باش نستافد من الترند ديال Minimax H3، من بعد ما جربتو بسرعة كتبت ونشرت المقال دغيا. سمحو ليا، ما كانش خاصني نكتب حلقة سطحية بهاد الشكل. صيغة البرومبتات ديال Minimax H3 فيها شروط صارمة، وما يمكنش نكتبو البرومبتات بالتفكير العادي. لذلك قريت مزيان الدليل الرسمي ديال البرومبتات وكتبت هاد الشرح.
>
نبداو الموضوع
>
بزاف ديال الناس ملي كيكتبو برومبتات ديال الفيديو، كيجمعو الشخصيات والمشهد والحركة والكاميرا والأسلوب كاملين ففقرة وحدة: بنت جالسة فمقهى، وكلب كينقض على البسكويت اللي فإيدها، والمشهد دافئ ومضحك، بإحساس سينمائي، والكاميرا كتقرب...
هاد الطريقة ماشي ممنوعة تماما، ولكن ملي كترفع فآن واحد صورة الشخصية، وصورة المشهد، وفيديو الحركة، ومرجع الصوت، كيولي الموديل بسهولة ما فاهمش:
شنو هي الصورة المسؤولة على ملامح الشخصية؛ وشنو هي الصورة المسؤولة على المشهد؛ وشنو هو الفيديو اللي غير مرجع للحركة؛ وشنو هو الصوت اللي خاصو يبقى كيف ما هو؛ وشنو هي العناصر اللي خاصها تبقى ثابتة؛ وشنو هي العناصر اللي ممكن تتبدل
فالوضعية ديال المرجع الكامل فـ Seedance2.0، الحل هو استعمال طريقة @المصادر
أما فالوضعية ديال المرجع الكامل فـ MiniMaxH3، فالحل هو تكتب البرومبت على شكل دليل واضح ومنظم لصناعة الفيديو
حسب المتطلبات الرسمية، البرومبت الكامل خاصو يتكون من ستة أجزاء، وكيكون الأساس فيه بالإنجليزية؛ غير حوار الشخصيات، والكلمات الغنائية، والنصوص اللي باينة فعلا فالمشهد، يقدرو يبقاو باللغة الأصلية.
>أولا، فهم مبدأ أساسي
>
البرومبتات ديال وضعية المرجع الكامل ما كتجاوبش على السؤال: شنو هي القصة اللي كيحكيها هاد الفيديو؟
ولكن كتجاوب على السؤال: منين خاص الموديل يستخرج شنو من المحتوى، وفاش من وقت، وفأي لقطة، وفين فالفيديو خاصو يستعمل هاد المحتوى؟
لذلك، ما تكتبش غير ملخص القصة: بنت لقات كلب فمقهى
هاد الشي هو الغلط اللي درت ملي جربت بسرعة، وحتى أنا كتبت واحد المقال سطحي باش نستافد من الترند
خاصك تكتب المشهد بطريقة يقدر الموديل ينفذها:
لقطة متوسطة، بنت جالسة فالجهة اليمنى من الصورة فوق كنبة برتقالية، وشادة بسكويت بيدها اليمنى. راجل شاب كيدخل من الجهة اليسرى ديال الصورة وهو شاد كلب سامويد أبيض. الكلب كيقرب فجأة من البسكويت، وكيشد الحبل حتى كيولي مشدود، والبنت كترجع يدها بسرعة للور.
الأول قصة، أما الثاني فهو برومبت ديال فيديو
وصف اللقطة المقبول خاصو، على الأقل، يوضح: نوع اللقطة والتكوين + مظهر الشخصيات ومواقعها + البيئة والإضاءة + حركة واحدة + تبدل الحالة + حركة الكاميرا + الصوت والحوار
فالحقيقة، هاد الشي ما كيختلفش بزاف على بنية برومبتات أغلب موديلات الفيديو، وكيعتبر بنية عامة
ولكن المسؤولين الرسميين ديال هاي لوه خصوصا نبهوا على أن:
>
ما خاصش detailed_description يتحول لملخص للقصة ولا لجدول بسيط كيربط المصادر المرجعية، بل خاصو يكتب بوضوح كل حاجة كيبان وكيتسمع بها فعلا فكل لقطة
>
>ثانيا، الأجزاء الستة ديال البرومبت الكامل
>
البنية القياسية ديال وضعية المرجع الكامل فـ MiniMaxH3 هي:
1، subject_definitions
تعريف المحتوى اللي خاصو يتعرف عليه الموديل ويتبعه بشكل مستقل فالمصادر المرجعية
2، summary فقرة قصيرة كتشرح شنو هو الفيديو اللي خاص يتولد، وشنو الدور ديال كل مصدر مرجعي
3، retention_analysis كتقول للموديل شنو هي الخصائص اللي خاصها تبقى كاملة فالمصادر المرجعية، وشنو غير خاصو يستعمل منو جزء، وشنو من الخصائص خاصو ينقلها لعنصر آخر
4، detailed_description أهم جزء، كيوصف المشهد والحركة والكاميرا والصوت والحوار، لقطة بلقطة، حسب ترتيب تشغيل الفيديو
