تحويل النص إلى فيديو باستخدام Veo 3: ستة أخطاء تُفسِد مقطعًا جيدًا

نادرًا ما يفشل Veo 3 على نحو عشوائي. عندما يعود المقطع بكاميرا تنزلق متجاوزةً الهدف، أو يد تذوب في سطح الطاولة، أو جملة منطوقة تصل بعد أن يتوقف الفم عن الحركة بنصف ثانية، فالسبب عادةً فراغ في الأمر النصي. لقد ملأ النموذج هذا الفراغ نيابةً عنك، وملأه بتخمين من عنده.

الأخطاء التالية هي الأكثر استنزافًا لعمليات التوليد في العمل على تحويل النص إلى فيديو باستخدام Veo 3، وهي مرتبة تقريبًا بحسب حجم ما تُتلفه في المقطع. لكل خطأ تصحيح لا يكلّفك سوى عبارة واحدة بدلًا من ميزانية إعادة توليد كاملة، وكل منها يمكن التحقق منه قبل أن تضغط زر التوليد.

الخطأ الأول: أن تطلب من مقطع قصير واحد أن يحكي مشهدًا كاملًا

عملية التوليد الواحدة لقطة واحدة، لا مشهد كامل. نماذج Veo المنشورة من Google DeepMind نفسها تصف كل منها هدفًا واحدًا وسلوك كاميرا واحدًا وطبقة صوت واحدة؛ وكذلك أمثلة Veo 3.1 المنشورة من Magic Hour، فكل منها توليد واحد مدته ثماني ثوانٍ، مع ملاحظة في المراجعة بأن الناتج لقطة إدراجية واحدة لا تسلسلًا كاملًا.

من السهل أن تكتب هذا الخطأ من غير قصد: «تدخل المقهى، وتطلب فلات وايت، وتجلس قرب النافذة، وتتفقد هاتفها». هذه أربعة أفعال تتنافس على ثماني ثوانٍ. وما يعود إليك عادةً هو الفعل الأوسط، مؤدّى على نحو غامض، والهاتف يظهر قبل أن تصل اليد إلى الجيب.

صحّح ذلك باختيار الفعل الواحد الذي يحمل اللقطة. أبقِ الدخول وتفقّد الهاتف في عمليتي توليد منفصلتين، ثم اقطعهما معًا في برنامج مونتاج. وإذا لم تستطع تحديد أي فعل هو الأهم، فاللقطة ليست جاهزة بعد لكتابة أمر نصي لها.

الخطأ الثاني: تكديس حركات كاميرا تتناقض فيما بينها

عبارة «تحريك أفقي بطيء، ودوران حول الهدف، ودفع إلى الأمام» تُقرأ وكأنها لغة تصوير سينمائي، لكنها تتصرف كثلاث تعليمات متعارضة. قائمة استكشاف الأخطاء لدى Magic Hour تسمّي هذا بالضبط: الكاميرا تتجاهل الخطة، والحل أن تختار سلوك كاميرا واحدًا، وتحدد اتجاهه ووتيرته، وتحذف الحركات التي تعارضه.

انتبه إلى العلامة الفارقة في الناتج. المقطع الذي ينفّذ الحركة تنفيذًا ناقصًا، فيدفع إلى الأمام دون أن يرتفع أبدًا، أو يدور حول هدف ينزلق خارج الإطار، يكون عادةً أمرًا نصيًا يحمل حركتين لا نموذجًا عاجزًا عن تحريك الكاميرا.

اكتب حركة واحدة واتجاهًا واحدًا ووتيرة واحدة: «تنفّذ الكاميرا دفعة واحدة بطيئة إلى الأمام، وتنتهي بلقطة قريبة متوسطة لليدين». لا تضف حركة ثانية إلا بعد أن تنجح الأولى بمفردها.

الخطأ الثالث: وصف الحالة المزاجية بدل الفعل المرئي

كلمات مثل «سينمائي» و«فاخر» و«عاطفي» و«ديناميكي» لا تقابلها بكسلات. فهي أحكام على اللقطة النهائية، وليس للنموذج سبيل إلى تجسيد حكم. ما يستطيع تجسيده هو سطح، واتجاه إضاءة، وحركة.

