Grok Imagine ينشر أول سبع دقائق من «أوديسيا»: ماذا يكشف ذلك عن فيديو الذكاء الاصطناعي

في 23 أكتوبر 2026، نشر Grok Imagine على منصة X الحلقة الأولى من سلسلة «أوديسيا»، بالتعاون مع استوديو Wonder Studios والمخرج ديف ووكر. مدة الحلقة سبع دقائق، وهي ليست الفيلم الطويل «الدقيق تاريخيًا» الذي وعد به إيلون ماسك قبل نهاية العام، بل الحلقة الأولى. في هذه الفجوة بين الوعد والنتيجة يظهر الدرس الأهم: الذكاء الاصطناعي يستطيع اليوم إنتاج لقطة تبدو كسينما حقيقية، لكن إبقاء انتباه المشاهد سبع دقائق متواصلة لا يزال مشكلة مختلفة.

ما الذي صدر فعلًا

وعد ماسك بذلك في يوليو، بعد أن انتقد اختيار الممثلين في نسخة كريستوفر نولان من «أوديسيا». وقال إن نسخته ستُصنع بالفيديو التوليدي وستكون دقيقة تاريخيًا. صدر فيلم نولان في الشهر نفسه وحقق نجاحًا كبيرًا في شباك التذاكر: نُفدت تذاكر IMAX لأشهر، وتحوّل الفيلم إلى أحد المرشحين الأوائل لموسم الجوائز.

ما نشره Grok Imagine الآن هو «الحلقة 1» من سلسلة. سبع دقائق، وراوٍ بصوت بريطاني، وتتابع من الوجوه الملتحية، ووعد في المنشور بأن يشرح الفريق طريقة الصنع إذا أراد الجمهور. من الناحية التقنية، هذا أفضل بكثير من مقاطع الذكاء الاصطناعي العشوائية التي تغرق شبكات التواصل. لكنه ليس فيلمًا. وصف مراجع TechCrunch الأمر بدقة: بعض اللقطات قد تبدو وكأن ممثلين حقيقيون يقفون على بحر حقيقي، لكن العمل كله يبدو خاويًا. لا زخم، ولا سبب للاهتمام، وحوارات متخشبة. سبع دقائق وقت طويل عندما لا يكون هناك ما يخشى عليه.

سبع دقائق تعني عشرات القطع، لا أمرًا واحدًا

هنا يبدأ الجانب التقني. معظم نماذج الفيديو المتاحة اليوم تولّد مقاطع قصيرة: خمس ثوانٍ، عشرًا، وأحيانًا خمس عشرة أو ثلاثين ثانية في التشغيل الواحد. سبع دقائق تعني نحو 40 إلى 80 لقطة إذا قطعت كل عشر ثوانٍ، وكل لقطة يجب توليدها ومراجعتها ورفضها أو الاحتفاظ بها ثم وضعها على الخط الزمني. الصعوبة ليست في صناعة مقطع جميل، بل في جعل المقطع التالي متطابقًا: الوجه نفسه، والعباءة نفسها، والضوء نفسه، والجغرافيا نفسها.

لهذا وُجدت المراجع البصرية: تعطي النموذج صورة الشخصية أو المكان أو الزي، فيحاول الحفاظ على الشكل. الإطار الأول والأخير يحددان الحركة بين نقطتين. وأدوات التمديد تكمّل مقطعًا جاهزًا. جزء من هذا متاح في قسم الفيديو لدينا، وجزء في Grok Imagine، لكن ذلك لا يلغي عمل المخرج. بل يزيده: قائمة اللقطات، واختيار الأفضل، والمونتاج، والصوت — كلها باليد.

الصوت مشكلة منفصلة. الحوار ومزامنة الشفاه والموسيقى والمؤثرات تأتي عادة من نماذج مختلفة. التعليق الصوتي هو الطريق الأسهل، ولهذا تعتمد حلقة «أوديسيا» على الراوي. أما الحوار الحقيقي، حيث يجب على الممثل أن يحمل الجملة بالإيقاع والقصد، فما زال النقطة التي تتعثر فيها معظم النماذج.

حيث تكون الصورة سليمة والسينما مكسورة

تشاهد الحلقة فيتسلل إليك شعور غريب: اللقطات جميلة، والضوء صحيح، والبحر يبدو حقيقيًا، وبعد ثلاث دقائق تريد أن تتفقد هاتفك. المشكلة ليست في الدقة. الذكاء الاصطناعي لا يملك نية: لا يعرف لماذا توجد هذه اللقطة، ولا ماذا تريد الشخصية، ولا لماذا يجب على المشاهد انتظار المشهد التالي. إنه يولّد «جميلًا»، لا «دراميًا».