5، overall_soundscape كيوصف أصوات البيئة والأصوات اللي ممكن تسمع فالعالم الحقيقي، بحال صوت الريح، والخطوات، والضجيج الخلفي داخل المكان
6، non_diegetic_music كيوصف الموسيقى الخلفية اللي كيسمعها غير المشاهد، وما كتسمعهاش الشخصيات اللي فالمشهد
هاد الأجزاء الستة خاصها تترتب دائما بنفس الترتيب
>ثالثا، كيفاش تستعمل العلامات المرجعية الأربعة
>
أهم تقنية فالوضعية ديال المرجع الكامل هي أنك تعطي للمحتوى المرجعي العلامة الصحيحة
المسؤولون الرسميون حددو أربعة ديال العلامات:
<SubjectN>
<PictureN>
<VideoN>
<AudioN>
الترقيم ديال N كيبدا من 1
<SubjectN>: المحتوى اللي خاصو يبان فعلا فالفيديو
Subject ماشي هو “الملف”، ولكن هو العنصر البصري المستخرج من الملف واللي خاصو يتستعمل فالنسخة النهائية. ويقدر يكون: شخصية؛ حيوان؛ جسم؛ مشهد؛ لباس؛ إكسسوار؛ مؤثر بصري؛ أسلوب الصورة؛ حركة؛ تعبير أو وضعية
مثلا، إلا رفعت صورة لشخصية ذئب صغير، تقدر تكتب البرومبت هكا:
<Subject1>is the young wolf demon in<Picture1>,with grey fur,drooping ears,worn brown clothes,and anervous expression.
المعنى هو: Subject1 هو الذئب الشاب الموجود فـ Picture1، بفرو رمادي، وودنين هابطين، وحوايج بنية مهترئة، وتعبير متوتر
الصورة الواحدة تقدر توفر أكثر من Subject واحد
مثلا، من صورة ديال مقهى، تقدر تستخرج:
<Subject1>is the young woman in<Picture1>.
<Subject2>is the coffee-shop environment in<Picture1>.
ونفس الـ Subject يقدر يجي فآن واحد من أكثر من مصدر:
<Subject1>is the woman whose appearance comes from<Picture1>and whose walking motion comes from<Video1>.
المعنى هو: <Subject1> هي امرأة، مظهرها جاي من <Picture1>، وحركة المشي ديالها جاية من <Video1>
يعني: Picture1 مسؤولة على ملامح الشخصية؛ وVideo1 مسؤول على حركة المشي ديالها
هاد الشي واحد من أكثر القدرات العملية فالوضعية ديال المرجع الكامل فـ Minimax H3: تركيب خصائص مصادر مختلفة فشخصية واحدة مستهدفة
<PictureN>: مرساة بصرية محددة
فـ Minimax H3، ماشي حيث رفعت صورة خاصك بالضرورة تعرف <PictureN> بوحدها
غير ملي تكون الصورة نفسها غادي تقوم بواحد من الأدوار التالية، خاصك تعرفها بشكل مستقل على أنها Picture:
الإطار الأول ديال الفيديو؛ الإطار الأخير ديال الفيديو؛ إطار أساسي؛ مرجع لتكوين اللقطة؛ صورة الستوريبورد؛ مشهد خاصو يتعدل مباشرة
مثلا:
<Picture2>is the first frame of[Shot1],showing the wolf demon standing outside there cruitment hall.
المعنى هو: <Picture2> هي اللقطة الأولى ديال [Shot1]، وكتبيّن الذئب واقف برا قاعة الانتقاء
إلا كانت الصورة غير كتحدد ملامح الشخصية، ما كايناش حاجة تكتب سطر مستقل ديال Picture، غير دخلها فتعريف Subject:
<Subject1>is the wolf demon in<Picture1>.
أكثر غلط شائع هو أنك ترفع خمس صور وتعرف آليا خمس ديال Picture
الطريقة الصحيحة هي أنك تفهم أولا: واش هاد الصورة كتقدم مشهدا محددا، ولا غير كتقدم ملامح الشخصية أو اللباس أو المشهد أو الأسلوب؟
إلا كانت كتقدم غير الخصائص، استعمل Subject
أما إلا كانت كتتحكم مباشرة فإطار معين ولا فتكوين لقطة معينة، استعمل Picture
<VideoN>: المصدر البنيوي ديال الفيديو كامل
Video كيتستعمل أساسا لوصف العلاقة بين فيديو مرجعي كامل والفيديو المستهدف، بحال:
تعديل الفيديو الأصلي؛ تكملة الفيديو الأصلي؛ تقليد حركة الكاميرا فالفيديو الأصلي؛ تقليد إيقاع المونتاج؛ تقليد ترتيب اللقطات؛ تقليد البنية الزمنية ديال الفيديو كامل
مثلا:
<Video1>is the source video for the target video edit.
