من الإطار غير قابل للتفاوض.
كلمات المقدار لها وزن حقيقي في أمر قصير. في إرشادات الحركة لدى علي بابا، تُحدد السرعة والشدة صراحةً بكلمات مثل «ببطء» أو «بسرعة» وعبارات مثل «تتأرجح بعنف». الكلمات الصغيرة تحرّك النتيجة مسافة طويلة، لذا أنفقها على الحركة الواحدة المهمة.
المثال 1: بورتريه يجب أن يثبت فيه الوجه
كاميرا ثابتة. تطرف المرأة مرة واحدة وتزفر، مع انخفاض كتفيها قليلًا. خصلات شعر عند صدغها تتحرك في تيار هواء خفيف. تبقى عيناها على العدسة ولا يتغير تعبيرها. أبقِ الوجه دون تغيير.
لماذا ينجح. انحراف الهوية هو نمط الفشل في الوجوه، لذا ينفق الأمر ميزانيته على فعل صغير واحد وحركة خلفية واحدة، ثم يُغلق بتثبيت صريح. لا توجد حركة كاميرا على الإطلاق: في طول المقطع هذا يميل الدفع للأمام على وجه إلى تمديد الملامح قبل أن يتحقق الفعل أصلًا.
كيف تكيّفه. بدّل الفعل، لا عدد الأفعال. الرجل الذي يرتدي سترة يحصل على لفّة واحدة للرأس؛ والشخص الجالس يحصل على يد واحدة تتحرك نحو مسند الذراع. أبقِ عبارة «لا يتغير التعبير» ما دامت اللقطة مقصودة لتبقى بورتريه.
المثال 2: منتج على سطح بسيط
كاميرا تدفع للأمام ببطء من زاوية ثلاثية الأرباع مرتفعة. تدور الزجاجة ربع دورة إلى اليمين. تنتقل حافة ظلها عبر السطح أثناء دورانها. يبقى الملصق حادًا ودون تغيير. لا أيدٍ، ولا أجسام إضافية.
لماذا ينجح. ربع دورة يكفي لإظهار أن الجسم ثلاثي الأبعاد من دون إخفاء الواجهة الأمامية. جملة الظل تمنح الدوران شيئًا يتفاعل معه، ما يحافظ على وضوح الحركة. قائمة النفي لا تتجاوز بندين، وهو تقريبًا كل ما يحترمه أمر قصير.
كيف تكيّفه. طابق الدوران مع قابلية القراءة. إذا كان الملصق يجب أن يبقى مقروءًا في الإطار الأخير، فاخفض الدوران إلى ثُمن دورة أو استبدله بمسحة ضوئية. أما السلع اللينة فبدّل الدوران بطيّة واحدة أو استقرار.

المثال 3: منظر طبيعي بحركة محيطة بطيئة
كاميرا ثابتة. السحب تنزاح ببطء من اليسار إلى اليمين. العشب في المقدمة يتحرك قليلًا مع الريح. يبقى الأفق مستويًا ولا تتغير الإضاءة.
لماذا ينجح. تفشل المناظر الطبيعية بالإفراط في التحريك: كل شجرة وطائر وسحابة تحصل على فكرتها الخاصة عن الحركة فيتحول الإطار إلى ضجيج. هذا الأمر يسمح بحركتين، ويمنح كلتيهما اتجاهًا، ثم يغلق باب الإضاءة، وهو ما يمنع النموذج من الانحراف إلى غروب مخترع.
كيف تكيّفه. اختر الحركة التي توحي بها الصورة. الماء يحصل على تموّج وانعكاس متغير؛ والغابة على حركة مظلّة الأشجار وورقة واحدة تتساقط؛ والصحراء على سراب حراري وزحف ظل بطيء. أبقِ سطر «لا تتغير الإضاءة» إلا إذا كانت الإضاءة هي مقصد اللقطة.
المثال 4: مشهد شارع أو سوق بحركة خلفية
الكاميرا تبقى ثابتة. المارّة يعبرون من اليمين إلى اليسار بخطوة مشي طبيعية، خارج نطاق التركيز قليلًا. تمرّ دراجة بخارية خلفهم مرة واحدة. تبقى واجهة المبنى واللافتات حادة ودون تغيير.
لماذا ينجح. الحشود هي المكان الذي تُنتج فيه نماذج تحويل الصورة إلى فيديو أبرز العيوب، لأن كل شخص يصبح مرشحًا لوضعية جديدة. تحديد اتجاه واحد للحشد ومرور واحد لمركبة يحافظ على تماسك الحركة، وإبقاء العمارة ساكنة يمنح العين شيئًا ثابتًا تقيس عليه الحركة.
