制作视频时，最难生成的往往不是明亮、干净的产品图，而是夜景、灾难、科幻、战争这类暗色画面。
这类镜头看起来“黑”，实际包含的信息一点也不少。
云层里要有不同深度的亮度变化，烟雾不能糊成一团，远处建筑要保持空间层次，火焰和能量光源需要照亮周围环境，雨水、金属与积水还要形成合理的反射。人物穿着深色服装时，轮廓既不能消失在背景里，也不能像贴纸一样浮在画面上。
قد تبدو الصور منخفضة الجودة مليئة بالأجواء عند تصغيرها، لكن ما إن تدخل في مسار إنتاج الفيديو حتى تظهر المشكلات بسرعة. تظهر كتل لونية في المناطق الداكنة، وتلتصق تفاصيل المباني ببعضها، ويفقد الدخان طبقاته، وتصبح هياكل المركبات الطائرة ضبابية، ولا يمكن فصل الشخصيات عن الخلفية. وعند تنفيذ دفع الكاميرا، أو التكبير الجزئي، أو الرسوم المتحركة للمنظور، أو تحويل الصورة إلى فيديو، تتضخم هذه العيوب أكثر.
بالنسبة لمنشئي الأفلام والفيديو، لا ينتهي الأمر بمجرد توليد الصورة. إذ يجب أن تدخل أيضاً في عمليات المونتاج، وحركة الكاميرا، والمؤثرات الخاصة، والرسوم المتحركة. وهذا بالضبط هو معنى وجود مستويات الجودة الأعلى.
أضاف GPT Image 2.5 من Ace Data Cloud مستويي الجودة xhigh وmax إلى جانب low وmedium وhigh. ويدعم كل من Flare وSunburst هذين المستويين، بما في ذلك القنوات الرسمية المقابلة.
عندما يتضمن المشهد مناطق داكنة معقدة، وسحباً حجمية، ودخاناً، وضوء نار، وانعكاسات ليلة ممطرة، وعلاقات مكانية متعددة الطبقات، يمكن للمنشئين السماح للنموذج باستثمار ميزانية توليد أكبر، للحفاظ قدر الإمكان على البنية والتفاصيل داخل البيئات الداكنة.
¶ اختبرنا مستويات الجودة الخمسة بمشهد داكن عالي الصعوبة
لكي تظهر الفروقات بسهولة أكبر، لم نختر خلفية مشرقة أو منتجاً بسيطاً هذه المرة، بل صممنا إطاراً رئيسياً للمؤثرات البصرية من فيلم خيال علمي وكوارث.
تجري أحداث المشهد في مدينة ساحلية مستقبلية خلال الساعة الزرقاء. تحوم حلقة مدارية متصدعة فوق المدينة، ويمزق صدع طاقة طبقات سحب العاصفة، بينما تهوي حطام سفينة فضائية مشتعلة نحو ناطحات السحاب. وفي المقدمة، يقف طيار إنقاذ وظهره للكاميرا، وبجانبه مركبة طيران ذات دوارات مائلة متضررة.
يعتمد المشهد بأكمله على الأزرق الداكن والأسود والرمادي، ولا تشكل التوهجات الدافئة سوى شق الطاقة والنيران وأضواء المدينة وأجزاء من المركبة الطائرة.
يختبر هذا النوع من المشاهد في الوقت نفسه ما إذا كانت المناطق الداكنة تحتوي على تفاصيل حقيقية، وما إذا كان يمكن فصل الشخصية الأمامية عن الخلفية، وما إذا كانت السحب والدخان يمتلكان طبقات مكانية، وما إذا كانت النيران تضيء البيئة المحيطة فعلاً، وما إذا كانت هياكل المدينة والمركبة الطائرة والحلقة المدارية متماسكة.
استخدم الاختبار gpt-image-2.5-sunburst، الذي يميل أكثر إلى الدقة العالية والتحكم التفصيلي. استخدمت جميع الصور نص المطالبة نفسه تماماً، مع تغيير quality فقط.
