Kling من الصورة إلى الفيديو: الحركة والكاميرا والمدة

الجواب المختصر: Kling نموذج لتوليد الفيديو طوّرته Kuaishou، منصة الفيديو القصير الصينية. في وضع الفيديو من الصورة يتخذ الصورة التي ترفعها نقطة بداية، ويحركها وفق الحركة والاتجاه الذي تكتبه والإيقاع الذي تحدده. وقد زادت المدة التي يمكن توليدها في مرة واحدة من إصدار إلى آخر: فبحسب الإعلانات الرسمية وصلت الإصدارات في نهاية 2025 إلى 10 ثوانٍ، و Kling 3.0 في فبراير 2026 إلى 15 ثانية، و Kling 4.0 في أكتوبر 2026 إلى 30 ثانية في مرور واحد. في هذه المقالة نشرح كيف يعمل الفيديو من الصورة، وكيف تكتب موجّهات للحركة والكاميرا، وما الذي يجب الانتباه إليه.

ما Kling، ومن يطوّره؟

Kling نموذج فيديو أعلنته Kuaishou Technology في يونيو 2024. وذكرت الشركة في إعلانها الأول أن النموذج يستخدم بنية محوّل انتشار (DiT)، ويعتمد على شبكة VAE ثلاثية الأبعاد من تطويرها تضغط الصورة في الزمن والمكان معًا، وعلى آلية انتباه تحلل الحركة. وشاركت في الإعلان نفسه أهدافًا مثل دقة 1080p وسرعة 30 إطارًا في الثانية. وطُرح النموذج أولًا في الصين بنسخة تجريبية، ثم أُتيح في يوليو 2024 عبر الويب للعالم كله بصيغة تجريبية (beta).

ومنذ ذلك الحين أصبح Kling AI عملًا منفصلًا ينمو داخل Kuaishou. وبحسب إعلان فبراير 2026 تخدم المنصة أكثر من 60 مليون صانع محتوى، وقد أُنتج حتى ذلك التاريخ أكثر من 600 مليون فيديو.

ما الذي تغيّر بين إصدارات Kling؟

يتحدث Kling عن تحديثات متكررة. يلخص الجدول التالي النقاط البارزة في المدة والصوت والمدخلات كما وردت في الإعلانات الرسمية لـ Kuaishou و Kling AI:

الإصدار	الإعلان	أبرز ما ورد في الإعلان الرسمي
الإصدار الأول	يونيو 2024	بنية DiT، و1080p و30 إطارًا في الثانية؛ الفيديو من الصورة والتمديد خلال الشهر الأول
فتح الويب	يوليو 2024	التحكم بالإطار الأول والأخير، والتحكم بالكاميرا، وفيديو من نص بمدة 10 ثوانٍ
Kling O1	ديسمبر 2025	التوليد والتحرير في نموذج واحد؛ مدة من 3 إلى 10 ثوانٍ؛ فيديو بمراجع
Video 2.6	ديسمبر 2025	صوت متزامن مع الصورة؛ حوار بالصينية والإنجليزية؛ حتى 10 ثوانٍ
Kling 3.0	فبراير 2026	حتى 15 ثانية؛ سرد متعدد اللقطات؛ حوار بخمس لغات؛ إخراج 4K محلي لاحقًا
Kling 4.0	أكتوبر 2026	حتى 30 ثانية في مرور واحد؛ حتى 15 مرجعًا و10 إطارات مفتاحية كمدخلات

ملاحظة: المدد في الجدول هي الحدود القصوى المعلنة للنموذج. أما المدد التي يمكنك اختيارها فعلًا فتتغير بحسب الإصدار المستخدم والوضع وخطة الوصول. لذلك فإن أدق معلومة هي الخيارات التي تراها في شاشة التوليد.

