بث مباشر 18.11 · الدفعة 318 نوفمبر، 19:00 بتوقيت موسكو — ورشة عملية مجانية لوكلاء الذكاء الاصطناعي · الدفعة 3 تبدأ 23.11ورشة 18 نوفمبر ←الدفعة 3 (23.11)
إصدارتحليل · على الرادارHabr AI→ المصدر

فيديو من صورة منتج واحدة كلّف $4,25 بدلاً من $2,42 بسبب عيوب Seedance 2.0

يحتاج بائع على أحد الأسواق الإلكترونية إلى فيديو عمودي مدته 15 ثانية، ولا يملك سوى صورة واحدة لقارورة ولا ميزانية للتصوير. بنى المؤلف خط إنتاج متكاملاً: يرسم Gemini لوحة قصة من ستة إطارات، ويكتب نموذج نصي الـprompt، ثم يصوّر Seedance 2.0 المقطع. كلّفت المحاولة الأولى $2,42، لكنها احتوت على أربعة أنواع من العيوب، منها شعار كُتب فيه حرف «Е» بدلاً من «Э». أضافت ثلاث عمليات إعادة تصوير $1,83، فارتفعت الفاتورة النهائية إلى $4,25. لذلك ينبغي أن تخصّص للفيديو ميزانية تقارب ضعف تكلفة المحاولة الأولى.

معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
فيديو من صورة منتج واحدة كلّف $4,25 بدلاً من $2,42 بسبب عيوب Seedance 2.0
المصدر: Habr AI. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليHabr AI ↗
رئيس التحرير
حقيقة رئيسية #1دُفع ثمن 27 ثانية من الفيديو، ودخلت 15 ثانية فقط في المقطع النهائي: معامل الاستهلاك 1,8
حقيقة رئيسية #2تستغرق الخطوات 1–4 نحو نصف ساعة، منها 8 دقائق انتظار للفيديو
حقيقة رئيسية #3رفض Seedance 2.5 صور الأشخاص، لذا يجب وصف الشخصية بالكلمات

كثيرًا ما يطلب بائعو الأسواق الإلكترونية الشيء نفسه: لديهم صورة واحدة فقط للمنتج، ويحتاجون إلى فيديو إعلاني عمودي مدته 15 ثانية، ولا تتوفر ميزانية لتصوير المنتج فعليًا. بنى كاتب التحليل على Habr خط إنتاج يصنع مثل هذا الفيديو عبر API، وحسب التكلفة الفعلية. كلّفت المحاولة الأولى، أي أول نسخة مولَّدة، $2,42 (الصور والـprompt وفيديو Seedance 2.0). لكن الفيديو احتوى على عيوب، فمثلًا رسم النموذج في الشعار حرف «Е» بدلاً من «Э». وأضافت التصحيحات (ثلاث عمليات إعادة تصوير للقطات المعطوبة) $1,83 أخرى، فبلغت الفاتورة الإجمالية نحو $4,25. إذا كنت تنتج مثل هذه الفيديوهات لعملاء، أو تدمجها في خدمة موجّهة للبائعين، فاحسب التكلفة الفعلية بما يقارب ضعف سعر المحاولة الأولى.

كيف يعمل خط الإنتاج

يتألف المخطط من خمس خطوات. في البداية تُرسل صورة المنتج والموجز (brief) إلى مولّد الصور. في الاختبار وُلّدت صورة مصل وهمي باسم «СЕВЕР» عبر gemini-3.1-flash-image. يرسم المولّد لوحة قصة: ستة إطارات في شبكة 2 × 3، وتحت كل إطار مدته الزمنية. بعد ذلك تنتقل لوحة القصة إلى نموذج نصي يكتب prompt للفيديو إطارًا بإطار مع الأكواد الزمنية. الخطوة الثالثة هي التوليد في bytedance/seedance-2.0 عبر OpenRouter: 15 ثانية، بنسبة 9:16، وبدقة 720p، مع صوت. أما الخطوتان الرابعة والخامسة فهما مراجعة الفيديو إطارًا بإطار، وإعادة تصوير اللقطات المعطوبة واحدة تلو الأخرى. أما النص فيُضاف لاحقًا في المونتاج.

تقدّم OpenRouter نماذج الفيديو بصورة غير متزامنة. تنشئ مهمة عبر POST /api/v1/videos، ثم تستعلم عن GET /api/v1/videos/{id} إلى أن تصبح الحالة completed. يتضمن الرد الجاهز رابط الملف وحقل usage.cost بالدولار، فلا حاجة إلى حساب سعر المحاولة بالـtokens.

