HappyHorse Reference-to-Video: فيديو من عدة صور مرجعية
الخلاصة (BLUF): HappyHorse Reference-to-Video وضع لتوليد الفيديو بالذكاء الاصطناعي لا يعتمد على صورة واحدة، بل على مجموعة كاملة: يمكنك رفع من صورة واحدة إلى تسع صور مرجعية، ثم تشرح بالنص كيف تُجمع في مشهد واحد. الشخصية من صورة، والملابس من صورة أخرى، والخلفية من ثالثة — والنموذج يدمج كل هذا في مقطع فيديو واحد متماسك.
بناء المشهد من عدة صور
الميزة الأساسية لهذا الوضع هي إمكانية استخدام حتى تسع صور مرجعية في التوليد الواحد. كل صورة تمثل عنصرًا من عناصر الفيديو المستقبلي: البطل، شخصية ثانية، شيء ما، موقع، أو نمط بصري معيّن. في النص توضّح من هو من وماذا يحدث: «الرجل من الصورة الأولى يجلس في المقهى الذي يظهر في الصورة الثالثة ويحمل الكوب من الصورة الثانية».
هذا الأسلوب يحل مشكلة لا يستطيع وضع image-to-video العادي معالجتها: جمع عناصر لم تُصوَّر معًا أبدًا في مشهد واحد. منتج ونموذج من جلستي تصوير مختلفتين، شخصية مع خلفية مرسومة، أو بطلان من جلستي تصوير منفصلتين — كل هذا يجتمع في مشهد واحد دون أي تعديل يدوي أو فوتوشوب.
كيف يفهم النموذج الصور المرجعية
لا يقوم النموذج بلصق الصور داخل الإطار، بل يدرسها: شكل الشخصية، هيئة الشيء، ألوان الموقع — ثم يعيد رسم كل ذلك في حركة. لهذا يمكن للبطل أن يستدير أو يمشي أو يمسك بشيء ما دون أن يفقد ملامحه المميزة. وكلما كانت الصورة المرجعية أوضح وأقل تشويشًا، كان النقل أدق.
ساعد النموذج بالنص: حدّد بوضوح دور كل صورة والعلاقات بينها. عبارة مثل «الفتاة من الصورة الأولى ترتدي السترة من الصورة الثانية وتمشي في الشارع من الصورة الثالثة» تعطي نتائج أفضل بكثير من صياغة عامة مثل «اصنع فيديو جميلاً من هذه الصور». أنت من يحدد الأدوار، والنموذج يتولى فقط إحياء المشهد.
صيغ الإطار: من الستوري إلى الشاشة العريضة
بخلاف وضع الصورة الواحدة، يمكنك هنا اختيار نسبة العرض إلى الارتفاع يدويًا: أفقي 16:9، عمودي 9:16 و3:4، مربع 1:1، والكلاسيكي 4:3. نفس مجموعة الصور المرجعية يمكن تحويلها إلى مقطع عمودي لقصص السوشيال ميديا أو إطار عريض لموقع إلكتروني.
تتراوح المدة من 3 إلى 15 ثانية، بدقة 720p أو 1080p. للتجربة السريعة للأفكار يُفضَّل استخدام مسودات قصيرة بدقة 720p، أما النسخة النهائية فتكون أطول وبدقة 1080p. حقل seed يتيح لك تثبيت تكوين ناجح والتعديل فقط على تفاصيل الوصف.
أفكار للاستخدام: الإعلانات، الشخصيات، الكتالوجات
أفضل سيناريو استخدام هو الفيديوهات ذات الشخصية الثابتة: تميمة العلامة التجارية، بطل قصة مصورة، مقدّم افتراضي. ارفع صوره في كل توليد وستحصل على سلسلة من الفيديوهات تظهر فيها الشخصية بنفس ملامحها. أما للمتاجر، فهذه طريقة لعرض المنتج «في الواقع» عبر دمج صورة المنتج مع صورة ديكور مناسب.
كما ينجح هذا الوضع في المهام الإبداعية: بناء مشهد خيالي من رسمة طفل وصورته الحقيقية، وضع حيوان أليف في عالم مرسوم، أو دمج تصميم زي مع عارض حقيقي. كل ما كان يتطلب سابقًا كولاجًا ومعالجة يدوية أصبح ممكنًا الآن بتوليد واحد فقط.
كيف تختار مجموعة صور مرجعية ناجحة
لا تتعجل في ملء جميع الفتحات التسع: كلما زاد عدد الصور، صَعُب على النموذج تحديد الأولويات. ابدأ باثنتين أو ثلاث صور أساسية — البطل، الشيء، الخلفية — وأضف غيرها فقط عند الحاجة الفعلية إلى تفصيل معيّن ناقص في المشهد. كل صورة إضافية تُشتّت انتباه النموذج.
انتبه إلى التوافق: إذا كانت الشخصية مصوّرة في ضوء النهار بينما الموقع شارع ليلي بأضواء نيون، فسيضطر النموذج إلى الارتجال وستظهر فروق واضحة في الاندماج. الصور المرجعية ذات الألوان المتقاربة والإضاءة المتشابهة تمنحك صورة متماسكة يمكن تصديقها من أول لقطة.
الأسئلة الشائعة
كم عدد الصور المرجعية التي يمكن رفعها؟
من صورة واحدة إلى تسع صور في التوليد الواحد. الأفضل أن تبدأ باثنتين أو ثلاث صور أساسية: البطل، الشيء، الخلفية. أضف المزيد فقط عندما تعرف بالضبط أي تفصيل في المشهد ستمثله كل صورة جديدة.
هل يبقى وجه الشخص من الصورة المرجعية محفوظًا؟
يحاول النموذج الحفاظ على ملامح الشخصية المميزة، وعادة ما يكون التشابه جيدًا، لكن هذا توليد جديد وليس نسخًا للصورة. الصورة الشخصية الواضحة والقريبة دون أشخاص إضافيين في الإطار، مع الإشارة الصريحة في النص إلى عدم تغيير المظهر، تحسّن النتيجة.
ما الفرق بين هذا الوضع ووضع image-to-video العادي؟
الوضع العادي يحيي صورة واحدة مع الحفاظ على تكوينها. أما هنا فأنت تُحضر عدة صور مصدرية، ويبني النموذج مشهدًا جديدًا كليًا بناءً على وصفك. اختر هذا الوضع عندما لا يكون اللقطة التي تحتاجها موجودة أصلًا.