الوصف الذي ينتج بطاقة بريدية بدلًا من مشهد
تكتب: مسافر يعبر حافة صحراوية عند الغروب، سينمائي، إضاءة جميلة. فيعود إليك شيء صحيح تقنيًا لكنه جامد تمامًا. هو على الحافة. الضوء دافئ. ولا يحدث شيء لمدة اثنتي عشرة ثانية، وأي صوت يصل اختاره النموذج لا أنت.
الوصف لم يكن خاطئًا. كان تعليقًا على صورة فوتوغرافية سُلّم إلى نظام يولّد الزمن. ينتج MiniMax H3، ويُكتب أيضًا Hailuo 3 أو H3 ببساطة، مقاطع تصل إلى 15 ثانية مع صوت ستيريو أصلي، وكل ثانية من هذه الثواني إما أن توجّهها أو تتنازل عنها. أصبح H3 متاحًا الآن على Atlabs، أي أن الحل متوفر في المكان نفسه الذي يوجد فيه النموذج.
لماذا التوجيه الزمني أهم من الوصف
العادة التي يجلبها معظم الصنّاع إلى H3 تشكّلت على نماذج الصور، حيث الوصف قائمة صفات والمخرجات لحظة واحدة مجمّدة. إضافة الصفات إلى وصف صورة تحسّنه فعلًا. أما إضافة الصفات إلى وصف فيديو فتنتج في الغالب نسخة أجمل من لا شيء يحدث.
يحتاج الفيديو إلى ثلاثة أشياء لا يستطيع الوصف توفيرها. يحتاج إلى تغيّر عبر الزمن، أي أن تسمّي ما يختلف في الثانية الثانية عشرة عن الثانية الثانية. ويحتاج إلى سلوك الكاميرا، لأن الكادر الذي لا يتحرك يُقرأ ككاميرا مراقبة مثبتة ما لم تقل غير ذلك، والكادر الذي يتحرك دون توجيه يتحرك كما شاء النموذج. ويحتاج إلى الصوت، لأن H3 يولّد صوت ستيريو أصليًا في المرور نفسه سواء طلبته أم لا، فالمقطع الصوتي غير المحدد ليس صمتًا بل مقطع اختاره شخص آخر.
يتبع التعامل مع المراجع المنطق نفسه. يقبل H3 صورًا متعددة، تصل عادةً إلى نحو تسع، إضافة إلى مراجع فيديو وصوت محدودة بحسب الواجهة. العدد أقل أهمية بكثير من التكليف. المرجع الذي لا مهمة محددة له يؤثر في المخرجات مع ذلك، لكنه يؤثر فيما يقرر النموذج أنه ينبغي أن يؤثر فيه، ومن هنا تبدأ معظم شكاوى انحراف الهوية فعلًا. قل إن الصورة الأولى تقفل الوجه والملابس، والثانية تحدد الإضاءة فقط، فيتوقف الانحراف عن كونه لغزًا.
سير العمل على Atlabs لهذا
سير العمل الأقرب إلى كتابة أوصاف H3 هو Script to Video، لأنه يحوّل الانضباط إلى حقول تملؤها بدلًا من فقرة عليك أن تتذكر هيكلتها بشكل صحيح.
يعمل Script to Video في ثلاث خطوات. تمنحك الخطوة 1 وضعي إدخال: "أضف نصّك" (Add your script) للأعمال المبنية على السرد و"أضف السيناريو السينمائي" (Add your screenplay) للأعمال المنظّمة. الصق أي نص بصيغة سيناريو وسيعرض Atlabs رسالة "تم اكتشاف سيناريو" (Screenplay Detected) ويفتح عرضًا مخصصًا تظهر فيه في اللوحة اليسرى نتائج تحليل الذكاء الاصطناعي لصوت الراوي والمواقع والممثلين، بينما تقسّم اللوحة اليمنى العمل إلى مشاهد بنوع الموقع والموقع ووقت اليوم. وداخل كل مشهد توجد أوصاف اللقطات (SHOT) وكتل الحوار (DIALOGUE) التي تحمل اسم الشخصية والجملة المنطوقة ونبرة الإلقاء.
