هل يستطيع شخص واحد إنتاج فيلم قصير بالذكاء الاصطناعي؟ الاستوري بورد وثبات الشخصية ووصل المشاهد

نعم. لكن ليس كل جزء منه.

جرّبت الإنتاج بالذكاء الاصطناعي منفردًا على حكاية صغيرة عن قصد: رجل يجد ورقة مطوية في جيب معطف قديم. ثماني لقطات، شخص واحد، من جملة واحدة إلى شيء يمكن مشاهدته من أوله إلى آخره. في ما يلي ما نجح، وأين تعثّرت، وما كانت كلفته فعلًا.

ما يستطيع شخص واحد إنجازه وما لا يستطيع

الخلاصات أولًا، حتى لا تقرأ البقية بتوقعات خاطئة.

ما يستطيع شخص واحد إنجازه اليوم بنفسه: الاستوري بورد، وهيئة الشخصية وثبات الشخصية، وصورة كل لقطة، والوصل بين اللقطات، والصوت ومزامنة الشفاه. عمل كان يستلزم مصوّرًا ومسؤول إضاءة وقسم ديكور وممثلًا، صار يتسع فعليًا على مكتب واحد.

ما لا يزال متعذرًا: الحركة المعقّدة المتصلة لأكثر من خمس ثوانٍ تقريبًا، والأداء المضبوط بدقة على زمن جملة حوارية، وأي لقطة يظهر فيها نص مقروء داخل الكادر (سأعود إلى ذلك)، وكل ما يحتاج موقعًا حقيقيًا أو شخصًا حقيقيًا يتفاعل.

لذلك فإن المدى الأنسب للإنتاج بالذكاء الاصطناعي حاليًا هو من 30 ثانية إلى دقيقتين، مركّبًا من عدة لقطات قصيرة. لا تحاول لقطة واحدة متصلة لثلاث دقائق — هذه ليست مشكلة صياغة أوامر نصية، بل هي السقف الحالي للطريقة نفسها.

كيف تحوّل مقطعًا مكتوبًا إلى استوري بورد؟

الاستوري بورد هو الخطوة التي تُنجز أولًا، والأرخص في كامل مسار الإنتاج بالذكاء الاصطناعي. سريعة، لا تكلّف شيئًا تقريبًا، وتكشف مشكلات الحكاية قبل أن تدفع مالًا حقيقيًا على صور نهائية.

الطريقة مباشرة: قسّم الحكاية إلى جملة واحدة لكل لقطة، واكتب في كل جملة ثلاثة أشياء — حجم اللقطة، والحركة، والإضاءة. ثم أخرج دفعة من المصغّرات بأسلوب الرصاص عبر توليد الصور بالذكاء الاصطناعي.

تقسيمي جاء كالتالي: لقطة واسعة تقدّم الغرفة → متوسطة، يُنزل المعطف عن العلاقة → قريبة، يد تدخل الجيب → قريبة، الورقة مفتوحة في راحة اليد → متوسطة، الرأس يرتفع نحو النافذة → واسعة، يلبس المعطف ويتّجه إلى الباب → باب السلّم يُفتح على ضوء الصباح → لقطة بعيدة، ظهره يصعد الشارع.

نصيحة تخالف البديهة في هذه المرحلة: لا تحاول أن ترسم جيدًا. أنت تتحقّق من ثلاثة أمور فقط — هل تصمد الحكاية، هل تتنوّع أحجام اللقطات، هل هناك لقطة زائدة. كلما كان التخطيط أخشن، كان الحذف أسهل. نسختي الأولى كانت 11 خانة، ولم يستقم الإيقاع إلا عند ثماني.

كيف تحافظ على الوجه نفسه في كل لقطة؟

ثبات الشخصية هو الموضع الذي ينكسر فيه الإنتاج بالذكاء الاصطناعي أكثر من غيره، وهو الخطوة التي استهلكت أطول وقت لديّ.

الجواب هو ورقة الشخصية: اصنع واحدة، ثم أشِر إليها في كل لقطة بدلًا من وصف الوجه بالكلمات. الثبات يأتي من إعادة استخدام صورة مرجعية واحدة، لا من كتابة وصف أكثر تفصيلًا.

