Veo 3.1 أم Seedance 2.0 أم Kling 3.0: أي نموذج فيديو بالذكاء الاصطناعي يصنع إعلانات أفضل؟

السؤال الذي نسمعه أكثر من غيره من مسوّقي الأداء هو نسخة من "أي نموذج فيديو بالذكاء الاصطناعي أستخدم للإعلانات؟" والجواب الصريح أنه السؤال الخطأ. لا يوجد نموذج واحد هو الأفضل، والترتيب يتغير كل بضعة أسابيع مع صدور إصدارات جديدة. ما يهم هو أن تطابق النموذج مع اللقطة. مقطع UGC لشخص يتحدث إلى الكاميرا، ولقطة دوران بطولية للمنتج، وقطعة حركة بأسلوب فني، كل منها يكافئ محركاً مختلفاً.

نوزّع العمل على Veo 3.1 وSeedance 2.5 وKling 3.0 في بيئة الإنتاج لدى Hermoso، ونختار لكل مهمة بدلاً من المراهنة على نموذج واحد. هذه رؤية الممارس: أين يستحق كل نموذج مكانه فعلاً في الإعلان، بناءً على نتائج نسلّمها لا على مقاييس منشورة.

Veo 3.1: صوت أصلي ومزامنة شفاه

ميزة Veo 3.1 البارزة في عمل الإعلانات أنه يولّد الكلام بنفسه، في المرحلة نفسها مع اللقطات، فتأتي الشفاه والصوت من عملية واحدة. هذه الخاصية وحدها تحل أعند علامة فاضحة في فيديو الذكاء الاصطناعي: حركة الشفاه التي تشبه الأفلام المدبلجة حين يُلصق صوت مولّد آلياً (TTS) على فم مولّد بشكل منفصل. الإدراك البشري بارع بقسوة في التقاط عدم التطابق هذا، ولا يخفيه أي تدرّج لوني.

لذلك Veo هو خيارنا الافتراضي لحظة يظهر فم أمام الكاميرا ويحتاج إلى الكلام: شهادات العملاء أمام الكاميرا، ومقاطع المؤسس، وأي فكرة UGC مبنية على شخص يتحدث. حين يكون الشكل شخصاً يلقي جملة، فالكلام الأصلي المتزامن مع الشفاه يساوي أكثر من أي فرق آخر في الجودة بين النماذج.

المقابل أن Veo يطبّق سياسة محتوى أشد. يميل إلى الحظر الزائد على أسماء العلامات التجارية والوجوه الشبيهة وكل ما يقترب من الكحول، وقد يرفض وصفاً سليماً لولا ذلك. في خط إنتاجنا، يطلق الرفض هناك تحويلاً تلقائياً إلى نموذج آخر بدلاً من طريق مسدود. ومع ذلك يبقى اعتباراً حقيقياً إن كانت اللقطة تعتمد على علامة باسمها أو وجه معروف.

Seedance 2.0: صوت أصلي، ولقطة واحدة متصلة، واتساق قائم على المراجع

Seedance 2.0 هو حصان العمل لدينا في اللقطات التي تعيش عليها الإعلانات فعلاً: منتج في يد حقيقية، يُدار، ويوضع، ويُسكب. حين تعطيه صورة حقيقية للمنتج كمرجع، يحافظ على هوية الشيء الفعلي بشكل مبهر (شكل الزجاجة، وهندسة الملصق، واللون المحدد) بدلاً من اختراع قريب معقول كما يفعل وصف نصي بلا مرجع. في إعلانات العلامات المباشرة للمستهلك والسلع الاستهلاكية، حيث يجب أن يكون المنتج على الشاشة هو المنتج على الرف، فإن هذه الأمانة من المرجع إلى الفيديو هي كل شيء.

الأمر الثاني الذي يتقنه Seedance ويناسب الإعلانات هو الملمس. يصيّر حبيبات مقنعة لتصوير باليد بكاميرا هاتف: طابع الالتقاط غير المثالي قليلاً وغير المبهرج الذي يبدو UGC أصيلاً لا إعلاناً تجارياً لامعاً. وجّهه نحو بشرة مطفأة اللمعان وضوء محايد وسيصيب مظهر "أحدهم صوّر هذا بهاتفه" أفضل من البدائل.