قائمة اللقطات هذه هي النسخة المتاحة في الواجهة للنبضات الزمنية. ولوحة الممثلين هي النسخة المتاحة في الواجهة لقفل أدوار المراجع. أنت تكتب الوصف نفسه، لكن البنية مفروضة بدلًا من أن تعتمد على تذكّرك.
الشرح خطوة بخطوة
1. اكتب النبضات قبل أن تفتح أي شيء. حدّد ما الذي يتغير في كل مرحلة. لمقطع مدته 15 ثانية يعني هذا عادةً ثلاث كتل: من 0 إلى 5 ثوانٍ، ومن 5 إلى 10، ومن 10 إلى 15. حدث واحد لكل كتلة، وحركة كاميرا واحدة لكل كتلة. إذا ضمّت الكتلة حدثين غير مرتبطين فقسّمها أو احذف أحدهما. مقاطع H3 قصيرة، ونبضة واحدة قوية تتفوق دائمًا على ثلاث متعجلة.
2. اختر وضع الإدخال في الخطوة 1. استخدم "أضف نصّك" عندما يقوم العمل على السرد وتريد أن يتولى محدد اللغة وزر كاتب السيناريو بالذكاء الاصطناعي الحمل. واستخدم "أضف السيناريو السينمائي" عندما تعرف لقطاتك مسبقًا. تقدّم لوحة السيناريوهات المقترحة (Suggested Scripts) ثلاث نقاط انطلاق مولّدة إن كان التحرير أسهل عليك من حقل فارغ.
3. ابنِ تقسيم المشاهد. حدّد نوع الموقع (خارجي أو داخلي)، ثم الموقع ووقت اليوم. أضف أوصاف اللقطات (SHOT) بترتيب التشغيل، واحدًا لكل نبضة، واكتب كلًا منها كحركة لا كتكوين. عبارة "تتبّع جانبي بطيء بمستوى الخصر مع الحفاظ على الجانب" تمنح النموذج شيئًا ينفّذه. أما "لقطة سينمائية جميلة" فلا تمنحه شيئًا. أضف كتل الحوار (DIALOGUE) حيث تتكلم الشخصيات، مع اسم الشخصية والجملة ونبرة الإلقاء.
4. حدّد أسلوبك في الخطوة 2. تتيح نسبة الأبعاد (Aspect Ratio) اختيار 9:16 لـ TikTok وInstagram، و16:9 لـ YouTube، و1:1 لـ LinkedIn وTwitter وFacebook وPinterest. ويتيح أسلوب الفيديو (Video Style) خيارات AI Video (موصى به) وAI Storyboard وUpload لوسائطك الخاصة. اختر النسبة قبل أن تنهي التكوين، لأن قوسًا بطيئًا يبدو جيدًا بنسبة 16:9 يُقتطع إلى شيء آخر تمامًا بنسبة 9:16.
5. أنهِ اختيار الممثلين في الخطوة 3. تظهر الشخصيات المستخرجة من نصّك مع خيار Click to Edit، إلى جانب خيار إضافة شخصية (Add Character) وقوائم منسدلة للّهجة حسب البلد (Country Accent) وصوت الراوي (Narrator Voice). تعريف الشخصية هنا يؤدي العمل نفسه الذي يؤديه وضع صورة هويتك أولًا في مجموعة المراجع. فيحصل النموذج على إجابة ثابتة واحدة عن هوية هذا الشخص بدلًا من ارتجال شخصية جديدة في كل لقطة.
6. ولّد، ثم أصلح بدلًا من أن تبدأ من جديد. عندما يفشل مقطع في جزء منه، خذه إلى "تعديل الفيديو" (Modify Video) وارفعه، ثم أشِر إليه بـ @Video1 في الوصف، وصف الفيديو النهائي الذي تريده، وأرفق حتى أربع صور مرجعية لتوجيه الأسلوب. يتوفر لخيار "الاحتفاظ بالصوت الأصلي" (Keep Original Audio) مفتاح تشغيل وإيقاف، فلا يكلفك إصلاح الصورة خسارة صوت كنت راضيًا عنه.