كيف يعمل الفيديو من الصورة في Kling؟

في الفيديو من الصورة لا يبتكر النموذج المشهد من الصفر؛ بل يعتبر الصورة التي رفعتها بداية الفيديو، ويتوقع ما يحدث في الإطارات اللاحقة. وجه الشخص وملابسه وإضاءة المكان وألوانه تأتي من الصورة، أما الحركة نفسها فيحددها الموجّه. لذلك فإن نصف النتيجة الجيدة في الفيديو من الصورة هو الصورة الصحيحة، والنصف الآخر وصف الحركة الصحيح.

وقد توسعت أدوات التحكم التي أضيفت إلى هذا الوضع مع الوقت:

• الإطار الأول والأخير: منذ يوليو 2024 يمكنك تقديم صورة بداية وأخرى نهاية وتوليد الانتقال بينهما. ويذكر إعلان Kling O1 أيضًا التوليد من الإطار الأول والأخير ضمن القدرات الأساسية.
• التحكم بالكاميرا: توجيه حركة الكاميرا كان من الميزات التي جاءت مع فتح الويب.
• المراجع والعناصر: مع Kling O1 صار ممكنًا استخدام عدة موضوعات وصور مرجعية ومقاطع فيديو معًا، بهدف الحفاظ على ثبات الشخصيات والأشياء والمكان. ويستطيع Kling 3.0 Omni استخلاص مظهر الشخصية وخصائص صوتها من فيديو مرجعي، أما Kling 4.0 فيقبل 15 مرجعًا و10 إطارات مفتاحية معًا.
• التمديد: إطالة فيديو أنتجته بجزء تالٍ موجود في Kling منذ أشهره الأولى.

خطوة بخطوة: تحويل صورة إلى فيديو بـ Kling

1. جهّز الصورة: اختر صورة واضحة، وموضوعها بارز، والمساحة التي ستتحرك واضحة. إذا كان الشيء الذي سيتحرك (شعر، ماء، قماش، دخان) ظاهرًا في الصورة فالنتيجة تبدو أكثر إقناعًا.
2. فكّر في النسبة من البداية: للنشر العمودي ابدأ بصورة عمودية؛ ولا تترك القص للمرحلة الأخيرة.
3. اختر حركة رئيسية واحدة: «المرأة تدير رأسها وتبتسم» تعطي نتيجة أنظف من خمسة أفعال معًا.
4. اكتب الكاميرا: ثابتة؟ أم تقترب ببطء؟ أم تدور حول الشخص؟ اجعل جملة الكاميرا منفصلة.
5. اختر المدة: تكفي المدة القصيرة لحركة واحدة، أما المشهد متعدد اللقطات فيحتاج مدة أطول.
6. أضف صورة نهاية إذا لزم الأمر: إذا كنت تريد تحديد الحالة التي ينتهي عندها المشهد بدقة، فقدّم صورة ثانية كإطار أخير.
7. أنتج وشاهد وصحح بتغيير واحد: إذا كانت الحركة سريعة جدًا فغيّر كلمة الإيقاع وحدها، وإذا كان الكادر خاطئًا فغيّر جملة الكاميرا وحدها.

كيف تكتب موجّه الحركة؟

الهدف من الموجّه في الفيديو من الصورة ليس إعادة وصف ما في الصورة، بل قول ما الذي سيتحرك وكيف. وتساعد على ذلك التفكير في الحركة على ثلاث طبقات:

• حركة الموضوع: ماذا يفعل الشخص أو الحيوان أو الشيء؟ «يمشي»، «يدير رأسه»، «يرتشف قهوته».
• حركة المحيط: ما الذي يتحرك في الخلفية؟ «تموجات خفيفة على سطح البحيرة»، «أعشاب تتمايل مع الريح»، «بخار يتصاعد».
• حركة الكاميرا: كيف يتغير زاوية الرؤية؟ «كاميرا تقترب ببطء»، «لقطة تنزلق من اليمين إلى اليسار».

