← العودة إلى المدونة
Aiحوالي 1 دقيقة قراءة

ViMax: وكيل واحد يقوم بأربع وظائف من فكرة في سطر إلى فيلم قصير

نُشر في 10 نوفمبر 2026
ViMax: وكيل واحد يقوم بأربع وظائف من فكرة في سطر إلى فيلم قصير

أكثر ما يثير الانتباه في ViMax ليس أنه يولّد فيديو. مستودعات كثيرة تفعل ذلك. اللافت أن المثال المرفق في المستودع نفسه لا يطلب منك نصاً توجيهياً، بل يطلب «فكرة في سطر».

idea = \
"""
If a cat and a dog are best friends, what would happen when they meet a new cat?
"""
user_requirement = \
"""
For children, do not exceed 3 scenes.
"""
style = "Cartoon"

هذه الكتلة تعيش داخل main_idea2video.py. تعدّل ملف بايثون، وتضع ثلاث مفاتيح API، وتشغّله. والمفترض أن يعود الناتج فيلماً قصيراً مكتملاً: سيناريو، ولوحة مشاهد، وتصاميم شخصيات، ولقطات، ومونتاجاً مجمّعاً. المستودع هو HKUDS/ViMax، وحصد نحو 12.8K نجمة، وطروحته أن وكيلاً واحداً يستطيع حمل أربع وظائف في وقت واحد: مخرج، وكاتب سيناريو، ومنتج، ومولّد.

النجاح مسألة أخرى غير صحة التأطير. التأطير صحيح. كل أدوات تحويل النص إلى فيديو في السوق تقريباً ترفض اتخاذ القرارات. تعطيها جملة فتعطيك خمس ثوانٍ. وكل ما فوق تلك الجملة — من تكون الشخصية، وماذا يجب أن تكون اللقطة الثانية، وهل تناقض الثالثة الأولى — مشكلتك أنت. رهان ViMax أن المنتج الناقص لم يكن النموذج قط، بل الطبقة التي تقرر ما يُطلب من النموذج.

ما في الصندوق فعلاً

ثلاثة مداخل، ويستحق فصلها لأن الناس يخلطون بينها دائماً.

من الفكرة إلى الفيديو. يأخذ main_idea2video.py فكرة أولية، وجملة قيد، وكلمة أسلوب. يكتب الوكيل السيناريو، ويقسّمه إلى مشاهد، ويولّد إطارات مفتاحية، ثم يسلّمها إلى نموذج فيديو.

من السيناريو إلى الفيديو. يتخطى main_script2video.py مرحلة الكتابة. أنت تزوّده بسيناريو مشاهد بصيغة قريبة من السيناريو السينمائي — EXT. SCHOOL GYM - DAY، وأعمار الشخصيات بين قوسين، والحوار في سطر مستقل — مع شرط مثل «إيقاع سريع ولا يزيد عن 20 لقطة». يفكّكه الوكيل، ويوزّع الأدوار، ويولّد.

واجهة TUI تفاعلية وواجهة ويب محلية. البيئة نفسها، وواجهتان. الـ TUI الطريق السريع؛ وواجهة الويب تمنحك مشاريع بأسماء، ولوحة محادثة، ومعاينات لوحة المشاهد، وفحص المخرجات.

وثمة أمر رابع مخبأ في الإعدادات أراه أهم من الثلاثة كلها: image_selection.

image_selection:
  num_candidates: 2  # Set to 1 to disable selection.

افتراضياً يولّد ViMax مرشحين للإطار المفتاحي بالتوازي، ويترك لنموذج محادثة قادر على الرؤية اختيار الأفضل. ميزة صغيرة بأثر كبير. معناها أن النظام لا يتعامل مع توليد الصور كآلة حظ يعيد الرمية حتى يرضى، بل كقرار له كلفة يتخذه شيء يستطيع النظر إلى الخيارين. الـ README صريح في أن هذا يرفع فاتورة الـ API. وهو أيضاً الفرق بين وكيل وحلقة تكرار.

التثبيت، بصراحة

أربعة أوامر، وواحد منها سيكون سبب استسلامك إن كنت على ويندوز.

git clone https://github.com/HKUDS/ViMax.git
cd ViMax
uv sync

هذه هي البيئة. uv يتولاها؛ لا وصفة conda ولا ملف Docker في البدء السريع. ثم:

cp configs/agent.example.yaml configs/agent.local.yaml

والآن تملأ ثلاث كتل. لا واحدة، بل ثلاث. نموذج لغة، ومولّد صور، ومولّد فيديو، لكل منها اسم نموذج وعنوان أساسي ومفتاح.

llm:
  model_provider: openai
  model: <YOUR_LLM_MODEL>
  base_url: <YOUR_LLM_BASE_URL>
  api_key: <YOUR_API_KEY>

image:
  model: <YOUR_IMAGE_MODEL>
  base_url: <YOUR_IMAGE_BASE_URL>
  api_key: <YOUR_API_KEY>

video:
  model: <YOUR_VIDEO_MODEL>
  base_url: <YOUR_VIDEO_BASE_URL>
  api_key: <YOUR_API_KEY>

إن لم ترغب في ملف إعدادات أصلاً، فالقيم نفسها تأتي من VIMAX_LLM_API_KEY وVIMAX_IMAGE_API_KEY وVIMAX_VIDEO_API_KEY. ثم يفتح vimax tui جلسة، ويعيد vimax tui resume <session_id> استئناف واحدة.

