أكتب الطلب بالإنجليزية دائماً، حتى لو كان الفيديو موجهاً لجمهور عربي. أدوات توليد الفيديو تفهم الإنجليزية بشكل أفضل، والنتيجة أكثر دقة. هذا لا يعني أنني أترجم، بل أعني أن اللغة التقنية للطلب تبقى إنجليزية.
الخطوة الأولى: الصورة المرجعية
قبل أن أكتب كلمة واحدة، أرفع صورة تحدد الإطار: زاوية الكاميرا، الإضاءة، الشخصية، البيئة. الصورة المرجعية هي نصف النتيجة. الطلب النصي يصف الحركة والشعور، لكنه لا يخترع المظهر من لا شيء.
لهذا أحتفظ بمجلد مراجع ثابت: لقطات شارع، إضاءة ليلية، وجوه قريبة. عندما تكون المراجع جاهزة، يصبح الطلب النصي أقصر وأدق.
الخطوة الثانية: بنية النص الثلاثية
في النص أصف ثلاثة أشياء فقط، بهذا الترتيب:
- الحركة: ما الذي يحدث؟ من يتحرك، وإلى أين، وبأي سرعة.
- الأسلوب البصري: نوع العدسة، الإضاءة، درجة الألوان، حجم اللقطة.
- المزاج: الشعور المطلوب في ثانيتين — هدوء، توتر، اندفاع.
أتجنب الجمل الطويلة والصفات الغامضة. «رجل يمشي ببطء في شارع مبلل عند الغروب» أفضل من «مشهد سينمائي درامي لشخصية تتحرك في بيئة حضرية».
الخطوة الثالثة: التكرار المنظّم
أختبر نفس الطلب ثلاث أو أربع مرات مع تغيير واحد فقط في كل محاولة: زاوية مختلفة، إضاءة مختلفة، أو سرعة حركة مختلفة. تغيير عنصر واحد يجعلني أعرف سبب تحسّن النتيجة أو تراجعها؛ تغيير كل شيء دفعة واحدة يضيّع الدرس.
الهدف ليس أول نتيجة مقبولة، بل معرفة أي وصف يعطي الأداة أفضل فرصة — وهذه معرفة تتراكم مع الوقت وتصبح أسرع أصولك في العمل.
أخطاء تُفسد النتيجة
- وصف قصة كاملة في مشهد واحد؛ الأداة تنفّذ لقطة لا فيلماً.
- تكديس صفات متناقضة مثل «هادئ وفوضوي وسينمائي».
- الاعتماد على النص وحده دون صورة مرجعية.
- طلب نص مكتوب داخل الفيديو؛ النتيجة غالباً مشوّهة.
- الحكم على الأداة من محاولة واحدة.
ما بعد التوليد
الصوت والمؤثرات أضيفها لاحقاً، وليست جزءاً من طلب الفيديو. الـAI يولّد الصورة المتحركة، أما الإيقاع والموسيقى وترتيب اللقطات فقرار بشري يأتي بعد التوليد — وهو ما يصنع الفرق بين مقطع تقني ومقطع يُشاهَد حتى نهايته.
لو أردت مثالاً كاملاً بالبرومبت الفعلي، شرحت كل لقطة في فيديو RESILIENT خطوة بخطوة في صفحة الشرح.