فيديو قصير بـ MiniMax Hailuo: النماذج ونصائح الموجّه

الجواب المختصر: Hailuo عائلة نماذج لتوليد الفيديو تطوّرها شركة MiniMax الصينية للذكاء الاصطناعي. أُعلن Hailuo 02 في يونيو 2025، و Hailuo 2.3 في أكتوبر 2025، ثم ظهر في يوليو 2026 نموذج «H3» وهو نموذج عام متعدد الأنماط. يولّد النموذج مقاطع قصيرة من النص أو من صورة، ومع H3 يمكن أن تكون المدخلات صورة مرجعية وفيديو وصوتًا أيضًا. تقتصر هذه المقالة على ما ورد في الإعلانات الرسمية ووثائق الواجهة البرمجية لـ MiniMax، ثم تشرح كتابة الموجّه للمقاطع القصيرة.

ما Hailuo، وما إصداراته؟

Hailuo نماذج فيديو تقدمها MiniMax عبر موقعها الرسمي وتطبيقها للهاتف ومنصة الواجهة البرمجية. وهذا تاريخ الإصدارات كما يظهر في الإعلانات الرسمية:

الإصدار	الإعلان	أبرز ما ورد في الإعلان الرسمي
Hailuo 02	18 يونيو 2025	دقة 1080p محلية؛ 6 أو 10 ثوانٍ بدقة 768p، و6 ثوانٍ بدقة 1080p؛ التركيز على اتباع التعليمات والفيزياء
Hailuo 2.3 و Hailuo 2.3 Fast	28 أكتوبر 2025	حركة جسم أكثر واقعية، والضوء والظل، ودعم أوسع للأساليب، وتعبيرات وجه طبيعية أكثر دقة
H3 و H3 Max	31 يوليو 2026	مدخلات نص وصورة وفيديو وصوت؛ صوت ستيريو أصلي؛ فيديو حتى 15 ثانية؛ الدقة الافتراضية 2K

يقول إعلان Hailuo 02 إن النموذج جاء بثلاثة أضعاف المعاملات وأربعة أضعاف بيانات التدريب مقارنة بـ Hailuo 01. ويذكر إعلان Hailuo 2.3 أن 2.3 مبني على Hailuo 02، وأن إصدار «Fast» خيار أسرع وأرخص للإنتاج بالجملة. ولا يذكر الإعلان مدة الفيديو ولا دقته، ولا توضح قائمة نماذج الواجهة البرمجية هذه المعلومات لـ2.3؛ لذلك لن نكتب حدود 2.3 هنا.

ماذا يفعل Hailuo 2.3؟

بحسب إعلان MiniMax يقدم 2.3 تقدمًا خاصًا في: حركة جسم أكثر واقعية حتى مع حركات الكاميرا الديناميكية، وفيزياء أفضل واتباع أدق للتعليمات، وتدرجات ضوء وظل وألوان أقرب إلى الواقع، وأساليب مثل الأنمي والرسم التوضيحي والحبر الصيني ورسوم الألعاب، وتعبيرات وجه طبيعية في المحتوى الذي يشبه التصوير الحي. ويقول الإعلان أيضًا إن الأجسام تستجيب بشكل أفضل لأوامر الحركة.

وتذكر قائمة نماذج الواجهة البرمجية أن MiniMax-Hailuo-2.3 يعمل في التوليد من النص إلى الفيديو ومن الصورة إلى الفيديو، أما MiniMax-Hailuo-2.3-Fast فيعمل في وضع الصورة إلى الفيديو فقط. أي أنك لا تستطيع توليد فيديو من النص باستخدام Fast، بل تحتاج إلى صورة أولًا.