المعنى هو: <Video1> هو الفيديو المصدر لتعديل الفيديو المستهدف
ولكن، إلا كنت باغي غير تستعمل حركة شي شخص فالفيديو المرجعي، فهاد الشخص أو الحركة خاصها تبقى معرفة على أنها Subject:
<Subject2>is the nervous hand-rubbing motion from<Video1>.
المعنى هو: <Subject2> هي حركة فرك اليدين بتوتر الموجودة فـ <Video1>
ماشي حيث المصدر ديال المحتوى هو فيديو، خاصك تحول كلشي اللي فيه إلى <Video1>
تقدر تفهمها هكا: <VideoN> كيتكلف ببنية الفيديو كامل والعلاقات الزمنية ديالو؛ و<SubjectN> كيتكلف بالمحتوى المحدد اللي خاصو يتستخرج من الفيديو ويتستعمل
<AudioN>: مصدر الصوت
Audio يقدر يتكلف بـ:
نسخ الصوت كامل كما هو؛ نسخ جزء منو؛ تقليد خامة صوت الشخصية؛ تقليد إيقاع الكلام؛ تقليد الإحساس ونبرة الصوت؛ تقليد أسلوب الموسيقى؛ تقليد طبيعة المؤثرات الصوتية؛ مواصلة إيقاع الصوت الأصلي
مثلا:
<Audio1>is the voice-timbre reference for<Subject1>(S1).
المعنى هو أن Audio1 مسؤول غير على خامة صوت Subject1 فالكلام ديالو
رد بالك: كون ملف الفيديو اللي رفعت فيه الصوت، ما كيعنيش بالضرورة خاصك تعرف Audio بوحدو
غير ملي يكون الصوت فعلا خاصو يتنسخ ولا يتستعمل كمرجع، عاد خاصك تعرف <AudioN>
وزيد عليها، Video وAudio كل واحد عندو ترقيم مستقل، وماشي ضروري الأرقام ديالهم تكون متطابقة
>رابعا، حدد أولا النوع ديال المهمة ديالك
>
واش ماشي هاد الشرح، قبل ما تشوفو كان كلشي ساهل، ومن بعد ما قريتيه حسّيتي براسك ما بقيتي فاهم والو؟
راه بسيط
فالبداية ديال summary، خاصك تستعمل الأقواس المربعة باش توضح نوع المهمة
كاينين ستة ديال الأنواع الشائعة
1، keyframe completion
الصورة المرجعية كتستعمل مباشرة كإطار أول أو أخير أو كإطار أساسي
[keyframe completion]
2، reference generation
مرجع للشخصيات أو المشاهد أو الأسلوب أو الحركة أو حركة الكاميرا أو خصائص الصوت
ولكن بلا ما تعدل أو تكمل الفيديو الأصلي مباشرة
[reference generation]
وهذا هو النوع الأكثر استعمالا فالتوليد العادي بالاعتماد على مصادر متعددة
3، video editing
تعديل فيديو موجود من قبل بشكل مباشر
[video editing]
4، video continuation
مواصلة التوليد انطلاقا من نهاية الفيديو الأصلي
[video continuation]
5، audio reuse
نسخ الإشارة الصوتية الأصلية مباشرة
[audio reuse]
6، audiore ference
ما كينسخش الصوت الأصلي، غير كيرجع لخامة الصوت أو الإيقاع أو النبرة أو أسلوب الموسيقى
[audio reference]
فمهمة وحدة، تقدر تجمع أكثر من نوع:
[video continuation+keyframe completion+audio reference]
ماشي حيث رفعت فيديو خاصك مباشرة تكتب video editing
إلا كنت غير كترجع لحركة الكاميرا ولا الإيقاع ديال الفيديو، فعادة كتكون المهمة ما زالت reference generation
غير إلا كنت كتعدل الفيديو الأصلي مباشرة، كتكون videoediting
وغير إلا كنت كتكمل من نهاية الفيديو الأصلي، كتكون video continuation
>خامسا، كيفاش تقول للموديل “شنو هي الحوايج اللي ما خاصهاش تتبدل”
>
الدور ديال retention_analysis هو يوضّح شحال خاصنا نحتافظو بالمراجع البصرية
المراجع البصرية كتستعمل هاد العلاقات الربعة
1، fully_preserved
الاحتفاظ الكامل، وكيصلح فهاد الحالات: خاص نفس الشخصية تبقى؛ اللباس ما يتبدلش؛ توزيع المشهد ما يتبدلش؛ أول لقطة ولا آخر لقطة خاصها تطابق بشكل صارم
<Subject1>:fully_preserved the character's grey fur,drooping ears,brown clothes,and facial identity areretained.
المعنى هو: الفرو الرمادي ديال الشخصية فـ <Subject1>، والودنين الهابطين، والحوايج البنية، والملامح ديال الوجه، كاملين كيبقاو محفوظين
2، partially_preserved
الاحتفاظ بجزء من المرجع، مع السماح بالتعديل.
