Kling Video 2.6 هو أحدث إصدار رئيسي من Kling AI (Kuaishou)، ويمثل تغييرًا جذريًا: لأول مرة، يولد النموذج مزامنة الصوت والفيديو بشكل أصليإزالةً لسير العمل القديم ذي الخطوتين "الفيديو ثم الصوت" الذي كان سائدًا في إنشاء فيديوهات الذكاء الاصطناعي. والنتيجة هي تكرار أسرع، ومزامنة شفاه أفضل، وتصميم صوتي متجاوب مع المشهد، ودلالات أكثر دقة في كلٍّ من الحركة والإخراج الصوتي/المنطوق. يشرح هذا الدليل ماهية Kling Video 2.6، وأبرز النقاط التقنية والإبداعية، وكيف تغيّر سير عملية الإنشاء (النص ← الصوت-الصورة والصوت-الصورة)، ونصائح تحفيزية خطوة بخطوة، وأمثلة تحفيزية جاهزة للاستخدام يمكنك نسخها وتعديلها.
ما هو Kling Video 2.6؟
Kling Video 2.6 هو أحدث تحديث لعائلة Kling من نماذج الفيديو AI (التي أصدرتها مجموعة الذكاء الاصطناعي Kling AI / Kuaishou) والتي تقدم توليد الصوت الأصلي ومزامنة صوتية بصرية أكثر دقةً مع نقاط قوة توليد الصورة الحالية للنموذج. بينما أنتجت إصدارات كلينج السابقة مقاطع فيديو صامتة أو مدبلجة بشكل منفصل، يُنتج الإصدار 2.6 كلامًا متزامنًا ومؤثرات صوتية وأصواتًا محيطة مع الصور في جيل واحد.
حقائق المنتج الرئيسية (من الوثائق العامة وصفحات الشركاء):
- الصوت الأصلي + الفيديو في جيل واحد: يتم إنشاء الحوار والسرد والصوت المحيط والمؤثرات الصوتية بالتزامن مع الحركة المرئية وأشكال الشفاه.
- دعم الصوت ثنائي اللغة (الصينية والإنجليزية) والقدرة على إنتاج محتوى غنائي أو صوتي منمق.
- المخرجات المستهدفة: مقاطع سينمائية قصيرة (تشير ملاحظات المنصة إلى ما يصل إلى حوالي 10 ثوانٍ لكل مقطع بدقة عالية في العروض العامة النموذجية).
- متاح من خلال واجهات برمجة التطبيقات ومتكامل في CometAPI.
يُمثل هذا الإصدار نقلةً نوعيةً من "المحتوى المرئي أولاً، ثم إضافة الصوت لاحقاً" إلى مرحلة إنتاج متعددة الوسائط، حيث يتم تحسين الصوت والصورة معاً لتحقيق الترابط. يُسرّع هذا من وتيرة الإبداع ويُقلّل من وقت ما بعد الإنتاج الصوتي اليدوي اللازم لإنتاج محتوى قصير.
3 نقاط بارزة في نموذج Kling Video 2.6
التعاون السمعي البصري: الصوت والفيديو الأصلي والمتزامن
الميزة الرئيسية لـ Kling 2.6 هي توليد الصوت الأصلي مُدركٌ للمؤثرات البصرية المُولَّدة ومُزامنٌ لها - تُزامنُ الحواراتُ الشفاه، وتتماشى المؤثرات الصوتية مع الحركة وأحداث المشهد، وتُوضَع القوام المحيطة (همهمات الحشود، المطر، حركة المرور) لتعزيز العمق والواقعية. هذا ليس "صوتًا مُدمجًا لاحقًا"؛ إذ يُفكِّر النموذج في الصوت كجزء من عملية التوليد، لذا تظهر الحركة والصوت بتناغم. تُشدّد التغطية الرئيسية لإطلاق اللعبة على هذا التغيير باعتباره جوهر سير العمل.
