تصوير منتجات بالذكاء الاصطناعي من لقطة هاتف واحدة: ما نجح وما انكسر

على مكتبي زجاجة بخّاخ من الزجاج العنبري بلا علامة تجارية، من النوع الذي يُعبّأ فيه العطر. صوّرتها مرة واحدة بالهاتف، وأردت أن أعرف إن كانت تلك اللقطة وحدها تكفي لإنتاج مجموعة من صور المنتج بالذكاء الاصطناعي صالحة لصفحة بيع، إضافة إلى فيديو منتج بالذكاء الاصطناعي قصير.

بلا استوديو، بلا صندوق إضاءة، وبلا توظيف أحد. في ما يلي المسار كاملًا، بما فيه الجزءان اللذان لم ينجحا.

ما الذي تفتقده لقطة الهاتف فعلًا

مكتب خشبي، كابل شحن متشابك، نصف فنجان قهوة باردة، ظل قاسٍ من مصباح السقف، ومسحة صفراء مخضرّة فوق كل شيء. هذه هي نقطة البداية الحقيقية لدى معظم البائعين الصغار.

ما ينقصها ليس الوضوح، بل ثلاثة أمور أخرى: الخلفية مزدحمة، والضوء بلا اتجاه، والتأطير لن ينسجم مع بقية صور الصفحة. وهذه الثلاثة هي بالضبط ما يجيده تصوير المنتجات بالذكاء الاصطناعي اليوم.

شروط الصورة الأصلية بسيطة: الجسم ظاهر بالكامل، غير مهتزّ، وغير غارق في الظل. عند تحقق ذلك، تكفي لقطة الهاتف.

الخطوة الأولى ليست التوليد، بل قصّ الجسم

الخلاصة أولًا: إزالة الخلفية كانت أقل الأجزاء إثارةً للمتاعب في المسار كله.

الأصل على اليمين، القصّ في الوسط، وحافة الزجاج مكبّرة حتى تظهر البكسلات على اليسار. الغطاء الشفاف بقي سليمًا، وعادت الحافة بلا هالة بيضاء وبلا تنسيل — الزجاج والبلاستيك الشفاف هما عادةً ما تنهار عنده عمليات القصّ، وهذه مرّت من المحاولة الأولى. هذه الخطوة تمت عبر إزالة الخلفية.

غير أن التكبير كشف شيئًا آخر: المسحة الصفراء المخضرّة من الأصل جاءت معها كما هي. القصّ يفصل الجسم عن الخلفية، ولا يصحّح اللون. إذن هذا الملف ذو الخلفية الشفافة ليس صورة منتج بالذكاء الاصطناعي جاهزة، بل المرجع الذي تُبنى منه كل الصور التالية.

الإضاءة تتفوق على الديكور: اكتب الضوء لا المكان

بعد الحصول على المرجع، استخدمت توليد الصور بالذكاء الاصطناعي لإنتاج المشاهد الأربعة التي تطلبها صفحات المنتجات أكثر من غيرها.

أعلى اليمين الصورة الرئيسية على أبيض: ضوء مسطّح، عاكس على الجانب، وظل تماس صغير أسفل القاعدة. أعلى اليسار على حجر بيج بإضاءة خلفية دافئة منخفضة، فيمتد الظل ويجري خط ذهبي على حافة الزجاج. أسفل اليمين أرضية داكنة بمصدر قاسٍ واحد، ونصف الزجاجة يغرق في الظل. أسفل اليسار مسار الحياة اليومية: سطح رخامي وبضعة أغصان أوكالبتوس.

أنفع ما تعلّمته هنا: اكتب المشهد والضوء معًا. عبارة «على سطح حجري» تعطيك سطحًا وغمرة ضوء بلا اتجاه. أما «إضاءة خلفية دافئة منخفضة من الأعلى، ظل ممتد جانبًا، خط ذهبي على حافة الزجاج» فتعطيك الصورة أعلاه. اتجاه الضوء وقسوته ودرجة حرارته تحرّك صورة المنتج بالذكاء الاصطناعي أكثر بكثير مما تضعه في الخلفية.

ومع ذلك، لا يُنفَّذ توجيه الضوء دائمًا. جرّبت لقطة إضافية على أكريليك أسود، وطلبت ضوءًا من جهة وظلًا يسقط في الجهة المقابلة. جاء الانعكاس المرآوي بديعًا، لكن المنطقة المضيئة على الأرض بقيت في مكانها الأول والظل لم يكد يظهر. تلك اللقطة استُبعدت.

إدخال يد إلى الكادر

كل صفحة منتج تحتاج لقطة «كم يبلغ حجمه في اليد»، واليد هي بالضبط حيث تفضح صور المنتج بالذكاء الاصطناعي نفسها: أصابع ملتحمة، إصبع زائد، مفصل ينثني بالعكس.