كيف تكيّفه. قلّل عدد الأشخاص قبل أن ترفع مستوى التفاصيل. مارّان يعبران في اتجاه واحد سيُقرآن أفضل من ستة في ثلاثة اتجاهات. إذا لم تكن للصورة عنصر واضح، أضف عنصرًا ثابتًا صغيرًا، مثل عمود مصباح أو مدخل باب، واحمِه بسطر القيد.
المثال 5: لقطة قريبة لحيوان أليف أو حيوان
كاميرا ثابتة، لقطة قريبة. أذنا الكلب ترتفعان ورأسه يميل بضع درجات إلى اليسار. لسانه يتحرك مرة واحدة. يبقى نمط الفراء ولون العين دون تغيير. لا تغيير في الإضاءة.
لماذا ينجح. لقطات الحيوانات تغري النموذج باختراع التشريح: أصابع زائدة، ولسان ثانٍ، وخطم يطول في منتصف المقطع. التثبيت المسمّى لنمط الفراء ولون العين يمنح النموذج سببًا لإبقاء السطح متناسقًا، وإمالة صغيرة للرأس تكفي لتوحي بالحياة.
كيف تكيّفه. اضبط حجم الفعل بما يناسب كتلة الحيوان. القطة تحصل على رفّة أذن وطرف ذيل؛ والحصان على اتساع منخر وخطوة واحدة. تجنّب أفعال الجسم كاملًا في اللقطة القريبة، لأن الإطار لا يتسع لإظهار اكتمالها.
تكييف أي نمط مع صورتك
ثلاثة تبديلات تغطي معظم الحالات. أولًا، غيّر فعل العنصر إلى شيء تدعمه وضعية الصورة أصلًا: الشخص المتكئ على درابزين ينبغي أن ينقل ثقله، لا أن يمشي مبتعدًا. ثانيًا، اختر حركة الكاميرا من الإطار: اللقطة الواسعة بخط توجيه قوي تناسبها حركة الانزلاق، أما اللقطة الضيقة بلا هامش فينبغي أن تثبت. ثالثًا، أعد كتابة القيد بصيغة الشيء الذي سترفضه فعلًا: ملصق ضبابي، لون عين متغير، أفق منحرف.
طول المقطع يضع السقف لكل هذا. كثير من أنظمة تحويل الصورة إلى فيديو تنتج مقاطع قصيرة جدًا بحكم التصميم؛ فتوثيق Stable Video Diffusion، على سبيل المثال، يصف مخرجًا من ثانيتين إلى أربع ثوانٍ مشروطًا بصورة إدخال واحدة. فعِلان مكتوبان في أربع ثوانٍ سيتزاحمان، لذا عُدّ الأفعال مقابل الزمن قبل أن تضيف تفاصيل.

ما يجب استبعاده من أمر تحويل الصورة إلى فيديو
- إعادة وصف المشهد. النموذج يرى الصورة؛ والوصف الثاني ينافسها.
- الصفات الأسلوبية. الأسلوب جاء مع الملف. إذا كانت الصورة دافئة ومحبوبية بالفعل، فقول ذلك لا يضيف شيئًا وطلب شيء آخر يعارض المرتكز.
- حركتا كاميرا. اختر واحدة وأكملها.
- قوائم النفي الطويلة. بندان أو ثلاثة تُحترم؛ وعشرة تصبح ضجيجًا.
- تعليمات الصوت والحوار لنموذج صامت. احفظها لنموذج يستقبل الصوت كإدخال.
افحص المقطع قبل أن تعيد كتابة الأمر
راجع ثلاثة أشياء بالترتيب. الهندسة أولًا: هل الملصق ما زال الملصق، وهل الوجه ما زال الوجه نفسه، وهل الأفق ما زال مستويًا. التوقيت ثانيًا: هل اكتمل الفعل، أم قُطع في منتصفه. ثم التغيّر غير المرغوب: هل تغيّرت الإضاءة، هل ظهر جسم، هل نمت في الخلفية حشود ثانية.
غيّر سطرًا واحدًا في كل مرة بعد ذلك، حتى يخبرك المقطع التالي أي سطر كان خاطئًا. إذا لم يحدث الفعل إطلاقًا، فالعلاج عادةً بالحذف: اختصر الأمر وضع فعل الحركة في الجملة الأولى، قبل أي تفصيل مشهدي بقي. وإذا حدث الفعل لكنه تجاوز المقدار، أبقِ الجملة وخفّف كلمة المقدار.
يمكنك تجربة هذه الأنماط على صورك الثابتة باستخدام أداة KOOX لتحويل الصورة إلى فيديو بالذكاء الاصطناعي، وإذا أردت مجموعة أوسع من وصفات الحركة لبورتريه واحد، فإن دليل الحركات الست يغطي الطبقة التالية من الخيارات.