أخرجت أولًا لقطة أمامية نظيفة — خلفية رمادية، إضاءة متساوية، بلا تصفيف، بلا تعبير، أي صورة اختبار أداء تقريبًا. ثم بنيت منها الثلاثة أرباع والجانبية والخلفية. هذه الصور الأربع هي «ممثل» هذا الفيلم، وكل لقطة تالية تتلقّى هذه الورقة.

ثلاث ملاحظات عملية:

لا تصف الوجه بالنص. «في منتصف الثلاثينات، شعر أسود قصير، ذقن خفيفة» ستولّد مئة شخص مختلف. اترك الوجه للصورة المرجعية؛ والأمر النصي يحمل فقط ما يتغيّر في هذه اللقطة.

أخرج الخلفية والجانبية مبكرًا. إن انتظرت حتى تصل إلى لقطة الانصراف، فالأرجح أنه لن يكون الرجل نفسه الذي في الأمامية.

اكتب الملابس في كل أمر نصي. ثبات الشخصية ليس الوجه وحده — دع لون المعطف أو قَصّته ينزلقان وسيرى الجمهور الانقطاع رغم ذلك. اضبط هذه الثلاثة وسيكون ثبات الشخصية في فيلم قصير بالذكاء الاصطناعي محلولًا في جوهره.

كيف تتصل اللقطات دون قفزة؟

أقلّ الطرق جهدًا هي أن تجعل الإطار الأخير من لقطة هو الإطار الأول للتالية.

هذان الإطاران هما النصف الأول والنصف الثاني من اللحظة نفسها: على اليسار ينظر إلى الورقة، وعلى اليمين ارتفع رأسه نحو النافذة. التكوين لم يتحرّك، واتجاه الإضاءة لم يتحرّك، والتدريج اللوني لم يتحرّك — تغيّرت فقط زاوية الرأس وموضع النظر. عند المونتاج يُقرأان كردّ فعل واحد متصل.

مرّر الإطارين إلى الإطار الأول والأخير إلى فيديو كنقطتي بداية ونهاية، واترك النموذج يملأ الفجوة. هذا أثبت بكثير من مطالبة النموذج بـ«تأدية» حركة كاملة، وهو يحمي ثبات الشخصية أيضًا لأنك ثبّتت الطرفين.

تفصيلان في الوصل يُغفلان، وكلفتهما في الإنتاج بالذكاء الاصطناعي أعلى منها في التصوير الحقيقي لأنك لا تستطيع تصحيحهما في الموقع. اتجاه الإضاءة يجب أن يتوافق. إن جاء الضوء من اليسار في لقطة فلا يصح أن يأتي من اليمين في التالية — لن يستطيع الجمهور تسمية الخلل لكنه سيستشعره. التدريج اللوني يجب أن يتوافق. لقطاتي الثماني كلها تحمل «فجر بارد» في الأمر النصي نفسه؛ لم أعوّل على إصلاح ذلك لاحقًا.

كيف تراجع كل اللقطات مرة واحدة وتعيد السيئة فقط؟

فتح الصور واحدة تلو الأخرى سيخدعك. كل واحدة تبدو سليمة بمفردها، وفي التتابع فقط تلاحظ أن الوجه انزلق في اللقطة الثالثة.

أفرد الثماني كلها على الكنفاس التوليدي بالترتيب في صفّ واحد، ثم أتراجع خطوة. مشكلات ثبات الشخصية أسهل ما تُلتقط في صفّ — الوجه المنزلق أو الإضاءة الخاطئة تظهر في مسحة واحدة. هذه العادة وحدها أزالت معظم إعادة العمل من مسار الإنتاج بالذكاء الاصطناعي عندي: أعيد تشغيل الخانة المعطوبة فقط بدل بناء المتتالية من جديد.

هذه لقطاتي الثماني النهائية. يد اللقطة الثالثة أُعيدت مرتين، وإضاءة اللقطة السابعة الخلفية نالت تعديل تعريض واحدًا.

وماذا عن الصوت؟

الصورة تنتهي عند هذه المرحلة، لكن فيلمًا قصيرًا بالذكاء الاصطناعي بلا صوت لن يُمسك أحدًا بعد 30 ثانية.

