صوت الفيديو · مُختبَر
أضف مؤثرات صوتية إلى فيديو بالذكاء الاصطناعي، بتوقيت دقيق حتى الإطار
يبدو مقطع المنتج الصامت ناقصاً، والموسيقى وحدها لا تصلحه. ما يجعل فيديوهات الطعام والمنتجات ممتعة هو الأصوات الصغيرة: تكسّر القشرة، ولمسة الكوب للطاولة. ولا تنجح هذه الأصوات إلا إذا وقعت على الحركة بالضبط. فالطقطقة التي تسبق الحركة بنصف ثانية تبدو مزيفة.
في 30 سبتمبر 2026 صنعنا في Ciyo مقطع Reel مدته 8 ثوانٍ لـ Crumb & Kettle، وهو مخبز متخيَّل، وطلبنا من Ciyo Agent (وكيل Ciyo) أن يضيف أربعة مؤثرات صوتية وصوت غرفة هادئاً. وجد الوكيل اللحظات في الفيديو بنفسه وأبلغ عن توقيت كل منها. وقسنا الصوت النهائي: وقع صوت الكوب على الإطار الصحيح بالضبط، ووقع أعلى جزء من الطقطقة داخل لحظة التكسّر.
ابدأ بمقطع صامت
إذا كان لديك مقطع، فارفعه. صنعنا مقطعنا في Ciyo: لقطة مقرّبة عمودية واحدة مدتها 8 ثوانٍ ليدين تمزقان كرواسون فوق صحن، والرقائق تتساقط، ثم كوب قهوة يوضع بجانبه. وكلّفت 9 أرصدة بأرخص إعداد للفيديو، وطلبنا ألا يكون فيها صوت.
الصمت مهم. فالصوت الذي يضيفه نموذج الفيديو من تلقاء نفسه ينافس المؤثرات التي تضعها لاحقاً، ولا تستطيع إزالته بشكل نظيف.
أدير Crumb & Kettle، وهو مخبز صغير. لمقطع Instagram Reel، اصنع لي مقطعاً عمودياً صامتاً واحداً مدته 8 ثوانٍ (بأرخص إعداد للفيديو، دون صوت): لقطة مقرّبة ليدين تفتحان كرواسون طازجاً بتمزيقه فوق صحن أبيض، والرقائق تتساقط، ثم كوب قهوة يوضع بجانبه. أبقِ الكاميرا ثابتة. لا تضف أي صوت بعد؛ أريد أن أضيف المؤثرات الصوتية في الخطوة التالية.سمِّ اللحظات، لا الأصوات فقط
قائمة الأصوات لا تكفي. قل لأي شيء ينتمي كل صوت، كي يستطيع الوكيل أن يجده في الصورة: انشقاق القشرة، وتباعد النصفين، وسقوط الرقائق، ولمسة الكوب للطاولة. وأضف صوت غرفة للإحساس بالمكان، وقل كم يجب أن يكون هادئاً. واطلب التوقيتات، كي تستطيع فحصها.
المقطع جيد. الآن أضف مؤثرات صوتية تقع على الحركات: الطقطقة الهشة حين تنشق القشرة، والتمدد الناعم حين يتباعد النصفان، والرقائق وهي تسقط على الصحن، والكوب وهو يلمس الطاولة، مع صوت غرفة مقهى هادئ في الخلفية. جد اللحظات الدقيقة في الفيديو بنفسك، وأخبرني بتوقيت كل مؤثر، وأبقِ صوت الغرفة منخفضاً كي تبرز الحركات. لا موسيقى، ولا صوت بشري.نُشر في 2026-09-27. رفع صانع المحتوى فيديو صامتاً إلى Codex، وطلب من الوكيل أن يصمم مؤثراته الصوتية دون DAW (برنامج تحرير صوتي) أو مكتبة عيّنات، وشارك الأمر الذي استخدمه. وتصلح قاعدتان منه لأي أداة: حدّد الأحداث المرئية أولاً، ولا تثق بأن الوكيل يسمع النتيجة؛ اطلب منه جدول إشارات واحكم عليه بنفسك. إنه منتج آخر وطريقة عمل صاحبه، لا Ciyo.
كيف وجد الوكيل اللحظات
تنقّل الوكيل في الفيديو خطوة خطوة ووضع على اللوحة ورقة توقيت: 32 إطاراً، واحد كل 0.25 ثانية، وعلى كل منها زمنها. إنها مرجع عمل تستطيع حذفه، وهي أيضاً أسرع طريقة لتفحص بها النتيجة.
ثم ولّد خمسة أصوات ومزجها في نسخة من المقطع، مع الاحتفاظ بالأصل. كلّفت الأصوات الخمسة 7 أرصدة؛ ولم يكلّف المزج شيئاً.
التوقيتات التي اختارها
أبلغ الوكيل عن كل مؤثر مع سبب توقيته، فمثلاً يقع الكوب عند 6.80 ثانية “when the cup's downward movement stops” (عندما تتوقف حركة الكوب نحو الأسفل). ويستمر صوت الغرفة طوال المقطع أخفض من المؤثرات بنحو 20 dB.