أضف إلى ذلك الإيقاع: كلمات مثل «ببطء»، «بهدوء»، «فجأة»، «حركة بطيئة» تحدد السرعة التي سيُظهر بها النموذج الحركة. وتقول Kuaishou إن Kling 1.6 الذي أُطلق في أواخر 2024 يستجيب أفضل لأوصاف الحركة والحركة الزمنية وحركة الكاميرا؛ وهذا يعني أن هذه الكلمات تعمل فعلًا.

مختصر لحركات الكاميرا

• الاقتراب (push in): تتقدم الكاميرا نحو الموضوع؛ وتزيد الانتباه والشعور.
• الابتعاد (pull out): تتراجع الكاميرا؛ وتكشف المكان والسياق.
• Pan: تبقى الكاميرا في مكانها وتدور يمينًا أو يسارًا؛ مفيد للمناظر الواسعة.
• التتبع (tracking): تتحرك الكاميرا مع الموضوع جنبًا إلى جنب.
• المدار (orbit): تدور الكاميرا حول الموضوع في قوس؛ فعالة للمنتجات والبورتريه.
• كاميرا ثابتة: تتحرك عناصر المشهد فقط؛ وتعطي نتائج هادئة شبيهة بالسينمغراف.

أمثلة موجّهات

صورة منظر طبيعي:

تموجات خفيفة على سطح البحيرة، وأشجار الصنوبر على الضفة المقابلة تتمايل ببطء مع الريح، وضباب رقيق يتسلل من خلف الجبال. تقترب الكاميرا ببطء شديد نحو البحيرة. إيقاع هادئ وطبيعي.

صورة بورتريه:

تدير المرأة رأسها ببطء نحو الكاميرا وتبتسم برفق، وشعرها يتحرك مع الريح. الكاميرا ثابتة، والعمق الضحل للمجال محفوظ، والخلفية تبقى ضبابية.

صورة منتج:

كوب سيراميك على الطاولة يبقى ثابتًا، وبخار رقيق يتصاعد منه. تدور الكاميرا حوله في نصف قوس بهدوء. إضاءة استوديو ناعمة، وإحساس بالحركة البطيئة.

بالإطار الأول والأخير:

انتقال ناعم من مشهد شارع في النهار إلى مشهد ليلي: تُظلم السماء ببطء، وتضيء أعمدة الشوارع واحدًا تلو الآخر، ويتلألأ ضوء الواجهات على الرصيف المبلل. الكاميرا ثابتة.

كيف يعمل الفيديو بالصوت في Kling؟

مع Video 2.6 في ديسمبر 2025 بدأ Kling يولّد الصورة والصوت في مرور واحد: الكلام والحوار والسرد والأغنية والصوت المحيطي والمؤثرات. وبحسب Kuaishou يمكن إنتاج فيديو صوتي من النص، ومن الصورة مع الموجّه أيضًا؛ وكان 2.6 يُنتج الحوار بالصينية والإنجليزية ويصل إلى 10 ثوانٍ. وفي Kling 3.0 توسعت لغات الكلام إلى الإنجليزية والصينية واليابانية والكورية والإسبانية، ويدعم اللهجات الأمريكية والبريطانية والهندية، ويستطيع إنشاء مشاهد متعددة الشخصيات يتكلم فيها كل شخص بلغة مختلفة.

التركية ليست بين لغات الكلام المعلنة. فإذا أردت حوارًا بالتركية فاستمع للنتيجة بعناية، وفكّر إن كان من الأفضل إضافة الصوت بأداة منفصلة. وفي الموجّه اكتب الكلام بين علامتي تنصيص، وحدد من يتكلم وطريقة الكلام («همسًا»، «بفرح»)، فذلك يجعل النتيجة أوضح.

