كيف تصنع فيديو طويلاً بالذكاء الاصطناعي يحكي قصة متكاملة

أدخلت مشهدًا كاملاً في مولد فيديو بالذكاء الاصطناعي، فحصلت على ثماني ثوانٍ فقط. أو ربما صنعت عشرات المقاطع، لتفاجأ أن بطل القصة يغير وجهه في نصفها. إذا كنت تحاول فهم كيف تصنع فيديو طويلاً بالذكاء الاصطناعي يحكي قصة، فالإجابة المباشرة هي: لا أحد يولد فيديو طويلاً دفعة واحدة.

الحل يكمن في التخطيط: تعامل مع الفيلم كسلسلة من اللقطات القصيرة، ثبّت مظهر الشخصيات والأسلوب الفني قبل البدء، ثم اجمع اللقطات في فيلم واحد. يمكنك التجميع يدويًا في برنامج مونتاج، أو استخدام أداة تحول السيناريو تلقائيًا إلى مشاهد وتجمعها لك. حدود المدة تأتي من طبيعة عمل هذه النماذج، لذا فإن الفوز الحقيقي يكمن في كل ما يحيط بها: قائمة اللقطات، الصور المرجعية، ومدى صبرك على إعادة المحاولات.

إذا كانت «الرصيد» هو ما يعيقك باستمرار، فاقرأ أولاً لماذا ينفد رصيد فيديو الذكاء الاصطناعي بهذه السرعة، ثم عد إلى هنا لتكمل خطوات العمل.

ماذا يقول المستخدمون عندما تنتهي ثواني المقاطع؟

في سبتمبر 2026، قمنا بمراجعة أكثر من 12,000 تقييم من نجمة واحدة أو نجمتين لـ 63 تطبيقًا على متاجر التطبيقات ومنصات التقييم. نسبة قليلة فقط تشكو صراحة من قصر مدة المقطع (ما بين 3 إلى 6 بالمئة في معظم المجموعات). لكن المشكلة تكمن تحت سطح شكاوى التكلفة: يحاول الناس بناء قصة من مقاطع مدتها 5 ثوانٍ، فينفد رصيدهم قبل أن تنتهي الحكاية.

هذه هي أطوال المقاطع التي يصفها المراجعون. التطبيقات تغير حدودها باستمرار، فاعتبر هذه قائمة استرشادية وليس مواصفات نهائية.

التطبيق	طول المقطع كما ورد في التقييمات
Sora (التطبيق متوقف الآن)	10 إلى 15 ثانية
Google Flow	4 إلى 10 ثوانٍ
Luma Dream Machine	حوالي 5 ثوانٍ
Kling	حتى 15 ثانية
Hailuo	6 إلى 10 ثوانٍ
Vidu	8 ثوانٍ (نزلت من 10)
Kaiber	6 ثوانٍ
Filmora (من نص إلى فيديو)	5 إلى 8 ثوانٍ
HubX AI Video	2 إلى 5 ثوانٍ

الإحباط يتكرر في كل مكان. كاتب تقييم على Google Play لتطبيق Sora قال: «أكره أنك تستطيع صنع مقاطع مدتها 10 ثوانٍ فقط». ومستخدم لتطبيق Kaiber على App Store تساءل: «أين ذهبت مقاطع الـ 8 دقائق؟». بينما لخص مستخدم لتطبيق Runway على App Store مشكلة رواة القصص بقوله: مع «مشاهد متعددة ومتصلة، تتحول التجربة إلى شيء محبط».

الطول يضاعف التكلفة أيضًا. يذكر أحد مراجعي Filmora على Google Play أن فيديو مدته دقيقة واحدة استنفد كل رصيده من رصيد الذكاء الاصطناعي. ويقول مراجع لـ Kling هناك أن إنفاقًا بقيمة 1,450 روبية (Rs.) لم يكفِ لصنع فيديو واحد كامل مدته من 3 إلى 5 دقائق. احسب التكلفة الحقيقية لدقيقة واحدة من فيلم بالذكاء الاصطناعي قبل أن تشتري أي شيء. وإذا كنت تستخدم Sora وتبحث عن بديل لأفكارك الطويلة، راجع دليلنا للبدائل بعد إيقاف Sora.