الإطارات أدناه مأخوذة من الفيديو النهائي عند تلك الأوقات الأربعة.
| المؤثر | يبدأ عند | ما يتبعه في الصورة |
|---|---|---|
| طقطقة القشرة | 1.95 ثانية | أول انشقاق في القشرة؛ يستمر نحو 1.3 ثانية بينما يتسع الشق |
| التمدد الناعم | 3.20 ثانية | تباعد النصفين، حتى نحو 5.0 ثانية |
| الرقائق على الصحن | 3.75 ثانية | سقوط أول رقاقة |
| الكوب على الطاولة | 6.80 ثانية | يتوقف الكوب عن النزول |
| صوت غرفة المقهى | من 0 إلى 8 ثوانٍ | يتصاعد ويتلاشى، أخفض من المؤثرات بنحو 20 dB |
قسنا الصوت
نزّلنا ملف MP4 النهائي وقسنا ارتفاع صوته كل 50 ملّي ثانية. يقع صوت الغرفة عند نحو −46 إلى −48 dB. وضربة الكوب هي أعلى لحظة، −18 dB، وتبدأ عند 6.80 ثانية بالضبط. وترتفع الرقائق عند 3.70 ثانية. أما الطقطقة فموضوعة عند 1.95 ثانية، لكن أعلى جزء منها يأتي عند 2.5 إلى 3.0 ثانية، حين يكون الشق في أوسع حالاته، وهذا ما زال داخل المدى الذي اختاره الوكيل.
إذن صوت الغرفة أخفض من أعلى مؤثر بنحو 28 dB، أي أهدأ قليلاً من “about 20 dB” (نحو 20 dB) التي ذكرها الوكيل، ويبلغ ارتفاع صوت الـ Reel كله −19.7 LUFS. وإذا بدا هادئاً بجانب مقاطع Reels الأخرى لديك، فاطلب مزجاً أعلى؛ فقد عرض الوكيل أن يعيد المزج دون أصوات جديدة، مجاناً.
افحصه بأذنيك، ثم عدّل
يستطيع وكيل الذكاء الاصطناعي أن يقيس شكل الموجة الصوتية، لكنه لا يستطيع أن يخبرك هل تبدو الطقطقة كصوت كرواسون. استمع بسماعات الرأس وعلى مكبر صوت الهاتف. واسأل عن كل مؤثر سؤالين: هل يبدأ على الإطار الذي تبدأ فيه الحركة، وهل يبدو صوته كصوت الشيء؟ وإذا جاء صوت مبكراً أو متأخراً، فأعطِ الوكيل زمن الإطار من ورقة التوقيت والاتجاه، مثلاً: “أخّر الطقطقة 0.3 ثانية”.
| الفحص | مقطعنا |
|---|---|
| كل مؤثر يبدأ على حركته | الكوب دقيق عند 6.80 ثانية؛ وذروة الطقطقة داخل الشق |
| صوت الغرفة أخفض من المؤثرات | أخفض بنحو 28 dB من أعلى ضربة |
| لا موسيقى ولا صوت بشري ما لم يُطلب | لا شيء |
| ارتفاع الصوت الكلي | −19.7 LUFS؛ اطلب صوتاً أعلى إذا لزم |
| الاحتفاظ بالأصل | نعم، يبقى المقطع الصامت على اللوحة |
الخطوات التالية للمقطع
تعمل المؤثرات والموسيقى والصوت البشري معاً حين يكون لكل منها مساحته. أضف موسيقى تحت المؤثرات أو تعليقاً صوتياً قصيراً بعدها، واحتفظ بالأصل الصامت للتعديل التالي.
إضافة المؤثرات الصوتية بالذكاء الاصطناعي
هل يستطيع الذكاء الاصطناعي ضبط توقيت المؤثرات الصوتية على فيديوي؟
نعم، إذا كان يستطيع رؤية الإطارات. في اختبارنا صنع Ciyo Agent ورقة توقيت للمقطع ووضع كل مؤثر حسب الحركة؛ وبدأت ضربة الكوب عند 6.80 ثانية بالضبط في قياسنا.
هل يجب أن يصنع نموذج الفيديو الصوت؟
ليس إذا أردت التحكم. ولّد المقطع صامتاً، ثم أضف مؤثرات تستطيع تحريكها وضبطها واحداً واحداً.
ما الارتفاع المناسب لصوت الغرفة؟
منخفض بما يكفي لتبرز الحركات. كان صوتنا أخفض من أعلى مؤثر بنحو 28 dB. ارفعه إذا بدا المقطع فارغاً بين الأصوات.
كم كانت التكلفة؟
16 رصيداً في 30 سبتمبر 2026: 9 للمقطع الصامت و7 لخمسة مؤثرات صوتية. وكان المزج وأي إعادة مزج دون أصوات جديدة مجانيين.
أضف صوتاً إلى مقطعك في Ciyo
ارفع مقطعاً صامتاً، وسمِّ اللحظات التي تحتاج إلى صوت، واطلب من Ciyo Agent التوقيتات كي تستطيع فحصها.