خاصيتان أخريان تكملان الحزمة. يولّد Seedance الصوت بنفسه (الصوت البشري، وصوت المكان، والأصوات العارضة في المشهد) في المرحلة نفسها مع اللقطات، فيخرج إعلان UGC وهو يتكلم أصلاً، بأجواء صوتية تطابق المكان فعلاً بدلاً من مقطع صامت ينتظر الدبلجة. ويصمد حتى خمس عشرة ثانية في مرحلة واحدة متصلة، وهذا أهم مما يبدو: لقطة واحدة تعني لا فواصل بين المقاطع، ولا إعادة ضبط للإضاءة في منتصف الإعلان، ولا قطع يقع في منتصف كلمة. في مقاطع UGC القصيرة بمرحلة واحدة ومدتها خمس عشرة ثانية أو أقل، نوجّه العمل عادةً إلى Seedance، لأنه يجمع المنتج والحبيبات والصوت معاً في لقطة واحدة نظيفة. وحدّه الأساسي هو ما تشترك فيه كل النماذج (انظر الحركة أدناه): لا تطلب منه أن يقذف أو يُسقط أي شيء.

Seedance 2.5: ثلاثون ثانية في لقطة واحدة متصلة

ثم وصل Seedance 2.5 ورفع السقف الذي كُتب تحته كل ما سبق. طلبنا منه ثلاثين ثانية. فحصلنا على 30.08: لقطة واحدة متصلة، بصوت، وصفر قطعات حادة. ليست ثلاثين ثانية مجمّعة من مقاطع. ثلاثون ثانية لم تتوقف فيها الكاميرا ببساطة.

هذا أكبر بالنسبة للإعلانات مما توحي به ترقية في المواصفات. ظلت خمس عشرة ثانية هي السقف العملي للقطة مولّدة واحدة منذ وُجدت هذه الفئة، فكان أي شيء أطول يُخاط معاً: تصيّر المقاطع منفصلة، وتطابق الإضاءة، وتخفي نقاط الوصل. والفواصل هي حيث يفضح إعلان الذكاء الاصطناعي نفسه. يتغير التدرّج اللوني درجة، ويختفي صوت المكان لإطار واحد، ويعود شعر الممثل إلى وضعه الأول بين المقاطع. مرحلة واحدة من ثلاثين ثانية تزيل الفواصل لأنها تزيل الخياطة. إعلان كامل قبل الفيديو، أو قصة منتج كاملة، أو عرض توضيحي له بداية ونهاية، كلها يمكن أن تعمل كلقطة واحدة متصلة.

والصوت يأتي معها. يولّد 2.5 صوتاً متزامناً في المرحلة نفسها مع الصورة (حوار، وأجواء، وضجيج المكان العارض)، وهو مفعّل افتراضياً. التكلفة نفسها سواء تركت الصوت مفعّلاً أو أطفأته. ويأخذ أيضاً صورة شخص حقيقي ويحرّكه بواقعية فوتوغرافية: أعطه وجهاً وسيكون صاحبه هو من أمام الكاميرا، بملمس بشرة حقيقي، لا بديلاً مرسوماً عنه.

المقابل هو الدقة. يصيّر 2.5 بدقة 480p و720p، بلا خيار 1080p، لذا يبقى الإعلان الرئيسي الذي يجب أن ينتهي بدقة Full HD من مهام 2.0. وهذا بالضبط نوع القرار الذي يوجد التوجيه من أجله: الطول، والدقة، وهل يجب أن يظهر وجه حقيقي، ثلاثة أسئلة مختلفة، ونادراً ما يكون الجواب الصحيح عنها كلها معاً نموذجاً واحداً.

Kling 3.0: هوية من مرجع الوجه، الشخص نفسه في كل نتيجة

نقطة قوة Kling 3.0 الأبرز في الإعلانات هي الهوية. أعطه صورة مرجعية لوجه وسيحافظ على ذلك الشخص، بالملامح نفسها والحضور نفسه، عبر اللقطات وعبر النتائج. وهذا يمنح فرق الأداء ما تريده فعلاً من الممثلين المولّدين بالذكاء الاصطناعي: صانع محتوى متكرر. الوجه الذي قاد افتتاحية الأسبوع الماضي الرابحة يمكنه قيادة تنويعات هذا الأسبوع الثلاث، فيلتقي جمهورك بشخص مألوف بدلاً من غريب في كل إعلان. يصبح الممثل الرابح أصلاً تعيد استخدامه بدلاً من رمية نرد لمرة واحدة.

