Vidu

Vidu هي منصة لإنشاء مقاطع الفيديو بالذكاء الاصطناعي طورتها شركة Shengshu Technology، وهي شركة مقرها بكين شارك في تأسيسها باحثون تابعون لجامعة Tsinghua University. تم إطلاق Vidu لأول مرة للجمهور في يوليو 2024، وأصدرت سلسلة سريعة من إصدارات النماذج التي توجت بنموذج Vidu Q3 -- الإصدار الرائد الحالي اعتباراً من أبريل 2026. تعمل المنصة في أكثر من 200 دولة، وأنتجت أكثر من 500 مليون مقطع حتى الآن، وأغلقت جولة تمويل من السلسلة B بقيمة تقارب 2 مليار يوان صيني (حوالي 275 مليون دولار أمريكي) بقيادة Alibaba Cloud في أبريل 2026. وعلى عكس معظم أدوات الفيديو الصينية التي تعمل بالذكاء الاصطناعي والتي اكتسبت زخماً في المقام الأول داخل الصين قبل محاولة التوسع العالمي، استهدفت Vidu باستمرار المبدعين والمطورين الدوليين منذ إصداراتها الأولى.

يُنشئ نموذج Vidu Q3 ما يصل إلى 16 ثانية من الفيديو المستمر بدقة 1080p وبمعدل 24fps مع إنتاج صوتي أصلي في تمريرة استدلال واحدة: يتم إنشاء الحوار، والصوت المحيطي، والمؤثرات الصوتية، والموسيقى الخلفية جنباً إلى جنب مع إطارات الفيديو، وليس كطبقات مضافة لاحقاً. تدعم المنصة مسارات عمل تحويل النص إلى فيديو، والصورة إلى فيديو، والمرجع إلى فيديو -- حيث يقبل المسار الأخير ما يصل إلى 7 صور مرجعية لتثبيت الشخصيات، والدعائم، والأزياء، والبيئات عبر المقاطع. يمكن تحديد ستة أنواع من التأثيرات السينمائية (أنظمة الجسيمات، ومحاكاة السوائل، والحركة الديناميكية، والتحكم في الكاميرا، والانتقالات، والإضاءة) وأوامر الكاميرا الإخراجية (التقريب، والتحريك الأفقي، ولقطات التتبع) في المطالبات. تتوفر خطة مجانية تمنح 80 رصيداً شهرياً مع إمكانية إنشاء غير محدودة في وضع Off-Peak Mode، وتبدأ الباقات المدفوعة من 10 دولارات شهرياً مقابل 800 رصيد.

ما تقدمه Vidu في أبريل 2026

يُنتج نموذج Vidu Q3 مقاطع تصل مدتها إلى 16 ثانية بدقة 1080p وبمعدل 24fps، وهي أطول نافذة إنشاء مستمرة بين المنافسين الرائدين حتى وقت كتابة هذا التقرير. وعلى عكس الأجيال السابقة التي كانت تتطلب إضافة الصوت بشكل منفصل، يُنشئ Q3 صوتاً متزامناً أصلياً جنباً إلى جنب مع الفيديو في تمريرة نموذج واحدة. يتضمن هذا الصوت: الصوت البيئي المحيطي، والمؤثرات الصوتية المدفوعة بالحركة (خطوات الأقدام، والاصطدامات، والحركة الميكانيكية)، والطبقات الجوية، والمؤثرات الصوتية الواقعية (Foley)، والمقاطع الموسيقية المدفوعة بالعاطفة. كما يتم دعم إنشاء الحوار متعدد اللغات مع مزامنة الشفاه، على الرغم من أن دقة حركة الشفاه الدقيقة على المستوى الجزئي لا تزال قيد التحسين.

يقبل مسار عمل تحويل المرجع إلى فيديو في Vidu الموضوعات، والبيئات، والأزياء، والدعائم، والأنماط المرئية كمدخلات مرجعية -- ما يصل إلى 7 كيانات في وقت واحد. وقد أدى إطلاق ميزة Reference-to-Video في نموذج Q3 في 13 أبريل 2026 إلى توسيع هذا النطاق باستخدام "Smart Cuts"، وهي ميزة تكوين متعددة اللقطات تربط انتقالات المشهد مباشرة في عملية إنشاء واحدة بدلاً من طلب التجميع اليدوي. تعمل Vidu أيضاً بسعر أقل للثانية مقارنة بـ Kling: حوالي 0.07 دولار/ثانية مقابل 0.126 دولار/ثانية في Kling، وهو فرق يهم بشكل كبير في مسارات عمل الإنتاج ذات الحجم الكبير.

