في عام 2026، يدخل قطاع توليد الفيديو بالذكاء الاصطناعي مرحلة النضج، مع اختبار عملي لستة أدوات رئيسية لتوفير مرجع للاختيار حسب السيناريوهات المختلفة. من بين المنتجات المحلية، يدعم "جي مينغ أي أي" (Seedance 2.0) من ByteDance المدخلات متعددة الوسائط الأربعة الأبعاد، ويتمتع بقدرة على تخطيط المشاهد بمنطق المخرج، كما تتيح ميزة نقل الكيانات إعادة إنتاج دقيقة للغاية للحركات وحركات الفم. ويبرز "كيلينغ 3.0" من Kuaishou في الحركات الجسدية المعقدة وسيناريوهات الحياة الصينية، حيث يحقق درجة قريبة من الكمال في اختبار "الممثل سميث يأكل المعكرونة". أما "تونغيي وانشيانغ" (Wan 2.2) من علي بابا، فيدعم النشر الخاص المفتوح المصدر، مما يجعله مناسبًا للتخصيص المؤسسي. من بين الأدوات الأجنبية، يحافظ "سورة 2.0" من OpenAI على تقدمه في الفهم الفيزيائي والاتساق الطويل للفيديوهات بفضل منطقه الأساسي المتمثل في "بناء العالم". أما "فيو 3.1" من Google، فهو قائد في مجال التزامن الصوتي والمرئي، ويمكنه توليد الصوت البشري وموسيقى الخلفية بشكل متكامل في خطوة واحدة. ويعتبر "Runway Gen-4.5" صندوق أدوات شامل للمبدعين المحترفين، ويضم ميزات متقدمة مثل فرشاة الحركة المدمجة. تساعد هذه المقالة المستخدمين على اختيار الأداة المناسبة وفقًا لاحتياجاتهم، وتغطي جميع السيناريوهات من الإبداع بدون خبرة حتى المراحل الاحترافية للتحرير السينمائي.

كاتب المقال، المصدر: 36氪

اختبار عملي لـ 6 أدوات رئيسية لتوليد الفيديوهات بالذكاء الاصطناعي، تغطي جميع السيناريوهات للمساعدة في اتخاذ القرار.

في عام 2026، دخل مجال توليد الفيديوهات بالذكاء الاصطناعي مرحلة نضج متكاملة وتنافس مكثف، وأدى إصدار Seedance 2.0 إلى تحويل توليد الفيديوهات بالذكاء الاصطناعي إلى "احتفال شعبي شامل".

في غضون سنتين فقط، تطورت مقاطع الفيديو التي تولدها الذكاء الاصطناعي من لقطات مشوشة ومتقطعة تستمر بضع ثوانٍ إلى مقاطع فيديو طويلة تصل إلى دقائق، ذات سرد متسلسل وتمثيل دقيق لعالم فيزيائي حقيقي. وقد تجاوزت سرعة تطور أدوات الفيديو بالذكاء الاصطناعي التوقعات، حيث اجتازت الأدوات ثلاث مراحل: من "قابلة للاستخدام" إلى "سهلة الاستخدام" ثم إلى "احترافية"، مما خفض عتبة تنفيذ الإبداع إلى مستويات جديدة — حيث يمكن للفِرق الاحترافية استخدامها لمحاكاة أفلام كبيرة، كما يمكن للمستخدمين العاديين إنشاء مقاطع فيديو قصيرة شهيرة بنقرة واحدة.

في هذا السباق العالمي، تُعرّف كل أداة مستقبل إنشاء الفيديو من الجيل التالي بميزاتها الفريدة.

لضمان قدرة القراء ذوي الاحتياجات المتنوعة على اختيار الأداة المناسبة لهم، أجرينا اختبارات عملية على مدى أسبوعين لعشرات من منتجات توليد الفيديو بالذكاء الاصطناعي المحلية والعالمية، وانتقينا في النهاية ستة أدوات رائدة لتشكيل قائمة مرجعية، تغطي جميع سيناريوهات إنشاء الفيديو، من الإبداع من الصفر حتى المونتاج السينمائي الاحترافي، ومن المحتوى الشخصي حتى الاستخدام التجاري للشركات. ستشرح هذه المقالة بالتفصيل الميزات الأساسية لكل أداة، وتجربتنا العملية، ونقاط ضعفها، لمساعدتك على تجنب الأخطاء الشائعة في الاختيار واختيار أداة توليد الفيديو بالذكاء الاصطناعي المناسبة لك في المرة الأولى.

