ورشة مجانية 21–22.11ورشة مجانية لمدة يومين في Vibecoding يومي 21–22 نوفمبر الساعة 16:00 بتوقيت موسكو · الدفعة 3 تبدأ 23.11سجّل مجاناً ←الدفعة 3 (23.11)
إصدارتحليل · على الرادارHabr AI→ المصدر

مؤسس تطبيق يستبدل نفسه بأفاتار ذكي على YouTube: متوسط المشاهدة دقيقة واحدة بدلًا من 5

صنع مؤسس تطبيق لتعلّم المفردات نسخة ذكية من نفسه وأطلق قناة على YouTube دون أي تصوير: كتب Claude Code السيناريو، وولّد ElevenLabs الصوت، ورسم HeyGen الوجه. كلّف الفيديو الذي تبلغ مدته عشر دقائق 2–3 دولارات، لكن متوسط مدة المشاهدة مع الأفاتار بلغ نحو دقيقة واحدة، مقابل نحو 5 دقائق عندما يظهر المؤلف الحقيقي بميكروفون ثمنه 300 روبل. ويوصي YouTube بالفيديوهات التي يُشاهدها الجمهور حتى نهايتها، ولذلك لا يجدي الإنتاج الرخيص إن لم يبقَ المشاهد حتى النهاية.

معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
مؤسس تطبيق يستبدل نفسه بأفاتار ذكي على YouTube: متوسط المشاهدة دقيقة واحدة بدلًا من 5
المصدر: Habr AI. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليHabr AI ↗
رئيس التحرير
حقيقة رئيسية #1شغل الأفاتار 20% من مدة الفيديو، وتولّت الإنفوغرافيك والرسوم التوضيحية الباقي
حقيقة رئيسية #2حصد أول فيديو، الذي كلّف 25 دولارًا، 10 إعجابات و100 عدم إعجاب
حقيقة رئيسية #3تبلغ تكلفة HeyGen Avatar 6 نحو دولار واحد لكل دقيقة فيديو

تخيّل أنك لست مضطرًا إلى ضبط الإضاءة، ولا إلى تسجيل عشر لقطات متكررة، ولا إلى مجاهدة مخارج الحروف: تكتب السيناريو، وتقرؤه نسخة رقمية منك أمام الكاميرا. جرّب صاحب تطبيق للهواتف لتعلّم الكلمات الأجنبية هذه الفكرة على YouTube. بنى خط إنتاج شبه آلي بالكامل، يكلّف فيه الفيديو الذي مدته عشر دقائق 2–3 دولارات. لكن تحليلات YouTube أظهرت عكس المتوقع. فمتوسط مدة المشاهدة، أي عدد الدقائق التي يقضيها المشاهد في المتوسط قبل أن يغلق الفيديو، بلغ نحو دقيقة واحدة في الفيديوهات ذات الأفاتار. أما في الفيديوهات العادية التي يجلس فيها المؤلف أمام الكاميرا بنفسه، فبلغ نحو 5 دقائق. وهذا المؤشر تحديدًا هو الذي يحدد ما إذا كان YouTube سيوصي بالفيديو لمشاهدين آخرين.

كيف يعمل خط الإنتاج

كان المؤلف يبحث عن زيارات عضوية لتطبيقه، فقرر إطلاق قناة عن طرق حفظ المفردات، على أن يذكر التطبيق أثناء الفيديوهات.

بدأ بتجربة الخدمات التي تحرّك الصور الثابتة. جاء الفيديو الذي أنتجته Hedra ضعيفًا إلى درجة اضطرته إلى حذفه، وكان أداء King AI أسوأ. ولم يحقق جودة مقبولة سوى HeyGen بأغلى نماذجه، Avatar 6، بنحو دولار واحد لكل دقيقة فيديو.

ولكي تبدو الصورة كأنها مصوّرة بعدة كاميرات، التقط المؤلف صورًا لنفسه من زوايا مختلفة. وحوّلها عبر ChatGPT إلى مشاهد في استوديو مولَّد واحد متطابق، ثم جمع منها في HeyGen عدة إعدادات للأفاتار.

