النص الصيني في الفيديو يبقى ضبابياً، ودرمينا سلّمت تنسيق الحروف إلى الكود

من يصنع فيديوهات معرفية يعرف الألم نفسه: مهما كان المشهد جميلاً، يبقى النص داخله ضبابياً. عنوان من ثلاثة أحرف يمتد إلى ستة، ومؤشرات المعادلة تنزلق من موضعها، ووسم البيانات يتحول إلى رقم آخر في الثانية الثانية. ولكي تكون الترجمة واضحة، ينتهي الجميع إلى الطريقة نفسها: يستخدمون المشهد المولَّد خلفية، ويفتحون CapCut، ويضيفون نصاً حقيقياً طبقة فوق طبقة.
أما Motion Studio الذي أطلقته درمينا في 10 نوفمبر فيسلك طريقاً آخر. فهو لا يولّد إطارات متصلة، بل يدع النموذج يكتب كوداً، وهذا الكود ينظّم التخطيط وترتيب الظهور وإيقاع الحركة للنصوص والصور والأشكال. والوصف الرسمي: صف الفكرة بالكلمات، وترجم المشهد بصرياً عبر الكود.
تبدو العبارة شعاراً تسويقياً، لكن معناها التقني واضح: النص يُصيَّر بمحرك تنسيق، ولا يرسمه نموذج انتشار. الحرف المرسوم يضبب، والحرف المنسَّق لا يضبب.
فيديو من 60 ثانية: ثماني دقائق ونصف، و82 رصيداً
لنبدأ بالحساب، لأنه يحدد ما إذا كان الأمر يدخل في سير العمل اليومي.
الوصول إلى Motion Studio حالياً يكون بالدخول إلى درمينا في متصفح الحاسوب، ثم استخدام المدخل على يسار الصفحة الرئيسية. يمكن ضبط نسبة الصورة والمدة، ويظهر تقدير استهلاك الأرصدة قبل التوليد، وينزل الملف النهائي مباشرة. لم تنشر درمينا تسعيراً منفصلاً لهذه الميزة، والأمر يجري بالأرصدة.
قياسات Jiqizhixin محددة: فيديو شرح معرفي مدته 60 ثانية استغرق نحو ثماني دقائق ونصف و82 رصيداً، وفيديو من 3 دقائق استغرق نحو 13 دقيقة. الإيقاع أقرب إلى اذهب وأعدّ كوب شاي ثم عد وصلّح النسخة الثانية. الضغط مرة والخروج بفيديو جاهز لا يحدث.
زمن الانتظار معقول، لأن ما يجري أكثر من توليد مشهد. المسار يبدأ بفهم النية والتخطيط، ثم توليد التعليق الصوتي والصورة كلٍّ على حدة، ثم التركيب والتصيير، وأخيراً تحقق واحد من الناتج. أربع مراحل داخل ضغطة واحدة، وثماني دقائق ونصف ليست بطيئة.
لماذا يخسر التوليد إطاراً بإطار مع الصينية
لفهم قيمة هذا المسار، لا بد من الإقرار بحقيقة: حين يرسم نموذج الفيديو نصاً صينياً فهو يرسم أشكالاً، ولا يكتب حروفاً.
نماذج الانتشار تنتج النص عبر توزيعات البكسل. الأشكال الحرفية التي ظهرت في بيانات التدريب يمكن محاكاتها، أما التركيبات التي لم تُرَ فتُخمَّن. الكلمات الإنجليزية قصيرة، وحروفها قليلة، وتركيباتها الشائعة كثيرة، فيمر التخمين. أما الحرف الصيني فهو بذاته بنية معقدة، كثيف الخطوط والمكوّنات، ولا يملك النموذج مفهوم الحرف، بل مفهوم هذه المنطقة ينبغي أن تكون حبراً. والنتيجة تُقرأ نصاً من بعيد، وتكون خطأً من قريب.
هذا يفسر لماذا تبدو أغلفة كثيرة من فيديوهات الذكاء الاصطناعي راقية، حتى تكبّر الصورة فتجد خطوطاً عبثية. ويفسر أيضاً لماذا تعود الفرق التي تصنع الدراما القصيرة بالذكاء الاصطناعي أو فيديوهات التعليق بالذكاء الاصطناعي في الصين إلى برامج المونتاج لتكتب الترجمة من جديد. المسألة ليست ذوقاً، بل عدم تطابق بين طريقة التوليد وهذا الكائن.