بقية حزمة 3.0 تناسب الإعلانات أيضاً. مثل Seedance، يولّد الصوت بنفسه في المرحلة نفسها مع اللقطات. ويقبل أي طول من ثلاث إلى خمس عشرة ثانية بدلاً من الالتزام بمدد ثابتة، فتتكيف اللقطة مع النص لا العكس. وتحويل الصورة إلى فيديو، الذي جعل إصدارات Kling السابقة شائعة، ما زال ممتازاً: ابدأ من صورة ثابتة (صورة منتج، أو إطار مفتاحي، أو عمل فني للعلامة) وسيضيف حركة قابلة للتصديق، وحركات كاميرا، وحيوية مضبوطة بدلاً من تحريك خفيف لخلفية شبه ثابتة.

ما نحذر منه مع كل نموذج، ومنه Kling، هو الحركة المقذوفة: جسم يطير بحرية فعلية تحت الجاذبية. تعلق الزجاجة المقذوفة لحظة أطول من اللازم، وتدور بمعدل ثابت، وتهبط بلا وزن. هذا ليس ضعفاً خاصاً بـKling، فالكتلة والزخم ما زالا صعبين على الجميع. الحل في تصميم الحركة لا في اختيار النموذج. أبقِ المنتجات تُمسك، وتُدار، وتوضع، وتُسكب: حركات تحمل فيها اليد الجسم، فلا يضطر النموذج إلى حل مسألة الجاذبية وحده.

إذن، أيها يفوز؟

قاعدة قرار تقريبية، بالطريقة التي نطبقها بها فعلاً:

• شخص يتكلم أمام الكاميرا واللقطة القريبة مهمة → Veo 3.1، للكلام الأصلي المتزامن مع الشفاه.
• منتج حقيقي يُمسك أو يُستخدم، بحبيبات UGC، في لقطة واحدة حتى 15 ثانية → Seedance 2.5، مثبّتاً على صورة حقيقية للمنتج.
• إعلان طويل بلا أي قطع، حتى ثلاثين ثانية → Seedance 2.5، الذي يحافظ على لقطة واحدة متصلة طوال المدة، بدقة 480p أو 720p. قيد الإطلاق في Hermoso. اليوم يتوقف التوجيه عند لقطة واحدة من خمس عشرة ثانية ويخيط ما هو أطول.
• الوجه نفسه عبر حملة كاملة، أو إضافة حركة إلى صورة ثابتة → Kling 3.0، مثبّتاً على مرجع الوجه.

السبب في أن هذه تبقى قاعدة تقريبية لا قانوناً أن النماذج تتجاوز بعضها باستمرار. ترقية إصدار واحدة قد تمنح نموذجاً نقطة قوة كانت لنموذج آخر. ولهذا بالضبط لا نطلب من المستخدمين الاختيار: يوجّه Hermoso كل مهمة إلى النموذج الأنسب لتلك اللقطة، ويعيد ضبط التوجيه مع كل إصدار جديد، فيحدث الاختيار أعلاه تلقائياً، لكل نتيجة، دون أن تتابع أنت سجل التغييرات.

ثم إن اختيار النموذج هو النصف الأصغر من الإعلان الجيد على أي حال. العلامات التي تكشف إعلان الذكاء الاصطناعي (البشرة الشمعية، ونص الملصق المشوّه، والتدرّج الذهبي الفاخر، وفيزياء لا يخضع لها أي جسم) هي في معظمها قرارات خط إنتاج تُتخذ قبل تشغيل النموذج وبعده. ونادراً ما يكون النموذج نفسه هو المذنب. مولّد إعلانات الذكاء الاصطناعي من Hermoso يبني هذه الحلول في داخله: طبقة واقعية مضادة للّمعان، وصور منتجات حقيقية مركّبة داخل المشاهد، وكل النصوص والشعارات مركّبة في مرحلة ما بعد الإنتاج لا مرسومة بالنموذج، والكلام الأصلي مخصص للأفواه الظاهرة أمام الكاميرا. النموذج يُختار لك، والحِرفة مبنية في الداخل.