لماذا تتوقف مولدات فيديو الذكاء الاصطناعي عند 5 إلى 10 ثوانٍ؟

نموذج الفيديو لا «يصور» شيئًا، بل يولد كل إطار من المقطع معًا، ويجب أن يحافظ على اتساق كل إطار مع الآخر. كل ثانية إضافية تعني المزيد من الإطارات التي يجب توليدها في وقت واحد، والمزيد من القدرة الحاسوبية لكل عملية توليد، مما يعني فترات انتظار أطول وتكلفة أعلى لكل مقطع. الحدود القصيرة القصيرة تحافظ على أوقات التوليد ضمن دقائق وتجعل التكلفة لكل مقطع قابلة للتنبؤ.

الطول يؤثر سلبًا على الجودة أيضًا. كلما طالت مدة التوليد الواحد، زادت فرصة «الانحراف»: وجه يبهت، يد تكتسب إصبعًا إضافيًا، شارع يتغير في منتصف الطريق. هناك حيل لتوسيع المقطع من إطاره الأخير لتحسين الحركة، لكن كل قفزة تضيف القليل من الانحراف.

لا شيء من هذا قاتل، لأن الأفلام الحقيقية أيضًا مكونة من لقطات قصيرة، ومعظم التغييرات في الفيلم تستغرق بضع ثوانٍ فقط. المشكلة الحقيقية هي أن كل مقطع يُولد بمفرده، دون أي ذاكرة عن المقطع السابق، لذا يمكن أن تتغير الشخصية والغرفة والحبكة عند كل قطعة. صناعة فيديو طويل بالذكاء الاصطناعي هي مهمة لضمان الاستمرارية.

كيف تصنع فيديو بالذكاء الاصطناعي أطول من دقيقة؟

إذا كنت تبحث عن مولد فيديو بالذكاء الاصطناعي ينتج مقاطع أطول من 30 ثانية، فالإجابة الصادقة هي: معظم الأدوات تعطيك مقاطع، والطول يأتي من عملية المونتاج. الطريقة اليدوية تعمل مع أي مولد.

قم بالحسابات أولاً

اقسم طول الفيديو المستهدف على طول المقطع. دقيقة واحدة من مقاطع 8 ثوانٍ تعني 8 لقطات؛ من مقاطع 5 ثوانٍ تعني 12 لقطة. قصة مدتها ثلاث دقائق بمقاطع 5 ثوانٍ تعني 36 لقطة. ثم أضف هامشًا للمحاولات الفاشلة: يصف المراجعون على منصات عدة الحاجة لعدة محاولات للحصول على لقطة واحدة صالحة، لذا افترض أن بعض اللقطات ستتطلب التوليد مرتين أو أكثر.

اكتب قائمة باللقطات

اكتب لكل لقطة سطرًا واحدًا: من فيها، ماذا يفعلون، أين الكاميرا، وأي جملة ينطقونها. حافظ على أن تكون كل لقطة لفعل واحد وجملة حوار قصيرة واحدة، لأن 8 ثوانٍ لا تكفي لخطبة. يرشدك دليلنا عن تخطيط فيلم بالذكاء الاصطناعي متعدد المشاهد خلال الخطوات الرئيسية ولوحات القصة.

ثبِّت المراجع والأسلوب

اصنع صورة مرجعية واضحة واحدة لكل شخصية رئيسية: وجه واضح، إضاءة متساوية، الملابس كاملة. اكتب وصفًا ثابتًا لكل شخصية (الاسم، العمر، الشعر، الملابس) والصق نفس الكلمات في كل موجه (Prompt). اختر أسلوبًا واحدًا، ونموذج توليد واحد، ونسبة عرض واحدة، ولا تغيرهم في منتصف الفيلم، لأن النموذج المختلف أشبه بكاميرا مختلفة وسيكون الفرق واضحًا عند القطع.