ماذا غيّر H3؟

قدّمت MiniMax H3 بوصفه نموذجًا مفتوحًا «يزيل الحدود بين المهام والأنماط». وبحسب المدونة الرسمية يفهم النموذج النص والصورة والفيديو والصوت في سياق واحد، ويُنتج فيديو بصوت ستيريو أصلي حتى 15 ثانية، والدقة الافتراضية 2K. ويُنمذج الصوت كالكلام والمؤثرات والموسيقى معًا لا كعناصر منفصلة. وتذكر المدونة مهام التوليد بالمراجع والتحرير، مثل التحويل من صورة إلى صورة، ومن صورة إلى فيديو، ومن صوت إلى صوت، وخصوصًا نقل الحركة من فيديو إلى فيديو. وأعلنت MiniMax في 3 أغسطس 2026، في بيان موجّه للمستثمرين، أنها جعلت H3 مفتوح المصدر رسميًا.

تفصّل وثائق الواجهة البرمجية:

النموذج	الدقة	المدة	الأنماط
MiniMax-H3	768P أو 2K	من 4 إلى 15 ثانية	من النص إلى الفيديو، ومن الصورة إلى الفيديو (الإطار الأول و/أو الأخير)، والتوليد بالمراجع
MiniMax-H3-Max	480P أو 768P	من 5 إلى 15 ثانية	من النص إلى الفيديو، ومن الصورة إلى الفيديو (الإطار الأول/الأخير)؛ مدرّب لاحقًا على H3 لتوليد أسرع

في وضع التوليد بالمراجع تقول الوثائق إنه يمكن إعطاء 9 صور و3 فيديوهات و3 ملفات صوت كحد أقصى، بمجموع 12 ملفًا؛ والهدف الحفاظ على تناسق الشخصية أو الحركة أو الكاميرا أو الأسلوب أو الصوت. ويجب أن تكون نسبة الصور المدخلة بين 2:5 و5:2. وتضع الوثائق حدًا لحجم الملف: 50 ميغابايت للفيديو، و30 ميغابايت للصورة، و15 ميغابايت للصوت.

كيف تكتب موجّهًا جيدًا في Hailuo؟

توصي الوثائق بكتابة أوامر الكاميرا بين أقواس مربعة، مثل [pan] أو [zoom] أو [static]، وتضعها مباشرة بعد الوصف المعني. ويمكن أن يصل طول موجّه H3 إلى 7000 حرف، لذا هناك مساحة للوصف المفصل. لكن في المقطع القصير يكون التخطيط القصير والواضح أفضل.

هيكل عملي للمقطع القصير:

1. الموضوع والحركة: اختر حركة رئيسية واحدة.
2. المحيط والضوء: أين، وفي أي وقت من اليوم، ومن أين يأتي الضوء.
3. الكاميرا: أمر كاميرا واحد، ويوضع بجوار الوصف المعني.
4. الصوت (في H3): صوت محيطي، أو موسيقى، أو جملة قصيرة.

A small paper boat sails across a rain puddle on a cobblestone street, droplets ripple outward, soft overcast light, shallow depth of field. [Zoom in] slowly toward the boat. Gentle rain sounds and a distant tram bell.

في الفيديو من الصورة تصبح الصورة الإطار الأول؛ لذا لا تعد وصف الصورة في الموجّه، بل صف ما الذي سيتحرك وماذا ستفعل الكاميرا فقط:

The woman lifts her cup and smiles toward the street, steam rises, leaves sway in the breeze. [Static] shot.

يمكنك إعطاء صورة للبداية وأخرى للنهاية كلٌّ على حدة (من 0 إلى 2 صورة)، وهذا يساعد في تحديد كيف يبدأ المقطع وكيف ينتهي. وفي وضع المراجع في H3 حدد في الموجّه دور كل ملف بوضوح، مثل «الشخصية في الصورة الأولى» أو «حركة الكاميرا من الفيديو المرجعي».

كيف تختار المدة والدقة؟

تترك الوثائق في H3 الاختيار بين 768P و2K، أما H3 Max فمصمم لـ480P و768P مع التركيز على السرعة. وعند تجربة فكرة يكون الخيار المنطقي دقة منخفضة ومدة قصيرة؛ ثم عند نضج الموجّه تنتقل إلى دقة عالية. وتقدم MiniMax أيضًا مهمة إعادة توليد منفصلة لرفع فيديو H3 من 768P إلى 2K.