لماذا يعمل Atlabs جيدًا في هذا
السبب الأول هو توجيه النماذج. الانضباط في كتابة الوصف ينتقل بين النماذج، أما الطابع الجمالي فلا ينتقل، والنموذج الذي يتعامل جيدًا مع لقطة قريبة لشخصية بأسلوب فني نادرًا ما يكون نفسه الذي يتعامل جيدًا مع مشهد ساحلي خارجي واسع. يشغّل Atlabs نموذج MiniMax H3 إلى جانب Kling 3.0 وKling 2.6 للحركة السينمائية والحركة السلسة، وGoogle Veo 3.1 للواقعية الفوتوغرافية ولقطات التأسيس، وSeedance 2.0 للمحتوى ذي الأسلوب الفني والأنمي واللقطات القريبة للشخصيات، وHailuo 2.3 للحركة السريعة والمرئيات القريبة من الأنمي، وWan 2.6 للإخراج السينمائي مفتوح المصدر. تكتب المشهد مرة واحدة وتختار المحرّك، بدلًا من إعادة بناء الوصف نفسه في ستة حسابات منفصلة.
السبب الثاني هو أن الحركة والهوية تبقيان منفصلتين. يقبل Motion Control فيديو مرجعيًا مدته بين 3 و30 ثانية، ويطبّق حركته على صورة شخصية ترفعها، ويُبقي الحركة بالكامل تحت سيطرة المقطع المرجعي لا الوصف النصي، مع حقل وصف اختياري لتفاصيل الخلفية والمشهد. وهذا هو التوجيه نفسه عندما تخبر H3 بأن الفيديو الأول يتحكم في الحركة فقط، إلا أن الأداة تفرضه بدلًا من الاعتماد على الصياغة.
السبب الثالث هو أن البنية تصمد أمام ضغط الموعد النهائي. قائمة لقطات مبنية من كتل SHOT وDIALOGUE لا يمكن أن تنهار بصمت إلى فقرة واحدة متصلة عند الحادية عشرة ليلًا، وهذا هو نمط الإخفاق الذي ينتج معظم الأوصاف الطويلة المخيبة للآمال. وللأعمال التي تقودها الموسيقى يوجد المنطق نفسه في Music Video، حيث تولّد خطوة الاتجاه الإبداعي (Creative Direction) ستة مفاهيم للمشاهد من الإيقاع والمزاج والنوع الذي اكتُشف في مقطوعتك، لكل منها عنوان ووصف ووسوم مزاج، فتصل النبضات مطابقة للمقطوعة من البداية.
أمثلة على الأوصاف
1. اللقطة السينمائية الواحدة. مسافر وحيد بمعطف بالٍ يعبر حافة صحراوية تضربها الرياح عند الغروب، مائلًا في مواجهة الريح، ومعطفه ووشاحه يتطايران خلفه، والرمل الناعم يلتف حول حذائه مع كل خطوة. تحافظ الكاميرا على لقطة تتبّع جانبي بطيء بمستوى الخصر مع بقاء الجانب في الكادر، في لقطة واحدة متصلة. إضاءة خلفية دافئة وظلال طويلة وتدرج لوني هادئ بين الأزرق المخضر والبرتقالي مع حبيبات فيلم خفيفة. تنتهي عندما يتوقف وينظر نحو مدينة بعيدة. الصوت هدير ريح وخفقان قماش وطقطقة رمل ناعمة وطنين منخفض بعيد، دون حوار. دون ترجمة نصية ودون علامات مائية ودون شخصيات إضافية. جرّب هذا الوصف في Atlabs Script to Video
2. فيلم المنتج البطل. زجاجة عطر برتقالية شبه شفافة تقف على حجر أسود مبلل في الساعة الزرقاء، والتكاثف ينساب على الزجاج. تقوم الكاميرا بقوس صغير بطيء باتجاه عقارب الساعة بينما يعبر شعاع ضوء دافئ ضيق الملصق، ثم تستقر في تكوين أمامي نظيف للمنتج البطل. أجواء ليل مدينة هادئة، وقطرة تكاثف خفيفة، ونغمة وترية منخفضة مقتصدة تتصاعد قليلًا عند الاستقرار الأخير. يُحفظ تصميم الزجاجة والملصق تمامًا، دون نصوص فوق الصورة ودون عناصر إضافية. جرّب هذا الوصف في Atlabs UGC Product Ads