اجمع وأنهِ في برنامج مونتاج

ضع المقاطع على الخط الزمني بالترتيب واقطع الإطارات المهتزة في بداية ونهاية كل مقطع. أضف موسيقى خلفية واحدة وأصواتًا متسقة عبر جميع القطع، فالصوت يخفي الكثير من القفزات البصرية الصغيرة. قبل أن تقضي ساعات في المونتاج، تحقق من شروط التصدير: يبلغ مراجعو CapCut وFilmora وVEED عن حواجز دفع تظهر فقط عند التصدير، وعلامات مائية لم يكونوا يتوقعونها.

كيف تحافظ على استمرارية الشخصيات والقصة عبر المقاطع؟

هنا ينهار معظم مقاطع الفيديو الطويلة بالذكاء الاصطناعي. تظهر مشكلة «انحراف الشخصية» في حوالي 5 إلى 9 بالمئة فقط من التقييمات السيئة لأدوات مثل Runway وPika وLuma وSora وVeo من جوجل، لكنها الشكوى الرئيسية لرواة القصات وصانعي السلاسل ضمن تلك العينة. كتب أحد مراجعي Google Play لتطبيق Flow: «واحد فقط من كل 5 توليدات يحافظ على هوية الشخصية بشكل صحيح». ويقول مراجع لـ Runway على App Store أنه وفر سيناريو كاملاً، وصفوفًا للشخصيات وصورًا مرجعية، ومع ذلك استخدمت المقاطع الأولى أشخاصًا خاطئين.

النموذج يعرف فقط ما يقوله له كل موجه (Prompt). غيّر كلمة «جاكيت جلد» إلى «معطف داكن» وقد استبدلت الممثل. ضع خمسة أشخاص في لقطة واحدة وسيتحول بعضهم إلى غرباء، بينما تضعف الزوايا الجانبية والإضاءة الخافتة والتأثيرات الفنية المبالغ فيها من مطابقة الصورة المرجعية.

ما يساعد، في أي تطبيق:

• أعد استخدام وصف كل شخصية حرفيًا، من ملف نصي تنسخ منه.
• استخدم نفس الصورة المرجعية للشخصية في كل مرة.
• حافظ على وجود شخصيتين أو ثلاثة في اللقطة الواحدة. الحشود هي المكان الذي تتبدل فيه الوجوه.
• حافظ على الملابس ثابتة ما لم تتغير في القصة، واذكر التغيير صراحة عندما يحدث.
• لاحظ وقت اليوم والط weather والمُعدات (الدعائم)، وأنهِ كل لقطة حيث تبدأ اللقطة التالية.

الحبكة تحتاج لنفس العناية. المولد الذي يخترع كل مقطع من سطر واحد لا يستطيع تتبع قصة لم يقرأها، لذا اكتب القصة كاملة أولاً. ثم أعطِ كل لقطة جزئها من القصة، بالإضافة إلى «المراسي» التي تحافظ عليها في نفس العالم. ستجد المزيد عن الوجوه في دليلنا عن الحفاظ على استمرارية شخصيات الذكاء الاصطناعي عبر المشاهد.

هل يمكنك تحويل سيناريو كامل إلى فيديو طويل بالذكاء الاصطناعي؟

نعم، وعند تجاوز الدقيقة، هذه عادةً الطريقة الأفضل. مولد الفيديو من النص الذي يبدأ بسيناريو يرى القصة كلها دفعة واحدة. يمكنه تقسيم السيناريو إلى مشاهد، بناء فريق الممثلين من أسماء المتحدثين، إعطاء كل شخصية مظهرًا مرجعيًا، عرض المشاهد بالترتيب وجمعها مع الحوار في مكانه. ستتوقف عن نسخ أوصاف الشخصيات في أربعين موجهًا.

