ثنائي GPT Image 2 وGemini Omni 1.2 Flash يحرّك 15 أصلًا من البيكسل آرت للألعاب
التحريك إطارًا بإطار للألعاب عمل مرهق، وقد اختبر كاتب على Habr ما إذا كان ثنائي من الشبكات العصبية قادرًا على الحلول محله. يرسم GPT Image 2 القصة المصوّرة بأسلوب البيكسل آرت، ثم يحوّلها Gemini Omni 1.2 Flash إلى فيديو لا تتجاوز مدته 15 ثانية ومعه صوت. وعلى 15 أصلًا عشوائيًا، من المسدس إلى الكاتانا، كانت النتيجة جيدة في المجمل، لكن الخلفية لم تكن شفافة دائمًا، والحركة جاءت أكثر سلاسة مما ينبغي. الأداة تصلح للنماذج الأولية، أما النسخة النهائية فتحتاج إلى تعديل يدوي.
معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
لتحريك سبرايت في لعبة مستقلة، يحتاج الفنان عادةً إلى رسم عشرات الإطارات: وميض الطلقة، وانفتاح المروحة، ودورة العجلة. اختبر كاتب على Habr ما إذا كان بالإمكان إسناد هذه المهمة إلى شبكتين عصبيتين معًا. الأولى، GPT Image 2، ترسم القصة المصوّرة بأسلوب البيكسل آرت، أي «سلّمًا» من أوضاع الجسم المتتابعة على لوحة واحدة. والثانية، Gemini Omni 1.2 Flash من Google، تحوّل هذه اللوحة إلى فيديو مدته حتى 15 ثانية ومعه صوت. ومرّر عبر هذا الثنائي 15 أصلًا اختارها عشوائيًا من أنواع مختلفة من الألعاب: من المسدس والكاتانا إلى نار المخيم والصخرة المتدحرجة. هذا ليس اختبار أداء مخبريًا، بل تجربة عملية ذاتية، لكنها تُظهر بوضوح أين يعمل خط الإنتاج هذا بالفعل، وأين يلزم تعديل يدوي.
كيف يعمل هذا الثنائي
يصف النص GPT Image 2 بأنه أحد أفضل نماذج توليد الصور. ووفق الكاتب، يعتمد النموذج بنية تمرير واحد، ويعمل أسرع بنحو الضعف من الإصدارات السابقة من GPT Image. وتزداد الجودة وكلفة التوليد الواحد عند الانتقال من وضع Low إلى High، ما يتيح الاختيار بين مسودة رخيصة ونسخة نهائية مكلفة.
ولا يقتصر Gemini Omni 1.2 Flash على توليد المقطع، بل يقبل التعديلات أيضًا في «وضع المحادثة»: يمكن تصحيح الفيديو الجاهز بطلب جديد دون إعادة التشغيل من الصفر. والفكرة منطقية في تطوير الألعاب: تثبّت الأسلوب أولًا بصورة، ثم تحرّكها.
شملت الاختبار الأصول التالية: مسدس مع مخزن ذخيرة، وفوّهات سفينة تنبعث منها النار، ومنجنيق، وشجرة ساكورا تتساقط أوراقها، ومنزل من ثلاثة طوابق بنوافذ، وجسم طائر مجهول (UFO)، ونار مخيم، وعصا سحرية، وصخرة، وبرج من الطوب يتهاوى، ومروحة يابانية، وسيف ضوئي، وعجلة سيارة، وشهاب، وكاتانا.
ما نجح وما لم ينجح
كانت أفضل النتائج للمسدس والعصا السحرية ونار المخيم والمروحة والكاتانا. حصل المسدس على قصة مصوّرة جيدة لإطلاق النار وتحريك عالي الجودة، رغم أن الدخان بدا للكاتب زائدًا. وهو يردّ ذلك إلى صياغة الطلب لا إلى خطأ في النموذج. أما المنجنيق فقد فاجأ الكاتب: ذُكرت الحركة في الطلب بإيجاز، لكن النموذج أظهر بنفسه القصور الذاتي بعد الإطلاق. وجاءت الصخرة بلا خلل ولا ارتجاف في الإطارات، وهما عيبان تعاني منهما بعض الشبكات العصبية الأخرى. وحرّك Gemini لوحة سبرايتات المروحة بسرعة كبيرة.
يصف الكاتب العجلة بأنها اختبار الحقيقة. فقد نجح Gemini فيها من المحاولة الأولى ونقل تأثير الستروبوسكوب بإقناع. أما Qwen المجاني فيتعامل، بحسب قوله، مع تحريك العجلة بصورة أسوأ.
تتكرر العيوب من أصل إلى آخر:
- الخلفية. طُلب من النموذج التصيير على خلفية PNG شفافة، لكنه فعل ما يشاء. ظهرت على الصخرة إضاءة غريبة كأنها من كشّاف مسرحي، وجاء الجسم الطائر المجهول ملوّنًا بالأخضر.
- سلاسة زائدة. طُلبت «تقطّعية» (choppiness) للساكورا والبرج كي يشبه التحريك أسلوب 8 بت. لكن Gemini جعل الحركة أحدث وأكثر سلاسة.
- تفاصيل زائدة. في آخر ثانيتين، ظلّ الجسم الطائر المجهول، وهو قد حطّ بالفعل، يحلّق دون سبب، وظهر حول السيف الضوئي ضباب غير مفهوم.