3. المشهد الثنائي الموقّت. مخبز حِرفي دافئ في ضوء الصباح. من 0 إلى 5 ثوانٍ: لقطة تأسيس واسعة، وغبار الدقيق معلّق في ضوء النافذة، وصواني الخبز تبرد على الرفوف. من 5 إلى 10 ثوانٍ: لقطة ثنائية متوسطة، متدرّبة تشكّل العجين بينما يراقبها المعلّم، وتدخل يداه الكادر لتصحيح قبضتها. من 10 إلى 15 ثانية: لقطة قريبة على الرغيف المنتهي وهو يُدار نحو الكاميرا. إضاءة عملية دافئة وعمق ميدان ضحل. الصوت أزيز الفرن وصفعة العجين وأجواء غرفة هادئة وجملة حوار واحدة تُلقى بنعومة. دون انحراف في الهوية، ودون ترجمة نصية، ودون موظفين إضافيين في الكادر. جرّب هذا الوصف في Atlabs Script to Video
4. الأداء المطابق للإيقاع. مغنية بسترة ساتان حمراء تؤدي على سطح مبنى زلق بالمطر في الساعة الزرقاء، ولافتات النيون تتلطخ خلفها وضباب المدينة يلتقط الضوء. تدور الكاميرا ببطء خلال المقطع ثم تقطع بحدة أكبر في الكورال، وكل قطع يقع على الإيقاع. عمق ميدان ضحل، وإضاءات باردة مقابل درجات بشرة دافئة، وتدرج لوني سينمائي. الصوت هو المقطوعة مع ريح خفيفة على السطح، دون أجواء إضافية تنافس الصوت الغنائي. (الأفضل توجيهه عبر Kling 3.0) جرّب هذا الوصف في Atlabs Music Video
5. المطاردة الحركية. متسابقان اثنان بالضبط على دراجتين ناريتين على طريق ساحلي مبلل عند الغسق، بألوان أسود مطفأ وأصفر إشاري، ودون أي مركبات أخرى في الكادر. سرعة أمامية متواصلة طوال الوقت: تتبّع من الخلف، ثم موازاة جانبية، ثم نهاية بزاوية منخفضة بينما تنزلق الدراجة المتصدّرة عبر المنعطف الأخير. رذاذ ماء وشرارات من مسند القدم ووزن حقيقي في الميلان. الصوت حمل المحرك وهسيس الإطارات على الأسفلت المبلل ولطمات الريح، دون موسيقى. دون مقاطع حركة بطيئة تقطع الإيقاع، ودون ترجمة نصية، ودون متسابقين إضافيين. (الأفضل توجيهه عبر Hailuo 2.3) جرّب هذا الوصف في Atlabs Script to Video
6. نقل الحركة. راقصة بقميص كتان فضفاض تؤدي في صالة عرض خرسانية فارغة، ونوافذ عالية تلقي مستطيلات حادة من ضوء ما بعد الظهر على الأرض، والغبار مرئي في الأشعة. تأتي الحركة بالكامل من المقطع المرجعي، والخلفية والإضاءة من الوصف. كادر واسع ثابت دون حركة كاميرا، وصدى غرفة طبيعي، دون موسيقى. حافظ على وجه الشخصية وشعرها وملابسها تمامًا. جرّب هذا الوصف في Atlabs Motion Control
نصائح احترافية
أعطِ كل مرجع مهمة واحدة، وقل ما لا يُستخدم من أجله. الصورة الأولى تقفل الوجه والملابس. الصورة الثانية تحدد الإضاءة والمزاج فقط. الفيديو الأول يتحكم في الحركة والتوقيت فقط. الاستثناء يؤدي من العمل ما تؤديه التعليمة، لأن مرجع الإضاءة غير المقيَّد سيعير ملابسه بكل سرور لشخصيتك أيضًا.
