الإعلان الرسمي عن Kling 4.0: 4K HDR، و30 ثانية أصلية، و10 إطارات مفتاحية، ونماذج الفيديو المحلية تدخل «حرب المواصفات»

في 28 سبتمبر، كشفت Kuaishou Kling عن مواصفات Kling 4.0، على أن يُطلق الإصدار الرسمي في أكتوبر. وقد أُتيح Kling 4.0 Flash قبل ذلك، حصريًا لأعضاء البطاقة السنوية Black Gold، مع مواصفات مخفّضة إلى 720p و8-bit SDR ومن 3 إلى 20 ثانية، لمقايضة جودة الصورة والمدة بسرعة التوليد. في الجيل نفسه من النموذج، أُطلق أولًا المستوى «الأسرع»، بينما تُركت المواصفات الاحترافية لوقت لاحق. هذه الطريقة في الترتيب تكشف أن شركات نماذج الفيديو عليها الآن أن تراعي فئتين في آنٍ واحد: صنّاع الفيديوهات القصيرة الذين يعتمدون على الكمية، والعملاء التجاريين الذين تُحدّد تكلفتهم بقطعة واحدة مكتملة.

مجموعات الأرقام في جدول المواصفات

يصل التوليد الواحد إلى 30 ثانية كحد أقصى، و10 إطارات مفتاحية كحد أقصى، و15 مرجعًا متعدد الوسائط كحد أقصى، مع رفع حد الموجّه (prompt) إلى 8000 tokens. وقد فصّلت Kling المراجع الـ15 بدقة: يمكن إدخال 10 صور و5 مقاطع فيديو و7 كيانات في المهمة نفسها، بحيث تختلط الشخصيات والدعائم ولغة الكاميرا في مهمة واحدة. أما الإخراج فيدعم 1080p و4K بدقة 10-bit HDR، إضافة إلى نسبة عرض فائقة الاتساع 21:9. وتقول الشركة رسميًا إن المشاهد عالية التباين «لا تحترق فيها الإضاءة الخلفية، ولا تصبح مشاهد الليل ضبابية، ولا يظهر توهج حول النيون». كما تشير ميزة تمديد الفيديو إلى إمكانية مد المقطع إلى نحو دقيقتين.

الصوت هو محور آخر هذه المرة. يدعم Kling 4.0 صوتًا عالي الجودة وصوتًا ستيريو ثنائي القناة، مع مواصلة صقل دقة مطابقة حركة الشفاه، حتى إن الشركة وضعت عبارة «لم يعد يبدو ملصوقًا في مرحلة ما بعد الإنتاج» ضمن موادها الترويجية. وبالنسبة لمن ينتجون محتوى سرديًا، ظلّت مزامنة الصوت والصورة أضعف حلقة في نماذج الفيديو: النماذج القادرة على إصدار صوت من تلقاء نفسها قليلة، وتلك التي تطابق حركة الشفاه أقل.

مواصفات اللاعبين الثلاثة تتسابق خلف بعضها

إذا وضعت هذه الأرقام في سياق السوق، ستدرك أنها لم تُختَر عشوائيًا. فقد أطلقت ByteDance نموذج Seedance 2.5 في يوليو الماضي ولقي استحسانًا كبيرًا، وهو يدعم 4K أصليًا في منتجات مثل CapCut، بينما يصل API حاليًا إلى 1080p و10-bit كحد أقصى. أما MiniMax H3 فقد كان خطابه العلني سابقًا يقول بحد أقصى 2K ومقطع واحد مدته 15 ثانية. وبوصول Kling 4.0 بالمدة الأصلية إلى 30 ثانية، و15 عنصرًا مرجعيًا، والإخراج إلى 4K HDR، فإنه يكاد يحاذي قائمة المنافسين بندًا بندًا ثم يتقدم خطوة واحدة.

هناك فرق يسهل إغفاله: «الدعم» في جدول المواصفات و«ما يمكن الحصول عليه» فعليًا ليسا الشيء نفسه غالبًا. فنموذج Seedance 2.5 يستطيع إخراج 4K على مستوى المنتج، لكن واجهة API لا تزال عند 1080p؛ كما أن 4K HDR في Kling 4.0 مُعلَّم بأنه «قريبًا». والحد الأعلى الذي يستطيع المبدع استخدامه فعليًا يتوقف على المستوى الذي توفره القناة التي يستخدمها، لا على أكبر رقم في مؤتمر الإطلاق.

