WeVisCut خدام

WeVisCut هو Agent مفتوح المصدر من Tencent WeChat Vision للمونتاج الآلي ديال الفيديوهات الطويلة. كتدخل سكريبت التعليق الصوتي، وكيستعمل موديل صغير 9B استراتيجية مع Runtime كيشترك فحالة الإنتاج، وكيكمّل أوتوماتيكياً تقسيم المشاهد، التعليق الصوتي، البحث على الموارد، التركيب وفحص الجودة والإصلاح، وكيخرج مباشرة فيديو كامل مدتو بضع دقايق. WeVisCut كيستعمل خط أنابيب ديال عكس المونتاج + إعادة التشغيل مع التحقق، وكيستخرج أكثر من 130 ألف معطى تدريبي من 3,750 فيديو كامل. فالتقييم، الأداء ديالو قريب من Claude Opus 5، وكيقتصد تقريباً 33 مرة فـ tokens ديال التوليد، والتكلفة ديال كل دقيقة فيديو كامل غير $0.09.

من السكريبت لفيديو طويل: دخل سكريبت ديال التعليق الصوتي أو المعرفة، وكيخرج أوتوماتيكياً فيديو كامل مدتو بضع دقايق، بلا حاجة لتقسيم المشاهد يدوياً.
استراتيجية وحدة كتدبّر السلسلة كاملة: موديل واحد 9B كيلعب أدوار المنسّق، والمولّد، والناقد، وكيعوّض Workflow ديال Agents متعدد المراحل.
حالة إنتاج مشتركة: الـharness كيحفظ بشكل دائم حالة اللقطات، والموارد، والخط الزمني، ونتيجة الأداة السابقة كتفرض مباشرة قيوداً على القرار الموالي.
فحص الجودة والإصلاح فحلقة مغلقة: الاستراتيجية كتفحص الفيديو الكامل أوتوماتيكياً، كتحدّد الفشل وكتدير إصلاحاً محلياً محدوداً، مع الاحتفاظ بالأجزاء اللي خدامة بلا إعادة إنجازها.
تعديل الفيديو بالحوار مع المخرج: من بعد النسخة الأولى، تقدر تبدّل الموارد، وتعدّل الموسيقى والترجمة من خلال الدردشة، والاستراتيجية كتعيد التخطيط والتسليم بشكل محلي.
تسليم بخط زمني قابل للتعديل: Runtime ديال Studio كيوفّر خطاً زمنياً من 8 مسارات، وكيخلي كل لقطة تعاود التصيير مع إمكانية الرجوع للإصدارات السابقة.
استضافة خاصة بتكلفة منخفضة: كل دقيقة ناجحة كتكلّف تقريباً $0.09 و2.1 دقيقة من الوقت الفعلي، وأوزان 9B مفتوحة المصدر وقابلة للتشغيل محلياً.

تابع WeChat وردّ بـ“开源” باش تنضم لمجموعة التواصل ديال مشاريع الذكاء الاصطناعي مفتوحة المصدر
تعريف المشكل: تدبير الحالة فعملية إنتاج طويلة. الصعوبة فتحويل سكريبت فيديو طويل لفيديو كامل هي أن اختيار الموارد، وتنفيذ الأدوات، وقرارات الإصلاح كيعتمد كل واحد منها على الآخر؛ والصحة المحلية ديال كل لقطة ما كتضمنش أن الفيديو كامل عندو إيقاع منسجم. إلا تقسمات العملية لمراحل متعددة ديال Agents عامة، كل مرحلة خاصها تعاود تسلسل السياق العام كامل، وهاد الشي كيخلّي تكلفة الـtokens والاستدعاءات كتزاد خطياً مع عدد اللقطات. الفكرة الأساسية ديال WeVisCut هي أن استراتيجية وحدة 9B تحافظ على حالة الإنتاج كاملة، وكتحوّل “فهم السياق العام” من عملية كتعاود فكل خطوة إلى عملية مستمرة مرة وحدة.
Harness معتمد على الحالة: حالة إنتاج مشتركة، بحيث الـRuntime كيحافظ على production state مستمرة، وكيكتب فالحالة غير نتائج الأدوات اللي دازت التحقق. الاستراتيجية كتصدر فكل مرة استدعاء واحد لأداة، وكتختار من الحالة الحالية إجراءً قانونياً؛ والاستدعاءات غير القانونية كيرفضها blocker مصنّف، وكيجبرها تكمل التبعيات أولاً قبل ما تعاود المحاولة. الحالة وسياق الموديل منفصلين، وبالتالي الاستراتيجية ما كتحتاجش تعاود تحمل التاريخ كامل.
استراتيجية وحدة بثلاثة أدوار: استراتيجية وحدة بمعاملات مشتركة كتقوم، عبر توجيه الأدوار، بدور المنسّق والمولّد والناقد. فضاء الأفعال ثابت فـ12 أداة، وما كايناش آلة مراحل مبرمجة مسبقاً؛ المسار كامل كتحددو الاستراتيجية بوحدها، والحواجز غير كتمنع الاستدعاءات غير القانونية.
المعطيات التدريبية: Editing Inversion + Verified Replay. الفيديو الكامل كيبين غير النتيجة وما كيكشفش نية المونتاج، لذلك الكاتب كيستعمل خط أنابيب من أربع مراحل لاسترجاع الإشراف: أولاً كيرجع من الفيديو الكامل للسكريبت ونيّة اللقطات، ومن بعد كيعيد التشغيل داخل الـruntime باش يتحقق من قابلية التنفيذ، وملي كيكشف الإعادة عيوباً كيدير إصلاحاً محدوداً وكيحتافظ بالمخرجات الناجحة، وفي الأخير كيحوّل سجلات التنفيذ إلى أمثلة تدريبية مرفوقة بردود الأدوات. تحوّلات 3,750 فيديو كامل إلى 134,771 معطى إشراف قابل للتنفيذ، وهاد الشي كيدرّب الموديل على التعافي من بعد الفشل.
التدريب فثلاث مراحل: SFT موحّد مع RFT متحقق منه داخل الـruntime كيكمل تهيئة استعمال الأدوات وسلوك التعافي؛ Guided-OPD كيدخل تدخل المدرّس لتدريب قرارات التعافي، والتدخل كينقص تدريجياً مع التدريب؛ وRCF-DAPO كيقارن المخرجات المرشحة داخل نفس الدور ونفس سياق الإنتاج لتحسين جودة القرار. المراحل الثلاث رفعات Overall من 74.5 ديال الأساس إلى 90.5.