قائمة أدوات توليد الفيديو بالذكاء الاصطناعي

الأدوات المحلية

1. Ji Meng AI (Seedance 2.0، ByteDance)

Seedance 2.0 هو بلا شك النموذج الرائد الحالي لتوليد الفيديو بالذكاء الاصطناعي. إنه يشبه منتجًا سينمائيًا ذكيًا يمتلك "عقلية مخرج" حقيقية، وهو ما جعله يحقق شعبية عالية قبل بضعة أيام.

أحد الإنجازات الكبرى في Seedance 2.0 هو الدعم الشامل للمدخلات متعددة الوسائط الأربعة الأبعاد: الصور والنصوص والصوت والفيديو، مما وصل بالنموذج إلى مستوى غير مسبوق من الاستقرار في الاتساق البصري.

ثم فيما يتعلق بفهم لقطات المشهد، يمكن لـ Seedance 2.0 إجراء تخطيط اللقطات بشكل مستقل مثل مخرج محترف، حيث تعرف متى تستخدم لقطة قريبة للتأكيد على المشاعر، ومتى تستخدم لقطة واسعة لعرض البيئة، ومتى تستخدم قطعًا سريعًا لزيادة التوتر، وفي الجمال السردي للقطات، فهي حتى تسبق Sora 2.0.

يحتوي Seedance 2.0 على ميزة مثيرة للجدل تتمثل في نقل الكيان، حيث أثارت دقتها العالية جدًا جدلاً. يمكنك نقل صورتك الخاصة إلى كيان معين في فيديو آخر، وتحقيق نفس الحركات وتطابق شكل الفم تمامًا.

لا حاجة لارتداء معدات معقدة لالتقاط الحركات، فقط بفيديو أو صورة واحدة، يمكنك نقل كل شيء. لقد جربنا عمليًا استخدام مقطع رقص من فيلم "La La Land" كموضوع للنقل، ووصلت دقة استعادة الحركات واتساق الخلفية إلى مستوى عالٍ جدًا.

من حيث تجربة الاستخدام، حقق AI Jimeng صفر عوائق حقيقية. هناك مدخلات على منصات متعددة مثل AI JIMENG و DouBao و Xiao Yun Que، وواجهة التشغيل بسيطة، لدرجة أن المبتدئين الذين لا يفهمون إنتاج الفيديو على الإطلاق يمكنهم البدء في إنشاء أول فيديو لهم في غضون 3 دقائق.

لكن العيب الوحيد هو أن Seedance 2.0 تستهلك قوة حوسبة هائلة، مما أجبر منافذ حركة المرور الكبيرة مثل DouBao على إطلاق إصدارات مخففة، حيث لا يمكن استخدام بعض الميزات المتقدمة؛ كما أن الوظيفة المتقدمة لنقل الكيانات البشرية بدقة عالية تخضع لقيود صارمة على التحقق من الهوية بسبب الامتثال والتدقيق الأمني، مما يقيد درجة الحرية الإبداعية مؤقتًا.

السيناريوهات المُناسبة: إنتاج أفلام ومسرحيات للمبتدئين تمامًا؛ مقاطع فيديو على وسائل التواصل الاجتماعي لشخصيات رقمية أو مطربين افتراضيين؛ إعادة إنشاء مقاطع فيديو قصيرة شهيرة على تيك توك.

2. كلينغ AI (Kling 3.0، Kuaishou)

Kuaishou's Keling 3.0 هو أيضًا "الحصان الأسود" بين أدوات الفيديو بالذكاء الاصطناعي الصينية التي نجحت في اختراق السوق العالمية. فبدلاً من اتباع نهج "الوظائف الشاملة"، حقق تفوقًا في حركات الجسم البشرية المعقدة والتفاعلات الفيزيائية اليومية، ليصبح الأداة المفضلة لإنشاء مقاطع فيديو درامية باللغة الصينية.

في دائرة الفيديوهات المدعومة بالذكاء الاصطناعي، هناك مُحاكاة كلاسيكية لاختبار النماذج: إنشاء فيديو "الممثل سميث وهو يأكل المعكرونة" لاختبار قدرة الذكاء الاصطناعي على فهم حركات الجسم البشرية والتفاعل الفيزيائي مع الأجسام. وقد قدّم كيلين 3.0 إجابة شبه مثالية في هذا الاختبار: حركة العيدان وهي تلتقط المعكرونة طبيعية، وملمس المعكرونة المتدلي يتوافق مع قوانين الفيزياء، كما أن حركات المضغ وتعبيرات الوجه متناسقة بشكل عالٍ.

