نماذج Wan للفيديو: ما هي، وكيف تُستخدم؟

الجواب المختصر: Wan عائلة نماذج لإنتاج الفيديو تطوّرها Alibaba. تُنتج مقاطع قصيرة من وصف مشهد تكتبه (من النص إلى الفيديو) أو من صورة ترفعها (من الصورة إلى الفيديو). صدرت الإصدارات الأولى بأوزان مفتوحة، أي يمكنك تنزيلها وتشغيلها على حاسوبك الخاص، أما الإصدارات الأحدث فتُقدَّم كواجهة برمجية عبر Alibaba Cloud Model Studio. في هذه المقالة نشرح الفرق بين الإصدارات، وما تذكره الوثائق الرسمية عن حدودها، وكيف تكتب موجّهًا جيدًا.

ما Wan، ومن طوّره؟

Wan عائلة نماذج فيديو توليدية تنشرها Alibaba. تُنشر المستودعات الرسمية في حساب Wan-Video على GitHub، أما وثائق الإصدارات السحابية فموجودة في Alibaba Cloud Model Studio. هناك بابان مختلفان، وما يقدمانه ليس واحدًا: المستودعات المفتوحة تمنحك الأوزان لتشغيلها على عتادك، بينما وثائق Model Studio تصف الإصدارات التي تستدعيها كخدمة.

هذا الفرق مهم، لأنك إذا رأيت اسمًا مثل «Wan 2.6» في مقال أو فيديو فعليك أن تعرف هل هو نموذج قابل للتنزيل أم نموذج API. وفيما يلي نعرض ما ورد في المستودعات والوثائق الرسمية فقط.

ما إصدارات Wan مفتوحة الأوزان؟

تقول المستودعات الرسمية إن عائلتين من الإصدارات نُشرتا بأوزان مفتوحة، وكلتاهما برخصة Apache 2.0.

الإصدار	النشر (قسم الأخبار في المستودع)	أبرز النماذج	معلومات الدقة الرسمية
Wan2.1	25 فبراير 2025	T2V-14B و T2V-1.3B و I2V-14B و FLF2V-14B و VACE	480P و720P (يُنصح بـ480P للنموذج T2V-1.3B)
Wan2.2	28 يوليو 2025	T2V-A14B و I2V-A14B و TI2V-5B؛ ولاحقًا S2V-14B و Animate-14B	480P و720P (720P للنموذج TI2V-5B)

يتضمن مستودع Wan2.1 التوليد من النص إلى الفيديو، ومن الصورة إلى الفيديو، ومن الإطار الأول والأخير إلى الفيديو، وتحرير الفيديو عبر VACE. ويذكر المستودع أن أصغر نموذج للنص إلى الفيديو، وهو T2V-1.3B، يحتاج إلى نحو 8,19 غيغابايت من ذاكرة الفيديو، وأن مقطعًا بدقة 480P مدته 5 ثوانٍ يُنتج في نحو 4 دقائق على بطاقة RTX 4090. أي أن هناك نموذجًا يمكن تجربته حتى على بطاقة رسوميات استهلاكية.

أما مستودع Wan2.2 فيصف بنية «خليط الخبراء» (MoE): في نماذج A14B يبلغ إجمالي المعاملات 27 مليارًا، لكن يعمل منها نحو 14 مليارًا في كل خطوة. فخبير يبني التخطيط العام في الخطوات الأولى، وخبير آخر يعالج التفاصيل في الخطوات المتأخرة. أما نموذج TI2V-5B، الذي يقبل النص والصورة، فيُدرج بدقة 720P وبمعدل 24 إطارًا في الثانية، ويذكر المستودع أنه يحتاج إلى 24 غيغابايت من ذاكرة الفيديو على الأقل على بطاقة واحدة؛ وهذا الحد لنماذج A14B هو 80 غيغابايت.

وأضاف المستودع لاحقًا نماذج للصوت وتحريك الشخصيات: في أغسطس 2025 الفيديو الموجّه بالصوت (S2V-14B)، وفي سبتمبر 2025 تحريك الشخصيات واستبدالها (Animate-14B). ولا يذكر قسم الأخبار في المستودع Wan2.5 أو ما بعده.