لكن ليست كل أدوات النص تنتج فيلمًا. يقول مراجع لـ Steve AI على Trustpilot أن مخرجاته من النص إلى الفيديو توقفت عند حوالي 40 ثانية وشابهت عرض شرائح، ويقارن مراجع لـ LTX Studio هناك الناتج بعرض شرائح أيضًا. قبل أن تدفع لصانع أفلام بالذكاء الاصطناعي يعمل بالنص، تحقق من هذه النقاط:

• هل يحافظ على حوارك حرفيًا، أم يعيد صياغته؟
• هل يمكنك تعيين فواصل المشاهد بنفسك باستخدام عناوين؟
• كم عدد الشخصيات التي يمكن أن تحافظ على وجه ثابت في مشهد واحد؟
• هل يمكنك رؤية وتحرير المشاهد قبل الدفع لعرضها؟
• ما أطول فيلم يسمح به اشتراكك؟
• ما تكلفة الدقيقة الواحدة من الفيلم النهائي، وهل تُسترد نقاط المشاهد الفاشلة؟

عندما تحتاج إلى مولد فيديو بالذكاء الاصطناعي أطول من دقيقة، هذه القائمة تفصل بين أداة فيلم حقيقي وأداة مقاطع قصيرة. إذا كنت تكتب السيناريو بنفسك، يغطي دليلنا عن كتابة سيناريو فيلم بالذكاء الاصطناعي البنية والحوار المناسبين للمشاهد القصيرة.

كيف تصنع فيديو طويلاً بالذكاء الاصطناعي، خطوة بخطوة

هذا يعمل مع أي أداة. الأداة التي تبدأ بالنص تقوم بمعظم الخطوتين 6 و7 نيابة عنك.

1. اكتب القصة في نقاط رئيسية. جملة واحدة لكل نقطة: بداية، تحول، نهاية. إذا لم تنجح القصة في عشر جمل، فلن تنجح في عشر مقاطع.
2. حدد عدد اللقطات. اقسم الطول المستهدف على طول المقطع، قرب لأعلى، واترك مساحة في الميزانية للمحاولات الفاشلة.
3. اختر الممثلين وثبّت المظهر. أعطِ كل شخصية صورة مرجعية واحدة ووصفًا ثابتًا، وحافظ على وجود شخصيتين أو ثلاثة في اللقطة.
4. اختر أسلوبًا واحدًا ونسبة عرض واحدة. الوضع الرأسي (9:16) يناسب الهواتف، والأفقي (16:9) يناسب أجهزة اللابتوب والتلفزيونات. التزم بالنسبة طوال الفيلم.
5. اختبر مشهدًا قصيرًا. اصنع أول لقطتين أو ثلاثة وشاهدهم معًا. صحح الأسلوب أو الأوصاف الآن، وليس بعد 30 لقطة.
6. ولّد باقي اللقطات بالترتيب. أعد توليد اللقطات التي تكسر استمرارية القصة فقط، واحتفظ بكل نسخة، لأن «اللقطة الثانية الأفضل» قد تكون أنسب للمونتاج أحيانًا.
7. اجمع، أضف الصوت، صدر. استخدم موسيقى خلفية واحدة، وأصواتًا متسقة، وإذا أردت، الترجمات. شاهِد الفيلم كاملاً مرة واحدة دون توقف قبل أن تشاركه.

للصوت مصائبه الخاصة، من المقاطع الصامتة إلى إسناد الجملة للشخصية الخطأ. يغطي دليلنا عن فيديو الذكاء الاصطناعي مع الصوت والأصوات والترجمات هذه المشاكل.

ما المدة القصوى لفيلم على Cinely؟

يصل إلى 100 مشهد، أي حوالي 13 دقيقة و20 ثانية. Cinely هو صانع أفلام بالذكاء الاصطناعي يأخذ طريق «النص أولاً»: تصف فكرة أو تلصق سيناريو، فيكتب المشاهد، يختار الممثلين، يعرض كل مشهد كمقطع مدته 8 ثوانٍ ويجمعهم في فيلم واحد مع أصوات وترجمات اختيارية.

الطول. يمكن أن يكون الفيلم من 2، 4، 6، 8، 10، 12، 14، 16، 18، 25، 50، 75 أو 100 مشهد. أي 16 ثانية في أقصر فيلم، و10 دقائق بالضبط عند 75 مشهدًا، وحوالي 13 دقيقة و20 ثانية عند 100 مشهد. الأفلام تكون عمودية (9:16) افتراضيًا، أو أفقية (16:9).