- خلفية عائمة. في الشهاب، افتقر الكاتب إلى تثبيت صارم للجسم بالنسبة إلى الخلفية. وينصح عند تحريك الأصول بأن يُطلب صراحةً تثبيت موضع الجسم على الخلفية بإحكام.
ماذا يفعل المطوّر
خلاصة الكاتب: يرسم Gemini Omni 1.2 Flash التحريكات بسرعة، ويفهم المهمة من إشارة، ولا يختلق التفاصيل كثيرًا. أما GPT Image 2 فيُشاد به لسرعته وذاكرة السياق الجيدة والأسلوب المتسق بين عمليات التوليد.
وعمليًا يعني ذلك ما يلي:
- يصلح هذا الثنائي منذ الآن للنماذج الأولية والمؤثرات الخلفية والمراجع. وأفضل النتائج تأتي مع النار والدخان والأجسام الساقطة والسحر.
- ينبغي أن يتضمن الطلب صراحةً متطلبات الخلفية ومعدل الإطارات «المتقطع»، مع الاستعداد لاحتمال أن يتجاهلها النموذج.
- سيلزم على الأرجح ضبط الشفافية ووضوح البيكسل في محرّر: بقص الخلفية وخفض معدل الإطارات يدويًا.
- من المنطقي استخدام وضع المحادثة للتعديلات الموضعية، لا لإعادة صنع المقطع بالكامل.
القيود واضحة. اختيرت الأصول عشوائيًا، لكن التقييمات ذاتية وبلا مقاييس، والمقارنات مع النماذج الأخرى لفظية فقط. وفي الإصدار النهائي للعبة، لا بد من فحص النتيجة بالعين. لكن بوصفه وسيلة سريعة للحصول على تحريك أولي صالح للعمل انطلاقًا من صورة واحدة، يستحق هذا الثنائي موقعًا في صندوق الأدوات.
- 21 نوفمبر 2026نموذج MIRA العصبي يرسم Rocket League بسرعة 20 إطارًا في الثانية، لكن زمن الاستجابة يصل إلى 460 مللي ثانية
- 21 نوفمبر 2026غوغل تبني نسخة مغلقة من الإنترنت تضم بنوكًا وهمية لتدريب وكلاء الذكاء الاصطناعي في Chrome
- 21 نوفمبر 2026اختبار MLPerf يشهد لأول مرة مشاركة Nvidia Rubin وTPU Ironwood: 153 نظامًا
- 21 نوفمبر 2026Google تفتح الطلب المسبق على نظارات Gemini الذكية بسعر يبدأ من 395 دولارًا — والبيع اعتبارًا من 10 ديسمبر
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول كيف يعمل هذا الثنائي؟
يصف النص GPT Image 2 بأنه أحد أفضل نماذج توليد الصور. ووفق الكاتب، يعتمد النموذج بنية تمرير واحد، ويعمل أسرع بنحو الضعف من الإصدارات السابقة من GPT Image. وتزداد الجودة وكلفة التوليد الواحد عند الانتقال من وضع Low إلى High، ما يتيح الاختيار بين مسودة رخيصة ونسخة نهائية مكلفة. ولا يقتصر Gemini Omni 1.2 Flash على توليد المقطع، بل يقبل التعديلات أيضًا في «وضع المحادثة»: يمكن تصحيح الفيديو الجاهز بطلب جديد دون إعادة التشغيل من الصفر. والفكرة منطقية في تطوير الألعاب: تثبّت الأسلوب أولًا بصورة، ثم تحرّكها.
ما أبرز التفاصيل حول ما نجح وما لم ينجح؟
كانت أفضل النتائج للمسدس والعصا السحرية ونار المخيم والمروحة والكاتانا. حصل المسدس على قصة مصوّرة جيدة لإطلاق النار وتحريك عالي الجودة، رغم أن الدخان بدا للكاتب زائدًا. وهو يردّ ذلك إلى صياغة الطلب لا إلى خطأ في النموذج. أما المنجنيق فقد فاجأ الكاتب: ذُكرت الحركة في الطلب بإيجاز، لكن النموذج أظهر بنفسه القصور الذاتي بعد الإطلاق. وجاءت الصخرة بلا خلل ولا ارتجاف في الإطارات، وهما عيبان تعاني منهما بعض الشبكات العصبية الأخرى. وحرّك Gemini لوحة سبرايتات المروحة بسرعة كبيرة. يصف الكاتب العجلة بأنها اختبار الحقيقة.
ما أبرز التفاصيل حول ماذا يفعل المطوّر؟
خلاصة الكاتب: يرسم Gemini Omni 1.2 Flash التحريكات بسرعة، ويفهم المهمة من إشارة، ولا يختلق التفاصيل كثيرًا. أما GPT Image 2 فيُشاد به لسرعته وذاكرة السياق الجيدة والأسلوب المتسق بين عمليات التوليد. وعمليًا يعني ذلك ما يلي: يصلح هذا الثنائي منذ الآن للنماذج الأولية والمؤثرات الخلفية والمراجع. وأفضل النتائج تأتي مع النار والدخان والأجسام الساقطة والسحر. ينبغي أن يتضمن الطلب صراحةً متطلبات الخلفية ومعدل الإطارات «المتقطع»، مع الاستعداد لاحتمال أن يتجاهلها النموذج.
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.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.