لماذا هذا مهم: يقلل التزامن من عمل ما بعد الإنتاج، ويتجنب حركة الفم والصوت غير المتوافقة، ويفتح المجال للتكرار السريع للقصص المصورة ومقاطع الفيديو التوضيحية والأفلام القصيرة والمنشورات الاجتماعية حيث يكون وقت التنفيذ بالغ الأهمية.
جودة صوت أعلى: صوت متعدد الطبقات، وواعٍ للسياق
يتجاوز إصدار Kling 2.6 السرد بقناة واحدة ليُنتج مسارات صوتية متعددة الطبقات: كلام أساسي (بإيقاع واقعي)، ودعم للمؤثرات الصوتية، وأجواء مكانية، وخيارات موسيقية أو إشارات موسيقية. يدعم هذا الإصدار توليد الصوت ثنائي اللغة (مع دعم صريح لللغتين الإنجليزية والصينية في الإصدارات الأولى)، ويتضمن جودة صوت مُحسّنة - فونيمات أوضح، وتشوهات أقل، وإيقاعًا طبيعيًا أكثر - مقارنةً بإصدارات Kling السابقة والعديد من الإصدارات المعاصرة. تُبرز صفحات المنتجات وعمليات تكامل الشركاء تحسينات الجودة وإمكانية ثنائية اللغة.
التأثير العملي: يمكن للمبدعين طلب شخصيات صوتية مختلفة (الجنس والعمر واللهجة) ويتوقعون حركة شفاه متسقة وخلط محيطي مناسب للمزاج دون الحاجة إلى تعديلات DAW/DAE اليدوية.
فهم دلالي أقوى: التماسك عبر الزمن والوسائل
حسّن إصدار Kling 2.6 التفكير الهيكلي والدلالي، مما يعني أن النموذج يتتبع الكيانات والعلاقات المكانية والأحداث الزمنية بشكل أفضل عبر مقطع مُولّد. يُنتج هذا سلوكًا أكثر اتساقًا للشخصيات، وأخطاءً أقل في الاستمرارية (الملابس/الأدوات/الحركة)، وترتيبًا صوتيًا سببيًا مُحسّنًا (مثل مطابقة خطوات الأقدام لسرعة المشي والسطح). تشير التحليلات التقنية الأولية وملخصات النماذج الصادرة عن جهات خارجية إلى تحسن "التفكير الهيكلي" وتماسك زمني أقوى.
النتيجة الإبداعية: مشاهد أطول تحافظ على اتساق السرد (الشخصية X تحتفظ بالسترة الزرقاء)، وأحداث أكثر سلاسة، وصوت يعكس السبب والنتيجة للمشهد بدلاً من أن يكون مجرد فكرة لاحقة.
كيف تم تطوير عملية الإنشاء؟
ما الذي تغير في شروط سير العمل؟
قبل ذلك: كانت عملية الإنتاج النموذجية تتضمن (1) توجيه نصي ← فيديو صامت، (2) تحويل نصي إلى كلام منفصل/ممثل صوتي أو صوت اصطناعي، (3) مؤثرات صوتية ومزج في برنامج DAW، (4) التركيب النهائي. كان هذا يستغرق وقتًا طويلاً ويتطلب تبديل الأدوات والمجالات.
الآن مع Kling 2.6، يُمكن لمُدخل واحد (نص أو صورة + نص) إنتاج ملف فيديو مُجمّع (بجذوع صوتية مُدمجة) جاهز للتنقيح البسيط أو النشر المباشر. يُغني هذا عن تبديل السياق، ويُتيح للمُبدعين التكرار في القصة والتوقيت والأسلوب بشكل أسرع.
كيف تُنشئ باستخدام Kling 2.6؟ (تحويل النص إلى صوت وصورة)
نص خطوة بخطوة→إنشاء مواد سمعية وبصرية
- تحديد النطاق والطول. ابدأ بمدة الهدف أو عدد اللقطات. تقبل طُرز Kling 2.6 قيود المدة، فغالبًا ما تطلب واجهات المستخدم الاحترافية أو الشريكة "الطول المطلوب" أو "نسبة العرض إلى الارتفاع".
