ارفع مقطعاً صامتاً واحصل على مسار مؤثرات صوتية متزامن مع ما يحدث على الشاشة، خطوات وأصوات ارتطام وطقس وصدى الغرفة، يُولَّد في ثوانٍ بدلاً من البحث في مكتبة أصوات جاهزة. قارن بين عدة نماذج، اختر أفضل نتيجة، ثم امزج الصوت أو استبدله قبل التصدير.
قد يتقن مولّد فيديو بالذكاء الاصطناعي الحركة تماماً ثم يعيد لك مقطعاً بلا شيء في مسار الصوت، لا خطوات ولا هدير محرك ولا صدى غرفة، مجرد صمت تحت بكسلات متحركة. هذه الفجوة شائعة بما يكفي لوجود مجموعة صغيرة من النماذج مخصصة فقط لسدها، تراقب اللقطات، وتحسب ما ينبغي أن يُصدر صوتاً، وتولّد مساراً متزامناً معه. هكذا يعمل الأمر فعلياً على بيكاسو آي إيه، وهنا لا تزال هناك حاجة لمراجعة بشرية.
تأخذ هذه النماذج ملف فيديو كمُدخل وتعيد المقطع نفسه مع مسار صوتي مُولَّد ومتزامن معه. في الخلفية، تقرأ الإطارات وتحسب ما يتحرك ومتى، وتنتج موجة صوتية متوافقة مع تلك اللحظات بدلاً من حلقة عامة موضوعة تحتها. هذا هو الفرق عن مكتبات الأصوات الجاهزة، الصوت مبني خصيصاً للقطاتك، وليس مبحوثاً عنه ومقصوصاً ليناسبها.
يشغّل بيكاسو آي إيه ثلاثة نماذج مصممة لهذا في قسم تحرير الفيديو من الكتالوج الكامل. نموذج ميريلو video-to-sfx-v1.5 مصمم لصوت الفولي، الخطوات والنقرات والارتطامات، النوع الذي يحتاج أن يقع في إطار محدد. نموذج mmaudio يأخذ وصفاً نصياً قصيراً مع وصف سلبي اختياري، ما يجعله جيداً في الطبقات المحيطية مثل ضجيج المرور أو الرياح أو همهمة الحشد مع استبعاد أصوات غير مرغوبة. نموذج thinksound يقبل عنواناً مع وصف استدلالي أطول خطوة بخطوة، فتستطيع تفصيل عدة مصادر صوتية في مشهد واحد وترك النموذج يستنتج كيف تتراكب. لا يولّد أي من الثلاثة موسيقى بحكم التصميم، فالثلاثة مصممة للمؤثرات الصوتية والأجواء المحيطية.
تتقاطع النماذج الثلاثة فيما يمكنها المحاولة لكنها تختلف فيما تجيده فعلاً، فاختيار النموذج الصحيح من البداية يوفر جولة إعادة توليد. هذا هو التصنيف الصادق، وليس مقارنة تسويقية.
| النموذج | تعطيه | الأفضل فيه | تجنبه من أجل |
|---|---|---|---|
| video-to-sfx-v1.5 (ميريلو) | المقطع فقط، كلمات أسلوب اختيارية | ضربات فولي مثل الخطوات والنقرات والارتطامات | طبقات محيطية طويلة |
| mmaudio | وصف نصي قصير مع وصف سلبي | أجواء يمكن توجيهها، ضجيج مدني، طقس | مزامنة دقيقة على القطعات السريعة |
| thinksound | عنوان ووصف استدلالي | مشاهد متراكبة بعدة مصادر صوتية | طلبات سريعة من كلمة واحدة |
| video-audio-merge | ملف صوتي جاهز والمقطع الأصلي | مزج أو استبدال مسار بعد التوليد | توليد أي صوت بذاته |
إذا كان المقطع حركة واحدة واضحة، باب يُغلق أو كرة ترتد، ابدأ بـ video-to-sfx-v1.5. إذا كان لقطة محيطية واسعة، شارع أو غابة أو شاطئ، ابدأ بـ mmaudio واعتمد على الوصف السلبي لإبعاد الموسيقى. إذا كان المشهد يحوي عدة أشياء تحدث معاً وتستطيع وصفها بالترتيب، فإن thinksound يستحق الكتابة الإضافية.
يقوم الفيديو نفسه بمعظم عمل المزامنة، لكن الكلمات التي تضيفها لا تزال توجه ما يسمعه النموذج في الإطار. هذه هي العادات التي تنتج باستمرار نتيجة أولى قابلة للاستخدام بدلاً من إعادة توليد ثالثة.