كبّرت وعددت: خمسة أصابع، مفاصل تنثني في الاتجاه الصحيح، أظافر بالطول نفسه، وحتى ثنية الجلد عند أصل الإبهام موجودة. من المحاولة الأولى، بلا إعادة.

ما انكسر: النص نجح، والغطاء لا

نماذج الصور لا تكتب نصًا مقروءًا. كنت أعامل ذلك كأمر محسوم، فقررت التحقق منه.

عادت عبارة «LAVENDER MIST / 50 ml» مكتوبة بهجاء صحيح تمامًا. وبالتبديل إلى الصينية — 薰衣草喷雾 / 净含量 50 毫升 — خرجت تسعة رموز دون خطأ في شرطة واحدة. على مقاس ملصق قصير، انتهت صلاحية هذه القاعدة المتوارثة.

أما ما انكسر فعلًا فكدت أفوّته.

في الطرف الأول الغطاء الأصلي: كتف قائم، بدن مستقيم، وسطح علوي مستوٍ. أما اللقطات الأربع المكتملة فأغطيتها كلها صارت مقببة، ولا اثنان منها بالارتفاع أو العرض نفسه، وشكل الفوهة في الداخل يتغيّر في كل مرة.

النموذج حافظ جيدًا على الأمور الكبيرة — لون الزجاج، موضع الملصق، الخلفية، الإضاءة. الذي ينزلق هو هذا النوع من التفاصيل البنيوية، قليلًا مع كل إعادة رسم. وفي منتج حقيقي هذا مهم: المشتري الذي لا يطابق طرده الصورة الرئيسية يترك تقييمًا بنجمة واحدة.

العلاج بدائي لكنه ناجع: اختر اللقطة التي يقترب غطاؤها أكثر من الجسم الحقيقي، ثبّتها مرجعًا وحيدًا، ثم أعد توليد بقية صور المنتج بالذكاء الاصطناعي منها بدلًا من البدء بكل واحدة من الصفر.

من الصورة الثابتة إلى فيديو منتج بالذكاء الاصطناعي مدته 10 ثوانٍ

اخترت لقطة الحجر وأرسلتها عبر الإطار الأول والأخير إلى فيديو، فخرج فيديو منتج بالذكاء الاصطناعي مدته 10 ثوانٍ.

طلب الأمر النصي شيئين: اقترابًا بطيئًا جدًا، وضوءًا جانبيًا يمسح الكادر فيقصر الظل. لم يتحقق سوى الأول. الاقتراب ثابت تمامًا — شكل الزجاجة ونسب الملصق ولون الزجاج لا تهتزّ عبر أكثر من مئتي إطار — أما الضوء فمتجمّد عمليًا، والظل بالطول نفسه في النهاية كما في البداية.

أقبل هذه المقايضة. أسوأ عطب في فيديو منتج بالذكاء الاصطناعي هو تشوّه الجسم أثناء حركة الكاميرا، وكاميرا مهذّبة تأمين رخيص. وإذا احتجت زوايا أخرى، أخرج بضعة مقاطع فيديو منتج بالذكاء الاصطناعي من الإطار المثبّت نفسه واجمعها في مونتاج.

كم كلّف من الوقت

أربعون دقيقة وبعض الدقائق من اللقطة حتى الملفات النهائية، وأكثر من نصفها انتظار للتوليد ومفاضلة بين النتائج. الإعادة حدثت مرتين: لقطة الأكريليك الأسود أخطأت اتجاه الضوء، وأخطأته ثانيةً في المحاولة الثانية فتُركت؛ وانزلاق الغطاء لم يظهر إلا بعد اكتمال كل شيء، فأهدر جولة كاملة من أربع خلفيات. لو ثُبّت المرجع من البداية لوُفّرت تلك الجولة.

يجدر بالذكر أن خطوة واحدة فقط في العملية كلها تتطلب ذوقًا: اختيار اللقطة التي ستصبح المرجع. وما عداها تكرار.

إن كان لديك منتج يستعصي عليك تصويره جيدًا، فنقطة انطلاقك لا يلزم أن تكون أفضل من لقطتي. توليد الصور بالذكاء الاصطناعي يتكفل بالصور الثابتة، وتوليد الفيديو بالذكاء الاصطناعي بالمقطع، وحين تريد أن تفرد عشرات صور المنتج بالذكاء الاصطناعي وبضعة مقاطع جنبًا إلى جنب للمقارنة، اسحبها كلها إلى الكَنفاس التوليدي — أيها تُبقي وأيها تعيد تشغيله يتضح من نظرة واحدة.