في الوقت نفسه، فإن Keling 3.0 هو النموذج الذي يفهم أفضل احتياجات المستخدمين الناطقين بالصينية من حيث القصص، وهو يتحكم بدقة في منطق السرد الصيني. ويعود هذا إلى تدريب عميق لـ Keling 3.0 على السيناريوهات اليومية الصينية، حيث يستطيع فهم سلوكيات الحياة اليومية والمشاهد الحياتية وطريقة التفكير على الإنترنت للصينيين بدقة.

كما أن تكلفة إنشاء الفيديوهات الطويلة مُحكمة، وسرعة الإنشاء أسرع، مما يجعلها مناسبة للإنتاج الجماعي. على الرغم من أن فهمها قد ينحرف عند معالجة تعليمات تتعلق بمفاهيم خيال علمي مجردة أو خلفيات ثقافية غربية، إلا أن لينغ لا تزال خيارًا ممتازًا للمُنشئين الصينيين للفيديو بالذكاء الاصطناعي.

مُصمم لسيناريوهات صينية في الفيديوهات؛ إنتاج مسلسلات متحركة بالذكاء الاصطناعي

3. تونغي وانشيانغ (Wan 2.2، علي بابا)

بالمقارنة مع Ji Meng و Ke Ling، فإن Tongyi Wanxiang يشبه أكثر أداة مخصصة مصممة للشركات، وهو يقع في مسار مختلف عن Ji Meng و Ke Ling اللذين يستهدفان بشكل رئيسي اللاعبين العاديين.

Model Tongyi Wanxiang is open source

الميزة الأساسية لـ Tongyi Wanxiang هي بلا شك قابليتها لل-open source والنشر الخاص، وهي ميزة جذابة للغاية للشركات التي تضع الأمن السيبراني في مقدمة أولوياتها — حيث يمكنها نشر النموذج على خوادمها الخاصة، وحفظ جميع مواد الإبداع والفيديوهات المولدة محليًا، مما يمنع تسرب البيانات التجارية، وهو ما لا تستطيع أدوات المستهلك مثل Jimeng و Keling تحقيقه.

كما أن قدرتها على التخصيص المؤسسي تُعد من الأفضل في الصناعة، حيث يمكنها التكيف العميق مع عناصر العلامة التجارية، وإضافة شعار الشركة وألوان العلامة التجارية وصور المنتج تلقائيًا إلى الفيديو، ويمكنها تعديل أسلوب الفيديو وإيقاعه وفقًا لاحتياجات الشركة، بل ويمكنها الاتصال بقاعدة مواد الشركة الحالية لتحقيق دمج سلس بين الصور المولدة بالذكاء الاصطناعي والمواد الأصلية للشركة.

بالإضافة إلى ذلك، فإن تكلفة قوة الحوسبة في تونغيي وانشيان قابلة للتحكم، وأمان البيانات مُعزَّز بالكامل، وبفضل مزايا نظام علي بابا السحابي، يمكن للشركات ضبط موارد قوة الحوسبة وفقًا لاحتياجاتها الخاصة، مع تكلفة إنشاء الفيديوهات الجماعية أقل بكثير مقارنة بالأدوات الأخرى.

بالطبع، هذه الأداة غير صديقة للمستخدمين الأفراد، وحاجز استخدامها مرتفع، وتحتاج إلى معرفة بسير عمل ComfyUI للاستفادة من ميزاتها المخصصة؛ كما أنها تقل في تنوع الأنماط الإبداعية وواقعية الصور مقارنة بالأدوات الرائدة في السوق الاستهلاكي مثل Ji Meng و Ke Ling.

مُصمم لسيناريوهات: فيديوهات ترويجية للعلامات التجارية، فيديوهات مخصصة للشركات، وإنتاج فيديوهات دورات طويلة المدة.

أدوات خارجية

1. Sora (Sora 2.0، Open AI)

OpenAI-Sora

كمُبَدِّل للصناعة، يحتفظ Sora 2.0 بمكانته العالية في فهم القوانين الفيزيائية وتماسك توليد الفيديوهات الطويلة. مقارنة بالإصدار الأول، حقق الإصدار 2.0 معيارًا على مستوى هوليوود في التبديل السلس بين لقطات متعددة وتصور الإضاءة والظلال المعقدة.

أكبر ميزة له تكمن في أن منطقه الأساسي ليس في "توليد البكسلات"، بل في "بناء العالم"، مما يعني أن الصورة نادراً ما تتعطل عند ظهور انسدادات للأشياء أو حركات كاميرا دائرية كبيرة، كما أن اتساق الكائنات مذهل. لكنه يعاني من فترات انتظار طويلة لتوليد الفيديو، وقوة التحكم الدقيقة في المناطق المحددة ضعيفة نسبياً، كما تظهر وجوه الشخصيات أحياناً "مشوشة"، ويتميز بخاصية "فتح الصندوق المغلق" القوية.