هذا هو المسار الكامل من مقطع صامت إلى ملف مُصدَّر بصوت متزامن، باستخدام النماذج أعلاه وأداة المزج التي تليها. ولا يفترض سوى ملف فيديو بلا صوت قابل للاستخدام.
نادراً ما يبدو مسار المؤثرات الصوتية المُولَّد جاهزاً لحظة خروجه من النموذج، فهو عادة يحتاج أن يستقر عند المستوى الصحيح مقارنة بباقي ما في المقطع. أداة video-audio-merge موجودة تحديداً لهذه الخطوة. تأخذ الفيديو الأصلي وملف صوت منفصل، وتتيح الاختيار بين استبدال الصوت الأصلي كلياً أو مزج المسار الجديد فوقه، وتطبّق مضاعف مستوى الصوت قبل الترميز، فأي مؤثر مُولَّد يبدو مرتفعاً جداً أو منخفضاً جداً يُصحَّح هنا بدلاً من إعادة توليد الصوت نفسه.
اترك أثراً من الأجواء المحيطية الأصلية تحت المؤثرات المُولَّدة بدلاً من كتمها تماماً، فاللقطات الحقيقية نادراً ما تحوي صمتاً كاملاً حقيقياً، ولمسة من صدى الغرفة تحت الصوت الجديد هي ما يمنع المزيج من أن يبدو مُلصقاً فوقه.
بعد ضبط المستويات، اختر صيغة تصدير ومُرمّزاً، MP4 مع H264 يغطي معظم الوجهات، ثم صدّر. العملية كاملة، توليد ومقارنة ومزج وتصدير، تستغرق عادة دقائق قليلة لكل مقطع بمجرد معرفة النموذج المناسب للبدء به.
الصفحة الصادقة تذكر أين تتوقف الأداة عن العمل. بالنسبة لتوليد المؤثرات الصوتية من الفيديو، هناك حدود حقيقية يستحق معرفتها قبل الاعتماد عليها في أمر مهم.
قد تتجاوز القطعات السريعة وتسلسلات الحركات المتعددة قدرة هذه النماذج على التوقيت، فضربة كان يجب أن تقع في الإطار الثاني عشر تقع أحياناً قريبة لكن ليست دقيقة، ويُلاحَظ ذلك في حلقة تكرار حتى لو لم تُلاحَظ في المشاهدة الأولى. لا يولّد أي من النماذج الثلاثة موسيقى، بحكم التصميم، لذا فالمسار الذي يحتاج موسيقى تصويرية لا يزال يحتاج أداة موسيقية منفصلة أو مقطعاً مرخصاً. يقتصر نموذج ميريلو video-to-sfx-v1.5 على عشر ثوانٍ من الفيديو المصدر في كل تشغيل، فالمشهد الأطول يحتاج تحريك نقطة البداية عبر عدة تشغيلات بدلاً من توليد واحد. الحوار ومزامنة الشفاه خارج النطاق تماماً، هذه النماذج تضيف مؤثرات وأجواء حول الكلام، لا تولّد الصوت ولا تحاذيه. ولأن النموذج يستنتج الصوت من البكسلات، قد تنتج حركة غير مألوفة أو غامضة مؤثراً يبدو معقولاً لكنه ببساطة خاطئ لما حدث فعلاً، لذا فإن مقارنة الصوت بالصورة قبل النشر أهم من الوثوق بالنسخة الأولى.
نعم، ضمن حدود. video-to-sfx-v1.5 و mmaudio و thinksound تقرأ جميعها إطارات المقطع المرفوع وتولّد مساراً صوتياً متوافقاً مع الحركة الظاهرة بدلاً من حلقة عامة. بالنسبة لحركة واحدة واضحة مثل باب يُغلق أو خطوات على الحصى، عادة ما تكون المزامنة قريبة. أما مع القطعات السريعة أو عدة أشياء تحدث معاً، فراجع النتيجة مع الصورة قبل الوثوق بها، لأن التوقيت قد ينحرف في المشاهد المعقدة.
ابدأ بـ video-to-sfx-v1.5 من ميريلو. صُمم لأصوات على طراز الفولي التي تحتاج أن تقع في إطار محدد، خطوات، نقرات، مزلاج باب، ارتطام، ويتيح توليد عدة نسخ في كل تشغيل لتختار النسخة الأدق مزامنة. يمكن لـ mmaudio و thinksound محاولة المهمة نفسها لكنهما عادة يؤديان أفضل في الطبقات المحيطية منه في ضربة واحدة دقيقة.
