Kling 4.0 وسباق التحكم الجديد في فيديو الذكاء الاصطناعي

لم تكن أكبر شكوى بشأن فيديو الذكاء الاصطناعي تتعلق يومًا بالجودة، بل كانت تتعلق بالتحكم. تكتب نصًا توجيهيًا (prompt)، فينتج النموذج شيئًا مبهرًا، ثم يطلب العميل تغييرًا صغيرًا واحدًا، فتضطر إلى إعادة توليد العمل بالكامل وتأمل أن يخرج وجه الشخصية والإضاءة بالشكل نفسه. هذه الفجوة هي ما يستهدفه Kling 4.0.

أعلنت Kling، التابعة لـ Kuaishou، عن النموذج في 28 سبتمبر. وتصدر النسخة الكاملة في وقت ما من أكتوبر؛ أما النسخة الأخف "Flash"، المحدودة بدقة 720p ومقاطع بطول 20 ثانية، فقد أتيحت للوصول المبكر في اليوم نفسه لمشتركي باقة Ultra السنوية. وتمدّد النسخة الكاملة التوليد باللقطة الواحدة إلى 30 ثانية وتضيف مخرجات 1080p و4K، مع تخطيط لدعم 10-bit HDR عند الدقات الأعلى.

المواصفات المهمة ليست أرقام الدقة، بل ميزات التحرير. وثلاث منها تبرز بوضوح.

الأولى هي التحرير الموضعي. يمكنك أخذ فيديو جاهز وتغيير شيء واحد، سواء كان تعبيرًا أو حركة أو حركة كاميرا أو نمطًا أو الخلفية، مع بقاء كل شيء آخر مقفلًا. ويمكنك إدخال ما يصل إلى خمسة مقاطع، من بينها مقطع رئيسي واحد. هذا هو الفرق بين أن تكون عبارة "العميل غيّر تفصيلًا واحدًا" إعادة تنفيذ كاملة، وأن تكون تعديلًا واحدًا. وهي أيضًا الميزة التي تسد الفجوة بين فيديو الذكاء الاصطناعي كعرض تجريبي وفيديو الذكاء الاصطناعي كحلقة مراجعة وتنقيح.

الثانية هي الإطارات المفتاحية (keyframes). أصبح التحويل من صورة إلى فيديو يقبل حتى عشرة صور إطارات مفتاحية، بالإضافة إلى الإطارين الأول والأخير. فتحدد لقطة المنتج، ومشهد الاستخدام، واللقطة القريبة للعبوة، بالترتيب، وتدع النموذج يملأ الحركة بينها. وبالنسبة لأي شخص يعمل على فيديوهات المنتجات، يحوّل هذا التوليد إلى لوحة قصص (storyboard). وتُعتمد لوحة القصص قبل أن تنفق الأرصدة، وهنا يكمن التوفير الحقيقي في الوقت. ولوحة القصص هي أيضًا عقد: يوافق العميل على التسلسل قبل أن يبدأ الجزء المكلف.

الثالثة هي Omni Reference، التي تقبل حتى 15 مدخلًا في وقت واحد: عشر صور، وخمسة فيديوهات بمجموع 30 ثانية، وحتى سبعة عناصر مع مراجع صوتية. تخاطبها في النص التوجيهي عبر @image1 و@video1، لتبيّن لكل مرجع وظيفته. فمرجع يحفظ الهوية، وآخر يحفظ النمط، وثالث يحفظ الوضعية. إنه المبدأ نفسه الذي يستخدمه الناس بالفعل في تحرير الصور، ممتدًا إلى المشاهد المتحركة.

تشترك هذه الميزات الثلاث في خيط واحد. فكلها تهدف إلى تقليل عدد المرات التي تضطر فيها إلى البدء من الصفر. كانت حقبة فيديو الذكاء الاصطناعي المبكرة أشبه بماكينة قمار: تسحب الذراع، فتحصل على مقطع، وتسحب مرة أخرى إن لم يعجبك. أما Kling 4.0 فيدفع نحو مسار إنتاج محدد النتائج، تُثبَّت فيه الأجزاء التي تهمك، ولا يبقى للصدفة سوى الحركة.

التسعير عدواني على نحو يقول إن Kuaishou تلعب على الحجم. فالفوترة السنوية تضع الفئة الابتدائية عند نحو 21 دولارًا شهريًا مقابل 180 رصيدًا، أي نحو 1.90 دولار للفيديو، والفئة الأعلى عند 90 دولارًا شهريًا بنحو 1.10 دولار للفيديو. ولا علامات مائية في أي فئة، لذا تُسلَّم المقاطع الجاهزة مباشرة إلى العملاء. وللمقارنة، تبلغ فئة Veo 3.1 القياسية من Google نحو 0.40 دولار للثانية، بينما يتراوح Wan 3.0 من علي بابا بين 0.05 و0.20 دولار. النماذج الصينية للفيديو تشتري حصتها السوقية بالسعر، وKling لا تخفي ذلك.

تأتي أدوات التحكم مضافة إلى نموذج أثبت بالفعل قدرته على الحفاظ على الشخصية عبر المشاهد. وهذا المزيج، تحكّم زائد ثبات زائد سعر منخفض للثانية، هو ما يجعل Kling 4.0 يبدو في فئة مختلفة عن عروض حقبة Sora المبكرة من نوع "واو، انظر ماذا ولّد". لقد انتهى زمن العروض. والعمل الآن يدور حول التنقيح والتكرار.

