Kling 2.6: استنساخ الصوت والتحكم بالحركة يعيدان تعريف إنتاج الفيديو بالذكاء الاصطناعي

أطلقت Kuaishou نسخة Kling Video 2.6 في الثالث من ديسمبر، وهذا ليس مجرد تحديث تدريجي عادي. هذا الإصدار يغير جذرياً نظرتنا لإنتاج الفيديو بالذكاء الاصطناعي من خلال تقديم ما سعت إليه الصناعة لسنوات: التوليد المتزامن للصوت والصورة.

ثورة المسار الواحد

إليكم سير العمل التقليدي لفيديو الذكاء الاصطناعي: توليد فيديو صامت، ثم الإسراع لإضافة الصوت بشكل منفصل. نأمل ألا يكون تزامن الشفاه محرجاً جداً. نتمنى أن تتطابق المؤثرات الصوتية مع الحركة. إنه عمل مرهق، يستهلك الوقت، وغالباً ما ينتج ذلك الشعور الغريب بعدم التطابق بين الصوت والصورة الذي تعلمنا جميعاً أن نتقبله.

Kling 2.6 يتخلص من سير العمل هذا تماماً.

يدعم النموذج مجموعة مثيرة للإعجاب من أنواع الصوت:

من الكلام والحوار إلى السرد والغناء والراب والمشاهد الصوتية المحيطة، يستطيع Kling 2.6 توليد أنواع صوتية منفردة أو مجمعة. يمكن للشخصية أن تتحدث بينما تغرد العصافير في الخلفية وتتردد أصداء الخطوات على الحجارة، كل ذلك يُنتج في مسار واحد.

استنساخ الصوت: صوتك على شفاههم

التدريب المخصص للصوت يخطف الأضواء. ارفع عينة من صوتك، درّب النموذج، وفجأة تتحدث شخصياتك المُولَّدة بالذكاء الاصطناعي بخصائصك الصوتية.

التطبيقات العملية مذهلة. تخيل صانع محتوى على يوتيوب ينشئ فيديوهات توضيحية متحركة حيث تتحدث شخصيته الكرتونية بصوته الحقيقي بشكل طبيعي. أو مطور ألعاب يختبر حوارات الشخصيات دون الاستعانة بممثلين صوتيين في المراحل الأولى. الحاجز بين رؤيتك الإبداعية والمحتوى القابل للتنفيذ أصبح أرق.

حالياً، يدعم النظام توليد الصوت بالصينية والإنجليزية. من المرجح أن تتبع لغات أخرى مع نضوج التقنية.

التحكم بالحركة يصبح جدياً

Kling 2.6 لا يحسّن الصوت فقط. إنه يعزز بشكل كبير التقاط الحركة أيضاً. نظام الحركة المحدّث يعالج مشكلتين مستمرتين تعاني منهما فيديوهات الذكاء الاصطناعي:

يمكنك رفع مراجع حركية تتراوح بين 3-30 ثانية وإنشاء مقاطع ممتدة مع تعديل تفاصيل المشهد عبر الأوامر النصية. صوّر نفسك وأنت ترقص، ارفع المرجع، وولّد شخصية ذكاء اصطناعي تؤدي نفس الحركات في بيئة مختلفة تماماً.

المشهد التنافسي

يواجه Kling 2.6 منافسة شرسة. Google Veo 3 وOpenAI Sora 2 وRunway Gen-4.5 جميعها تقدم توليد صوت أصلي الآن. لكن Kuaishou تمتلك سلاحاً سرياً: Kwai.

Kwai، المماثل لـ TikTok من حيث الحجم، يوفر لـ Kuaishou مزايا ضخمة في بيانات التدريب. مليارات الفيديوهات القصيرة مع صوت متزامن تمنح النموذج شيئاً لا يستطيع المنافسون تكراره بسهولة: أمثلة واقعية على كيفية دمج البشر للصوت والموسيقى والحركة في المحتوى الإبداعي.

ماذا يعني هذا لصناع المحتوى

نهج التوليد المتزامن ليس مثيراً تقنياً فحسب، بل هو ثورة في سير العمل. انظر إلى الوقت الموفر:

لصناع المحتوى الذين ينتجون كميات كبيرة من المحتوى القصير، هذا التحسن في الكفاءة يتضاعف بشكل كبير. ما كان يستغرق ساعة أصبح يستغرق دقائق.

الجانب الآخر

لا شيء مثالي. المقاطع التي مدتها عشر ثوانٍ تبقى السقف الأقصى. الرقصات المعقدة أحياناً تنتج نتائج غير طبيعية. استنساخ الصوت يتطلب جودة عينة دقيقة لتجنب التشوهات الآلية.

وهناك السؤال الأوسع حول الأصالة الإبداعية. عندما يستطيع الذكاء الاصطناعي استنساخ صوتك وتكرار حركاتك، ماذا يبقى فريداً فيك في العملية الإبداعية؟

نظرة للمستقبل

Kling 2.6 يُظهر إلى أين يتجه فيديو الذكاء الاصطناعي: توليد متعدد الوسائط متكامل حيث يندمج الفيديو والصوت والحركة في وسيط إبداعي موحد. السؤال ليس ما إذا كانت هذه التقنية ستصبح معياراً، بل مدى سرعة مطابقة المنافسين لهذه القدرات.

لصناع المحتوى المستعدين للتجريب، الآن هو الوقت المناسب للاستكشاف. الأدوات متاحة، والتسعير معقول، والإمكانيات الإبداعية جديدة حقاً. فقط تذكر: القوة التوليدية العظيمة تأتي مع مسؤولية عظيمة.

Kling 2.6 متاح عبر منصة Kuaishou ومزودي خدمات خارجيين بما في ذلك Fal.ai وArtlist وMedia.io. الوصول لواجهة البرمجة يبدأ من حوالي 0.07 دولار لكل ثانية من الفيديو المُولَّد.