مثلاً: نحافظو على هوية الشخصية ولكن نبدلو اللباس؛ نحافظو على بنية المشهد ولكن نبدلو الوقت والضو؛ نحافظو على الحركة الأساسية ولكن نبدلو السرعة
3، attribute_transfer
ننقلو خصائص المرجع لشيء أو شخصية أخرى
مثلاً: ننقلو حركات شخص راشد فالفيديو المرجعي لذيب صغير من الجن؛ نلبسو شخصية أخرى الحوايج اللي فالصورة المرجعية؛ ننقلو تعبير معيّن للشخصية المستهدفة
4، weak_reference
نحافظو غير على تشابه عام، وكيصلح فهاد الحالات: غير مرجع للأجواء؛ غير مرجع لأسلوب الرسم؛ غير مرجع للتكوين العام؛ غير مرجع لإيقاع اللقطات
إلا حمّلتي ملف صوتي وماشي فيديو، استعمل:
fully_copy: نسخ كامل؛
partially_copy: نسخ جزء من المحتوى؛
reference: غير مرجع للون الصوت، ولا الإيقاع، ولا الأسلوب؛
weak_reference: الحفاظ غير على الأجواء العامة
هاد الجزء ماشي باش تقيّم جودة التوليد، ولكن باش تقول للموديل من اللول: شنوما علاقات المرجع اللي خاصها تكون قيود قوية، وشنوما غير مراجع ضعيفة
>سادساً، اللي كيحسم النتيجة بصح هو detailed_description
>
detailed_description هو صلب الـprompt
التوصية الرسمية هي أنه ملي كتولّد فيديو، تكتب الـprompt فحوالي 350 حتى 500 كلمة بالإنجليزية، ولكن ما تعمّرش الكلمات بشكل آلي؛ فالفيديوهات اللي فيها بزاف ديال الحوار، خاص الأولوية تكون باش الوقت ديال الحوار يتسع بشكل منطقي
أما مهام تحرير الفيديو، فكتتضبط حسب تعقيد الفيديو الأصلي
1، حدّد الأسلوب العام بجملة ولا جوج
حط وصف الأسلوب قبل أول لقطة:
The target video uses a stylized 3D animated mockumentary style, with slightly exaggerated expressions, warm daylight, and dry absurdist comedy.
المعنى: الفيديو المستهدف غادي يكون بأسلوب وثائقي ساخر متحرك ثلاثي الأبعاد، بتعابير مبالغ فيها شوية، وضو النهار دافئ، وكوميديا عبثية جافة
ما تجمعش عشرات كلمات الأسلوب اللي كيتعارضو مع بعضياتهم، بحال:
cinematic, anime, photorealistic, watercolor, clay animation, cyberpunk, Chinese ink painting
سينمائي، أنمي، واقعي، ألوان مائية، تحريك بالطين، سايبر بانك، رسم بالحبر الصيني
الطريقة الصحيحة هي:
A stylized 3D animated mockumentary with rough hand-painted textures and natural daylight.
حدّد أسلوب رئيسي واحد، وزيد عليه غير خاصية ولا جوج ديال الملمس، وهادي كافية
2، ما تكتبش الوقت فاللقطة الأولى
[Shot1]
فاللقطات اللي من بعد، بيّن وقت الانتقال:
[Shot2]At 00:03.000,...
[Shot3]At 00:06.500,...
الطابع الزمني كيمثّل الوقت اللي كتبدا فيه اللقطة الجديدة
3، كتب كل لقطة بترتيب ثابت
المبتدئين يقدرو يستعملو الترتيب التالي، وكيعاون بزاف باش يتفادو المشاكل:
المرحلة الأولى: حجم اللقطة والتكوين
A medium shot shows...
A close-up frames...
A wide shot establishes...
المرحلة الثانية: بلاصة الشخصية
<Subject 1> stands on the left side of the frame.
المرحلة الثالثة: مظهر الشخصية
ملي كتظهر الشخصية أول مرة، عاود باختصار أهم السمات اللي كتميّزها:
<Subject 1>, the grey-furred young wolf demon in worn brown clothes, ...
فاللقطات اللي من بعد ما كايناش حاجة تعاود تعرّفها كاملة
المرحلة الرابعة: حركة وحدة
He slowly hands the recommendation letter to the interviewer.
ما ترتبش فلقطة قصيرة وحدة بزاف ديال الحركات فآن واحد: يدخل، يجلس، يمدّ الوثائق، يدور راسو، يطيح، يوقف، يهضر، ويخرج من الباب...
الموديل ماشي حيث ما كيعرفش هاد الحركات، ولكن حيث صعيب عليه يرتبها مزيان فبضع ثواني
الطريقة الأكثر أماناً هي تقسّم اللقطات. وهادي حتى هي الطريقة اللي كتستعملها موديلات أخرى لصناعة مشاهد متعددة الحركات:
اللقطة 1: يدخل للغرفة؛
اللقطة 2: يجلس؛
اللقطة 3: يمدّ رسالة التوصية؛
اللقطة 4: المسؤول على المقابلة كيهبط راسو وكيشوف فيها.