كما أن «الدقة التاريخية» معيار سيئ لتقييم فيلم. يمكنك إتقان الخوذ والسفن والرخام ثم تفشل في الإيقاع والتمثيل والنهاية. بهذا المعنى، سبع دقائق تقرير صادق عن موقعنا الحالي: أداة تصوير اللقطات المفردة تعمل. أداة إخراج الحكاية لا تعمل بعد.

الحد الذي لا يظهر في الإعلان

هناك جدار آخر، يظهر في الإحصاءات لا في الكادر. وفق تجميعات مجهولة الهوية من قاعدة بياناتنا الإنتاجية على مدى شهر (من 25 سبتمبر إلى 25 أكتوبر 2026)، أطلق المستخدمون 2,924 عملية توليد فيديو. أكثر من النصف — 1,796، أي 61% — كانت عبر Grok Imagine في وضع Image-to-Video: الناس غالبًا يحرّكون صورة موجودة بدل بناء مقطع من النص.

من أصل 2,922 مهمة منتهية، فشلت 860 مهمة، أي 29%. والمثير أن 707 من هذه الإخفاقات (82% من كل الفشل) لم تكن أعطال عرض، بل قرارات فلاتر الأمان والتحقق من حقوق النشر. أما الأعطال التقنية فشكّلت نحو 12%. بعبارة أوضح، النموذج يرفض التصوير أكثر مما يعجز عنه. وهذا مهم في «أوديسيا»: هوميروس ملك عام، أما الوجوه المألوفة والأزياء من أفلام أخرى والموسيقى والشعارات فليست كذلك.

السرعة لم تعد العقبة. على مدى 1,712 فيديو ناجحًا سُجّل لها وقت اكتمال، كان الوسيط 75 ثانية والمئين التاسع 247 ثانية. أسرع من إعداد فنجان قهوة. البطء ليس في توليد اللقطة، بل في تجميع اللقطات في مشهد.

كيف تبني مشهدًا بدل عرض شرائح

إن أردت التجربة، هذا هو الترتيب الذي أنصح به. اكتب المشهد أولًا: صفحة واحدة، ماذا يحدث ولماذا. ثم قائمة لقطات — 10 إلى 15 كادرًا لثلاثين ثانية، لكل منها التكوين والضوء والحركة. ولّد مقطعًا واحدًا في كل مرة، شاهده، أعد المحاولة ثلاث إلى خمس مرات، واحتفظ بالأفضل. استخدم مراجع الشخصية والمكان للثبات، والإطار الأول والأخير للحركة. ابنِ الصوت منفصلًا: تعليق، موسيقى، مؤثرات. ثم المونتاج أخيرًا.

بعض التفاصيل العملية: حركة واحدة في اللقطة، فالكادر المزدحم يتفكك. لا تطلب نصًا أو شعارات — ستخرج مشوّهة، وقد ترفضها المراجعة أصلًا. افحص الأيدي والوجوه على إطار ثابت، فهناك تظهر العيوب غالبًا. ولا تطارد الطول: ثلاثون ثانية تعمل أفضل من سبع دقائق لا يعمل فيها سوى البحر.

يمكنك بناء مشهد في قسم الفيديو لدينا. Grok Imagine مناسب لتحريك صورة، وKling يمنحك تحكمًا أكبر بالكاميرا، وSeeDance مبني لمشاهد تعتمد على المراجع والكادرات المفتاحية.

ماذا يعني ذلك عمليًا

سبع دقائق إنجاز حقيقي. قبل عام، كان هذا النوع من الأعمال يجمعه هواة في برامج المونتاج؛ والآن تطرحه استوديوهات كمنتج. لكن الوعد بفيلم طويل قبل نهاية 2026 يبدو متفائلًا: المسافة بين «سبع دقائق من اللقطات الجميلة» و«ساعة ونصف من السينما» ليست الطول، بل الحكاية والأداء والصوت — وهي الأجزاء التي لا تُولّد.

لكن سقف «القابل للمشاهدة» يرتفع. وهذه أخبار جيدة لمن يصنع إعلانات أو كليبات أو قصصًا قصيرة: الأداة تقدم بالفعل ثلاثين ثانية تستحق العرض. ابدأ بمشهد واحد، وسترى بالضبط أين يساعدك الذكاء الاصطناعي وأين لا يزال الإنسان ضروريًا.