حرّكوا صور عائلتكم مع Kling AI

مقابل ماذا يكلّف Kling 3.0 Pro أكثر من MiniMax H3

يختار «تلقائي» نموذج MiniMax H3 للفيديو، وبه حُرّكت جميع مشاهد الفيديو العشرين في الكتالوج. إنه الخيار الأفضل قيمة لدينا ويأتي مع الصوت دائمًا، لذا يكفي عادةً لمقطع مرح من خمس ثوانٍ. أما Kling 3.0 Pro فتكلفته أعلى في الثانية، ويستحقها في موضعين: اللقطات الأطول، والحركة التي يجب أن تبقى سلسة من أول إطار إلى آخره.

تخيّلوا لحظة لها قصة. الأحفاد يركضون في الممر، يلتفت الجد، يرتمون عليه في عناق، فيكاد يسكب الشاي. هذا يحتاج إلى ثماني ثوانٍ أو عشر، وأحيانًا خمس عشرة، وإلى حركة متماسكة بينما يعبر الناس الإطار. مقطع النزهة أعلاه هو النسخة القصيرة: قبعات ورقية، وأبواق حفلات، ودفعة من القصاصات الملوّنة، وعناق لصاحبة عيد الميلاد، كل ذلك في خمس ثوانٍ مع الصوت.

وهناك استثناءان، بصراحة. Veo 3.1 من Google يمنح المظهر السينمائي، وهو النموذج الذي يستحق التجربة حين تحمل الأصوات أو الغناء المقطع - تكلفته أعلى في الثانية ويتوقف عند 8 ثوانٍ. أما Wan 3.0 Prime من Alibaba فيحمل لدينا وسم «حلقات ثابتة»: 5 أو 10 ثوانٍ من مشهد هادئ يمكن تشغيله مرة بعد مرة.

الجميع في الإطار الأول: كيف تُعدّون بطاقة لـ Kling

يبدأ Kling 3.0 Pro من صورة واحدة ويمضي بها إلى الأمام في الزمن. ما يوجد في الإطار الأول هو ما ستحصلون عليه: إذا لم تكن الخالة سميرة في الصورة، فلن تدخل لاحقًا بملامحها الحقيقية. لذلك تُصنع أفضل مقاطع Kling لدينا على خطوتين - أولًا بطاقة بصورة تجمع الجميع، ثم التحريك.

لهذه البطاقة، يحافظ GPT Image 2.5 Flare على الملامح الأقرب إلى الأشخاص الحقيقيين، وهو ما يستخدمه «تلقائي» للصور. ويحافظ Nano Banana Pro على الشبه لما يصل إلى 5 أشخاص، وهذا يناسب مائدة عائلية طويلة. يمكن أن تضم الصورة الواحدة حتى 6 أشخاص، لكن الوجوه تبقى أكثر موثوقية حتى 4.

Kling O3، نموذج الصور من Kuaishou، من أرخص النماذج لدينا. استخدموه لتجربة المكان - الشاطئ أم الشرفة، الصباح أم الغروب - ثم انتقلوا إلى Flare للنسخة التي يجب أن تشبه فيها الأم نفسها. وحين تصبح البطاقة كما تريدون، حرّكوها مع Kling 3.0 Pro.

Kling AI Avatar v2، نموذج Kling الذي ينطق كلماتكم

وفي البطاقة الناطقة تلتقون نموذج Kling الآخر. تعطونه صورة شخصية واحدة ونص التهنئة، وتختارون صوتًا، فيجعل Kling AI Avatar v2 الوجه والرأس يتبعان الكلمات، لمدة تصل إلى 15 ثانية من الكلام. في المثال أعلاه تنظر جدة إلى الكاميرا وتقول بالإنجليزية: «عيد ميلاد سعيد! كم تمنيت أن أعانقك اليوم - وهذا أقرب ما يكون إلى ذلك». تستغرق هذه الجملة 7 ثوانٍ بصوت Ava، لذا تتسع 15 ثانية لجملتين مثلها تقريبًا.

تأتي الأصوات من ElevenLabs Eleven v3: فيها 8 أصوات في الكتالوج، ومنها العبرية التي لا يتحدثها أي نموذج صوت آخر لدينا. Kling AI Avatar v2 هو خيار «أفضل» في إعدادات البطاقة الناطقة. أما «الأعلى» فهو OmniHuman 1.5 من ByteDance، الذي يحرّك الشخص كله لا الوجه وحده، ويتيح لكم تحديد من يتكلم حين يظهر عدة أشخاص في الصورة. تكلفة الثانية من الكلام فيه أعلى، لذا يبقى Kling عادةً الخيار المعقول لصورة شخصية مقرّبة واحدة.