يعمل Seedance في وضعين رئيسيين. في وضع input_references تُستخدم الصور مرجعًا: يأخذ النموذج من الصورة شكل العبوة وألوانها، ومن لوحة القصة ترتيب اللقطات، ثم يبني الإطارات بنفسه. وفي وضع frame_images مع first_frame تصبح الصورة الإطار الأول بدقة. الوضع الأول مخصص للفيديو كاملًا، والثاني لإعادة تصوير لقطة واحدة. وثمة خيار ثالث: first_frame مع last_frame، حيث يكمل النموذج الحركة بين إطارين. ولحماية العبوة من إعادة الرسم، يحدد المؤلف في مطلع الـprompt دور كل صورة: الأولى هي النموذج الوحيد للقارورة ولا يجوز تغيير الملصق، والثانية لترتيب اللقطات فقط.

ولإعادة التصوير يقتطع بواسطة ffmpeg الإطار الأخير من اللقطة السابقة، ويمرّره بوصفه first_frame، ويطلب من النموذج متابعة الحركة. فيأتي الوصل بلا قفزة. أُوقف الصوت في المقاطع المُدرجة: لم يتغير السعر (نحو $0,15 للثانية مع الصوت وبدونه)، لكن إحدى عمليات إعادة التصوير مع الصوت لم تجتز الإشراف (moderation)، إذ عدّ أن الموسيقى المولَّدة تشبه موسيقى لغيره.

أربعة أنواع من العيوب

يبدو الفيديو من المحاولة الأولى جاهزًا، لكن المراجعة إطارًا بإطار تكشف أربع مشكلات.

الأولى خطأ في النص على الشاشة. جاء الشعار من لوحة القصة، ونقله النموذج النصي إلى الـprompt، ثم رسمه نموذج الفيديو بخطأ إملائي. لذلك لا ينبغي أن يحتوي prompt الفيديو الآن على أي نص جديد باستثناء الكتابة على الملصق. ويكتب المؤلف للنموذج النصي صراحةً: «لا تضف شعارات ولا عناوين ولا أي نص جديد».

الثانية ملصق «ملتصق» بالكاميرا. عند دوران الكاميرا حول المنتج تتغير الخلفية بينما يظل الملصق متجهًا إلى العدسة طوال الوقت. فمن صورة واحدة لا يعرف النموذج سوى جانب واحد من القارورة. والأكثر أمانًا حركة جانبية أو دوران لا يتجاوز ربع دائرة. ومن المرجّح أن يساعد إدخال عدة زوايا، لكن المؤلف لم يختبر ذلك.

الثالثة قفزة عند الوصل. لقطتان متجاورتان صُوّرتا من نقطة شبه واحدة، فتنزاح القارورة بضعة سنتيمترات. يجب أن تختلف اللقطتان المتجاورتان بوضوح في حجم اللقطة أو في الزاوية.

الرابعة تجاهل الانتقالات. وبدلاً من تلاشٍ ناعم بين اللقطتين الرابعة والخامسة، ظهر قطع حاد، وانعطفت الكاميرا عند الوصل في الاتجاه الخطأ. ينبغي وصف الاستمرار بحركة مرئية: عبارة «المشهد كله ينزاح إلى اليمين» أوثق من «الكاميرا تتحرك إلى اليسار». والأفضل تنفيذ الانتقالات في المونتاج.

كم تبلغ التكلفة وما القيود

كلّفت لوحة القصة وصورة المنتج (صورتان بدقة 1K) $0,14، والـprompt من gemini-3.5-flash نحو $0,01، والفيديو بمدة 15 ثانية مع الصوت $2,27. المجموع $2,42. وكلّفت ثلاث عمليات إعادة تصوير، مدة كل منها 4 ثوانٍ بلا صوت، $1,83، فيبلغ الإجمالي نحو $4,25. دُفع ثمن 27 ثانية من الفيديو ودخلت 15 ثانية في المقطع النهائي، لذا يساوي معامل الاستهلاك 1,8. الأسعار محسوبة بتاريخ 8 أكتوبر 2026 ودون رسوم إضافية.

تستغرق الخطوات 1–4 نحو نصف ساعة، منها ثماني دقائق انتظار للفيديو. ويستغرق توليد لقطة مدتها 4 ثوانٍ نحو ثلاث دقائق. أما الخطوة 5 فتلتهم بقية المساء، ولم تنجح أتمتتها بالكامل.