في الخلفية، يبحث الاستوديو نفسه أيضاً عمّا ينجح فعلاً في سوقك عبر مكتبات إعلانات Meta وGoogle وLinkedIn إضافة إلى محتوى TikTok العضوي، فتبدأ الأفكار مبنية على إعلانات مثبتة قبل تصيير أي إطار. تتضمن الخطة المجانية أكثر من 250 رصيداً مجانياً يمكنك كسبها دون الحاجة إلى بطاقة، والتكلفة الدقيقة تظهر في التطبيق قبل كل تصيير. أسرع طريقة لحسم الجدل حول النماذج أن تولّد إعلاناً لمنتجك وتحكم على النتيجة. سيكون التوجيه قد اختار عنك مسبقاً.

أسئلة شائعة

ما أفضل نموذج فيديو بالذكاء الاصطناعي للإعلانات؟

لا يوجد أفضل واحد. يتصدر Veo 3.1 في الصوت الأصلي ومزامنة الشفاه للكلام أمام الكاميرا، وSeedance 2.0 في أمانة المنتج القائمة على المراجع والصوت الأصلي ومقاطع UGC بلقطة واحدة حتى 15 ثانية، وSeedance 2.5 في طول اللقطة الواحدة (30 ثانية مقيسة بلا أي قطع، مع صوت أصلي)، وKling 3.0 في الهوية من مرجع الوجه، أي الشخص نفسه عبر النتائج، إضافة إلى تحويل الصورة إلى فيديو. الاختيار الصحيح يعتمد على اللقطة، والترتيب يتغير مع كل إصدار. يوجّه Hermoso كل مهمة إلى النموذج الأنسب لها.

ما أطول مدة للقطة واحدة مولّدة بالذكاء الاصطناعي؟

ثلاثون ثانية، على Seedance 2.5. طلبنا ثلاثين وقسنا 30.08 في لقطة واحدة متصلة بصوت أصلي وبلا قطعات حادة. كانت خمس عشرة ثانية هي السقف قبله، ولهذا كانت الإعلانات الأطول تُخاط من عدة مقاطع. مرحلة واحدة تعني لا فاصل تخفيه: لا تغيّر في التدرّج اللوني، ولا اختفاء لصوت المكان بين المقاطع. يصيّر بدقة 480p و720p، لذا يبقى الإعلان الذي يجب أن ينتهي بدقة 1080p مهمة للقطة أقصر.

أي نموذج لديه أفضل مزامنة شفاه؟

من تجربتنا Veo 3.1، لأنه يولّد الكلام بنفسه في المرحلة نفسها مع اللقطات، فتأتي الشفاه والصوت من عملية واحدة. حركة الشفاه الغريبة تأتي من دبلجة صوت مولّد آلياً بشكل منفصل فوق فم مصيَّر، لذا احتفظ بذلك للمقاطع التي لا يظهر فيها فم.

أي نموذج يحافظ على مظهر منتجي الحقيقي صحيحاً؟

يحافظ Seedance 2.0 على هوية المنتج جيداً حين تعطيه صورة حقيقية للمنتج كمرجع ويُركّب الشيء داخل المشهد. الأوصاف النصية تصف فئات، والصور المرجعية تثبّت الهوية، ولهذا يتفوق التثبيت على صورة حقيقية على وصف المنتج بالكلمات.

أي نموذج يحافظ على الممثل نفسه عبر حملة كاملة؟

Kling 3.0. أعطه مرجعاً للوجه وسيحافظ على هوية ذلك الشخص عبر النتائج، فيستطيع صانع محتوى متكرر قيادة سلسلة كاملة من الإعلانات بدلاً من ظهور وجه جديد في كل إعلان.

لماذا تتعثر فيديوهات الذكاء الاصطناعي مع الأجسام المقذوفة أو الساقطة؟

الحركة المقذوفة (جسم يطير بحرية تحت الجاذبية) هي حيث ما زالت فيزياء كل النماذج الحالية تنكسر بشكل واضح، أياً كان النموذج الذي تستخدمه. صمّم الحركة بحيث تتجنبها: أبقِ المنتجات تُمسك، أو تُدار، أو توضع، أو تُسكب، فتحمل اليد الجسم ولا يضطر النموذج إلى حل مسألة الجاذبية وحده.

هل عليّ اختيار النموذج بنفسي في Hermoso؟

لا. يوجّه Hermoso كل تصيير إلى النموذج الأنسب لتلك اللقطة ويعيد ضبط التوجيه مع صدور إصدارات جديدة، فلا تضطر أبداً إلى متابعة سجل التغييرات أو اختيار نموذج. أنت تصف الإعلان، والتوجيه يتولى الباقي.