جيب الكود: كلون المستودع من GitHub: github.com/Tencent/WeVisCut.
وجد البيئة: ثبّت Runtime ديال Studio والتبعيات حسب تعليمات المستودع.
نزّل الموديل: حمّل أوزان 9B ديال tencent/WeVisCut من HuggingFace.
شغّل الخدمة: شغّل سكريبت التشغيل باش تحمّل الاستراتيجية وسجل الأدوات، ومن بعد حل واجهة Studio فالويب.
دخل السكريبت: لسّق أو حمّل سكريبت طويل ديال التعليق الصوتي أو المعرفة فالواجهة.
راقب الإنتاج: الـAgent كيقسم الفصول واللقطات، وكيولّد التعليق الصوتي، وكيقلب على الموارد، وكيبني الخط الزمني مباشرة، مع إمكانية مشاهدة العملية.
عدّل بالحوار: من بعد الفيديو الأول، طلب التعديلات من نافذة الدردشة ديال المخرج، وغادي يعاود يسلّم غير الجزء المعني.
صدّر الفيديو الكامل: أكد على كل لقطة من واجهة الخط الزمني وصدّر الفيديو النهائي، أو رجع لإصدار سابق وعاود التصيير حسب الحاجة.

تكلفة منخفضة بزاف: كل دقيقة فيديو ناجحة كتحتاج غير 2,377 token ديال التوليد و$0.09، وموديل 9B الصغير قابل للنشر بشكل خاص.
تسليم موثوق: Overall ديال 90.5 فخمسة مؤشرات، أعلى بـ16 نقطة من الموديل الأساسي، مع تفوق شامل فمعدل تحقيق الخطط، والاتساق على المدى الطويل، ومعدل إنتاج التصيير.
استراتيجية وحدة كتدبّر كلشي: موديل واحد 9B كيلعب أدوار التنسيق والتوليد والنقد، وكيعوّض Workflow متعدد المراحل ديال Agents، وكيجنب إعادة بناء السياق كل مرة.
تدبير مستمر للحالة: حالة الإنتاج المشتركة كتخلي نتيجة الأداة السابقة تفرض مباشرة قيوداً على القرار الموالي، وكتحافظ على الإيقاع فالسلاسل الطويلة بلا إعادة فهم السياق العام.
كيصلّح راسو: المعطيات التدريبية فيها مسارات التعافي من الفشل، والاستراتيجية كتقدر تفحص الجودة، وتحدد المشكل، وتدير إصلاحاً محلياً محدوداً مع الاحتفاظ بالأجزاء الناجحة.
تعديل تفاعلي للفيديو: من بعد إنتاج الفيديو، تقدر تعدّلو بالحوار بلغة طبيعية، مع إعادة تخطيط محلية بلا إعادة التصوير.

الموقع الرسمي للمشروع: https://tencent.github.io/WeVisCut/
مستودع GitHub: https://github.com/Tencent/WeVisCut
مستودع الموديل فـHuggingFace: https://huggingface.co/tencent/WeVisCut
الورقة التقنية فـarXiv: https://arxiv.org/pdf/2610.38352

إنتاج فيديوهات تبسيط المعرفة بالجملة: تحويل المقالات الطويلة أو سكريبتات التعليق الصوتي ديال التوعية إلى فيديوهات شرح مدتها بضع دقايق، مناسب لـMCN وصنّاع المحتوى اللي كينشرو يومياً.
التكوين داخل الشركات وصناعة الدروس: تحويل مواد التكوين والتعليق الصوتي ديال العروض بسرعة لفيديوهات كاملة، وتقليل تكلفة إسناد فيديوهات التدريب الداخلي للخارج.
تصوير الأخبار والمعلومات بصرياً: إضافة الصور والموسيقى أوتوماتيكياً لسكريبتات الأخبار المالية والتقنية وإخراجها كفيديو كامل، بما يناسب النشر السريع ديال حسابات الأخبار.
التسويق وشرح المنتجات: توليد نسخة أولى من فيديو ترويجي انطلاقاً من نص المنتج بنقرة وحدة، ومن بعد يقدر فريق التسويق يعدّل الموارد والأسلوب بالحوار.
توزيع المحتوى متعدد اللغات خارجياً: من بعد ترجمة السكريبت، إعادة توليد نسخ التعليق الصوتي والترجمة مباشرة، وإعادة استعمال نفس خط الإنتاج بالجملة.