كيف تختار المدة؟

الأطول ليس دائمًا أفضل. المقطع القصير مثالي لتقديم حركة واحدة بوضوح: ابتسامة، أو علم يرفرف، أو منتج يدور. وكلما طالت المدة احتاج النموذج إلى أن يستمر المشهد بأحداث كافية؛ فإذا لم تكتب أحداثًا كافية قد تتكرر الحركة، أو يستحدث النموذج أحداثًا من تلقاء نفسه.

المدد الطويلة ومتعددة الأحداث مناسبة للمشاهد التي تتضمن عدة لقطات وأحداثًا. يستطيع Kling 3.0 أن يفهم التعليمات متعددة المشاهد ويضبط زوايا الكاميرا وفقها، كما يقدم Kling 3.0 Omni ما يسميه لوحة قصة يمكنك فيها تحديد المدة وحجم اللقطة وزاوية الرؤية والسرد وحركة الكاميرا لكل لقطة. وإذا كنت تخطط لمشهد طويل فاكتب الأحداث بالترتيب: ماذا يحدث أولًا، ثم ماذا يحدث، وأخيرًا أين تقف الكاميرا.

حدود ينبغي أن تعرفها

• الحد المعلن ليس دائمًا الحد المتاح لك: تتغير المدة والدقة وعدد المراجع بحسب الإصدار وخطة الوصول.
• الحركة السريعة والمعقدة: إشارة Kuaishou إلى أن Kling 4.0 يقدم «حركة كبيرة النطاق أكثر ثباتًا» كجديد رئيسي تدل على أن هذا المجال ما زال صعبًا. فتابع الأيدي والحشود ومشاهد الرياضة السريعة بعناية.
• الكتابة والشعارات: يُقال إن Kling 3.0 يحافظ على النص الموجود في الصورة بشكل أفضل؛ ومع ذلك تحقق من أن الكتابة الصغيرة لم تتشوه من إطار لآخر.
• صور الأشخاص: احصل على إذن قبل أن تحرك صورة شخص آخر. إظهار شخص حقيقي وهو يقول أو يفعل شيئًا لم يقله أو يفعله يسبب مشكلات أخلاقية وقانونية جدية.
• الوسم: وسم الفيديو المولّد بالذكاء الاصطناعي عند نشره أمر تفعله منصات كثيرة بالفعل، وهو أيضًا أمانة مع المشاهد.

أخطاء شائعة

• إعادة وصف الصورة: إذا قضيت الموجّه في عد ما هو موجود في الصورة فلن يبقى مكان للحركة.
• حركات متعارضة: كتابة «الكاميرا ثابتة» ثم طلب «لقطة دوارة حول الشخص» يربك النموذج.
• إغفال الإيقاع: إذا لم تحدد السرعة فقد تكون الحركة سريعة أو بطيئة أكثر مما تريد.
• أحداث كثيرة في مدة قصيرة: لا تتسع ثلاث ثوانٍ لثلاثة أحداث؛ زد المدة أو قلّل الأحداث.
• مدة طويلة دون أحداث كافية: قد يتكرر الحدث نفسه في الفيديو الطويل.
• صورة منخفضة الجودة: الصورة المشوشة أو الصغيرة تزداد سوءًا مع إضافة الحركة.

الخلاصة

• Kling نموذج فيديو من Kuaishou يحرك الصورة وفق الحركة التي تصفها.
• ارتفعت المدة المعلنة في مرور واحد من 10 ثوانٍ في 2.6 إلى 15 في 3.0 ثم 30 ثانية في 4.0.
• الإطار الأول والأخير، والتحكم بالكاميرا، والمراجع، والتمديد؛ كلها أدوات لضبط الحركة بدقة أكبر.
• الموجّه الجيد يحدد حركة الموضوع وحركة المحيط وحركة الكاميرا والإيقاع.
• منذ 2.6 يُنتج الصوت أيضًا، والتركية ليست من لغات الكلام المعلنة.
• استخدم صور الأشخاص بإذن، وأشِر إلى أن الفيديو مولّد بالذكاء الاصطناعي.