قائمة الأخطاء لدى Higgsfield تقول الشيء نفسه من الجهة المقابلة: اربط العاطفة بشيء تراه الكاميرا، مثل يد مترددة على الفرامل أو نظرة متلبّثة، بدلًا من تسمية الشعور. أما علاج Magic Hour فهو تمرين استبدال، حيث يصير «الفاخر» معدنًا مصقولًا وسطحًا مطفيًا وإضاءة حافة مضبوطة، ويصير «السينمائي» ارتفاع كاميرا محددًا وإحساس عدسة محددًا.

قارن بين «لحظة قهوة فاخرة» و«بخار يتصاعد من فنجان أبيض على طاولة بلوط مخدوشة، ضوء صباحي منخفض من اليسار، الكاميرا ثابتة، والفنجان والصحن لا يتغيران». تمنح النسخة الثانية النموذج أربعة أشياء يستطيع رسمها فعلًا وشيئًا واحدًا يجب ألا يغيّره.

الخطأ الرابع: صياغة الاستثناءات كأنها أوامر

ينتهي معظم كاتبي الأوامر النصية بسطر مثل «بلا نصوص، بلا علامة مائية، بلا أشخاص إضافيين». دليل كتابة الأوامر لتوليد الفيديو من Google نفسه يطلب الشكل المعاكس: تجنّب اللغة التوجيهية مثل «بلا جدران» أو «لا تُظهر جدرانًا»، وأن تصف العناصر غير المرغوبة في قائمة بدلًا من ذلك، بتسمية الأشياء التي لا تريد رؤيتها.

وتنتج عن ذلك نتيجتان عمليتان. الأولى: أبقِ الاستثناءات في الصيغة التي دُرّب النموذج على قراءتها، أي تسمية الأشياء بدل مناقرتها. الثانية: تعامل مع أي استثناء كطلب لا كضمان. وتقول Magic Hour هذا بصراحة بخصوص التسميات التوضيحية: التعليمة التي تستثني النصوص تبقى طلبًا، ويجب مع ذلك فحص الإطارات الأخيرة بحثًا عن أي حروف شاردة.

لذا يصبح السطر «نصوص، علامة مائية، أشخاص إضافيون»، وتصبح خطوة المراجعة فحصًا للإطارين أو الثلاثة التي يظهر فيها النص عادةً: اللافتات والشاشات والعبوات وأي سطح مواجه للكاميرا.

الخطأ الخامس: التعامل مع الصوت كتعليق نصي لا كمسار صوتي

يولّد Veo 3 الصوت داخل النموذج نفسه، فتخرج المؤثرات الصوتية والضجيج المحيط والحوار من المسار نفسه الذي تخرج منه الصورة. هذه أكبر ميزة للنموذج على مولّدات الفيديو الصامتة، وأسرع طريقة لتبديدها هي التعامل مع الصوت كفكرة لاحقة تُلحق بوصف بصري.

يهيمن على الإخفاقات شكلان. الأول جملة منطوقة أطول من اللقطة: بحلول نهاية الجملة يكون الفم قد توقف عن الحركة أو تكون الجملة قد اقتُطعت. والثاني طلب صوتي واحد غير مفصول، تُكوَّم فيه الموسيقى وصوت الغرفة والمؤثرات والكلام في عبارة واحدة، فيختار النموذج واحدًا ويسقط الباقي.

افصل الطبقات وسمِّ المتحدث. «صوت غرفة استوديو هادئ، طرقة معدنية واحدة حين يلمس المفتاح الطاولة، بلا موسيقى» تعليمة مزج. أما «تقول، بصوت هادئ، إن هذه جاهزة لحفلة العشاء الأولى» فهي تعليمة أداء. أبقِ الجملة قصيرة بما يكفي للمدة التي طلبتها فعلًا، واحسب كلماتها مقابل الثواني لا مقابل النص المكتوب.

الخطأ السادس: ترك نقاط التلامس والفيزياء دون تحديد

كل ما يتركه الأمر النصي دون تحديد يقرره النموذج. قائمة التحقق لدى Higgsfield تحوّل هذا إلى فحص مسبق ملموس: سمِّ نقاط التلامس، أي الأيدي والأصابع وما يلمس ماذا، مع مصدر إضاءة واحد مسمّى واتجاه الحركة.