لكن ما جعل Sora 2.0 يحقق نجاحًا كبيرًا العام الماضي هو طريقة اللعب المرتبطة بتطبيق Sora، والتي تُعرف بـ"تيك توك النسخة الذكية". الواجهة عبارة عن تدفق معلومات عمودي مألوف، حيث يمكنك التمرير لأعلى ولأسفل لمشاهدة مقاطع الفيديو المولدة بالذكاء الاصطناعي والتعبير عن الإعجاب والتعليق.

بالإضافة إلى ذلك، تتوفر ميزات ممتعة للغاية لـ Cameo و Remix، حيث يمكنك عند رؤية فيديو تحبه، تعديل التعليمات البرمجية بنقرة واحدة، وتغيير الأسلوب وإضافة شخصيات، لجعل أصدقائك أو المشاهير يظهرون في الفيديو الذكي والتفاعل معهم مباشرة داخل الفيديو.

Sora يُنشئ الفيديوهات

مُصمم لسيناريوهات توليد مواد B-roll بجودة سينمائية؛ بناء مشاهد خيال علمي وخيالي عالي الدقة؛ نشر إبداعي مُتكرر ومنتشر.

2. Veo (Veo 3.1، Google)

Veo 3.1 هو القائد في مجال مزامنة الصوت والصورة، بينما لا تزال الأدوات الأخرى تكافح لضبط الحركة الشفوية في المراحل اللاحقة ودمج الأصوات البيئية، فإنه يولد مباشرة صوتًا بشريًا وخلفية وأغاني خلفية متوافقة تمامًا مع المشهد. كما أن الميزات الجديدة مثل التوسيع، وتحويل الإطار إلى فيديو، وتحويل المكونات إلى فيديو، حلّت مشكلة انفصال الصوت عن الصورة التي تعاني منها معظم الأدوات.

بالإضافة إلى ذلك، فإن نموذج Gemini الكبير يمتلك قدرات قوية في منطق سرد الفيديوهات الطويلة وفهم اللغات المتعددة، كما أن تكامله مع البيئة البيئية قوي. لكن آلية تصفية الأمان الخاصة به صارمة للغاية، حيث يتم حظر أي تعليمات تتعلق بشكل طفيف بأشخاص حساسين أو مثيرين للجدل، كما أن واجهة المستخدم غير بديهية للمستخدمين خارج بيئة Google، ودرجة تكيفها مع اللغة الصينية أقل من الأدوات المحلية.

Veo 3.1

السيناريوهات المُناسبة: إنتاج فيديو موسيقي؛ مقاطع فيديو بتعليق صوتي متعدد اللغات؛ توليد أصوات خلفية وثائقية أصلية.

3. Runway (Runway Gen-4.5)

Runway Gen-4.5

Runway Gen-4.5更像是专业创作者手中的全能工具箱，与其他平台只专注于“生成能力”不同，它直接将生成与专业后期处理一并提供。

يأتي مع فرشاة حركة مدمجة، وقناع ذكي، وتداخل الإطارات، ووظائف إصلاح المشهد، ويقدم تحكمًا دقيقًا في جودة الصورة يفوق بكثير الأدوات التي تعتمد على التوليد البحت، كما يمكنه التكامل السلس مع برامج احترافية مثل PR وAE، ويوفر قدرة ممتازة على التعاون الجماعي، وهو متكامل تمامًا في سير عمل تحرير الفيديو الاحترافي.

النقاط الضعيفة واضحة أيضًا: جودة الصورة الناتجة بالكامل من خلال التوليد الأصلي، وسلسية الفيديوهات الطويلة لا تقارن بـ Sora و Veo، ودعم اللغة الصينية ضعيف جدًا، والاشتراك ليس رخيصًا. إنه أكثر ملاءمة لفرق الإنتاج السينمائي والإعلاني لأعمال الإبداع الثانوي الدقيقة، وغالبًا لن يحتاج المبتدئون إلى كل هذه الوظائف المتقدمة.

مُصمم لسيناريوهات إنتاج لقطات VFX احترافية؛ الإبداع الدقيق في مرحلة ما بعد الإنتاج السينمائي؛ إنشاء ملصقات ديناميكية فاخرة.

النهاية

رحلة استكشاف الذكاء الاصطناعي، الفرد يسير بسرعة، لكن المجموعة تصل أبعد.

تم فتح مجموعة المستخدمين الأساسيين لـ "36氪 AI تقييم"، حيث تجد أحدث الأخبار، وتقييمات متعمقة، وأصدقاء يشاركونك الاهتمامات.

We look forward to meeting you and witnessing the future of AI together.