بعد ذلك جاء دور Claude Code، فكتب السيناريو ووزّعه على مشاهد: أي نص يُقال أمام الكاميرا، وأي زاوية تُختار، ومتى تُعرض لقطة قريبة ومتى تُعرض إنفوغرافيك. وتولّى ElevenLabs قراءة كل مقطع بصوت مستنسَخ من صوت المؤلف، وقد أنشأ النسخة المستنسَخة بقراءة نص قصير أمام الميكروفون. كانت كل الخطوات عمليات متكررة بمدخلات ومخرجات واضحة، ولذلك كتب المؤلف السكربتات دون صعوبة. أما أصعب ما واجهه فكان الحصول على وجه مقبول.

الاقتصاد: من 25 دولارًا إلى 2–3 دولارات

بلغت تكلفة أول فيديو متكامل نحو 25 دولارًا، وذهب معظمها إلى توليد الفيديو في HeyGen. فقرر المؤلف تقليص وقت ظهور الأفاتار في الكادر. بقي الوجه في البداية والنهاية وعند الانتقال بين الأقسام، أي نحو 20% من مدة الفيديو، وشغلت الإنفوغرافيك والرسوم التوضيحية والمقاطع المُدرجة الباقي. وكان لذلك أثران: صار المشاهد يرى تعابير الوجه غير الطبيعية في مرات أقل، وانخفضت تكلفة الفيديو ذي العشر دقائق إلى نحو 2–3 دولارات. ويرى المؤلف أن الفيديوهات استفادت من ذلك، إذ حلّت الشروحات البصرية محل «الرأس المتحدث».

كما أعاد توجيه القناة إلى جمهور ناطق بالإنجليزية يتعلم الإسبانية. وبحسب ملاحظته، كانت تعابير الوجه في HeyGen أفضل بوضوح مع الإنجليزية منها مع الروسية.

ماذا أظهرت التحليلات

نشر المؤلف أول فيديو على X، فانهالت عليه التعليقات الناقدة. كتب كثيرون عن «الوادي الغريب» (uncanny valley)، وهو الشعور المزعج الذي ينتاب المرء حين يبدو الإنسان الاصطناعي حقيقيًا تقريبًا، لكن فوارق صغيرة في تعابير الوجه تثير الانزعاج. وشارك المدوّن فلاد تين الفيديو على Telegram. النتيجة: بضعة آلاف من المشاهدات، و10 إعجابات و100 عدم إعجاب. والمفارقة أن YouTube بدأ بسبب هذا التفاعل يعرض الفيديو على أشخاص آخرين.

ورأى المؤلف، عن حق، أن هذا اختبار غير عادل: فالجميع كانوا يعرفون أنهم يشاهدون أفاتار، وراحوا يبحثون عن الأخطاء عمدًا. لذلك نشر فيديوهات بالإنجليزية دون إعلان مسبق، وقارنها بقناته المعتادة. وفيها يجلس في غرفة معتمة، بميكروفون ثمنه 300 روبل، مع عيوب في النطق وكلمات حشو.

وبحسب تحليلات YouTube، بلغ متوسط مدة المشاهدة نحو 5 دقائق في الفيديوهات العادية، ونحو دقيقة واحدة في الفيديوهات ذات الأفاتار. وإذا لم يُشاهَد الفيديو حتى نهايته، فإن المنصة لا تروّج له. أما الارتفاع الأول في المشاهدات فتبيّن أنه اهتمام بـ«الإحراج» لا بموضوع اللغات.

بعض المعارف الذين عُرضت عليهم الفيديوهات دون تنبيه لم يلحظوا أي خلل. لكن الفيديو مع ذلك لم يتمكن من الاحتفاظ بالمشاهد. ولا يعرف المؤلف السبب بدقة، ويفترض أن الإنسان الحي يتعثر، ويغيّر نبرته، ويبتسم في غير موضعه، ويبحث عن كلماته. أما الأفاتار فيقرأ النص بسلاسة، لكنه يبدو كمن لا يفهم ما يقوله. وهذه فرضية، لا قياس.