المرحلة الخامسة: تبدّل التعابير والحالة
ما تكتبش غير «متوتر»، ولكن وصف التغيير اللي يقدر يبان:
His ears droop slightly, his shoulders tighten, and he avoids eye contact.
المرحلة السادسة: حركة الكاميرا
The camera slowly pushes in.
The camera makes a slight handheld pan to the right.
The camera remains static.
إلا كان ضروري، وضّح السرعة والحجم؛ وإلا ما كانتش حركة الكاميرا ضرورية، كتب مباشرة أن اللقطة ثابتة
المرحلة السابعة: الصوت والحوار
وضّح مصدر الصوت، وطريقة الكلام، والحوار بالضبط
>سابعاً، الطريقة المعيارية لكتابة الحوار
>
كل شخص كيهضر بصوت مسموع خاصو رقم ثابت ديال المتكلم:
(S1)
(S2)
(S3)
الرقم كيتحدد حسب الترتيب اللي كتخرج فيه الشخصيات بأول صوت، ومن بعد ما خاصوش يتبدل عشوائياً.
مثلاً:
<Subject 1> (S1) says in a nervous young male voice, <d>[Chinese] 我有三封推荐信，两封是我自己写的。</d>
هنا:
<Subject1> كتشير للشخصية المرجعية اللي باينة فالصورة؛
(S1) كيشير لمصدر الصوت؛
[Chinese] كتشير للغة الحوار؛
<d>...</d> كتحيط بالحوار كامل.
إلا بقات نفس الشخصية كتهضر من بعد، خاصها تبقى كتستعمل (S1)
إلا كانت الشخصية كتهضر من خارج الكادر:
<Subject 1> (S1), speaking off-screen, says...
خاص الانتباه:
الحوار، والتعليق الصوتي، وكلمات الأغاني كاملين كيتكتبو داخل <d>؛ خاص اللغة الأصلية تبقى، وما كايناش حاجة تترجمها للإنجليزية؛ إلا كان الحوار الأصلي ما مسموعش مزيان، كتب [unclear] وما تخمّنش من راسك؛ إلا كنت غير كتستعمل لون الصوت كمرجع، ما تدخلش الحوار الأصلي من الصوت المرجعي فالفيديو الجديد؛ ونهاية الحوار خاصها تكون بنقطة، ولا علامة استفهام، ولا علامة تعجب عادية
المنصة الرسمية كتعتبر «الموضوع البصري» و«مصدر الصوت» جوج أنظمة مختلفين للتتبع: Subject كيتكلف بشكون هي الشخصية، وS1/S2 كيتكلف بشكون خارج منو الصوت. صراحة، الأمر مزعج شوية
>ثامناً، خاص الصوت المحيطي والموسيقى الخلفية يتفصلو
>
1، overall_soundscape
وصف الأصوات اللي كاينة فعلاً فالعالم اللي باين فالمشهد،
overall_soundscape: Quiet indoor room tone, faint paper rustling, wooden chair creaks, and distant crowd noise from outside the recruitment hall.
الصوت المحيطي العام: جو هادئ ديال غرفة داخلية، حفيف خفيف ديال الورق، صرير كراسي خشبية، وضجيج بعيد ديال الناس جاي من برا قاعة التوظيف.
المقصود بالأصوات الموجودة فعلاً فالعالم ديال المشهد كيشمل: صوت الريح؛ صوت الشتا؛ ضجيج الزنقة؛ الضجيج الخلفي فالداخل؛ صوت الخطوات؛ صوت حل الباب؛ احتكاك الحوايج؛ صوت اصطدام الأشياء
2، non_diegetic_music
وصف الموسيقى اللي غير الجمهور هو اللي كيسمعها
non_diegetic_music: A restrained plucked-string comedy score at a medium-slow tempo, with brief pauses before each punchline.
استعمال BGM كيكون أحسن إلا وضّحتي: شنو الآلات المستعملة؛ سرعة الموسيقى؛ الإحساس العام؛ تبدّل مستوى الصوت؛ واش كيزيد تدريجياً؛ وواش كيتوقف قبل كل لحظة مضحكة
ما تعاودش الحوار كامل فهاد الجوج الأجزاء، الحوار كيتحط غير فـ detailed_description
>تاسعاً، تمانية ديال الأخطاء اللي كيديروها المبتدئين بسهولة فالبداية
>
الخطأ الأول: تعريف جميع الملفات المرجعية على أنها Picture
إلا كانت الصورة غير مسؤولة على مظهر الشخصية، خاصها تتعرّف على أنها Subject، وماشي Picture بوحدها
الخطأ الثاني: كتابة الشخصيات اللي فالفيديو المرجعي على أنها Video
الشخصيات، والأشياء، والحركات كينتميو لـ Subject؛ أما Video فكيشير بالأساس لتحرير الفيديو كامل، أو الاستمرار، أو الإيقاع، أو بنية اللقطات
الخطأ الثالث: كتابة «استعمل هاد الصورة كمرجع» فقط
الموديل ما غاديش يعرف بالضبط شنو بغيتي تاخذ من المرجع
الطريقة الخاطئة: Use Picture 1 as reference.