- اكتب موجهًا على مستوى المشهد. تشمل الإعداد، وتأطير الكاميرا، والحركات الرئيسية، وحوارات الحوار (إن وجدت)، وخصائص الصوت المطلوبة، والجو الصوتي أو إشارات المؤثرات الصوتية. مثال: "داخلي. مقهى - منتصف النهار. لقطتان متوسطتان. شابة (في أوائل الثلاثينيات، هادئة الصوت) تروي حكاية فكاهية عن فوات قطار. أجواء طبيعية: ثرثرة هادئة، آلة إسبريسو، مطر يضرب النافذة. الصوت: أنثى دافئة، أداء تمثيلي بريطاني، ضحكة خفيفة في النهاية."
- اختر إعدادات الصوت. اختر نمط الصوت واللغة، وما إذا كنت تريد تضمين إشارات موسيقية. تتيح لك واجهات مستخدم Kling 2.6 تفعيل/إيقاف الصوت الأصلي؛ مع أن تفعيله يكلف حوسبة أعلى، إلا أنه يُعيد إنتاج أصوات مختلطة.
- (اختياري) أضف التوقيت والإيقاعات. إذا كنت بحاجة إلى توقيتات دقيقة، فحدد الطوابع الزمنية أو علامات "الإيقاع" في المطالبة: "الإيقاع 0-5 ثوانٍ: الدخول؛ 5-10 ثوانٍ: يسكب الباريستا الإسبريسو (مؤثرات صوتية)؛ 12 ثانية: يبدأ الحوار". يحترم Kling 2.6 المراسي الزمنية بشكل أفضل من الإصدارات السابقة بفضل تفكيره الهيكلي.
- إرسال وتكرار. يعرض النموذج فيديو بصوت مُضمّن. راجعه وعدّله لتغيير الحالة المزاجية أو الإيقاع أو الصوت. بما أن الصوت يُولّد كجزء من النموذج، فإن تغيير الحوار أو التوقيت سيؤثر تلقائيًا على الرسوم المتحركة ومزامنة الشفاه.
نصائح للحصول على مخرجات عالية الجودة
- استعمل وضوح مستوى المشهد وتجنب الصفات الغامضة - استبدل كلمة "لطيف" بـ "ضوء مصباح دافئ، درجة لون العسل".
- نقدم لك إشارات المؤثرات الصوتية الصريحة (على سبيل المثال، "مؤثرات صوتية: صوت الرعد عند الدقيقة 1:22؛ خطوات ثقيلة على الرصيف المبلل").
- إذا كنت بحاجة إلى أصل متعدد اللغات، فحدد اللغة لكل سطر حوار. يدعم Kling 2.6 إنشاء أصول ثنائية اللغة في الإصدارات المبكرة.
كيف تُنشئ باستخدام Kling 2.6؟ (تحويل الصورة إلى صوت وصورة)
إنشاء الصورة → المواد السمعية والبصرية خطوة بخطوة
- تحميل صورة واحدة (أو إطار مرجعي) يُحدد التركيب أو الموضوع أو لوحة الألوان. يُمكن لبرنامج Kling 2.6 استقراء الحركة وحركات الكاميرا واختلاف المنظر من صورة ثابتة. تُحسب ملاحظات توثيق الشركاء مستويات التسعير للصورة ← الفيديو مع تفعيل الصوت، فالصوت يزيد التكلفة.
- تقديم موجز نصي وصف الحدث الذي سيتم تنفيذه، والصوت/الحوار (إن وجد)، والتوقيت، والأجواء: على سبيل المثال، "من هذه الصورة لمنارة عند غروب الشمس، قم بإنشاء لقطة مدتها 12 ثانية: حفيف الرياح، صراخ طيور النورس، يردد الراوي (بصوت ذكوري عميق) "هذا الساحل يتذكر...""