ما يستبدله Motion Studio هو هذه الطبقة بالتحديد. ينتقل النص إلى تنسيق بالكود: الخط وحجمه ووزنه والتباعد بين الأسطر ومواضع القطع تحددها قواعد التخطيط، ويتولى النموذج مسألة واحدة: متى يظهر العنصر، ومن أين يدخل، وكم يبقى. وبمجرد تغيّر تقسيم العمل يختفي ضباب الحروف من الجذر.
ما يحله التنسيق بالكود وما لا يحله
يحل الوضوح وقابلية التحكم. العناوين والمعادلات وأوسمة البيانات، أي شيء يحتاج شكلاً حرفياً محدداً، أصبح له مسار تصيير محدد. وهذا مهم خصوصاً للمحتوى الصيني، لأن كثافة المعلومات فيه عالية، ويحمل الشاشة الواحدة حروفاً كثيرة، وهامش الخطأ ضيق.

الأهم هو قابلية التحكم. التوليد إطاراً بإطار يشبه السحب العشوائي: تريد العنوان أن ينزلق من اليسار في الثانية الثالثة، فيأتيك النموذج بتلاشٍ من الأسفل، وثلاث إعادات تكلف أكثر. التنسيق بالكود قابل للتكرار: تغيّر معاملاً واحداً فيتحرك ذلك المعامل وحده، ولا يتبعه غيره. والتعديل يتبع المنطق نفسه: تصلح الجزء الخاطئ وحده، دون إعادة الفيديو كله.
ما لا يحله هو صحة المحتوى. اختبار Jiqizhixin يقول ذلك بصراحة: في عرض عن تطور الحرف الصيني، ظهرت أخطاء في شكل الحروف في النسخة الأولى، ولم تُصحح إلا بعد تقديم مواد مرجعية. أي أن الكود يضمن أن الحروف منسقة بوضوح، ولا يضمن أنها مكتوبة بشكل صحيح. وفي المواد التي تتضمن معرفة تخصصية أو حروفاً نادرة أو مصطلحات، يبقى على صانع المحتوى المراجعة إطاراً بإطار.
وأضيف حكماً شخصياً: هذا الحد سيتجاهله كثيرون. فكلما صارت الأداة أسهل، سهل الظن بأن الناتج صحيح. حلّ Motion Studio مسألة أن المشهد لا يبدو من صنع الذكاء الاصطناعي، أما السؤال المتبقي، هل يبدو المحتوى من صنع إنسان، فليس من شأنه.
خصمه الحقيقي ليس Seedance
من موقع المنتج، Motion Studio وسلسلة Seedance ليستا بديلاً إحداهما عن الأخرى. Seedance يقترب من التصوير الواقعي: الضوء والملمس والحركة الطبيعية. أما Motion Studio فيعمل على الرسوم والتنسيق، ويشدد على الأسلوب والإيقاع وانسجام الصوت مع الصورة. واحد يصنع اللقطة، والآخر ينسّق الصفحة.
الخصم الحقيقي هو مكتبة القوالب في CapCut، وسير العمل الذي يجمع Canva أو Figma مع تنسيق يدوي. هذه الأدوات تخدم الحاجة نفسها: أريد مقطعاً قصيراً بإيقاع، ونصاً واضحاً، وموسيقى مناسبة. ميزتها اليقين، وعيبها أن عليك البناء يدوياً كل مرة.
نقطة دخول Motion Studio هي جملة واحدة تدخل، والبنية تُبنى وحدها. تعطيه اسماً فيجمع هيكل الشرح وإيقاع السرد والتعليق الصوتي. وفي جانب القوالب توجد رسوم متحركة للحروف، وبكسل بأسلوب قديم، وحركة هندسية، وكولاج إبداعي، ولغات بصرية تشمل التجريد الهندسي وASCII والفن الشعبي وY2K. وبعد الاختيار تُملأ أمثلة الأوامر تلقائياً، ويمكن تغيير الموضوع والنص والألوان، ورفع موادك الخاصة.
هذا المزيج يناسب نوعاً واحداً من المحتوى بشكل خاص: الشرح المعرفي. فيديوهات المعرفة بأسلوب Vibe التي انتشرت على دوين وBilibili، وتحوّل مفاهيم مجردة مثل الإنتروبيا والتحسين الذاتي التكراري إلى رسوم متحركة مع تعليق وموسيقى، هي بالضبط الحالة المستهدفة. كثافة معلومات عالية، وحاجة بصرية واضحة، ولا حاجة لملمس تصوير واقعي: وهي الحالة التي يكون فيها التوليد إطاراً بإطار أقل جدوى، والتنسيق بالكود أعلاها.