ماذا تقدم الإصدارات السحابية؟

تسرد وثائق Alibaba Cloud Model Studio الإصدارات الأحدث كنماذج API. وهذه قائمة نماذج النص إلى الفيديو كما وردت في الوثائق:

اسم النموذج	المدة	خيارات الدقة	الصوت
wan2.1-t2v-turbo / plus	5 ثوانٍ ثابتة	480p إلى 720p / 720p فقط	صامت
wan2.2-t2v-plus	5 ثوانٍ ثابتة	480p و1080p	صامت
wan2.5-t2v-preview	5 أو 10 ثوانٍ	480p و720p و1080p	يُنتج افتراضيًا
wan2.6-t2v	من 2 إلى 15 ثانية	720p و1080p	يُنتج افتراضيًا
wan2.7-t2v	من 2 إلى 15 ثانية	720p و1080p	مدخل صوتي اختياري؛ وإن لم يُعطَ يُنتج النموذج موسيقى أو مؤثرات

بحسب الوثائق يمكنك منذ الإصدار 2.5 تقديم ملف صوتي خاص بك (WAV أو MP3)؛ فإن كان الصوت أطول من الفيديو قُصّ، وإن كان أقصر بقي الجزء الباقي صامتًا. وفي الإصدارين 2.6 و2.7 فقط يمكنك وصف عدة لقطات داخل الموجّه لإنتاج فيديو متعدد اللقطات. والمخرج بصيغة MP4 (H.264). وتنبيه: تذكر الوثائق أن روابط الفيديوهات المنتجة ومعرّفات المهام صالحة لمدة 24 ساعة، لذلك نزّل النتيجة فورًا.

كيف يعمل النص إلى الفيديو ومن الصورة إلى الفيديو؟

من النص إلى الفيديو: تكتب الموجّه فقط، ويحاول النموذج بناء الموضوع والمشهد والحركة كما وصفتها. وبحسب الوثائق يمكن أن يصل الموجّه في الإصدار 2.5 وما بعده إلى 1.500 حرف (وفي 2.1 و2.2 إلى 800)، ويصل الموجّه السلبي إلى 500 حرف؛ والزيادة تُقطع.

من الصورة إلى الفيديو: ترفع صورة فيُستخدم كإطار أول للفيديو، ثم يُحرَّك النموذج الصورة. تذكر الوثائق صيغ الصور المقبولة: JPEG و PNG (بدون شفافية) و BMP و WEBP، وأبعادًا بين 240 و8000 بكسل، وحجمًا أقصى 20 ميغابايت في الإصدارين 2.5 و2.6. ويحافظ الناتج تقريبًا على نسبة أبعاد الصورة المدخلة، لكن ليس تمامًا، لأن الأبعاد يجب أن تكون من مضاعفات 16.

تبرز الوثائق الإصدار 2.7 بأوضاع إضافية كالإطار الأول والأخير واستمرار الفيديو؛ أي أن باب «من الصورة إلى الفيديو» لا يقتصر على الإطار الأول. ويجب أن تتحقق من الأوضاع التي تفعّلها الأداة التي تستخدمها من واجهتها.

كيف تكتب موجّهًا جيدًا لـ Wan؟

يقترح دليل Alibaba للموجّهات صيغة بسيطة: الموضوع + المشهد + الحركة. وفي الإصدار المتقدم تُضاف إليها السيطرة الجمالية (الضوء والتصوير) والأسلوب. ويذكر الدليل أن الموجّهات الضعيفة تُغفل غالبًا السيطرة الجمالية والأسلوب، فتكون النتيجة كاميرا ثابتة في محيط غامض.

ضعيف: A woman walks in a city.

أفضل: A young woman in a yellow raincoat walks along a wet cobblestone street at dusk, medium shot, camera slowly pushes in, warm streetlamp light reflecting on the stones, soft film look.

نقاط أخرى يبرزها الدليل:

• لغة الكاميرا: يمكن كتابة حجم اللقطة (قريبة، متوسطة، عريضة)، والزاوية (مستوى العين، منخفضة، من الأعلى)، والحركة (اقتراب، ابتعاد، مدار، كاميرا ثابتة) كلٌّ على حدة. وفي حركة المدار يُنصح بإبقاء القوس أصغر من 45 درجة.
• الضوء: ضوء النهار، والضوء الناعم أو الحاد، والضوء الجانبي، والخلفي، والدافئ أو البارد؛ كلها تغيّر النتيجة بوضوح.
• الحركة: حدد السعة والسرعة («ببطء»، «بسرعة»). اجعل الأفعال بسيطة وقصيرة، فالرقصات الطويلة المعقدة تعطي نتائج سيئة. ليكن المقطع لقطة واحدة متصلة، واترك تغيير المشهد بين المقاطع.
• من الصورة إلى الفيديو: الصورة تحدد الموضوع والمشهد والأسلوب أصلًا، فاكتب في الموجّه ما الذي سيتحرك وماذا ستفعل الكاميرا فقط.
• الفيديو متعدد اللقطات: يقترح الدليل لـ2.6 و2.7 وصفًا عامًا، ثم لقطات مرقمة بطوابع زمنية، مثل «Shot 1 [0-3 s]».
• الصوت: في 2.5 وما بعده يمكنك إضافة الكلام والمؤثرات والموسيقى إلى جانب الموجّه البصري.

من الصورة إلى الفيديو: The girl slowly turns her head toward the window and smiles; curtains sway in a gentle breeze; the camera stays fixed.