ماذا يعني ذلك للممارسين

  • يمكن أتمتة الإنتاج، لكن ذلك لا يحل مشكلة الاحتفاظ بالمشاهد. ولن تفيد عشرة فيديوهات يوميًا إذا كان كل منها يُغلق في الدقيقة الأولى.
  • المقياس الصحيح للتحقق من هذه الفكرة هو متوسط مدة المشاهدة، لا عدد المشاهدات ولا ردود الفعل الأولى.
  • الأفضل أن يكون الاختبار «أعمى»، دون إعلان مسبق، وإلا راح المشاهدون يبحثون عن العيوب.
  • تظل الشبكات العصبية مفيدة في كتابة السيناريوهات والرسوم التوضيحية والإنفوغرافيك. لكنها لم تحل في هذه الحالة محل المقدّم الحي.

والقيود واضحة: هذه تجربة مؤلف واحد، على قناة واحدة، في مجال واحد، وعلى عينة من بضعة فيديوهات. وقد تغيّر النتيجةَ صيغٌ أخرى أو نماذج مستقبلية. لكن لمن يؤجل إطلاق قناته بسبب سوء الإضاءة أو مشكلات النطق، الخلاصة عملية: لا يزال الإنسان الحقيقي في الكادر يحتفظ بالمشاهد أفضل من النسخة المثالية.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول كيف يعمل خط الإنتاج؟

كان المؤلف يبحث عن زيارات عضوية لتطبيقه، فقرر إطلاق قناة عن طرق حفظ المفردات، على أن يذكر التطبيق أثناء الفيديوهات. بدأ بتجربة الخدمات التي تحرّك الصور الثابتة. جاء الفيديو الذي أنتجته Hedra ضعيفًا إلى درجة اضطرته إلى حذفه، وكان أداء King AI أسوأ. ولم يحقق جودة مقبولة سوى HeyGen بأغلى نماذجه، Avatar 6، بنحو دولار واحد لكل دقيقة فيديو. ولكي تبدو الصورة كأنها مصوّرة بعدة كاميرات، التقط المؤلف صورًا لنفسه من زوايا مختلفة.

ما أبرز التفاصيل حول الاقتصاد: من 25 دولارًا إلى 2–3 دولارات؟

بلغت تكلفة أول فيديو متكامل نحو 25 دولارًا، وذهب معظمها إلى توليد الفيديو في HeyGen. فقرر المؤلف تقليص وقت ظهور الأفاتار في الكادر. بقي الوجه في البداية والنهاية وعند الانتقال بين الأقسام، أي نحو 20% من مدة الفيديو، وشغلت الإنفوغرافيك والرسوم التوضيحية والمقاطع المُدرجة الباقي. وكان لذلك أثران: صار المشاهد يرى تعابير الوجه غير الطبيعية في مرات أقل، وانخفضت تكلفة الفيديو ذي العشر دقائق إلى نحو 2–3 دولارات. ويرى المؤلف أن الفيديوهات استفادت من ذلك، إذ حلّت الشروحات البصرية محل «الرأس المتحدث».

ما أبرز التفاصيل حول ماذا أظهرت التحليلات؟

نشر المؤلف أول فيديو على X، فانهالت عليه التعليقات الناقدة. كتب كثيرون عن «الوادي الغريب» (uncanny valley)، وهو الشعور المزعج الذي ينتاب المرء حين يبدو الإنسان الاصطناعي حقيقيًا تقريبًا، لكن فوارق صغيرة في تعابير الوجه تثير الانزعاج. وشارك المدوّن فلاد تين الفيديو على Telegram. النتيجة: بضعة آلاف من المشاهدات، و10 إعجابات و100 عدم إعجاب. والمفارقة أن YouTube بدأ بسبب هذا التفاعل يعرض الفيديو على أشخاص آخرين.

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.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
ما رأيك؟
جارٍ تحميل التعليقات…