- حدد أسلوب الخطافات (سينمائي، أنمي، وثائقي، واقعي) وأدوات التحكم في الكاميرا إذا كانت متاحة - تعرض العديد من واجهات المستخدم نوع الغالق أو العدسة أو اللقطة للمساعدة في توجيه تركيب الحركة.
- تشغيل الصوت الأصلي وحدد الصوت والمؤثرات الصوتية. سيُنشئ كلينج أجواءً متناسقة مع بيئة الصورة (الرياح والأمواج المتلاطمة)، وسيتزامن الصوت مع أفواه الشخصيات إذا وُجدت الوجوه.
اعتبارات عملية
- الصور المرجعية مع وجود إشارات مكانية واضحة (الأفق، المقدمة/الوسط/الخلفية) تؤدي إلى تحسين المنظر والحركة.
- بالنسبة للأشخاص في الصور، قم بتوفير خطوط حوار مصاحبة أو اسمح للنموذج بإنشاء السرد؛ وسيتم مزامنة كليهما.
- توقع وقتًا إضافيًا للحوسبة (والتكلفة) عند إنشاء الصوت؛ حيث توفر العديد من واجهات المستخدم الشريكة أسعار "إيقاف تشغيل الصوت" و"تشغيل الصوت".
كيف يجب عليك تشغيل Kling Video 2.6؟
فلسفة التحفيز: وصفية، ومتعددة الوسائط، ومتعددة الطبقات
نظرًا لأن أسباب Kling 2.6 متعددة الوسائط، فيجب أن تكون المطالبات متعدد الأبعاد—يجب عليهم توجيه التركيب البصري، والحركة الحركية، والمحتوى الصوتي في آنٍ واحد. تعامل مع المحفزات كما لو كانت ملخصًا قصيرًا للمخرج: المعالجة البصرية، وتوجيهات الكاميرا، وتصميم الرقصات، والحوار، وتصميم الصوت، والإيقاعات العاطفية.
تقسيم المطالبات إلى كتل واضحة:
- العنوان (المشهد والمدة) — سطر قصير يحدد المكان والزمان ووقت التشغيل التقريبي.
- كتلة بصرية - الكاميرا، والممثلون، والإضاءة، ودرجة اللون، والمراجع الأسلوبية.
- كتلة العمل - ما يحدث طلقة بطلق (نبضة).
- كتلة الصوت - خطوط الحوار، مواصفات الصوت، الأجواء، المؤثرات الصوتية، المزاج الموسيقي.
- كتلة التسليم - نسبة العرض إلى الارتفاع، والترميز، ومعدل الإطارات، وما إذا كنت تريد مسارات صوتية منفصلة أو مسارًا مختلطًا.
قالب هيكل المطالبة (نمط مثبت)
A narrow neon alley at night, rain-slick cobblestones, shallow depth of field.
3s, slow push-in from medium to close-up, handheld, slight jitter, 24mm lens.
Marco (male, 40s, tired), look: worn leather jacket, wet hair.
Marco: "I thought we'd be gone by now." (tone: resigned, breathy)
language: English, voice: male, 40s, calm; ambience: rain + distant car horns; SFX: puddle splash at 1.4s; music: low minor piano bed starting 0s.
cinematic, filmic grain, teal-orange grading, 1080p, 8 seconds.
ضع التوجيهات الأساسية في الأعلى: المشهد + الكاميرا + الشخصيات + الحوار + الصوت + الأسلوب. بالنسبة لـ Kling 2.6، يجب عليك دائما قم بتضمين كتلة إذا كنت تريد الصوت الأصلي.
أنماط هندسية سريعة تعمل بشكل جيد
1) “قائمة لقطات المخرج”
استخدم إيقاعات مرقمة مع نقاط تثبيت توقيت قصيرة:
1) 0:00–0:04 — Wide: rainy street, neon signs. Pedestrian hurries across. SFX: wet footsteps, distant honk.
2) 0:05–0:09 — Close on face: young man, breath visible. Voiceover (male, 30s, soft): "I thought I lost it..."