فيلمي بلا حوار، فاحتاج صوت أجواء فقط. مع الحوار يكون الترتيب: توليد الصوت عبر تحويل النص إلى كلام، أو استنساخ نبرة ثابتة عبر استنساخ الصوت، ثم تشغيل مزامنة الشفاه لمطابقة الفم.

لا تعكس هذا الترتيب. اصنع الصورة أولًا وستجد أن حركات الفم وأطوال الجمل لا تتفقان؛ ثبّت مدة الصوت أولًا وولّد الإطارات لتناسبها، وستقلّ إعادة العمل كثيرًا. تأجيل الصوت إلى النهاية هو أشهر خطأ في ترتيب الخطوات في الإنتاج بالذكاء الاصطناعي.

أين حدود تحريك الصورة؟

هذه الخمس ثوانٍ جاءت من اللقطة أعلاه: التنفّس، رمشة واحدة، النظر يتحرّك قليلًا، وانقباض خفيف في الجبهة.

طلبت ثلاث مرات أن «يستدير ويسير إلى الباب»، وتشوّه في كل مرة — بعد خطوتين لم يكن هو. فالحدود واضحة: ردود الفعل الصغيرة في المكان موثوقة؛ أما مطالبة الشخصية بالانتقال أو بأداء حركة معقّدة فلم تصل بعد. في اللقطات التي تحتاج حركة، أولّد الإطار الأخير أولًا ثم أستوسط، بدل أن أترك النموذج يؤدّيها.

ثلاث حالات فشل، بصراحة

النص داخل الكادر مزيّف. كبّر لقطتي القريبة للورقة وسترى أن «الخط» عليها كلام غير مفهوم — نماذج التوليد لا تنتج نصًا مقروءًا، وهذا يستبعد بهدوء فئة كاملة من اللقطات في الإنتاج بالذكاء الاصطناعي. إما ألا تصوّرها بوضوح (خارج التركيز، مغطاة نصفها)، أو تُلصق نصًا حقيقيًا لاحقًا.

اليدان تحتاجان فحصًا واحدة تلو الأخرى. في لقطة اليد الداخلة إلى الجيب كان مفصل في غير موضعه في النسخة الأولى، واستلزم ذلك إعادتين. أي لقطة تظهر فيها اليدان تُكبَّر.

الحركة المتصلة تُفقد الوجه. كما سبق — الانتقال لأكثر من ثانيتين أو ثلاث ينكسر غالبًا، وثبات الشخصية أول ما يسقط.

قائمة اللقطات الثماني الجاهزة للنسخ

اعمل بهذا الترتيب ولن تعود إلى الخلف:

1. قسّم الحكاية إلى جملة لكل لقطة، وكل جملة تحمل حجم اللقطة والحركة والإضاءة
2. أخرج استوري بورد خشنًا واحذف حتى تبقى اللقطات الضرورية فقط
3. ابنِ ورقة الشخصية لتثبيت ثبات الشخصية: أمامية + ثلاثة أرباع + جانبية + خلفية
4. ولّد لقطة بلقطة حسب الاستوري بورد، ومرّر الورقة في كل مرة، واكتب التدريج اللوني في كل أمر نصي
5. حيث تتصل اللقطات، أنتج الإطار الأخير أولًا ثم الإطار الأول
6. افرد الكل على الكنفاس وقارن على الصفّ، وأعد تشغيل المعطوب فقط
7. ثبّت مدة الصوت ثم طابق الإطارات على الصوت
8. كبّر على اليدين والأذنين وأي نص داخل الكادر

اللقطات الثماني كاملة استغرقت نحو ثلاث ساعات، معظمها في كتابة الأوامر النصية واختيار المشاهد لا في انتظار التوليد. ثبات الشخصية ووصل اللقطات يصيران أسرع بنحو الضعف بعد أن تمارسهما مرات قليلة.

هذا المستوى كافٍ بالفعل لعناوين البداية والأفلام التصورية ومواد العروض التقديمية. أما التسليم التجاري النهائي فما زلت أصوّره حقيقةً وأستخدم الذكاء الاصطناعي لاستكمال اللقطات. وإن أردت أن تمرّ بمسار الإنتاج بالذكاء الاصطناعي بنفسك، فابدأ من توليد الفيديو بالذكاء الاصطناعي — جملة واحدة تكفي للبدء.