الطريقة الصحيحة: <Subject 1>'s facial identity, grey fur, drooping ears, and worn brown clothes come from <Picture 1>.
الخطأ الرابع: تكليف مرجع واحد بمهام كثيرة وغامضة
ما تكتبش: Use Video1 for everything.
خاصك تفصل جميع عناصر المرجع: حركة الشخصية جاية من Video1؛ إيقاع المونتاج غير مرجع ضعيف من Video1؛ الصوت ما كيتنسخش؛ والمشهد جاي من Picture2
الخطأ الخامس: كتابة القصة بلا وصف الصورة
prompt بحال «شارك فمقابلة عبثية» الموديل ما يقدرش ينفّذو مباشرة
خاصك توضّح: فين واقف؛ فين كاين المسؤول على المقابلة؛ شكون غادي يتحرك الأول؛ شحال من قوة فالحركة؛ واش الكاميرا غادي تتحرك؛ وفاش غادي يهضر
الخطأ السادس: حشر بزاف ديال الحركات فلقطة وحدة
كل لقطة خاصها تتحمل حركة وحدة؛ والأحداث المعقدة خاصها تتقسم وتتدار عبر عدة لقطات
الخطأ السابع: تبديل أرقام الشخصيات باستمرار
إلا كانت نفس الشخصية هي (S1)، خاصها تبقى (S1) فالفيديو كامل
الخطأ الثامن: الخلط بين «نسخ الصوت» و«الرجوع للصوت كمرجع»
إلا بغيتي تحتافظ بالمسار الصوتي الأصلي، كتب audio reuse
إلا بغيتي غير تستعمل لون الصوت ولا طريقة الكلام كمرجع، كتب audio reference
>عاشراً، قالب كامل يقدر المبتدئ يستعملو مباشرة
>
هادي غالباً هي الفقرة اللي كيعجبوها المبتدئين أكثر 😂
>
تعريفات العناصر:
<Subject1> هو [الشخصية أو الحيوان أو الشيء أو المشهد اللي خاص يتولّد]، واللي [الملامح ديال الشكل، اللباس، الهوية، وغيرهم] ديالو جاية من <Picture1>. <Subject2> هو [العنصر البصري الثاني]، واللي [الحركة أو التعبير أو المظهر] ديالو جاي من <Video1>. <Picture2> هي [الإطار الأول/الإطار المفتاحي/الإطار الأخير/مرجع التكوين] ديال [ShotN]. <Video1> هو الفيديو المصدر المستعمل كمرجع لـ[حركة الكاميرا/إيقاع المونتاج/البنية الزمنية]. <Audio1> هو مرجع طبقة الصوت ديال <Subject1> (S1).
الملخص:
[التوليد بالمرجع + المرجع الصوتي] الفيديو المستهدف كيبين [الشخصيات، المشهد والحدث الرئيسي]. <Picture2> كيحدّد [الدور البصري المحدد]. <Video1> كيوفّر [الدور المرجعي ديال الفيديو]. <Audio1> كيوفّر [الدور المرجعي ديال الصوت].
تحليل الحفاظ على العناصر:
<Subject1> (كيبان فـ[Shot1] و[Shot2]): محفوظ بالكامل [الخصائص اللي خاصها تبقى]. <Subject2> (كيبان فـ[Shot2] و[Shot3]): محفوظ جزئياً [شنو غادي يبقى وشنو مسموح يتبدل]. <Picture2> ([الإطار الأول ديال Shot1]): محفوظ بالكامل [التكوين والموقع اللي خاصهم يبقاو مطابقين]. <Video1> (حركة الكاميرا والإيقاع): مرجع ضعيف [غير خاص ناخدو منو فكرة عامة]. <Audio1>: مرجع [غير كنرجعو لطبقة الصوت، الإحساس وإيقاع الكلام، بلا ما ننسخو الإشارة الأصلية].
الوصف المفصل:
الفيديو المستهدف كيستعمل [الأسلوب الرئيسي] مع [الإضاءة والألوان والملمس العام]. [Shot1] لقطة [حجم اللقطة] كتبرز [البيئة والتكوين]. <Subject1>، [الخصائص الرئيسية ديال المظهر]، واقف ولا جالس فـ[موقعو فالصورة]. [الشخصية كتقوم بحركة رئيسية]. الكاميرا [طريقة الحركة]. [أصوات البيئة]. [Shot2] فـ00:03.000، كتقطع اللقطة لـ[حجم لقطة] ديال <Subject2>. [موقع العنصر، الحركة والتغيير فالحالة]. <Subject1> (S1) كيهضر بـ[طبقة صوت، إحساس وسرعة]، <d>[بالصينية] الحوار المحدد.</d> [Shot3] فـ00:06.000، كتقطع اللقطة لـ[تكوين جديد]. [الشخصية كتقوم بحركة رئيسية]. <Subject2> (S2) كيرد بـ[وصف الصوت]، <d>[بالصينية] الحوار المحدد.</d> الكاميرا [حركة الكاميرا أو كتبقى ثابتة]. اللقطة كتسالي بـ[الحالة الأخيرة للصورة].