وهناك قيود في API أيضًا. فقد رفض Seedance 2.5 عبر OpenRouter الصور الواقعية للأشخاص مع الخطأ InputImageSensitiveContentDetected.PrivacyInformation. ولم يختبر المؤلف ذلك على الإصدار 2.0، لكن سلسلة النماذج وآلية الحماية لدى ByteDance مشتركة. لذلك لا يمكن بهذه الطريقة إنتاج فيديو «المنتج في يد البطل» بشخصيتك، ويجب وصف البطل بالكلمات. لم تُحتسب أي رسوم على الطلبات المرفوضة. ويعمل الإشراف أيضًا بعد التوليد: ففي الاختبارات استُبعد الفيديو والموسيقى كلاهما. ولم تُخصم الرسوم إلا عن المحاولات الناجحة، لكن وقت الانتظار ضاع. وإضافة إلى ذلك، يحافظ النموذج على الكتابة الموجودة في الصورة لكنه يميل إلى تعديلها، لذا يجب مطابقة كل كتابة مع الأصل حرفًا بحرف في كل لقطة.

قبل التسليم يتحقق المؤلف من ست نقاط: الكتابات مطابقة للأصل؛ لا يوجد نص جديد في الإطار؛ الملصق يدور مع المنتج أثناء دوران الكاميرا؛ اللقطات المتجاورة تختلف في حجم اللقطة أو الزاوية؛ الحركة عند الوصل تسير في اتجاه واحد؛ لا يوجد في الصوت كلام أو غناء عرضي. والنقطة الأخيرة سهلة الأتمتة: يُرسل المقطع كاملًا إلى gemini-flash-latest (الفيديو مضمَّن inline، حتى ~18 ميغابايت)، فيسرد النموذج كل الكلام مع الأكواد الزمنية. أما النقاط الخمس الأولى فتُفحص حتى الآن بالعين فقط، عبر ورقة الإطارات.

الخلاصة الرئيسية: يمكن تجميع فيديو من صورة واحدة في نحو نصف ساعة، لكن المحاولة الأولى لا تكون نهائية تقريبًا أبدًا. خصّص للتصحيحات ما خصصته للتشغيل الأول، وأبقِ النص خارج التوليد، وافحص الملصق إطارًا بإطار.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول كيف يعمل خط الإنتاج؟

يتألف المخطط من خمس خطوات. في البداية تُرسل صورة المنتج والموجز (brief) إلى مولّد الصور. في الاختبار وُلّدت صورة مصل وهمي باسم «СЕВЕР» عبر gemini-3.1-flash-image. يرسم المولّد لوحة قصة: ستة إطارات في شبكة 2 × 3، وتحت كل إطار مدته الزمنية. بعد ذلك تنتقل لوحة القصة إلى نموذج نصي يكتب prompt للفيديو إطارًا بإطار مع الأكواد الزمنية. الخطوة الثالثة هي التوليد في bytedance/seedance-2.0 عبر OpenRouter: 15 ثانية، بنسبة 9:16، وبدقة 720p، مع صوت.

ما أبرز التفاصيل حول أربعة أنواع من العيوب؟

يبدو الفيديو من المحاولة الأولى جاهزًا، لكن المراجعة إطارًا بإطار تكشف أربع مشكلات. الأولى خطأ في النص على الشاشة. جاء الشعار من لوحة القصة، ونقله النموذج النصي إلى الـprompt، ثم رسمه نموذج الفيديو بخطأ إملائي. لذلك لا ينبغي أن يحتوي prompt الفيديو الآن على أي نص جديد باستثناء الكتابة على الملصق. ويكتب المؤلف للنموذج النصي صراحةً: «لا تضف شعارات ولا عناوين ولا أي نص جديد». الثانية ملصق «ملتصق» بالكاميرا. عند دوران الكاميرا حول المنتج تتغير الخلفية بينما يظل الملصق متجهًا إلى العدسة طوال الوقت.

ما أبرز التفاصيل حول كم تبلغ التكلفة وما القيود؟

كلّفت لوحة القصة وصورة المنتج (صورتان بدقة 1K) $0,14، والـprompt من gemini-3.5-flash نحو $0,01، والفيديو بمدة 15 ثانية مع الصوت $2,27. المجموع $2,42. وكلّفت ثلاث عمليات إعادة تصوير، مدة كل منها 4 ثوانٍ بلا صوت، $1,83، فيبلغ الإجمالي نحو $4,25. دُفع ثمن 27 ثانية من الفيديو ودخلت 15 ثانية في المقطع النهائي، لذا يساوي معامل الاستهلاك 1,8. الأسعار محسوبة بتاريخ 8 أكتوبر 2026 ودون رسوم إضافية. تستغرق الخطوات 1–4 نحو نصف ساعة، منها ثماني دقائق انتظار للفيديو. ويستغرق توليد لقطة مدتها 4 ثوانٍ نحو ثلاث دقائق.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…