¶ نص المطالبة الكامل للاختبار
Cinematic VFX keyframe from an original science-fiction disaster film, ultra-wide 16:9 composition. A colossal orbital ring has fractured above a rain-soaked futuristic coastal megacity at blue hour; a luminous energy rift tears through storm clouds while burning spacecraft debris falls toward skyscrapers. In the foreground, an armored rescue pilot stands on a flooded rooftop beside a damaged tilt-rotor aircraft, seen from behind, looking toward the catastrophe. Include physically plausible volumetric clouds, layered smoke, glowing embers, sparks, rain streaks, wet reflective surfaces, turbulent ocean spray, atmospheric perspective, realistic destruction, miniature-scale city detail, complex blue-orange lighting, accurate reflections and refractions, cinematic anamorphic lens flare, subtle film grain, deep depth staging, photorealistic live-action blockbuster visual effects, coherent geometry, natural human anatomy. No text, no logo, no watermark, no split screen, no collage.
يضيف نص المطالبة هذا عمداً قدراً كبيراً من العناصر التي يسهل أن تخرج عن السيطرة في المشاهد الداكنة: سحب داكنة ودخان متعدد الطبقات، وشرر نقطي وحطام مشتعل، وشخصية مدرعة داكنة، ومبانٍ حضرية ليلية، وأس surfaces رطبة وانعكاسات معقدة، إضافة إلى مصادر ضوء متعددة بفروقات كبيرة في السطوع.
إذا كانت جودة التوليد غير كافية، فمن السهل أن يحتفظ النموذج فقط بالأجواء الزرقاء والبرتقالية القوية، لكنه يضحي بالبنية في المناطق الداكنة التي تحدد فعلياً ملمس الصورة.
¶ Low: تتشكل الأجواء بسرعة، لكنها أقرب إلى رسم مفاهيمي أولي
أكمل low التوليد في نحو 25.11 ثانية، وكان خرج الصورة 157 Tokens.
يمكنه بناء مشهد كامل بسرعة، كما يستطيع إظهار أجواء الكارثة وموضع الشخصية ومصادر الضوء الرئيسية. وهو عالي الكفاءة عند استخدامه للحكم على صلاحية التكوين، أو لاستكشاف اتجاهات متعددة للقطات في المراحل المبكرة.
لكن في المشاهد الداكنة المعقدة، لا يمكننا الاكتفاء بالنظر إلى ما إذا كانت الصورة “داكنة وباردة” بما يكفي. الأهم هو التحقق مما إذا كان لا يزال هناك شيء في الظلال.
إن بنية درع طيار الإنقاذ، والتفاصيل الميكانيكية للمركبة المتضررة، والحدود بين المباني البعيدة، وتغيرات السطوع داخل السحب، كلها تحدد ما إذا كانت هذه الصورة قابلة للاستمرار في الاستخدام ضمن مرحلة ما بعد الإنتاج. إذا كانت هذه العناصر قد اختلطت بالفعل في الصورة الأصلية، فلن تتمكن زيادة السطوع أو الحدة في مرحلة ما بعد الإنتاج وحدها من استعادة البنية المفقودة فعلياً.
¶ Medium: تبدأ المناطق الداكنة باحتواء مزيد من العناصر القابلة للتمييز
أكمل medium التوليد في نحو 27.18 ثانية، وكان خرج الصورة 367 Tokens.
مقارنةً بـ Low، لم يزد وقت الانتظار بشكل كبير، لكن النموذج حصل على ميزانية توليد أكبر.
