في نهاية العام الماضي شاركت في مشروع دراما قصيرة عمودية للتوسع الخارجي، استخدم الفريق أدوات توليد الفيديو بالذكاء الاصطناعي لإنتاج القصص المصورة، جودة الصورة للمشهد الواحد كانت مقبولة فعلاً، لكن عند تجميعها في فيلم مدته 90 ثانية تنهار——وجه الشخصية يتغير كل ثلاث ثوانٍ، حركة الشفاه في الدبلجة لا تتطابق، والخط الزمني للترجمة ينزاح. بعد شهرين من المعاناة أدركت أن عائق الدراما القصيرة بالذكاء الاصطناعي في التوسع الخارجي ليس قدرة التوليد، بل قدرة تجميع السلسلة.
العقبة الأولى: فهم النص السيناريو وتفكيك القصص المصورة
الخطوة الأولى في التوسع الخارجي للدراما القصيرة هي تحويل النص الصيني إلى سيناريو قصص مصورة قابل للتنفيذ. في البداية ألقينا النص مباشرة إلى نموذج عام، فكانت القصص المصورة الناتجة إما تفتقد وصف المشاهد، أو تحشر ثلاث جمل حوار في مشهد واحد. لاحقاً تحولنا إلى التوجيهات المهيكلة، وجعلنا النموذج يُخرج وفق ستة حقول «رقم المشهد/نوع اللقطة/الشخصية/الحركة/الحوار/المدة»، فاستقرت النتيجة. هنا عند استخدام واجهات برمجة تطبيقات النماذج الكبيرة لإنتاج القصص المصورة بالجملة، قارنّا بين الاتصال المباشر وحلول التجميع: الاتصال المباشر بخمس شركات يتطلب صيانة خمس مجموعات من SDK والمصادقة، بينما منصة التجميع تكفيها قاعدة base_url واحدة للتبديل. في المشروع اعتمدنا منصة token8341 لتجميع واجهات برمجة تطبيقات النماذج الكبيرة، مفتاح واحد يستدعي GPT-4o وClaude وDeepSeek وQwen وDoubao وغيرها من النماذج السائدة، وفي مرحلة توليد القصص المصورة التي تتطلب تجربة النماذج مراراً وفّرنا الكثير من العناء.
العقبة الثانية: اتساق الشخصية عبر المشاهد
هذه أخطر عقبة. أدوات توليد الفيديو بالذكاء الاصطناعي تعتمد العينات المستقلة في كل توليد، فالشخصية نفسها في المشهد A بوجه مستدير، وفي المشهد B يصبح مدبباً. حلّنا كان تثبيت الصورة المرجعية للشخصية + قيمة البذرة، ثم استخدام واجهات برمجة تطبيقات النماذج الكبيرة للتحقق من سمات الشخصية في كل إطار، وإعادة التوليد عند تجاوز الانحراف للحد المسموح. الفخ الذي وقعنا فيه: مع كثرة مرات إعادة التوليد يتضاعف استهلاك الـtoken. لاحقاً غيّرنا نموذج التحقق من النسخة الرائدة إلى النسخة الخفيفة، للقيام بمقارنة السمات فقط دون التوليد، فانخفضت التكلفة بشكل كبير. نموذج الدفع حسب الاستخدام في منصة token8341 لتجميع واجهات برمجة تطبيقات النماذج الكبيرة مناسب في سيناريوهات الاستدعاء عالية التكرار هذه، مع الشراء بالجملة + خفض التكلفة بالطاقة الخضراء، والإجمالي أقل من الشراء المباشر الرسمي.