لهذا تكون الأيدي الضحية الكلاسيكية. الأمر النصي القائل «تلتقط المفتاح» يترك القبضة وعدد الأصابع والزاوية دون حل، فيحلها التوليد في مكان ما بين المعقول والخطأ. أما «تقرص الإبهام والسبابة المفتاح من حلقته وترفعه عن الطاولة» فيترك مجالًا أضيق بكثير.

والفيزياء تتصرف بالطريقة نفسها. القماش والسوائل والشعر هي أكثر ما يرتجل فيه النموذج، فحدد ما يجب أن يبقى ثابتًا: السترة لا تتحرك، السائل يبقى مستويًا في الكأس، وميناء الساعة وسوارها يظلان دون تغيير طوال اللقطة. هذه الأسطر رخيصة، وهي الفرق بين لقطة منتج صالحة وإعادة تصوير.

أصلح التعليمة، لا الأمر النصي كله

الغريزة بعد مقطع سيئ هي إعادة كتابة كل شيء، وهذا يدمّر دليلك. غيّر تعليمة واحدة في كل محاولة، وستعرف أي جملة كانت المسؤولة.

احتفظ بتوليد مرجعي: لقطة مثبتة للهدف نفسه، بالصوت نفسه، تعرف أنها ناجحة. وعندما تفشل محاولة جديدة، قارن بينهما وسمِّ الفرق. إذا تغيّر موضع الخلل في كل مرة تعيد فيها تشغيل النص نفسه، فالمشكلة في الأمر النصي. وإذا كان الخطأ على الشكل نفسه بالضبط في كل تشغيل، فالمشكلة في إعداد ما، ولن تنفعك صفات وصفية إضافية.

قبل إعادة الكتابة، مرّر العَرَض على هذا الترتيب: دقة تحديد الهدف، عدد الأفعال، عدد حركات الكاميرا، مصدر الإضاءة، نقاط التلامس، طبقات الصوت، ثم الثوابت. أول عنصر يكون ناقص التحديد فعلًا في نصك هو ما يجب إصلاحه، وهو عادةً العنصر الوحيد.

فحص يلتقط معظم هذا قبل التوليد

اقرأ الأمر النصي مرة واحدة وضع علامة على كل سطر. وأي سطر بلا جواب، سيقدّم النموذج جوابًا من عنده.

• هدف واحد، موصوف بدقة تكفي للتعرّف عليه من النص وحده.
• فعل واحد، معبَّر عنه بفعل له نتيجة مرئية.
• سلوك كاميرا واحد، باتجاه ووتيرة.
• مصدر إضاءة واحد مسمّى، باتجاه.
• كل نقطة تلامس مسمّاة: الأيدي، الأقدام، الأشياء المستندة إلى الأسطح.
• صوت مقسّم إلى كلام وأجواء ومؤثرات وموسيقى، مع تسمية المتحدث.
• سطر ثوابت: ما يجب ألا يتغير خلال اللقطة.
• المدة والدقة ونسبة الأبعاد تُضبط في الواجهة، لا في الجملة.

العنصر الأخير أهم مما يبدو. الأمر النصي الذي يطلب تأطيرًا رأسيًا لا يغيّر قماش الإخراج كما يفعل إعداد رأسي، والمقطع الأفقي المقصوص إلى رأسي سيبتر الحركة التي تهمك. وحيثما أتاحت الأداة عنصر التحكم، استخدم عنصر التحكم.

لا شيء من هذا يجعل Veo 3 متوقعًا بالطريقة التي تكون بها لوحة القصة متوقعة. لكنه يجعل الإخفاقات مقروءة، وهذا هو الجزء الذي يمكنك العمل عليه: مقطع يفوّت شيئًا واحدًا مسمّى يمكن إصلاحه بتغيير واحد مسمّى، أما مقطع يفوّت كل شيء فمعناه عادةً أن الأمر النصي طلب كل شيء دفعة واحدة. وإذا كنت ما زلت تحدد أي اللقطات تستحق التوليد، فإن حالات استخدام Veo 3 التي تلائم المقاطع القصيرة تتناول هذا الاختيار، ومولّد فيديو Veo 3 هو المكان الذي يذهب إليه الأمر النصي المصحّح.