بالنسبة للصور المرافقة لمقاطع الفيديو العادية، يُعد Medium بالفعل نقطة بداية عملية نسبياً. فهو لا يحتاج فقط إلى إتمام الأجواء العامة، بل يحتاج أيضاً إلى معالجة العلاقة بين المباني والمركبات والشخصيات والبيئة بعناية أكبر. في المشاهد الداكنة، لا يظهر ما يسمى بتحسن الجودة بالضرورة على شكل «إضاءة أكثر» أو «حدة أكبر». الأهم هو ما إذا كانت البنية داخل الظلال لا تزال مرئية، وما إذا كان للدخان طبقات أمامية وخلفية، وما إذا كانت المدينة البعيدة قادرة على تشكيل منظور جوي حقيقي، وما إذا كانت الشخصية تنفصل عن الخلفية بشكل طبيعي عبر ضوء الحواف.
¶ High: من «وجود أجواء» إلى «وجود بنية»
يبلغ وقت توليد high نحو 41.35 ثانية، ويزداد إخراج الصورة إلى 1,413 Tokens.
بدءًا من هذا المستوى، يظهر ارتفاع واضح في استثمار النموذج. وبالنسبة إلى المشاهد السينمائية الداكنة، فإن أكثر ما يستحق الاهتمام في هذه الاستثمارات الإضافية هو الانتقال بين المناطق المضيئة والمناطق الداكنة.
لا يمكن أن يكون الشق الطاقي مجرد خط من الإضاءة البيضاء، بل ينبغي أن يؤثر في السحب المحيطة؛ ولا يمكن أن تكون الحطام المحترق مجرد بقع برتقالية، بل ينبغي أن ينتج دخانًا وجمرًا وضوءًا بيئيًا؛ كما لا يمكن أن تكون المياه المتجمعة مجرد مرآة بسيطة، بل تحتاج إلى تشكيل انعكاسات متفاوتة الشدة وفقًا لبنية السطح واتجاه مصدر الضوء.
عندما تصبح هذه العلاقات أكثر اكتمالًا، يبدأ المشهد بالاقتراب تدريجيًا من لقطة سينمائية بدلًا من مجرد صورة أجواء. يكون High أكثر ملاءمة للدخول رسميًا إلى الخط الزمني للفيديو، وخاصة للقطات التي تحتاج إلى دفع خفيف وتحريك جانبي ومعالجة عمق المجال.
¶ XHigh: الاحتفاظ بهامش للتكبير وحركة الكاميرا والتقسيم الطبقي في المعالجة اللاحقة
يُكمل xhigh التوليد في نحو 53.68 ثانية، ويصل إخراج الصورة إلى 2,511 Tokens.
في سير عمل الفيديو، لا تظهر كثير من المشكلات إلا بعد تحريك الصورة. عند دفع الكاميرا إلى الأمام، تحتاج المدينة البعيدة إلى تحمّل التكبير؛ وعند إنتاج رسوم المنظر المتوازي، تحتاج الشخصيات الأمامية والمركبات الطائرة والخلفية إلى حدود واضحة؛ وعند تسليمها إلى نموذج تحويل الصورة إلى فيديو لمواصلة التوليد، يجب أيضًا أن تكون البنية الميكانيكية والعلاقة مع البيئة واضحتين بما يكفي، وإلا فمن السهل جدًا أن يحدث تشوه أثناء الحركة.
تكمن قيمة XHigh هنا. فهو لا يجعل المشهد يبدو أجمل عند النظرة الأولى فحسب، بل يترك أيضًا أكبر قدر ممكن من المعلومات القابلة للاستخدام للإنتاج اللاحق. وبالنسبة إلى المشاهد الداكنة، فهذا يعني ملامح أوضح، وبنية محلية أكثر استقرارًا، وظلالًا ودخانًا أكثر تدرجًا.
إذا كانت الصورة ستُستخدم كلقطة رئيسية، أو صورة افتتاحية، أو لوحة مفاهيمية سينمائية، أو الإطار الأول لتحويل الصورة إلى فيديو، فإن XHigh سيكون أكثر توافقًا مع احتياجات الإنتاج الفعلية من مستويات الجودة العادية.