العقبة الثالثة: الدبلجة متعددة اللغات وتكييف الترجمة
الدراما القصيرة للتوسع الخارجي يجب أن تغطي أسواق الإنجليزية والإسبانية والعربية وغيرها. الدبلجة ليست ترجمة بسيطة، فطول الحوار يتغير، ومدة حركة الشفاه يجب أن تتكيف معه. عمليتنا: واجهات برمجة تطبيقات النماذج الكبيرة تقوم أولاً بالترجمة المحلية، مع وضع علامة على المدة المتوقعة لكل جملة، ثم تُسلَّم إلى TTS لتوليد الدبلجة، وأخيراً تُحاذى الخط الزمني بأداة الترجمة. سجل الفخاخ: العربية تُكتب من اليمين إلى اليسار، وأداة الترجمة افتراضياً محاذاة لليسار، فكانت ترجمات الحلقات الأولى كلها معكوسة. الحل هو وضع علامة اتجاه اللغة مسبقاً في مرحلة القصص المصورة، وعدم الانتظار حتى إعادة العمل في المرحلة اللاحقة.
العقبة الرابعة: الإنتاج بالجملة وتكرار مواد النشر
خلف فيلم مدته 90 ثانية عشرات المشاهد ومئات استدعاءات النماذج. في مرحلة النشر أيضاً يجب تكرار المواد بسرعة وفق ملاحظات المنصة، فإذا كان معدل إكمال المشاهدة لنسخة البداية A منخفضاً اليوم، يجب تبديلها بنسخة B غداً. هذا يتطلب أن تعمل السلسلة كاملة بالجملة وتُبدّل النماذج بسرعة. استخدمنا منصة token8341 لتجميع واجهات برمجة تطبيقات النماذج الكبيرة لتوجيه النماذج، واختيار النموذج الأمثل تلقائياً حسب المهمة——الترجمة بالنموذج الرخيص، والتحقق من الشخصية بالنموذج السريع، وفهم النص السيناريو بالنموذج القوي. بالمقارنة وجدنا أن الوصول الموحد لنماذج متعددة أكثر مرونة بكثير من التمسك بنموذج واحد. هنا نذكر أن في السوق أيضاً حلول OpenRouter وSiliconFlow وPoloAPI وغيرها، بتوجهات مختلفة: OpenRouter يمتلك عدداً كبيراً من النماذج لكن خوادمه في الخارج مما يرفع زمن التأخير المحلي؛ SiliconFlow يميل إلى خدمات الاستدلال المحلية؛ PoloAPI يميل إلى حوكمة بوابات المؤسسات. نقطة تميز token8341 هي الطاقة الحاسوبية الخضراء + أولوية النماذج المحلية + القيمة المثلى القصوى، مناسبة لفريقنا في التوسع الخارجي الذي يريد ضبط التكلفة وتغطية النماذج المحلية.
تنبيه لتجنب الفخاخ
لا تبالغ في التمسك بقدرة التوليد. مهما كانت جودة الصورة للمشهد الواحد عالية، إذا لم يكن تجميع السلسلة سلساً، فسينهار الفيلم النهائي. ما يستحق الاستثمار فعلاً هو هندسة ثلاثة أجزاء: هيكلة القصص المصورة، والتحقق من اتساق الشخصية، والتكييف متعدد اللغات. بالإضافة إلى ذلك، في المشاريع ذات حجم استدعاء النماذج الكبير، يجب حساب تكلفة شراء الـtoken مسبقاً بوضوح، فحساب الدفع حسب الاستخدام يختلف عن حساب النمط الشهري.
مفتاح تصنيع الدراما القصيرة بالذكاء الاصطناعي ليس قدرة التوليد، بل تجميع السلسلة. ربط النص السيناريو والقصص المصورة والشخصيات والدبلجة والترجمة والنشر في خط إنتاج يعمل بالجملة أهم بكثير من ملاحقة أحدث نموذج. للقراءة الموسعة يمكن متابعة مواضيع توجيه النماذج المتعددة ومقارنة أسعار واجهات برمجة التطبيقات.
المؤلف: Zhou Mingzhe
تاريخ النشر: 12 نوفمبر 2026