الإخراج بالذكاء الاصطناعي والجودة
من المصدر إلى المشهد: لماذا تحتاج الرواية المرئية المولدة إلى مخرج
إنشاء صورتين جميلتين أمر سهل نسبيًا. تبدأ الصعوبة بعد الصورة العاشرة: يجب أن تبقى الشخصية هي نفسها، والمكان هو نفسه، ويحافظ الغرض على هويته وحالته، ويواصل كل إطار النص والمشهد السابق. إرسال الفقرات منفصلة إلى نموذج الصور يصنع ألبومًا من الرسوم، لا رواية مرئية تعمل كوحدة واحدة.
أثناء اقتباس أدبي رأيت شخصيات يتغير حجمها، وأجسادًا معلقة في الهواء، وساحلًا يتبدل بين لقطتين، وموسيقى تبدأ من جديد، وخاتمًا مهمًا ينتقل بين اليد والأصبع أو يتكاثر. لذلك حولت عملية التوليد إلى pipeline يضم محلل نص وفنانًا ومركّب صور ووكيل MCP ومدققًا تقنيًا ومخرج AI.
1. المصدر يسبق الصورة
قد يكون الإدخال نصًا أو HTML أو Markdown أو PDF نصيًا. أسجل أولًا اللغة والطبعة وترتيب الفصول وحقوق الأصل والترجمة والصور. ينشئ romergo_inspect_story_source وromergo_plan_story_source قائمة ومعاينة من دون كتابة المشروع. لا أضيف فروعًا مختلقة إلى مصدر خطي.
يُقسم النص عند تغير حقيقي في المكان أو الزمن أو المشاركين أو الفعل. يحتفظ كل مشهد بـsourceExcerpt الدقيق وعقد مرئي يصف الحضور والمتكلم والمستمع والفعل واتجاه النظر والدعامة الجسدية والوجوه التي يجب أن تبقى في قص الهاتف والعلامات التي تربط المشاهد المتجاورة.
2. للشخصيات والأماكن والأغراض ذاكرة
يعيد مدقق نص مستقل قراءة المقطع ويستخرج كل غرض يتفاعل معه شخص. يحصل كل prop على وصف ثابت وسمات لا تتغير وحامل وحالة ووضوح وعدد نسخ. يجب أن يبقى الخاتم الذهبي هو الخاتم الواحد نفسه قبل التسليم وأثناءه وبعده.
ترتبط خريطة المشاهد ومراجع الشخصيات والأماكن وسجل الأغراض وmanifest الأصول ومهام التوليد وتقارير التدقيق بمعرفات ثابتة وhash للنص. لا تستبدل هذه الوثائق العمل الأدبي؛ إنها سقالات تمنع ضياع القرار بين الوكلاء.
3. نمطان للتكوين
يدمج baked_narrative الشخصيات في الخلفية للسرد بلا حوار مباشر، فيصبح اتصال الجسم بالأرض أو السرير أو الصخرة أو الكرسي جزءًا من صورة واحدة. يفصل layered_dialogue الخلفية عن sprites المتكلم والمستمع ليحافظ على الاسم والصورة الصحيحين. النمط المختلط ممكن، لكن يجب أن يكون قرارًا صريحًا.
يبدأ التوليد من المقطع الدقيق ومرجع المكان وحالة الأغراض الحالية. يبحث QA للملف عن تشريح مكسور وحواف شفافية وصورة مقصوصة ونص عرضي ونباتات مكررة. ومع ذلك لا يستطيع PNG منفرد تقييم الإخراج النهائي.
4. يجمع MCP مشروعًا قابلًا للتحرير
تدخل الأصول المعتمدة إلى المسودة. تنشئ أدوات MCP الفصول والمشاهد والنص والانتقالات وtimeline والموسيقى والمواضع. ثم يقرأ الوكيل الحالة عبر romergo_get_chapter ويشغل romergo_validate_project وينهي بـromergo_verify_quest_change. نجاح الأداة وحده لا يثبت صحة الحالة المحفوظة وruntime.
5. يقرأ المخرج النص ويرى Player
تشغّل المراجعة النهائية الفصل كاملًا على desktop وعلى 390 × 844. تكشف لقطات 0 و100 و500 مللي ثانية بعد دخول المشهد شاشة سوداء أو خلفية بيضاء أو sprite قديمًا يظهر لحظة. يحصل المخرج مع الصورة على النص والعقد والمشاهد المجاورة وتاريخ الأغراض.
إذا كانت الخلفية صحيحة لكن sprite معلقًا، يكون الحل recompose عبر MCP بتغيير الموضع أو الحجم أو الطبقة أو القص. إذا كان الوضع الخاطئ مرسومًا داخل الخلفية، فالحل regenerate. ثم يمر render الجديد بمراجعة مستقلة.
الخطأ 1. جلس البطل فوق البطلة
في قص الهاتف تراكبت طبقة Gray فوق Assol النائمة. كان شرط «الشخصيتان ظاهرتان» صحيحًا لكنه غير كافٍ. تفحص كل نافذة الآن الدعامة والعمق وتقاطع الأجسام.
الخطأ 2. أصبح الخاتم الواحد عدة خواتم
البحث عن غرض ذهبي فقط سمح للخاتم بتغيير اليد أو الإصبع والتكاثر. يطلب العقد الآن نسخة واحدة بالضبط ويدًا وإصبعًا محددين وحالات قبل النقل وأثناءه وبعده.
الخطأ 3. نظروا إلى النافذة بعكس النص
كان مشهد الحانة جميلًا، لكن المصدر قال إن الرجال جلسوا وظهورهم إلى النافذة. الاتجاه الخاطئ مدمج في الصورة ولا يصلحه تحريك الطبقات؛ يحتاج إلى توليد جديد.
من صور منفصلة إلى إخراج قابل للتكرار
كانت الاختبارات الأولى تفحص الملف وalpha والحدود والرسم البياني فقط. ظهرت الموثوقية عندما صارت المتطلبات مستخرجة من النص الدقيق، وأصبح Player سطح التحكم، ورأت المراجعة المشاهد المجاورة وتاريخ الأغراض، واضطر كل فشل إلى اختيار إصلاح ثم إعادة الاختبار.
ما زال كل هذا بعيدًا عن التوليد الآلي الكامل. تبقى الخبرة البصرية والممارسة والمشاعر البشرية المعيار الأهم للنجاح، ولا أظن أنني سأستطيع قريبًا القول بثقة إن التوليد أصبح مستقلًا تمامًا.
مع ذلك يوفر لي pipeline الحالي ساعات كثيرة، وآمل أن يوفرها لمبدعين آخرين. اتركوا الوقت للإبداع، ودعوا scripts والذكاء الاصطناعي يتوليان الروتين التقني المعقد. هكذا يصبح النص أو HTML أو PDF عملًا مترابطًا لا مجموعة صور فقط.