في اختبارات الأداء المستقلة، احتل Vidu Q3 المرتبة الأولى في لوحة صدارة Reference-to-Video الخاصة بـ SuperCLUE والمرتبة الثانية عالمياً في مقياس Artificial Analysis Video Arena عند الإطلاق، متفوقاً على Runway Gen-4.5 وخلف Sora 2 فقط في تقييمات الجودة الشاملة.

"لقد وصل إنشاء الفيديو بالذكاء الاصطناعي إلى مرحلة يمكن أن تبدو فيها المقاطع الفردية مثيرة للإعجاب، ولكن إنتاج محتوى سردي متسق على نطاق واسع لا يزال أمراً صعباً." -- Yihang Luo، الرئيس التنفيذي لشركة ShengShu Technology، في مؤتمر SXSW 2026، 16 مارس 2026

موقع Vidu مقارنة بـ Kling و Hailuo

تتخذ كل من منصات إنشاء الفيديو الصينية الثلاث المهيمنة مناهج مختلفة هيكلياً، وهذه الاختلافات مهمة لاختيار مسار العمل.

Kling AI (Kuaishou): يستخدم Kling 3.0 بنية Diffusion Transformer (DiT) مع مسار عمل موحد للإنشاء والتحرير والصوت. آلية اتساق الشخصية الخاصة به هي استخراج الفيديو المرجعي: حيث يعالج 3-8 ثوانٍ من الفيديو المصدر، ويستخرج تضمينات ميزات الشخصية، وينقلها إلى استدعاءات إنشاء مستقلة. يمنح هذا Kling دقة قوية للشخصية داخل المقطع -- أفضل من Vidu في المشاهد المعقدة التي تحتوي على موضوعات متحركة متعددة. يصل الحد الأقصى لـ Kling إلى 10 ثوانٍ لكل مقطع (مقارنة بـ 16 ثانية في Vidu) ويكلف حوالي 45% أكثر في الثانية (0.126 دولار/ثانية مقابل 0.07 دولار/ثانية). بالنسبة للتكوين السينمائي والفيديو التجاري المتميز، يعد Kling الأقوى أداءً من جميع النواحي؛ أما بالنسبة للمدة، وكفاءة التكلفة، ومسارات العمل متعددة اللقطات، فإن Vidu هو الفائز.

Hailuo (MiniMax): يعمل Hailuo 2.3 على إطار عمل Noise-aware Compute Redistribution (NCR) الذي يعيد توزيع الموارد الحسابية وفقاً لمستويات ضوضاء الانتشار، مما يوفر تحسينات في كفاءة التدريب والاستدلال تبلغ حوالي 2.5 ضعف. تعمل هذه البنية على تحسين الإنتاجية على حساب طول المخرجات: يبلغ الحد الأقصى لـ Hailuo 2.3 حوالي 6 ثوانٍ بدقة 1080p الأصلية (10 ثوانٍ بدقة 720p) مقابل 16 ثانية في Vidu. الأسعار قابلة للمقارنة مع Vidu (حوالي 0.08 دولار/ثانية). تم تصنيف جودة الصوت في Hailuo 2.3 أقل من Vidu Q3 في مقارنات الجهات الخارجية، واتساق الشخصية في المطالبات المعقدة أضعف من كل من Kling أو Vidu. يُعد Hailuo خيار الكفاءة في الميزانية لمقاطع وسائل التواصل الاجتماعي التي لا تتطلب مدة طويلة أو استقراراً متعدد المراجع.

المميز المعماري لـ Vidu هو العمود الفقري U-ViT (Universal Vision Transformer)، والذي يربط بين تصميمات U-Net و Vision Transformer. يسمح هذا الهجين للنموذج بالتعامل مع نوافذ زمنية أطول من معظم البنى المنافسة دون التقليل من التماسك المكاني، وهذا هو السبب في أن Vidu يحقق إنشاءً لمدة 16 ثانية بجودة تنافسية. المقايضة هي أن المشاهد المعقدة متعددة الموضوعات ذات الحركة النشطة لا تزال تظهر انحرافاً في الشخصية في نهاية المقاطع الأطول.