في تقييم صادر عن Zheshang Securities يوم 30 سبتمبر، جاءت أبرز نقاط Kling 4.0 في ثلاث: «4K HDR، و30 ثانية أصلية، و10 إطارات مفتاحية»، ورأت الشركة أن تفوقه في الإبداع الاحترافي سيتسع. وهذا حكم متفائل من منظور بيوت الأوراق المالية. لكن بحسب ملاحظة مراسل صحيفة Shanghai Securities News، فإن ما يهم المستخدمين في قسم التعليقات على الحساب الرسمي لـ Kling هو السعر والقدرات، وجاء التقييم المبدئي «فاترًا نسبيًا». بين جمال المواصفات واقتناع المستخدمين تظل هناك طبقة فاصلة.

أعمال تتجاوز الأرقام

التحركات التجارية لـ Kling تكشف أكثر من النموذج نفسه عن الطريق الذي تريد سلوكه. ففي مساء 2 يوليو من هذا العام، أعلنت Kuaishou Technology في بورصة هونغ كونغ أن Kling AI جمعت تمويلًا مستقلًا بنحو 3 مليارات دولار، بتقييم بعد التمويل يبلغ نحو 18 مليار دولار، مقابل حصة 16.67% في Beijing Kling، بينما لا تزال Kuaishou تملك بشكل غير مباشر نحو 68.33%، مع شرط طرح عام خلال 5 سنوات. وكان هذا أكبر تمويل في قطاع توليد الفيديو عالميًا ذلك العام.

بعد الحصول على هذا المبلغ، يصبح السؤال الذي على Kling الإجابة عنه عمليًا جدًا: إلى متى يمكن لمسار النموذج المغلق عالي السعر أن يصمد؟ وفي الشهر نفسه، زاد النقاش في القطاع حول «المفتوح المصدر مقابل المغلق» بوضوح. فمعسكر النماذج المغلقة (Kling وJimeng وSora) يبيع الإطار الأكثر ثباتًا لقطعة واحدة، ولا يكشف أوزان النموذج؛ أما معسكر المصادر المفتوحة (Wan من علي بابا، وHunyuanVideo من تينسنت، وCogVideoX من Zhipu) فيبيع المنظومة، إذ يتيح الأوزان للضبط الدقيق والتشغيل المحلي دون رسوم لكل مرة. وسينتهي الفرق بين المسارين إلى دفاتر شركات المحتوى: اللقطة الأهم في فيلم تستحق دفع المزيد مقابل الجودة، بينما الإنتاج الضخم الذي يصوّر الشخصية نفسها لعشرات الحلقات يعتمد أكثر على التحكم بالبيانات والسرعة.

من الخلفيات الجديرة بالانتباه خطر الترحيل. فقد أُوقف تجربة Sora على الويب في أبريل، كما يُخطط لإنهاء واجهة API في 24 سبتمبر. النماذج المغلقة تضع دورة حياة المنتج في يد الشركة المصنّعة، وكل ما يمكن للمستخدم فعله هو الانتقال معها. وبما أن Kling شركة أكملت للتو تمويلًا ضخمًا وتحمل شرط طرح عام، فإن هامشها لرفع الأسعار وتعديل شروط الواجهة أكبر مما يتصوره المستخدمون.

أحكام تتجاوز المواصفات

لنعد إلى ما يهم المبدعين: ماذا يغيّر فعليًا أن يتيح النموذج توليد 30 ثانية في المرة؟ كانت الطريقة السابقة تقتضي تقسيم العمل إلى لقطات من 5 إلى 15 ثانية، وتوليدها لقطة تلو الأخرى، ثم إضافة الصوت وتركيبها ببرنامج مونتاج. وبوضع Kling 4.0 مدة المقطع الواحد عند 30 ثانية، يصبح بمقدور جزء من السرد أن يقلّ فيه عدد القطع. لكن 30 ثانية ليست بعد الطول الكافي «لإنهاء قصة»، فالمشاهد الطويلة والسرد المتصل يوفّران أكثر عدد مرات الذهاب والإياب، لا أن يحلّا محل عقلية تقسيم المشاهد.

معنى 10 إطارات مفتاحية مشابه. فهو يتيح للمبدعين تثبيت عدة نقاط صور يجب أن تظهر، وتقليل إعادة التوليد المتكررة بأسلوب «سحب البطاقات». أما تكديس 15 عنصرًا مرجعيًا فينقل جزءًا من مهمة اتساق الشخصيات من مهارات كتابة الموجّه إلى سعة الإدخال لدى النموذج.

تعالج هذه الترقية مسألة قابلية التحكم، وهي بالضبط العتبة التي تنقل فيديو الذكاء الاصطناعي من «القدرة على إنتاج مقطع» إلى «القدرة على تسليم عمل». أما الأسعار والتراخيص وملكية البيانات، وهي أسئلة تتجاوز الأرقام، فلم يقدم Kling 4.0 إجابات عنها، وهي التي ستحدد في النهاية من سيستخدم هذا النموذج وفي أي مشاريع.