طريقان للدخول. تبويب «الفكرة» يكتب قصته الخاصة من فكرتك، مع سطر أو سطرين محكيين في كل مشهد في معظم الأنواع؛ يغطي دليلنا عن صنع فيلم بالذكاء الاصطناعي من نص وصفي هذا الطريق. تبويب «السيناريو» هو تحويل النص إلى فيلم بالمعنى الحرفي: يصوّر ما كتبته، مشهدًا بمشهد، يحافظ على حوارك حرفيًا ويضيف فقط تفاصيل الكاميرا والبصرية. يقرأ عناوين مثل «المشهد 1:» أو INT./EXT. لما يصل إلى 100 مشهد (أي مشاهد أكثر من ذلك يتم دمجها مع المجاورة)، يمكنه تحويل النثر إلى سيناريو، ويبني فريق الممثلين من تسميات المتحدثين (NAME: «جملة»).

فحص السيناريو المجاني على تبويب النص يسلط الضوء على مشاكل الإيقاع المناسبة لمقاطع 8 ثوانٍ، تسميات المتحدثين، العناوين والمشاكل المتعلقة بقواعد المحتوى. لا يغير شيئًا إلا إذا نقرت على «تطبيق».

الوجوه. أضِف صورة واحدة لتصبح بطلاً؛ تتحول الصورة إلى مرجع للوجه في المشاهد التي تظهر فيها. الوضع القياسي يحافظ على حتى 3 وجوه ثابتة في المشهد الواحد، والوضع السينمائي (Cinematic) وهو وضع مميز على الويب، يحافظ على حتى 7 وجوه ثابتة. أي شخصية بعد ذلك تكون «كومبارس» بدون وجه ثابت، لذا اكتب مشاهد الحشود مع وضع هذا في الحسبان.

معاينة قبل الدفع. في صفحة الإنشاء، المعاينة مفعلة افتراضيًا (الصندوق السريع على الصفحة الرئيسية يتخطاها). يكتب Cinely المشاهد ويصمم الشخصيات، ثم يمكنك تحرير موجه أي مشهد، اختيار من يظهر في كل مشهد، إعادة توليد أو استبدال صورة شخصية، واختيار الأصوات. المعاينة مجانية، وتدفع فقط عندما توافق، للمشاهد المعروضة.

التكلفة والفشل. الوضع القياسي يكلف 30 نقطة (كريديت) لكل مشهد مدته 8 ثوانٍ، لذا فيلم من 8 مشاهد (64 ثانية) يكلف 240 نقطة. إذا فشل عرض بعض المشاهد، ينتهي الفيلم بالمشاهد الناجحة، وتُسترد نقاط المشاهد الفاشلة.

الحدود، بوضوح:

• كل مشهد مدته 8 ثوانٍ. لا يمكنك الحصول على لقطة متواصلة مدتها 30 ثانية؛ الفيلم الطويل هو دائمًا سلسلة من اللقطات الثمانية الثوانٍ.
• الحسابات المجانية يمكنها اختيار حتى 6 مشاهد (48 ثانية) افتراضيًا. الأفلام الأطول تحتاج إلى Cinely Premium.
• حتى على Premium، الحد الأقصى هو 100 مشهد. طويل، لكن غير محدود.
• المشهد الذي عُرض لكنه يبدو سيئًا، تكلف إصلاحه في المحرر 60 نقطة. لا يوجد استرداد للنقاط لمجرد أن الناتج لا يعجبك.

من أين تبدأ

أسرع طريقة لتعلم صناعة فيديو طويل بالذكاء الاصطناعي هي صناعة فيديو قصير بشكل صحيح. اكتب ستة مشاهد قصيرة، كل تحت عنوان مثل «المشهد 1:» مع سطر حوار واحد، وادرس المعاينة المجانية قبل أن توافق على أي شيء. عندما تتماسك ستة مشاهد، فإن 25 أو 50 مشهدًا هي نفس المهمة، لكن لمدة أطول. الصق أول ستة مشاهد لك في تبويب السيناريو وانظر أين تنحني قصتك قبل أن تجعلها طويلة.