ثلاثة مزوّدين هو الجزء الذي يستهين به الناس. ليس عبئاً إعدادياً، بل هو الهندسة ظاهرة للعين: ViMax ملتصق بكل ما توصله به. ملف الإعدادات النموذجي يشير إلى OpenRouter للمحادثة، وإلى صنف صور من Google، وصنف فيديو من Google — ImageGeneratorNanobananaGoogleAPI وVideoGeneratorVeoGoogleAPI. غيّر مسار الصنف يتغيّر المورّد. مرونة تشبه مرونة مقبس كهرباء مُعنون جيداً.

واجهة الويب تثبيت منفصل:

cd web
npm install
npm run dev

تستمع على 127.0.0.1:4173. على خادم بعيد تمرّر المنفذ؛ وVIMAX_WEB_PORT ينقله. لا شيء غريب، لكن لاحظ أن «واجهة ويب محلية» تعني ذلك حرفياً — ليست منتجاً مستضافاً، ولا طبقة تحقق بين المنفذ ومفاتيحك.

A dark editing suite with a storyboard, a script page and a video timeline on three monitors

ما يفعله الوكيل بين فكرتك وملف MP4

الجواب الصادق: خط الإنتاج نفسه الذي يشغله فريق إنتاج صغير، ناقص الخلافات.

اقرأ الفكرة. حدّد النبرة. اكتب سيناريو بمشاهد. اختر أسلوباً بصرياً والتزم به. صف كل مشهد كلقطة بموضع كاميرا وموضوع. ولّد إطارات مفتاحية. اختر بين المرشحين. حرّك. ركّب. تحقق من أن المركّب ما زال يطابق الفكرة التي بدأ منها.

نمط الفشل المثير في الخطوة الأخيرة. نماذج الفيديو تنزلق. سترة الشخصية تتغير بين لقطة وأخرى. غرفة كانت بنافذتين تصبح بثلاث. حين يلتقط المونتير البشري ذلك يعيد التصوير أو يقطع حوله. وحين يلتقطه وكيل عليه أن يقرر: يعيد التوليد بكلفة، أم يقبل الانزلاق. جواب ViMax، بحسب ما يظهر في الـ README، هو الاعتماد على اختيار الإطار المفتاحي وعلى بقاء السيناريو ثابتاً. لا يعلن عن مدقق اتساق.

هذا ما يجب اختباره أولاً إن كنت تقيّم المشروع بجدية. لا «هل يصنع ثلاثين ثانية جميلة»، بل اطلب أربع لقطات للشخصية نفسها تمشي في الشارع نفسه، وأحصِ كم مرة يتغير الشارع.

أين يناسب، وأين لا يناسب

ViMax لا ينافس الجدول الزمني في Runway ولا برنامج مونتاج احترافياً. ينافس الصفحة البيضاء. الحالة الواقعية هي التي يوحي بها مثال المستودع نفسه: قطع قصيرة مكتفية بذاتها يمكن تحديدها كلها في فقرة — حكاية أطفال، أو شرح، أو نموذج أولي لعرض لا ميزانية له بعد.

وهو أيضاً تطبيق مرجعي مفيد فعلاً إن كنت تبني وكيلك. الفصل بين idea2video وscript2video هو الحدّ الصحيح: الأول وكيل إبداعي، والثاني وكيل تنفيذ، ومعظم من يبني هذا النوع يخلط بينهما حتى يصبح المشروع فوضى لا تُصان.

تحفظان يستحقان القول صراحة. أولاً، الـ README لا يعلن ترخيصاً. ولمستودع بـ 12.8K نجمة هذه ليست تفصيلاً، بل عائق أمام الاستخدام التجاري حتى يتضح. ثانياً، نموذج الكلفة غير مرئي. لا سقف ميزانية، ولا تقدير لكل تشغيل، ولا وضع تجربة جافة في البدء السريع — أول مرة تعرف فيها كلفة فيلم كرتوني من أربعة مشاهد هي حين تصل الفاتورة.

OpenMontage، المستودع الآخر الكبير للفيديو الوكيلي هذا الشهر، سار في الاتجاه المعاكس: بوابات صارمة، وسقف افتراضي معلن بعشرة دولارات، وعتبة موافقة بخمسين سنتاً لكل إجراء. ViMax اختار الانسياب. كلا الخيارين قابل للدفاع. واحد فقط سينجو من لقاء إدارة المالية.

الجزء الذي سيكبر مع الزمن

بعد سنة ستكون نماذج الفيديو التي يناديها ViMax أفضل وأرخص، وسيكون أحدهم قد أعاد كتابة مخطط الإعدادات. المرجح أن يبقى نمط التفاعل: أعط النظام فكرة لا نصاً توجيهياً؛ دعه يعرض عليك مرشحين للإطار المفتاحي بدل لقطة واحدة؛ أبقِ السيناريو عقداً يجب أن ترضيه اللقطات.

هذا النمط يظهر في كل مكان بالفعل — في تحويل الفيديو إلى لعبة، حيث يصبح المقطع المولّد وثيقة تصميم على وكيل برمجة مطابقتها؛ وفي OpenMontage، حيث يتوقف خط الإنتاج للموافقة عند كل بوابة إبداعية. أنفقت الصناعة عامين في الجدل حول أي نموذج يفوز. والجدل الأنفع، الذي تخوضه هذه المستودعات فعلاً، هو من يحق له اتخاذ القرار الثاني.

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.