يمنح هذا الهيكل النموذج علامات زمنية واضحة يمكن لـ Kling 2.6 استخدامها لمواءمة الصوت والحركة.
2) "المطالبات ثنائية القناة (مرئية /// صوتية)"
افصل التعليمات المرئية والصوتية باستخدام فاصل واضح:
VISUAL: Sunset over a desert road. Slow dolly in to a vintage pickup. Warm golden hour grading, cinematic anamorphic lens.
AUDIO: SFX: wind on sand, distant engine. MUSIC: minimal piano, sparse beats. VOICE: female narrator, mellow, US West Coast accent: "Sometimes the road remembers you."
يخبر هذا النموذج بمعاملة الصوت كطبقة مميزة ولكن مع الاستمرار في ربطه بالمرئيات.
3) “المرجع + التوليف”
عندما يكون لديك مرجع للأسلوب (اسم الفيلم، الفنان)، قم بتضمينه:
Style: 'Blade Runner 2049' color grading + 'Wes Anderson' symmetry. Narration: baritone, deadpan. Mood: melancholic wonder.
تعتبر المراسي المرجعية مفيدة ولكن تجنب الإفراط في التقييد؛ قم بدمج المراجع مع الموصِفات الملموسة.
هل يمكنك رؤية أمثلة محددة للمطالبات - كيف تبدو المطالبات الجيدة؟
فيما يلي نماذج وأمثلة مُجرّبة (نص فقط، وصورة + مُوجّه) يُمكنك نسخها وتعديلها. صُمّم كل مثال لإنتاج مقطع سينمائي مدته 8-10 ثوانٍ مع صوت مُتزامن.
تحويل النص إلى صوت وصورة: حوار من سطر واحد (مثال)
قالب المطالبة (مضغوط):
Scene: , , . Action: . Appearance: . Sound: . Ambience: , SFX: . Style: . Duration: .
مثال ملموس:
Scene: Narrow neon alley in Tokyo at night, wet pavement, low-angle medium shot. Action: Woman in a red coat walks toward camera, pauses under a flickering sign. Appearance: mid-30s, short black hair, red coat, reflective puddles. Sound: Mandarin female voice, calm, intimate — line: "I remember this place." Ambience: steady rain, distant traffic. SFX: humming neon, a slow door click at 7s. Style: cinematic, shallow depth of field, subtle film grain. Duration: 10s.
لماذا يعمل هذا: تأطير المشهد واضح، عمل واحد دقيق، مظهر يرسخ الشخصية من أجل الدقة البصرية، وكتلة الصوت تحتوي على اللغة + الخط + الأجواء المحيطة حتى يتمكن كلينج من توليد حركة فم متزامنة وصوت خلفي.
تحويل النص إلى صوت وصورة: حوار متعدد الشخصيات (مثال)
موجه:
Scene: Rooftop at sunset, wide shot. Action: Two friends sit on a ledge; man laughs then turns to the woman. Appearance: man mid-20s, casual jacket; woman late-20s, scarf. Sound: English male (cheerful) & English female (soft). Dialogue: "You always do this." "I can't help it." Ambience: faint city traffic, distant seagulls. SFX: small gust of wind when woman speaks. Style: warm color grade, 16:9. Duration: 9s.
ملاحظة: استخدم حوارًا بين قوسين ليتمكن كلينج من تبديل الأصوات ومواءمة حركة الشفاه. استخدم فترات توقف قصيرة لإيقاع تبادل طبيعي.
تحويل الصورة إلى صوت وصورة: صورة مرجعية + موجه (مثال)
المدخلات:
- صورة مرجعية:
hero_headshot_front.jpg(الصورة الرسمية للشخصية) - نص موجه:
Scene: Interior train carriage at night, close-up 3/4 shot, camera slowly pushes in. Action: Character opens a small letter, whispers a line. Appearance: use reference image for facial identity; wear navy coat. Sound: male English voice, aged 40s, weary — line: "It's finally over." Ambience: muffled train noise, intermittent station announcements. SFX: paper rustle at 1.2s. Style: cinematic, high dynamic range. Duration: 8s.
