Kling V4.0 Reference-to-Video: صور وفيديوهات وأصوات في مقطع واحد
يمزج Kling V4.0 Reference-to-Video حتى عشر صور وخمسة فيديوهات وثلاثة مقاطع صوتية في فيديو جديد. كيف تعمل وسوم @، وثلاث وصفات واختبار رخيص.
معظم نماذج الفيديو تأخذ صورة واحدة وتتخيل الباقي. أما Kling V4.0 Reference-to-Video فيأخذ مجلدًا كاملًا: حتى عشر صور مرجعية، وحتى خمسة فيديوهات مرجعية، وحتى ثلاثة مقاطع صوتية، ويبني منها مقطعًا جديدًا من 3 إلى 30 ثانية. الشخصية من صورة، والسترة من أخرى، وحركة الكاميرا من فيديو هاتف، والصوت من تسجيل. إنه أقرب شيء في الكتالوج إلى إعطاء موجز لطاقم تصوير صغير، ومثل أي موجز، لا ينجح إلا حين يكون واضحًا من هو من.
القاعدة الوحيدة: سمِّ كل مرجع في الوصف
كل ملف مرفوع يحصل على وسم حسب موضعه: الصورة الأولى هي @Image1، والثانية @Image2، وهكذا؛ والفيديوهات من @Video1 إلى @Video5، والمقاطع الصوتية من @Audio1 إلى @Audio3. الوصف إلزامي، وفيه تقول ما دور كل مرجع. المرجع الذي ترفعه ولا تذكره أبدًا يصبح تخمينًا للنموذج. انتبه لترتيب الرفع، لأن تبديل صورتين بعد كتابة الوصف يبدّل دوريهما بصمت.
الوصفة 1: الشخصية نفسها في مشهد جديد
صورتان: لقطة أمامية لشخصيتك وتفصيل للزي. لا شيء غير ذلك. هذه أبسط طريقة لترى إن كان النموذج يحافظ على الوجه والملابس قبل أن تضيف مراجع الحركة.
@Image1 هي المرأة، و@Image2 معطفها الأحمر الواقي من المطر. تخرج من سوق ليلي إلى مطر خفيف، وترفع قلنسوة المعطف وتنظر إلى الخلف فوق كتفها. انعكاسات النيون على الشارع المبلل، ولقطة تتبع بطيئة من الجانب.الوصفة 2: استعر حركة كاميرا من فيديو حقيقي
الفيديوهات المرجعية موجودة ضمن الإعدادات المتقدمة. إنها توجّه الحركة والكاميرا والإيقاع، فمقطع هاتف من عشر ثوانٍ تدور فيه حول طاولة يمكن أن يصبح دورانًا حول منتج لم يوجد قط. تُستخدم الفيديوهات مجتمعة لمدة تصل إلى 30 ثانية.
@Image1 هو إبريق الشاي الخزفي. اتبع مسار الكاميرا في @Video1: دوران بطيء على مستوى الطاولة، ينتهي بلقطة قريبة على الصنبور. ضوء صباحي من نافذة، وبخار يتصاعد، وطاولة خشبية.هناك أيضًا مفتاح اسمه الإبقاء على الصوت الأصلي. عند تشغيله يحتفظ المقطع بصوت الفيديو المرجعي بدل توليد صوت جديد. لا يعمل إلا إذا رفعت فيديو، وهو الخيار الصحيح حين يحتوي المرجع أصلًا على الموسيقى أو الأجواء التي تريدها.
الوصفة 3: صوت ووجه
المقاطع الصوتية المرجعية، الموجودة أيضًا ضمن الإعدادات المتقدمة، توجّه صوت النتيجة وأصواتها. ينبغي أن يتراوح كل منها بين 5 و30 ثانية. يخرج المقطع بصوت ستيريو متزامن، فتستطيع الشخصية أن تتكلم بنبرة تسجيلك داخل مشهد يبنيه النموذج.
@Image1 هو حارس المنارة العجوز، و@Image2 هي المنارة. يقف أعلى الدرج حاملًا فانوسًا ويتكلم إلى الكاميرا بصوت @Audio1، ببطء ودفء، والريح والأمواج في الخلفية.الإعدادات المهمة
- الدقة: 720p افتراضيًا، و1080p عند الطلب. اعمل المسودات بدقة 720p.
- المدة: أي عدد صحيح من 3 إلى 30 ثانية؛ والافتراضي 5. المقاطع الأطول تمنح النموذج وقتًا أكثر للابتعاد عن المراجع، فاكسب الطول أولًا بنسخة قصيرة جيدة.
- نسبة الأبعاد: auto تتبع صورك أو فيديوك المرجعي. اضبط 16:9 أو 9:16 أو 1:1 أو 21:9 فقط حين تحتاجها وجهة النشر، وعندها أعطه مراجع بشكل مشابه.
أين يقصر
عشرة مراجع سقف لا هدف. الصور المتعارضة (لونان مختلفان لشعر الشخص نفسه، أو زي نهاري مع مشهد ليلي) تعطي نتيجة تأخذ متوسطها، والتفاصيل الصغيرة مثل النصوص والمجوهرات هي عادة أول ما يظهر فيه الانحراف. إذا كنت تحتاج فقط إلى تحريك صورة واحدة، فنموذج Kling V4.0 Image-to-Video أبسط ويمنحك التحكم في الإطار الأول والأخير. لمزيد عن اختيار مراجع متوافقة، اقرأ الصور المرجعية لأسلوب متسق؛ ولمقاربة أخرى للمهمة نفسها، راجع دليل Vidu Q4 لتحويل المراجع إلى فيديو. القائمة الكاملة في صفحة النماذج.
أسئلة
كيف أخبر النموذج أي مرجع هو أي مرجع؟
بالوسم في الوصف: @Image1 و@Image2 وهكذا للصور حسب ترتيب الرفع، و@Video1 للفيديوهات، و@Audio1 للمقاطع الصوتية.
كم مرجعًا يمكنني استخدامه؟
حتى عشر صور وخمسة فيديوهات وثلاثة مقاطع صوتية. الفيديوهات والمقاطع الصوتية موجودة ضمن الإعدادات المتقدمة.
كم يمكن أن يطول المقطع وما مدى وضوحه؟
من 3 إلى 30 ثانية، و5 افتراضيًا، بدقة 720p أو 1080p، مع صوت ستيريو متزامن.