تذكر Alibaba أيضًا إعدادًا اسمه prompt_extend، وهو مفعّل افتراضيًا: يوسّع نموذج لغوي الموجّه القصير. وتقول الوثائق إنه يحسّن الجودة لكنه يضيف زمن انتظار. وتقترح المستودعات المفتوحة الفكرة نفسها: توسيع الموجّه لإضافة تفاصيل إلى الفيديو.

البذرة (seed) وقابلية التكرار

في Model Studio يكون seed عددًا صحيحًا بين 0 و2.147.483.647، وإذا لم تحدده يُختار عشوائيًا. تجعل البذرة الثابتة النتيجة أقرب إلى التكرار، لكن الوثائق واضحة: الإنتاج احتمالي، وقد تختلف النتيجة حتى مع البذرة نفسها. فالبذرة هنا مؤشر اتجاه، لا زر حفظ.

ما الحدود الرسمية المعروفة؟

• الكتابة وتزامن الشفاه: يقول دليل Alibaba إن كتابة واضحة تمامًا داخل الشاشة وتزامن شفاه موثوق لكلمات محددة ليسا متوقعين.
• أسماء الأشخاص الحقيقيين: يوصي الدليل بعدم كتابتها؛ فالمنصات قد ترفض هذه الطلبات أو تعطي نتائج غير متسقة.
• الحركة الدائرية: تذكر الوثائق في الفيديو من الصورة أن النموذج wan2.6-i2v-flash قد يتعثر لفترة قصيرة عند أجسام دائرية تدور باستمرار.
• العتاد: إن كنت ستشغّل النماذج المفتوحة بنفسك فنماذج A14B تحتاج إلى 80 غيغابايت من ذاكرة الفيديو على الأقل؛ لذلك يكون الخيار السحابي أو النموذج الصغير أكثر واقعية لمعظم الناس.
• معدل الإطارات: لا تذكر وثائق API معدل الإطارات للإصدارات السحابية، فلا تعرفه إلا من ناتج أداتك.

وعليك مسؤولية أيضًا: استأذن قبل أن تحرّك صورة شخص آخر، وانشر الفيديو المولّد مع الإفصاح بأنه من إنتاج الذكاء الاصطناعي. ورخصة Apache 2.0 لا تدّعي ملكية المحتوى المنتج، لكن المستودع يؤكد أن المسؤولية عن الاستخدام تقع على المستخدم.

لمن تناسب Wan، ومتى؟

• من يريد التجربة على حاسوبه: Wan2.1 T2V-1.3B أو Wan2.2 TI2V-5B، فهما أقرب الخيارات إلى بطاقات الرسوميات الاستهلاكية.
• من يريد مقاطع أطول ومعها صوت: إصدارات Model Studio 2.5 و2.6 و2.7، بمدة تصل إلى 15 ثانية ودعم للصوت.
• من يريد تحريك صورة ثابتة: أوضاع الفيديو من الصورة؛ يكفي موجّه قصير يركز على الحركة.

أخطاء شائعة

• الخلط بين النسخة المفتوحة والسحابية: تنتهي المستودعات عند 2.2، أما 2.5 و2.6 و2.7 فترد في الوثائق كنماذج API.
• تكديس عدة مشاهد في موجّه واحد: اجعل المقطع لقطة واحدة متصلة، أو استخدم الكتابة متعددة اللقطات.
• إغفال الكاميرا: إن لم تحدد الكاميرا غالبًا ستكون النتيجة كاميرا ثابتة.
• وصف الصورة في الفيديو من الصورة: لا تعد ما هو موجود، بل صف الحركة.
• كتابة رقصات معقدة: الأفعال البسيطة والقصيرة أنظف.
• نسيان تحميل النتيجة: الروابط صالحة 24 ساعة فقط.

الخلاصة

• Wan عائلة فيديو من Alibaba؛ الإصداران 2.1 و2.2 مفتوحا الأوزان بترخيص Apache 2.0، والإصدارات 2.5 إلى 2.7 تُقدَّم كخدمة في Model Studio.
• بحسب الوثائق السحابية تتراوح مدة 2.6 و2.7 بين 2 و15 ثانية، بدقة 720p و1080p، ويدعم 2.5 وما بعده الصوت.
• الموجّه الجيد: الموضوع والمشهد والحركة، مع الضوء والكاميرا؛ وفي الفيديو من الصورة صف الحركة فقط.
• البذرة تساعد على التكرار لكنها لا تضمن النتيجة.
• لتجربة النماذج على حاسوبك الخاص فأنسب الخيارات Wan2.1 T2V-1.3B و Wan2.2 TI2V-5B.
• الكتابة الدقيقة وتزامن الشفاه والحركة الدائرية نقاط ضعف معروفة؛ ونزّل النتيجة خلال 24 ساعة.