ما الحدود المعروفة؟

• تحذير MiniMax نفسه: يقول إعلان H3 إن الفهم متعدد الأنماط ما زال قابلًا للتطوير، وإن التفاصيل البصرية قد تتحسن في بعض السيناريوهات، وإن حجم النموذج ترك مجالًا في كثير من القدرات.
• اللغة: لا يوجد في المصادر التزام بأداء خاص بالتركية؛ وفي الأعمال المهمة يكون الموجّه الإنجليزي أكثر قابلية للتوقع.
• اختلاف الوصول: قد تختلف خيارات المدة والدقة بين واجهة الويب والواجهة البرمجية والتشغيل المحلي للأوزان المفتوحة. وبحسب الوثائق تعمل واجهة H3 البرمجية حاليًا بخطة الدفع حسب الاستخدام.
• الإصدارات القديمة: لا تزال Hailuo 02 و2.3 موجودة في قائمة نماذج الواجهة البرمجية، لكن القدرات الجديدة (الصوت والتوليد بالمراجع) وصلت مع H3.

إذا كنت ستستخدم صورًا أو أصواتًا لأشخاص حقيقيين كمراجع فاحصل على إذنهم، ووسم الفيديو المولّد بالذكاء الاصطناعي عند نشره.

قائمة تحقق لأول مقطع لك

عند تجربتك الأولى في Hailuo اتبع هذا الترتيب لتوفير الوقت. أولًا حدد الوضع الذي ستعمل به: إن كانت لديك فكرة فقط فالتوليد من النص، وإن كانت لديك صورة فالتوليد من الصورة، وإن كانت لديك ملفات متعددة فالتوليد بالمراجع. ثم اختر مدة قصيرة ودقة منخفضة؛ فالهدف في هذه المرحلة ليس نتيجة جميلة، بل التحقق من أن النموذج فهم الموجّه.

• الوضع: نص، أو صورة واحدة، أو ملفات مرجعية.
• المدة والدقة: قصيرة ومنخفضة للمسودة، وطويلة وعالية للنسخة النهائية.
• الموجّه: حركة واحدة، وأمر كاميرا واحد، وضوء واضح.
• الفحص: شاهد النتيجة، وغيّر تفصيلًا واحدًا وأعد المحاولة.
• التسجيل: نزّل المقطع الذي أعجبك فورًا، ودوّن الإعدادات التي استخدمتها.

أخطاء شائعة

• إدخال أحداث كثيرة في مقطع قصير: اختر حركة رئيسية واحدة، وابنِ القصة مقطعًا بمقطع.
• كتابة أكثر من أمر كاميرا: ابدأ بأمر واحد بدل أن تكدّس [pan] وفوقه [zoom].
• توقع النص إلى الفيديو من نموذج Fast: 2.3 Fast يعمل مع الصورة فقط.
• عدم تحديد دور المراجع: إذا أعطيت ملفات متعددة فاذكر في الموجّه ما هو كل ملف.
• البدء بأعلى دقة: جرّب بـ768P أو أقل حتى ينضج الموجّه.
• إغفال نسبة الصورة: يجب أن تبقى نسبة صور المدخلات بين 2:5 و5:2.

الخلاصة

• Hailuo عائلة فيديو من MiniMax: 02 (يونيو 2025)، و2.3 (أكتوبر 2025)، و H3 (يوليو 2026).
• يجمع H3 بين النص والصورة والفيديو والصوت، ويُنتج فيديو ستيريو بصوت أصلي حتى 15 ثانية.
• بحسب وثائق الواجهة البرمجية، يعمل H3 بدقة 768P أو 2K ومدة من 4 إلى 15 ثانية، و H3 Max بدقة 480P أو 768P ومدة من 5 إلى 15 ثانية.
• اكتب أوامر الكاميرا بين أقواس مربعة بجوار الوصف، وحدد حركة واحدة في المقطع القصير.
• في المقطع القصير: حركة واحدة، وأمر كاميرا واحد، وضوء واضح.
• احصل على إذن للمواد التي تخص أشخاصًا حقيقيين، وأشِر إلى أن الفيديو مولّد بالذكاء الاصطناعي.