Qwen وLuma وPika: اختبار لإنشاء فيديو AI يصعب تمييزه عن الحقيقي

منذ سنة ونصف، كانت فيديوهات الذكاء الاصطناعي تفضح نفسها بسهولة: حركات متشنجة، وجوه ضبابية، فيزياء غير طبيعية للأجسام. الآن أصبحت هذه الفيديوهات أقل ملحوظة بشكل ملحوظ في المنصات — لكن هناك تفسيرين لهذه الظاهرة، وهما مختلفان بشكل أساسي. إما أن التكنولوجيا قدمت خطوات واسعة للأمام بحيث أصبح من الصعب التمييز بين فيديوهات الذكاء الاصطناعي والفيديوهات الحقيقية. أو أن الناس ببساطة تعلموا استخدام الأدوات بمحترفية أكبر. على الأرجح، كلا العاملين يعملان في آن واحد.

ما الذي تغير خلال سنة ونصف

ارتفعت جودة توليد الفيديو بقفزات كبيرة. إذا كانت الإطارات الأولى في السابق تفضح فوراً الأصل العصبي للفيديو، فقد تعلمت الأدوات الحديثة محاكاة السينماتوغرافيا الحقيقية: حركة الكاميرا، عمق المجال، انتقالات الإضاءة الطبيعية بين المشاهد. وبالتوازي مع ذلك، ارتفعت مهارة المستخدمين. طورت المجتمعات حول توليد الفيديو ممارسات ثابتة — كيفية صياغة التعليمات، ما الأسلوب المراد تحديده، كيفية المعالجة اللاحقة للنتيجة. ما كان يتطلب عشرات المحاولات سابقاً وينتج عنه نتيجة متوسطة، أصبح الآن قابلاً للتكرار في بضع محاولات.

ثلاث أدوات تحدد الاتجاه حالياً في السوق:

• Qwen Video من Alibaba — نموذج متعدد الوسائط مع التركيز على الالتزام الدقيق بالتعليمات النصية
• Luma Dream Machine — متخصصة في المشاهد السينمائية ذات حركة الكاميرا السلسة
• Pika — موجهة للفيديوهات الفيروسية القصيرة، شهيرة بين منشئي المحتوى على TikTok و Reels

ماذا تم اختباره بالضبط

وضع المؤلفون مهمة محددة: محاولة إنشاء فيديو باستخدام كل أداة يبدو طبيعياً في خط المنصات الاجتماعية ولا يثير غريزة "هذا ذكاء اصطناعي واضح". ليس مجرد صورة جميلة من الناحية التقنية، بل محتوى بديناميكية معقولة وإيقاع صحيح وتفاصيل يستشعرها المشاهد بشكل لاواعي.

"قررنا إجراء تجربة ومعرفة ما إذا كانت الفيديوهات منخفضة الجودة المنشأة

بواسطة الشبكات العصبية قد اختفت حقاً، أم أن الناس تعلموا صنع فيديوهات جيدة جداً لدرجة أننا لم نعد نستطيع التمييز بين من هو من."

اتضح أن المهمة أصعب مما كان متوقعاً. لكل من الأدوات الثلاث نقاط قوة وضعف واضحة. يعمل Qwen بشكل أفضل مع التعليمات التفصيلية، لكنه قد ينتج عنه عيوب عند حركة الأشخاص في الإطار. ينشئ Luma مشاهد جوية مثيرة للإعجاب، لكنه يواجه صعوبة مع اللقطات القريبة للوجوه والحوارات. يعمل Pika بسرعة وسهولة، لكن تنخفض الجودة في المشاهد المعقدة متعددة الطبقات التي تحتوي على عدد كبير من الأجسام في الإطار.

أين الحد بين الحقيقي والمُولّد

تعلمت النماذج الحديثة إخفاء علامات توليد الذكاء الاصطناعي الكلاسيكية. لم تعد الأصابع تتشوش في تكوينات مستحيلة، أصبح النص على الأجسام الخلفية قابلاً للقراءة، وتحسنت فيزياء السوائل والأنسجة بشكل كبير. ومع ذلك، تبقى عدة علامات ثابتة ملحوظة للعين المدربة:

• إضاءة "مثالية" جداً، نادراً ما تُرى في التصوير الهاوي الحقيقي
• حركات العيون الدقيقة وتعابير الوجه التي لا تتطابق تماماً مع الكلام
• نسيج الشعر عند الحركة، خاصة مع خلفية معقدة أو ديناميكية
• انتقالات المونتاج والزوايا غير المميزة للمصورين البشريين

وفي هذه التفاصيل بالذات تختلف الأدوات الثلاث في النتائج. يفوز Luma في المناظر الطبيعية والتصوير الموضوعي حيث لا توجد لقطات قريبة للأشخاص. يعمل Pika بشكل أفضل حيث يكون هناك حاجة لمونتاج ديناميكي سريع بدون التوقف على التفاصيل. يبرع Qwen حيث تكون الدقة في إعادة إنتاج التفاصيل الدقيقة للمشهد وفقاً للوصف مهمة.

ماذا يعني هذا

الحد بين فيديو الذكاء الاصطناعي والتصوير الحقيقي يتلاشى بسرعة. بالنسبة لمنشئي المحتوى، يفتح هذا آفاقاً جديدة — إنتاج فيديوهات بدون كاميرات أو ممثلين أو استوديوهات، مما يخفض حاجز الدخول إلى ما يقارب الصفر. بالنسبة للمشاهدين، يطرح هذا سؤالاً مبدئياً جديداً: على ماذا يجب أن تعتمد الآن عند تقييم صحة الفيديو في خيطك؟