المشهد الصوتي العام: [الضجيج الخلفي ديال البيئة، الخطوات، احتكاك الملابس، اصطدام الأشياء وباقي الأصوات الواقعية].
الموسيقى غير الدايجيتيكية: [الآلات الموسيقية، الإيقاع، الإحساس، مستوى الصوت وطريقة تطور الموسيقى].
>
>حادي عشر، مثال كامل: ذيب صغير من الجن كيدوز مقابلة فـجبل هواغو
>
نفترضو باللي ترفعات:
Picture1: صورة ديال ذيب صغير من الجن؛
Picture2: قاعة التوظيف فـجبل هواغو؛
Video1: فيديو ديال واحد المترشح للخدمة كيسلّم السيرة الذاتية بتوتر؛
Audio1: مرجع صوت ذيب الجن الصغير.
تقدر تكتبها بهاد الشكل:
تعريفات العناصر:
<Subject 1> هو ذيب الجن الصغير اللي فـ<Picture 1>، بفرو رمادي، وذنين هابطين، جسم نحيف، حوايج بنية بالية، وتعبير ديال التوتر ما كيتبدلش.
<Subject 2> هو القرد اللي كيدير المقابلة، لابس جلابية رسمية حمرا وجالس مور مكتب توظيف كبير من الخشب.
<Subject 3> هو فضاء قاعة التوظيف اللي فـ<Picture 2>، فيها حيطان حجرية، رايات حمر، مقاعد خشبية عامرة، ولافتة كبيرة مكتوب فيها “مصلحة توظيف المواهب فـجبل هواغو”.
<Subject 4> هو حركة تسليم الوثائق بتوتر اللي فـ<Video 1>، وكتنتاقل لـ<Subject 1>.
<Audio 1> هو مرجع طبقة الصوت ديال <Subject 1> (S1)، وكيوفّر صوت راجل شاب بهضرة حذرة وشوية مرتعشة.
الملخص:
[التوليد بالمرجع + المرجع الصوتي] الفيديو المستهدف كيبين <Subject 1> كيدوز مقابلة ديال الخدمة مع <Subject 2> داخل <Subject 3>. حركة تسليم الوثائق بتوتر ديال <Subject 4> كتنتاقل لـ<Subject 1>. <Audio 1> كيوفّر مرجع طبقة الصوت ديال <Subject 1>. المشهد كيستعمل كوميديا عبثية جافة، وكيسالي ملي كيرفض المسؤول السيرة الذاتية حيث ما فيهاش رسالة توصية قوية بما يكفي.
تحليل الحفاظ على العناصر:
<Subject 1> (كيبان فـ[Shot 1] و[Shot 2] و[Shot 3]): محفوظ بالكامل - الهوية ديال وجه ذيب الجن، الفرو الرمادي، الودنين الهابطين، الجسم النحيف، الحوايج البنية البالية والتعبير المتوتر باقين محفوظين.
<Subject 2> (كيبان فـ[Shot 1] و[Shot 2] و[Shot 3]): محفوظ بالكامل - الجلابية الرسمية الحمرا ديال القرد المسؤول، الجلسة ديالو والتعبير البيروقراطي باقين محفوظين.
<Subject 3> (كيبان فـ[Shot 1] و[Shot 2] و[Shot 3]): محفوظ بالكامل - قاعة التوظيف الحجرية، المكتب الخشبي، الرايات الحمر، المقاعد واللافتة الصينية الظاهرة ديال التوظيف باقين محفوظين.
<Subject 4> (كيبان فـ[Shot 1]): نقل الخصائص - حركة تسليم الوثائق بحذر كتنتاقل لـ<Subject 1>.
<Audio 1>: مرجع - المتكلم المستهدف كيتبع الجودة الصوتية الشابة، الحذرة والشوية المرتعشة، بلا ما ينسخ الإشارة الصوتية الأصلية.
الوصف المفصل:
الفيديو المستهدف كيستعمل أسلوب رسوم متحركة ثلاثية الأبعاد بحال روبورتاج ساخر، بملمس خشن مرسوم باليد، وضو النهار الدافئ داخل من الباب الحجري، وتعبيرات وجه مبالغ فيها شوية، مع كوميديا عبثية جافة.
[Shot 1] لقطة ثابتة متوسطة-واسعة كتعرّف بـ<Subject 3>، قاعة التوظيف الحجرية العامرة بالناس، فيها رايات حمر، مقاعد خشبية ولافتة كبيرة مكتوب فيها “مصلحة توظيف المواهب فـجبل هواغو”. <Subject 2>، القرد المسؤول على المقابلة لابس جلابية رسمية حمرا، جالس مور مكتب خشبي كبير فالجهة اليمنى ديال الصورة. <Subject 1>، ذيب الجن النحيف بفرو رمادي وحوايج بنية بالية، واقف فالجهة اليسرى. باستعمال حركة تسليم الوثائق بتوتر المنقولة من <Subject 4>، كيمد السيرة الذاتية المطوية بشوية للمسؤول بجوج يديه. ودنيه هابطين وكتافو باقين مشدودين. كيتسمع حفيف خفيف ديال الورق ملي كتوصل السيرة للمكتب.