¶ Max: رفع الحد الأقصى للإخراج لأهم لقطات المشاهد الداكنة
يُكمل max التوليد في نحو 104.43 ثانية، ويصل إخراج الصورة إلى 5,650 Tokens.
وقت انتظاره يقارب ضعف XHigh، كما أن Tokens إخراج الصورة تتجاوز ضعف XHigh. وهذا يدل على أن Max ليس مجرد اسم يبدو أكثر تقدمًا، بل إنه يرفع استثمار التوليد بشكل واضح.
في المشاهد الداكنة المعقدة، لا تتمثل أهمية أعلى جودة في إضافة النسيج بلا نهاية، بل في الحفاظ قدر الإمكان على عدة أهداف سهلة التعارض في الوقت نفسه: يجب أن يحافظ المشهد على الأجواء المظلمة، لكن دون فقدان البنية؛ يجب أن يكون الشق الطاقي ساطعًا بما يكفي، لكن دون تدمير تفاصيل السحب؛ يجب أن تكون الشخصية واضحة، لكن دون أن تبدو وكأنها قُصّت بشكل منفصل؛ يجب أن يكون الدخان غنيًا، لكن دون أن يحجب كل المباني؛ يجب أن تكون الانعكاسات واضحة، وفي الوقت نفسه متوافقة مع إضاءة البيئة.
ليس من الصعب تحقيق هذه المتطلبات كلٌّ على حدة، لكن الصعب هو أن تتحقق جميعها في الوقت نفسه.
يكون Max أكثر ملاءمة للإخراج النهائي بعد تحديد التكوين والكلمات التوجيهية، مثل الصورة الرئيسية للافتتاحية، وملصقات الأفلام، واللقطات الأساسية، والمواد الترويجية المهمة، والصور التي تحتاج إلى الدخول لاحقًا في سير عمل معقد للمعالجة اللاحقة.
¶ لا يمكن الحكم على اختلاف الجودة في المشاهد الداكنة من خلال «مدى الوضوح» فقط
سجل هذا الاختبار كما يلي:
| مستوى الجودة | وقت التوليد | Tokens إخراج الصورة | إجمالي Tokens |
|---|---|---|---|
| Low | 25.11 ثانية | 157 | 567 |
| Medium | 27.18 ثانية | 367 | 777 |
| High | 41.35 ثانية | 1,413 | 1,823 |
| XHigh | 53.68 ثانية | 2,511 | 2,921 |
| Max | 104.43 ثانية | 5,650 | 6,060 |
من Low إلى Max، ليست المقارنة الحقيقية هي أي صورة أكثر حدة فحسب، بل مقدار المعلومات الفعالة التي تم الاحتفاظ بها في البيئة الداكنة.
يمكن التركيز على ملاحظة ما إذا كان درع طيار الإنقاذ يحتوي على بنية يمكن تمييزها، وما إذا كانت هناك علاقة مكانية واضحة بين الشخصية والمركبة الطائرة، وما إذا كانت أجنحة المركبة الطائرة ومراوحها وهيكلها متصلة بشكل متسق، وما إذا كانت المدينة البعيدة قد تحولت إلى كتلة ضبابية كاملة بسبب الظلام، وما إذا كانت السحب تمتلك عمقًا أماميًا وخلفيًا، وما إذا كانت المياه المتجمعة على السطح قادرة على عكس مصادر الضوء المتعددة في البيئة.
أكثر ما تخشاه المشاهد الداكنة ليس السواد، بل «سواد بلا محتوى».
حتى لو كان السطوع العام منخفضًا جدًا، ينبغي لصورة داكنة عالية الجودة أن تظل فيها الشخصيات والمباني والآلات والدخان والسحب تمتلك طبقاتها الخاصة. قد لا يصف المشاهدون هذه الفروق بوضوح، لكنهم سيشعرون بشكل مباشر بما إذا كان المشهد يمتلك ملمسًا سينمائيًا.