اكتب الصوت في المرور نفسه الذي تكتب فيه الصورة. سمِّ الأجواء، وسمِّ أي مؤثرات حركية، ووسم لغة الجمل المنطوقة، ووصف الموسيقى غير المصاحبة للحدث بحسب الآلات وكيف تتحرك عبر المقطع. وإذا أردت ألا يكون هناك شيء تحت المشهد فقل صوت الإنتاج فقط بدلًا من ترك الحقل فارغًا، لأن الفراغ ليس طلبًا يستطيع النموذج تلبيته.
أنفق قيودك السلبية حيث ينحرف الشيء فعلًا. دون انحراف في الهوية، ودون نص على الشاشة، ودون اهتزاز كاميرا، ودون أطراف زائدة، ودون علامات مائية. سرد قواعد الحفظ بشكل شامل في نهاية الوصف يكلفك ثلاثين ثانية ويوفّر عليك إعادة توليد، ويعمل بشكل أفضل من إضافة جملة وصف أخرى في الأعلى.
الأسئلة الشائعة
هل MiniMax H3 متاح على Atlabs؟ نعم. يعمل ضمن سير العمل نفسه الذي تعمل به بقية النماذج، فيمكنك بناء مشهد في Script to Video أو Music Video وتوجيه التوليد إلى H3 دون إنشاء حساب منفصل.
ما طول مقطع MiniMax H3؟ عادةً من 4 إلى 15 ثانية مع صوت ستيريو أصلي مضمّن في التوليد. خطّط نبضاتك وفق هذا السقف بدلًا من محاولة ضغط دقيقة من القصة فيه.
كم عدد المراجع التي يمكنني استخدامها؟ صور متعددة، تصل عادةً إلى نحو تسع، إضافة إلى مراجع فيديو وصوت محدودة بحسب الواجهة. أسند دورًا لكل مرجع في الوصف، لأن المراجع غير المسندة تؤثر في النتيجة بطرق لم تخترها.
ما أفضل نقطة بداية للمبتدئ؟ نص إلى فيديو بحدث واضح واحد، وحركة كاميرا صريحة واحدة، ووصف صوتي أساسي. اجعل هذا موثوقًا أولًا، ثم أضف النبضات الزمنية، ثم أضف المراجع. إضافة الثلاثة معًا تجعل من المستحيل معرفة أي تغيير هو الذي أفاد.
هل يمكنني إصلاح جزء من مقطع دون إعادة توليده؟ نعم. يقبل Modify Video مقطعًا موجودًا مدته بين 3 و10 ثوانٍ، يُشار إليه بـ @Video1 في وصفك، مع وصف للفيديو النهائي وحتى أربع صور مرجعية للأسلوب. يمكن إبقاء خيار الاحتفاظ بالصوت الأصلي (Keep Original Audio) مفعّلًا حتى لا يكلفك إصلاح الصورة خسارة الصوت.
الخلاصة
يكافئ H3 الوصف الإنتاجي أكثر من الوصف الشكلي. حدّد ما الذي يتغير ومتى، وسمِّ حركة الكاميرا بدلًا من المزاج، ووجّه الصوت بدلًا من قبول ما يصل، وأخبر كل مرجع بالضبط بما يتحكم فيه. هذه العادات الأربع تنتقل إلى أي نموذج يصدر لاحقًا، ولهذا يستحق بناؤها الآن.
أما ما لا ينتقل بالسهولة نفسها فهو كل ما يحيط بالوصف: قائمة اللقطات والممثلون ونسبة الأبعاد واختيار النموذج ومرحلة الإصلاح عندما يعود جزء خاطئ. يمنحك Script to Video البنية، ويمنحك Music Video النسخة التي تقودها المقطوعة، ويتولى UGC Product Ads أعمال المنتج البطل، ويُبقي Motion Control الحركة تحت سيطرة المرجع بدلًا من الوصف النصي.