لماذا يعمل هذا: تحافظ صورة المرجع على الهوية ويحدد الموجه الحركة والإشارات الصوتية الدقيقة حتى يقوم Kling بإنشاء حركة فم مطابقة للخط المقدم وبيئة القطار الخلفية الدقيقة.
ما هي تقنيات المطالبة المتقدمة ونصائح التصحيح؟
كيف تكرر بسرعة؟
- تبدأ صغيرة: استخدم إشارات قصيرة وإجراءات فردية للاختبارات الأولية للتحقق من صحة حركة الصوت والشفاه.
- زيادة التعقيد تدريجيا: بعد التشغيل الناجح الأول، أضف أصواتًا ثانوية أو المزيد من الشخصيات أو تحركات الكاميرا.
- استخدم الصور المرجعية باعتدال: غالبًا ما تؤدي صورة مرجعية واحدة ذات إطار جيد إلى الحفاظ على الهوية بشكل أفضل من العديد من المراجع غير المتسقة.
- توقيت حرج للدبوس: إذا كان من الضروري أن يبدأ السطر أو ينتهي في لحظة محددة، فأضف إيقاعات (مثل "" أو "مؤثرات صوتية عند ٦.٢ ثانية"). يأخذ كلينج إشارات التوقيت على محمل الجد في خط الأنابيب المتزامن ٢.٦.
ماذا لو كان الصوت أو مزامنة الشفاه غير صحيحة؟
- توضيح النص والوتيرة في النص - قد تُسبب الأسطر الشعرية أو الطويلة غموضًا في التوقيت. اختصر الأسطر أو قسّمها إلى مقاطع بين قوسين.
- أضف إشارات صريحة متعلقة بالفم (على سبيل المثال، "عبارة قصيرة مختصرة"، "إلقاء بطيء") لتغيير النطق.
- استخدم عينة صوتية مرجعية حيثما يتوفر دعم المنصة (تسمح بعض واجهات برمجة التطبيقات/الموفرين بتحديد نموذج صوتي أو بذرة صوتية لمطابقة أدق). إذا لم يكن ذلك متاحًا، فحدد سمات صوتية مفصلة.
افكار اخيرة:
يُعدّ Kling Video 2.6 خطوةً فعّالة نحو سير عمل توليدي متعدد الوسائط بالكامل. بالنسبة للمبدعين الذين ينتجون مقاطع قصيرة مبنية على قصة، فإنّ توفير الوقت في مرحلة ما بعد الإنتاج الصوتي وتحسين المزامنة بين حركة الفم والصوت أمران قيّمان للغاية. أما بالنسبة للاستوديوهات والإنتاجات التي تحتاج إلى تحكم دقيق وأداءٍ متميّز، فإنّ Kling 2.6 هو الخيار الأمثل كمُولّد قويّ للنماذج الأولية والمحتوى منخفض التكلفة، مع الاستمرار في إجراء الصقل النهائي ضمن سير عمل ما بعد الإنتاج القياسي عند الحاجة.
تم إطلاق Kling Video 2.6.
يمكن للمطورين الوصول فيو 3.1, سورا 2 و كلينج 2.5 توربو إلخ من خلال CometAPI، أحدث إصدار للنموذج يتم تحديثه دائمًا بالموقع الرسمي. للبدء، استكشف إمكانيات النموذج في ملعب واستشر دليل واجهة برمجة التطبيقات للحصول على تعليمات مفصلة. قبل الدخول، يُرجى التأكد من تسجيل الدخول إلى CometAPI والحصول على مفتاح API. كوميت ايه بي اي عرض سعر أقل بكثير من السعر الرسمي لمساعدتك على التكامل.
هل أنت مستعد للذهاب؟→ نسخة تجريبية مجانية من Kling 2.6 !
إذا كنت تريد معرفة المزيد من النصائح والإرشادات والأخبار حول الذكاء الاصطناعي، فتابعنا على VK, X و ديسكورد!