تحويله إلى استوديو: تغليف سير العمل في منتج
قبل Motion Studio، أطلقت درمينا في 26 أكتوبر استوديو للدراما القصيرة، وأعلنت عن استوديو تسويقي للتجارة الإلكترونية والعلامات التجارية قريباً.
بالنظر إلى الاستوديوهات الثلاثة معاً، المنطق واضح: لا تبيع القدرة بحسب النموذج، بل تبيع الناتج بحسب الحالة. لا يحتاج المستخدم إلى معرفة الفرق بين Seedance ومحرك الحركة، بل يكفيه أن يعرف أنه يريد دراما قصيرة أو شرحاً أو صورة منتج. والمنتج يستوعب بقية المسار.
وهذا أيضاً الخيار المشترك لأدوات الفيديو الصينية هذا العام. الفجوة في قدرات النماذج تضيق، ومن يملك المسار الأقصر، بتنقلات أقل وتصدير واستيراد أقل، يبقى. وقد ضغط Motion Studio الخطوات الأربع أو الخمس السابقة، من كتابة النموذج للكود إلى تشغيله في المتصفح وتسجيل الشاشة والتصدير وإضافة التعليق والموسيقى، إلى ضغطة واحدة.
ما لم أقتنع به بعد
أولاً، ثماني دقائق ونصف لفيديو من 60 ثانية لا تزال بطيئة للإنتاج بالكم. الفرق التي تنتج عشرات الفيديوهات يومياً إما تشغّل مهام متعددة بالتوازي، أو تحفظ الأداة للأعمال المهمة.
ثانياً، شفافية استهلاك الأرصدة غير كافية. رؤية تقدير قبل التوليد أمر جيد، لكن كم تساوي 82 رصيداً يتوقف على الباقة التي اشتريتها، وهذا يجعل حساب تكلفة الفيديو الواحد صعباً عند التخطيط.
ثالثاً، وهي النقطة الأكثر واقعية: فيديوهات الحركة القائمة على القوالب تتشابه بسهولة. فحين تنتشر مجموعات الحركة الهندسية وASCII وY2K، يتعرف المشاهد على الأداة في ثلاث ثوان. المنصة تعطي نقطة البداية، والتميّز يبقى عليك.
إن أردت التجربة، ابدأ بفيديو شرح مدته 60 ثانية عن موضوع تعرفه جيداً ولا يعرفه النموذج، مثل إجراء داخلي في قطاع ما. هكذا ترى أمرين معاً: هل أصبح التنسيق واضحاً فعلاً، وإلى أي حد يمكن أن يخطئ المحتوى.
مقالات ذات صلة
جدول نقرات يديره المجتمع يطفئ الإعلانات داخل بناءات أندرويد الصينية
لا يمس النظام، ولا يفتح القفل، ولا يكتب أي شيء على الجهاز. يقلب فقط المفاتيح التي عرضتها الشركات أصلاً. الثمن قائمة يجب أن يظل أحدهم يكتبها.
GPT Image 2.6 أبقى على سعر الرموز ورفع الفاتورة
أبقى GPT Image 2.6 على كل أسعار الرموز كما كانت في 2.5، ومع ذلك صارت الصورة الواحدة أكثر كلفة، لأن جزءاً أكبر من العمل يجري الآن في رموز الإخراج. بعد أحد عشر يوماً من الإطلاق، تقول بنية التسعير أكثر مما تقوله لوحة الصدارة.
أحدهم أعاد بناء IDM من الخارج وكتب ما لم يمسّه
إعادة تنفيذ بلغة Rust لبرنامج Internet Download Manager تزعم سرعة أكبر بخمسة أضعاف ودعماً لـ 86 لغة. والوثيقة الأكثر إثارة للاهتمام هي الفقرة التي تشرح كيف بُني المشروع دون نسخ أي شيء.
Rune إطار عمل UI بلغة Rust صُمم كي يستطيع الوكيل التحقق من عمله
يرسم Rune بلا واجهة، ويفرّغ شجرة عناصره، ويقبل إدخالًا مكتوبًا، ما يمنح وكيل البرمجة إشارة قابلة للمقارنة لا تقدمها لقطة الشاشة أبدًا. الإطار في مرحلة ما قبل الإصدار ولا يستقبل pull requests.