¶ تحدد جودة الصورة مقدار مساحة العمل المتبقية في المعالجة اللاحقة للفيديو
نادرًا ما يستخدم الإبداع بالفيديو صورة أصلية ثابتة تمامًا بشكل مباشر. عادةً ما يقوم المبدعون بتقريب الكاميرا، والتحريك الأفقي، والقص الجزئي، وفصل المقدمة والخلفية إلى طبقات، وإضافة تأثيرات ضوئية، ومحاكاة عمق المجال، أو تسليم الصورة إلى نموذج تحويل الصور إلى فيديو لمواصلة التوليد. كل هذه العمليات تضخّم العيوب في المناطق الداكنة.
إذا كان مخطط الشخصية ملتصقًا بالخلفية من الأساس، فسيكون من الصعب فصل الطبقات عند صنع تأثير اختلاف المنظر؛ وإذا كانت بنية المبنى ضبابية بالفعل، فلن يظهر بعد تقريب الكاميرا سوى ضبابية أكبر؛ وإذا لم يكن للدخان علاقات مكانية، فمن السهل أن يتحول عند توليد التأثيرات الحركية إلى كتل لونية متقلبة بلا انتظام.
لذلك، فإن الصورة الأصلية الأعلى جودة لا تعني فقط أن «اللقطة النهائية تبدو أجمل»، بل إنها تحدد مباشرة إلى أي مدى يمكن أن تمتد المعالجة اللاحقة.
¶ ليس من الضروري استخدام Max لكل صورة، لكن المشاهد الداكنة المهمة تستحق جودة أعلى
أسلوب الإنتاج المعقول ليس رفع الجودة إلى أقصى حد منذ المسودة الأولى.
في مرحلة الاستكشاف، يمكن استخدام Low أو Medium لتأكيد التكوين، وموضع الشخصيات، واتجاه مصدر الضوء، ودرجة الألوان العامة بسرعة. بعد استقرار الاتجاه، يمكن استخدام High لتوليد المواد الرسمية. وإذا كانت الصورة تحتاج إلى تكبير واضح، أو تقسيم طبقات معقد، أو مواصلة توليد فيديو، فسيكون XHigh أكثر ملاءمة.
أما Max فيجب تخصيصه للقطات الأكثر أهمية، مثل الإطار الأول من المقدمة، والمرئيات الرئيسية للملصق، واللقطة المحورية للإعلان التشويقي، أو المشهد الرئيسي الذي يحدد ملمس الفيديو بأكمله.
أضافت Ace Data Cloud خياري XHigh وMax إلى GPT Image 2.5، وما يقدمه ذلك حقًا ليس مجرد إضافة معاملين، بل تمكين المبدعين عند مواجهة المشاهد الداكنة المعقدة من عدم التوقف عند مرحلة «الأجواء متشابهة تقريبًا».
لم يعد الظلام يعني التخلي عن التفاصيل.
عندما يمتلك النموذج ميزانية جودة أعلى، تحصل المدن والشخصيات والمركبات الطائرة والدخان والانعكاسات داخل الظلال على فرصة للبقاء معًا. بالنسبة للإبداع السينمائي والتلفزيوني، غالبًا ما تكون هذه المعلومات المخفية في المناطق الداكنة هي المفتاح الذي ينقل الصورة من مجرد رسم توضيحي عادي إلى لقطة سينمائية.
¶ جرّب GPT Image 2.5 الآن
هل ترغب في استخدام XHigh وMax في لقطاتك الداكنة، وملصقاتك، والإطارات الأولى لمقاطع الفيديو الخاصة بك؟ توجّه إلى Ace Data Cloud لتجربة GPT Image 2.5 Sunburst عالي الدقة والتحكم التفصيلي، أو يمكنك اختيار GPT Image 2.5 Flare الذي يركز أكثر على إنشاء الصور بسرعة.