مؤثرات صوتية وأجواء محيطية فقط، بحكم التصميم. لا يولّد أي من نماذج تحويل الفيديو إلى صوت الثلاثة في بيكاسو آي إيه موسيقى، بل إن mmaudio يأتي افتراضياً بوصف سلبي يستبعد الموسيقى من مخرجاته حتى لا يضيف عن غير قصد موسيقى تصويرية لم تطلبها. إذا احتاج مقطع إلى موسيقى تصويرية، فتلك خطوة منفصلة بنموذج موسيقي مخصص، وليست شيئاً تحاول هذه الأدوات فعله.
يعتمد ذلك على النموذج. video-to-sfx-v1.5 يقتصر على مقطع مصدر مدته عشر ثوانٍ في كل توليد، مع نقطة بداية يمكن تحريكها لتغطية فيديو أطول عبر عدة تشغيلات. يتيح mmaudio و thinksound ضبط المدة مباشرة، وعادة حتى مدة المقطع المرفوع. لأي شيء أطول من لقطة واحدة، خطط للتوليد على أجزاء ودمج النتائج بدلاً من انتظار تشغيل واحد يغطي المشهد كاملاً.
نعم، بدرجات مختلفة حسب النموذج. mmaudio يأخذ وصفاً قصيراً مع وصف سلبي اختياري، فتستطيع طلب رياح ومرور بعيد مع استبعاد الموسيقى أو الأصوات البشرية. thinksound يذهب أبعد بعنوان وحقل استدلالي خطوة بخطوة تصف فيه عدة مصادر صوتية بالترتيب. يقبل video-to-sfx-v1.5 أيضاً وصفاً اختيارياً، إلى جانب إعداد إبداعي يدفع النتيجة نحو واقعية أدق أو صوت أكثر حرية وأسلوباً.
أعد التوليد قبل إعادة كتابة الوصف. النماذج الثلاثة عشوائية بطبيعتها، فنفس المدخل قد ينتج نسخة مختلفة بوضوح في التشغيل التالي، ويدعم video-to-sfx-v1.5 صراحة توليد عدة نسخ دفعة واحدة لهذا السبب. إذا فشلت محاولتان أو ثلاث في نفس التفصيل، فهنا يساعد عادة تعديل الوصف أو تبديل النموذج، mmaudio للأجواء مقابل thinksound لمشهد متراكب.
نعم. تمتلك أداة video-audio-merge في بيكاسو آي إيه وضع مزج يضيف المسار الجديد فوق الصوت الأصلي بدلاً من استبداله كلياً، مع مضاعف مستوى صوت لموازنة الاثنين. هذا مهم عندما يحتوي المقطع أصلاً على ضجيج محيطي مفيد وتريد فقط إضافة مؤثرات محددة فوقه، بدلاً من محو كل ما كان موجوداً.
كلاهما. المقطع المُولَّد بنموذج تحويل نص إلى فيديو أو صورة إلى فيديو في بيكاسو آي إيه يُنزَّل مثل أي فيديو آخر، وتستطيع تمريره مباشرة إلى video-to-sfx-v1.5 أو mmaudio أو thinksound تماماً كلقطات مصورة بهاتف أو كاميرا. وهذا في الواقع الاستخدام الأكثر شيوعاً، لأن مقاطع الفيديو المُولَّدة بالذكاء الاصطناعي غالباً ما تخرج بلا أي مسار صوتي.
كل توليد يكلّف نقاطاً، والمقدار يعتمد على النموذج والإعدادات التي تختارها، لذا فإن أي رقم محدد هنا سيصبح قديماً بسرعة. تبدأ الحسابات الجديدة بنقاط مجانية، كافية لاختبار video-to-sfx-v1.5 و mmaudio و thinksound على نفس المقطع ومقارنة أيها يناسب لقطاتك قبل إنفاق المزيد. تعيش الخطط الحالية وحصص النقاط في صفحة الأسعار، المكان الوحيد الموثوق للأرقام.
بالنسبة لكثير من المحتوى القصير، يحل محل خطوة البحث بشكل كافٍ، فبدلاً من تصفح مكتبة أصوات جاهزة بحثاً عن خطوة أو صرير باب يقارب المطلوب، تولّد واحداً متوافقاً مع لقطاتك الفعلية. أما بالنسبة لفيلم أو مشروع يعتمد فيه تصميم الصوت اعتماداً حقيقياً، فتعامل مع هذا كتمريرة أولى سريعة لا كالمزيج النهائي، بيكاسو آي إيه مقابل آرتليست يستعرض أين تبقى مكتبة الأصوات الجاهزة أفضل في الصوت المنتقى والممزوج يدوياً.
مقطع صامت يبعد رفعة واحدة عن أن يصبح له صوت. افتح أدوات بيكاسو، اختر video-to-sfx-v1.5 أو mmaudio أو thinksound، وامنح فيديو الذكاء الاصطناعي التالي ما يصدر صوته.
