تطور جديد من ByteDance يتيح صناعة مقاطع فيديو ذكية خلال 30 ثانية

في سباق الذكاء الاصطناعي لتوليد الفيديو، لم يعد السؤال إن كان بالإمكان إنتاج مقطع واقعي خلال ثوانٍ، بل أصبح إلى أي مدى يمكن إطالة المشهد دون أن يفقد منطقه البصري. هذا بالضبط ما تحاول ByteDance اختباره مع استعراضها الأول لنموذج Seedance 2.5، الذي يعد بمقاطع تمتد حتى 30 ثانية وبدعم مدخلات متعددة أوسع ونقاء يصل إلى 4K أصلي.

حتى الآن، كانت معظم نماذج توليد الفيديو، بما فيها الإصدارات السابقة من Seedance 2.0، تكتفي بمقاطع قصيرة لا تتجاوز 15 ثانية كوحدة واحدة، مع إمكانية “تجميع” مقاطع أطول عبر تقنية الربط المتسلسل. المشكلة أن هذا الأسلوب غالباً ما يُظهر اختلالات طفيفة في الاستمرارية البصرية أو تغيّر الإضاءة والظلال بين اللقطات.

الانتقال إلى 30 ثانية حقيقية ضمن مشهد واحد يعني تحسيناً في الاتساق الزمني والسردي، وهو عنصر حاسم لصناع المحتوى وشركات الإنتاج الرقمي التي تبحث عن لقطات أطول دون الحاجة لمعالجة إضافية.

من المفترض أن يدعم Seedance 2.5 ما يصل إلى 50 مدخلاً متعدد الوسائط، مقارنة بـ 12 فقط في الإصدار السابق. هذا يشمل صوراً مرجعية، مقاطع صوتية، وربما نماذج ثلاثية الأبعاد من برامج مثل Blender.

هذه القفزة ليست مجرد رقم. تعدد المدخلات يعني تحكماً أدق في المشهد المُولد: شخصية محددة بزوايا مختلفة، بيئة ثلاثية الأبعاد جاهزة، طبقة صوتية متزامنة، وسرد نصي يقود الإخراج. هنا يتحول النموذج من أداة تجريبية إلى منصة إنتاج متكاملة تعمل بالذكاء الاصطناعي متعدد الوسائط.

الإعلان عن دعم دقة 4K أصلية مع عمق لوني 10-بت في Seedance 2.0، وتوقع استمرار ذلك في 2.5، يشير إلى توجه واضح نحو الاستخدام الاحترافي. كثير من نماذج الفيديو السابقة كانت تقدم دقة عالية اسمياً، لكنها تعتمد على ترقية رقمية تقلل من التفاصيل الدقيقة.

الدعم الأصلي يهم منصات البث وصناع الإعلانات الرقمية، حيث تصبح التفاصيل والانتقالات اللونية عاملاً فارقاً، خاصة عند العمل على شاشات كبيرة أو ضمن إنتاج تجاري عالي الجودة.

تتحدث التقارير عن تحسن بنسبة 20 بالمئة في التزام النموذج بالأوامر النصية. قد تبدو نسبة بسيطة، لكنها في عالم النماذج التوليدية تعني تقليص الفجوة بين ما يتخيله المستخدم وما ينتجه النظام فعلياً.

الأكثر إثارة هو ما يُسمى بالتحرير الموجّه الذكي، الذي يسمح بتعديل جزء محدد من الفيديو دون إعادة توليد المشهد بالكامل. عملياً، هذا يقلل وقت الحوسبة والكلفة، ويمنح فرق الإنتاج مرونة أقرب إلى أدوات المونتاج التقليدية.

تأتي هذه الخطوة في وقت تحتدم فيه المنافسة مع نماذج مثل Veo 3 من Google، والذي يُنظر إليه كأحد أقوى النماذج من حيث الاتساق السينمائي، وكذلك نموذج Sora من OpenAI الذي دخل المشهد بقوة في الأشهر الأخيرة.

بحسب ما نُقل من مؤتمر FORCE الذي استعرضت فيه Volcano Engine، الذراع السحابية لـ ByteDance، النموذج الجديد، قد يتوفر أولاً في الصين قبل طرحه عالمياً. هذه الاستراتيجية تعكس أيضاً واقعاً جيوتقنياً جديداً، حيث تتحول نماذج الفيديو التوليدية إلى عنصر تنافسي بين المنصات السحابية والبنية التحتية للحوسبة.

ما يحدث هنا ليس مجرد تحديث تقني، بل سباق على سرد المستقبل البصري. كل ثانية إضافية، وكل تحسن في الدقة أو التحكم، يدفع حدود استخدام الفيديو المُولد آلياً من تجربة مبتكرة إلى أداة إنتاج معتمدة. وبينما تتنافس الشركات على الطول والجودة، يبقى الرهان الحقيقي على من ينجح في تحقيق التوازن بين الإبداع البشري وقوة الخوارزميات.