[Shot 2] فـ00:03.000، كتقطع اللقطة لمقربة ديال <Subject 2>. كيهبط عينيه نحو السيرة الذاتية بلا ما يلمسها. التعبير ديالو باقي جدي وشوية نافد الصبر. <Subject 2> (S2) كيسول بصوت بيروقراطي مسطّح، <d>[بالصينية] واش عندك رسالة توصية ديال الكبير؟</d> كيرفع حاجب واحد وكيضرب المكتب مرة وحدة بصبعو السبابة. الكاميرا كتبقى ثابتة.
[Shot 3] فـ 00:06.000، كتقطع اللقطة لبلان قريب على <Subject 1>. كيشد مزيان فالسيرة الذاتية، كيهبط راسو، وكيجاوب بنفس الصوت الحذر واللي فيه شوية ديال الرعشة المشار ليه فـ <Audio 1>. <Subject 1> (S1) كيقول، <d>[Chinese] لا، ولكن نقدر نخدم بجدّ.</d> من بعد وقفة قصيرة، كترجع اللقطة أوسع شوية ملي <Subject 2> كيدزّ السيرة الذاتية من جديد فوق المكتب بصبع واحد وكيقول، <d>[Chinese] حنا ما ناقصاناش الشقا، ناقصانا المعارف.</d> <Subject 1> كيبقى جامد ويديه بجوج ممدودين، وكتشدّ اللقطة الأخيرة ثانية وحدة.
overall_soundscape:
همهمة خفيفة ديال الناس فالداخل كتكمل طول الوقت فقاعة التوظيف. حفيف الوراق، صرير الكراسي الخشبية، خطاوي بعيدة، ونقرة ناشفة وحدة بالصبع فوق المكتب، كاملين باينين بوضوح.
non_diegetic_music:
موسيقى كوميدية هادئة بآلات وترية منقورة، بإيقاع متوسط وبطيء شوية، كتلعب بخفوت تحت المشهد. كتوقف الموسيقى لحظة قبل الجملة الأخيرة ديال المسؤول على المقابلة، ومن بعد كتجي نغمة قصيرة وحدة بآلة إيقاعية خشبية فالإطار الأخير الجامد.
يعني آ صاحبي، إلا بغيتي تستعمل MiniMax H3 مزيان، خاصك تخدم بالإنجليزية
ولكن ماشي مشكل كبير، تقدر تكتب الأول بالصينية حسب الفورما ومن بعد تترجمها، غير أسرع طريقة هي تعطي المثال الكامل اللي فوق للـAI باش يقلدو، ومن بعد تبدل العناصر 😂
>ثناش، وفالأخير تذكّر هاد الطريقة ديال الخمس خطوات
>
قدّام أي مادة مرجعية معقدة، ما تبداش مباشرة تكتب برومبت طويل
كمّل الأول هاد الخمس خطوات:
الخطوة الأولى: فكّك المادة
شنو بالضبط كتقدّم كل مادة: الشخصيات، المشهد، الحركة، التكوين، حركة الكاميرا، الإيقاع ولا الصوت؟
الخطوة الثانية: حدّد الوسوم
المحتوى البصري اللي قابل لإعادة الاستعمال استعمل ليه Subject، ومرساة الصورة المحددة استعمل ليها Picture، والعلاقة ديال الفيديو كامل استعمل ليها Video، والصوت استعمل ليه Audio
الخطوة الثالثة: حدّد درجة الاحتفاظ
شنو اللي خاصو يبقى كامل، وشنو مسموح يتبدل، وشنو غير مرجع ضعيف؟
الخطوة الرابعة: فكّك اللقطات
رتّب الأحداث حسب الترتيب الحقيقي ديال العرض، وفكّك الأحداث المعقدة لعدة لقطات، كل وحدة فيها حركة وحدة
الخطوة الخامسة: زِد الصوت
فرّق بين حوار الشخصيات، وصوت المحيط، والموسيقى الخلفية اللي غير الجمهور يقدر يسمعها
المنطق الأساسي ديال برومبت الاستعمال الكامل فـ MiniMax H3 يمكن نختاصروه فجملة وحدة:
ما تقولش للموديل شنو الملفات اللي رفعت، قول ليه شنو الدور ديال كل مادة، وفأي لقطة من العمل النهائي وكيفاش خاصها تخدم
استعمال MiniMax H3 عندو شروط صارمة فالفورما، ومختلف كلياً على استعمال موديلات بحال Seedance2.0. دابا، خاص الالتزام بهاد الفورما باش تكون عندك فرصة تخرج فيديو مزيان
إلا ما بغيتيش هاد الصداع كامل، تسنّى شوية، غادي يجي شي واحد متمكن ويحسّن هاد الطريقة
>وصافي
end