Nano Banana 2.1 وHailuo 3.0 في منظومة واحدة: فيديو من صورة واحدة

مدخلان ونموذجان ونتيجة واحدة. للحصول على فيديو من صورة فوتوغرافية، تحتاج الشبكة العصبية إلى إطار أول ووصف للحركة. وعلى هذه المنظومة يقوم التحليل المنشور على Habr: يجهّز Nano Banana 2.1 الصورة، ويحرّكها Hailuo 3.0 (المعروف أيضًا باسم MiniMax H3). لا يتضمن إعلان RSS سوى الفكرة الرئيسية، أما الأوامر النصية والأمثلة فموجودة في النص الكامل خلف وسم القطع (cut). لذلك يتناول ما يلي ما يترتب على المنظومة المعلنة، وما سيتعين عليك التحقق منه بنفسك.

لماذا يُقسَّم العمل بين نموذجين

عند توليد الفيديو مباشرة من النص، يحلّ النموذج ثلاث مهام في وقت واحد: يبتكر التكوين، ويختار مظهر الشخصية، ويحسب الحركة. وأي خطأ في المهمة الأولى أو الثانية ينعكس لاحقًا على كل ما بعده. أما نمط image-to-video فيزيل جزءًا من هذا الغموض. فالوجه والملابس والإضاءة والخلفية تُثبَّت قبل بدء التحريك، ويقتصر دور نموذج الفيديو على الحركة.

هكذا بالضبط يوزَّع العمل في المنظومة المدروسة. تُعرف Nano Banana بوصفها سلسلة من مولّدات الصور وأدوات تحريرها، فيما ينتمي Hailuo إلى عائلة نماذج الفيديو من MiniMax. وردت الإصدارات 2.1 و3.0 في عنوان المؤلف. ولا توجد في المادة مواصفات مستقلة لهذه النماذج، ولذلك لا أجري مقارنات مع المنافسين. ويكفي للتطبيق العملي المنطق نفسه: يمكن تحسين الإطار وإعادة توليده عدة مرات حتى يصبح خاليًا من العيوب، وبعدها فقط يُشغَّل التحريك الأثقل.

فيزياء الحركة: أين تتعثر مثل هذه المنظومات

يضع المؤلف فيزياء الحركة في صلب الموضوع، وهي أضعف نقطة في أي نموذج فيديو. والإخفاقات المعتادة معروفة: تتغير أشكال اليدين والأصابع أثناء الحركة. وتنزلق القدمان على السطح. ولا يتفاعل القماش والشعر مع الريح أو القصور الذاتي. وتظهر الأشياء من العدم أو تختفي خلف حدود الإطار.

ومن هنا منطق أمر الحركة النصي. فلا ينبغي أن يكرر ما هو موجود في الصورة أصلًا، لأن النموذج يرى الشخصية والملابس والديكور بنفسه. ويجب أن يصف التغيير فقط: ماذا يفعل العنصر الرئيسي، وكيف تتحرك الكاميرا، وما سرعة الإيقاع، وما الذي يحدث في الخلفية. وكلما كان الفعل أكثر تحديدًا والحركة أبسط، قلّ احتمال ظهور خلل فيزيائي. وعادةً ما تكون الحركة الواحدة السلسة أكثر موثوقية من مشهد يضم خمسة أحداث.

لا يتضمن الإعلان صياغات محددة ولا مقارنات للنتائج. والأفضل البحث عنها في النص الرئيسي للمقال.

ما المعروف عن المنظومة

• المدخل 1: إطار أول جُهّز في Nano Banana 2.1.
• المدخل 2: وصف نصي للحركة.
• نموذج الفيديو: Hailuo 3.0 (MiniMax H3).
• محور التحليل: فيزياء الحركة وبنية الأوامر النصية.
• المصدر: مقال على Habr، والنص الكامل خلف وسم القطع (cut).
• لم يُكشف عنه في الإعلان: مدة المقطع، والدقة، وتكلفة التوليد، وشروط الترخيص.

كيف تكرر المنظومة عمليًا

ابدأ بالإطار. أنشئ صورة ذات تكوين نظيف: الشخصية كاملة أو من الخصر إلى الأعلى، دون أيدٍ محجوبة، ومع مصدر إضاءة واضح. وكلما كانت الهندسة أبسط، سهل على نموذج الفيديو الحفاظ عليها.

ثم اكتب أمر الحركة بجمل قصيرة بالترتيب «الموضوع، الفعل، الكاميرا، الإيقاع». مثال: يدير الرجل رأسه ببطء نحو النافذة، وتقترب الكاميرا بسلاسة، ويتمايل القماش قليلًا. لا تضف إلى الأمر النصي الأسلوب أو تفاصيل المظهر، فهي مضمّنة أصلًا في الإطار.

ولّد عدة نسخ من الطلب نفسه وقارنها وفق معايير محددة: هل يحافظ شكل اليدين على ثباته، وهل تتمايل الخلفية أو «تسبح»، وهل ينسجم القصور الذاتي مع الإيقاع المطلوب. وإذا تكرر الخلل، فبسّط الفعل بدل أن تعقّد الوصف.

قبل الاستخدام التجاري، تحقق مما سكت عنه الإعلان: حدود المدة، ودقة المخرجات، وسعر الثانية الواحدة، وحقوق المواد. وتتوقف على هذه المعايير صلاحية المنظومة لسير العمل الفعلي، أو اقتصارها على التجارب.