هذا هو الموضوع الهادئ الذي يسري في مجال توليد الفيديو بأكمله الآن. فيدفع Gen-4.5 من Runway نحو ثبات مدفوع بالمراجع، إذ تتيح صورة مرجعية واحدة الحفاظ على عنصر ما عبر لقطات متعددة. ويبيع Veo 3.1 الصوت والصورة مُولَّدين معًا، فتقع الخطوات حيث تقع الأقدام. وينافس Wan 3.0 بالسعر والأوزان المفتوحة. أما Kling 4.0 فيراهن على المشكلة غير البراقة المتمثلة في تغيير رأيك بعد أن ترى النتيجة. ولطالما كان هذا هو العائق الحقيقي في العمل الإبداعي، وهو العائق الذي لا يقيسه أي معيار تقييم.

تكمن أهمية هذا تجاريًا في أن من يدفعون مقابل فيديو الذكاء الاصطناعي ليسوا من يصنعون مقطعًا فيروسيًا واحدًا، بل من يصنعون مئة فيديو منتج شهريًا، وهم يخسرون من وقتهم في المراجعة والتنقيح أكثر مما يخسرونه في التوليد. والأداة التي تجعل التنقيح رخيصًا تهاجم مركز التكلفة الفعلي. ولهذا فإن التحرير الموضعي والإطارات المفتاحية في Kling، وليس مواصفة 4K، هما الإعلان الحقيقي.

هناك طريقة مفيدة لقياس هذا التحول. في سير العمل القديم، كانت "إعادة التوليد" الواحدة هي وحدة الفشل. فكل تباين غير مرغوب كان يكلفك توليدًا كاملًا، ورصيدًا كاملًا، وانتظارًا كاملًا. أما التحرير الموضعي في Kling 4.0 فيحوّل وحدة الفشل هذه إلى عملية صغيرة. والفرق العاطفي لا يقل أهمية عن الفرق الاقتصادي: فالمبدعون يكفّون عن معاملة النموذج كماكينة قمار ويبدؤون في معاملته كشريك يمكن توجيهه. تلك هي اللحظة التي تعبر فيها الأداة من كونها طرفة جديدة إلى سير عمل، وهي اللحظة التي بدأ فيها سوق فيديو الذكاء الاصطناعي ينضج فعلًا.

يسهل تجاهل الجانب الصوتي في Kling 4.0 لكنه يستحق الذكر. تولّد النسخة الكاملة صوتًا ستيريو ثنائي القناة متزامنًا مع الصورة، مع تحسين مزامنة الشفاه ودعم تسع لغات بينها عدة لهجات صينية. وبالنسبة لفيديوهات المنتجات والدراما القصيرة، حيث يمثل التعليق الصوتي المطابق لحركة الفم الفرق بين الإقناع والنشاز، فإن هذا أهم من زيادة الدقة. كانت فيديوهات الذكاء الاصطناعي المبكرة تُنتج مشاهد صامتة وتترك لك دبلجتها لاحقًا؛ أما النماذج التي تولّد الصوت والصورة معًا فتحذف مرحلة كاملة من مراحل ما بعد الإنتاج.

يستحق المشهد الاستراتيجي أن نتوقف لرؤيته. فـ Kuaishou منصة فيديوهات قصيرة، وKling هي ذراعها في الذكاء الاصطناعي. وهذا يعني أن Kling 4.0 ليس شركة أدوات تحاول بيعك اشتراكًا، بل منصة تغذّي منظومتها الخاصة من المحتوى، والتسعير العدواني يعكس مأزقًا نهائيًا مختلفًا عن مأزق بائع مستقل. وينطبق الأمر نفسه على Seedance وDreamina من ByteDance. فالنماذج الصينية للفيديو مدعومة من منصات تستفيد من المحتوى الذي تولّده، وهو ميزة هيكلية لا تملكها المختبرات الغربية، ولهذا تستمر حرب الأسعار في الميل في اتجاه واحد.

الشيء الوحيد الذي لم يجب عنه الإعلان بالكامل هو التفصيل الذي يهم كل العاملين في الإنتاج تاليًا: تسعير الأرصدة والوصول إلى واجهة API للنسخة الكاملة. فقد نشرت Kling فئات الاشتراك لكن ليس تكلفة الرصيد الواحد لـ Kling 4.0 نفسه، وحزم الـ API الخاصة بها لا تدعم النموذج الجديد بعد. وستُسد هذه الفجوة عند إطلاق النسخة الكاملة في أكتوبر، لكن يجدر الإشارة إليها لأن اقتصاديات نموذج صديق للتنقيح تختلف عن اقتصاديات نموذج اللقطة الواحدة. فإذا كان التعديل الموضعي يكلف جزءًا يسيرًا من إعادة التوليد الكاملة، فالقيمة المقترحة بديهية. وإذا كان يكلف ما يقارب ذلك، فالميزة مجرد راحة لا اختراق في التكلفة. وفي الحالتين، الاتجاه واضح، وتفاصيل التسعير ستحدد سرعة تبنّي الفرق له.

بالنسبة لأي شخص ينشر فيديوهات منتجات أو مقاطع تسويقية أو دراما قصيرة، فإن الخلاصة العملية بسيطة. تجاوز مواصفة الدقة، واسأل: ماذا يحدث عندما يطلب العميل زاوية مختلفة؟ إذا كان الجواب "أعد توليد كل شيء"، فأنت ما زلت تعيش في 2025. يراهن Kling 4.0 على أن الجواب في 2026 سيكون "عدّل شيئًا واحدًا واحتفظ بالباقي". وأي بائع يكسب هذا الرهان سيملك المرحلة التالية من السوق، لأن التنقيح هو حيث يذهب الوقت، والمال، فعليًا.