"اتساق الشخصية أفضل بكثير من ذي قبل، وجودة الفيديو الإجمالية فاجأتني حقاً." -- hazel.visuals، مراجعة على App Store، يونيو 2025

التكلفة الحقيقية لإنشاء الفيديو باستخدام Vidu

نظام الأرصدة في Vidu متدرج حسب المدة وإعدادات الجودة. يستهلك مقطع مدته 4 ثوانٍ بجودة Standard حوالي 4-5 أرصدة؛ ويكلف مقطع مدته 8 ثوانٍ بجودة Standard حوالي 10 أرصدة؛ بينما يمكن أن يستهلك مقطع مدته 16 ثانية بجودة Cinema حوالي 30-40 رصيداً. تُترجم الأرصدة الشهرية البالغة 80 رصيداً في الخطة المجانية إلى حوالي 8-20 مقطعاً قصيراً اعتماداً على الإعدادات، وهو ما يكفي للتجربة ولكن ليس لأعمال الإنتاج المستدامة. تحمل مقاطع الفيديو في الخطة المجانية علامة مائية ولا يمكن استخدامها تجارياً.

في خطة Standard (10 دولارات/شهرياً، 800 رصيد)، الافتراض الإنتاجي المعقول هو 40-80 مقطعاً نهائياً شهرياً، اعتماداً على مستوى الجودة. تفتح خطة Premium (35 دولاراً/شهرياً، 4,000 رصيد) مستوى جودة Cinema ونافذة إنشاء مدتها 32 ثانية، وهي الخطة التي يعمل عليها معظم المستخدمين التجاريين الجادين. تم تصميم خطة Ultimate (99 دولاراً/شهرياً، 8,000 رصيد) للوكالات أو المطورين الذين يديرون أحجاماً يومية عالية.

توفر المنصة إنشاءً غير محدود عبر وضع Off-Peak Mode، والذي يعفي من تكاليف الأرصدة خلال فترات انخفاض الطلب. هذا مفيد حقاً لإنشاء المسودات الأولية قبل تخصيص الأرصدة للمخرجات النهائية. ومع ذلك، فإن مشكلة إهدار الأرصدة حقيقية: فعمليات الإنشاء الفاشلة أو غير المطابقة للمطالبات تستهلك الأرصدة دون حماية لإعادة المحاولة أو استرداد الأرصدة. أبلغ العديد من المستخدمين عن حرق 700 رصيد للحصول على 24 مقطع فيديو مرضياً عندما كان من المتوقع الحصول على ما يقرب من 200 مقطع.

أين يتعثر Vidu باستمرار

يُعد الالتزام بالمطالبات نقطة الضعف الأكثر توثيقاً. يُبلغ المستخدمون عبر مراجعات App Store، والإرشادات التفصيلية للجهات الخارجية، ومجمعي المراجعات باستمرار أن المطالبات المعقدة أو التفصيلية تنتج نتائج تتطابق جزئياً فقط مع القصد. قدر أحد مراجعي App Store معدل الرضا بنسبة 60%، مما يعني أن حوالي 2 من كل 5 عمليات إنشاء تتطلب إعادة المحاولة. تتشوه الصور المرجعية بطرق محددة: تفقد الشعارات شكلها، وتتغير تفاصيل تسريحة الشعر، ولا يتم دائماً إعادة إنتاج تخطيطات المشهد بأمانة. تنتهك الكائنات أحياناً الاتساق المادي (المشي عبر الأثاث، أو الأطراف المنفصلة في تسلسلات الحركة).

يُعد الصوت على المستوى الجزئي نقطة الفشل الثانية المستمرة. في حين أن الصوت الكلي في Vidu Q3 (المقاطع الصوتية المحيطية، والموسيقى الخلفية، ونبرة الصوت العامة) قوي، إلا أن دقة مزامنة الشفاه الدقيقة والتوقيت الدقيق للمؤثرات الصوتية (Foley) بحاجة إلى تحسين. تشير مراجعة WaveSpeed Q3 تحديداً إلى "دقة مزامنة شفاه الحوار" كقيد مستمر على الرغم من أن مسار العمل السمعي البصري الشامل مثير للإعجاب حقاً.

ينهار اتساق الشخصية في المشاهد المزدحمة متعددة الموضوعات. تعمل ميزة المراجع المتعددة بشكل جيد مع 1-3 شخصيات في التكوينات الخاضعة للرقابة؛ أما في مشاهد الحشود أو تسلسلات الحركة التي تحتوي على العديد من الموضوعات المتحركة، يظهر انحراف الشخصية نحو نهاية المقاطع الأطول. كما يفرض سقف الـ 16 ثانية تجميعاً تحريرياً لأي محتوى أطول من مشهد قصير، وهو أمر يمكن إدارته ولكنه لا يخلو من الصعوبات.

يُعد دعم العملاء نقطة الضعف التشغيلية الأكثر وضوحاً في المنصة. عبر Trustpilot، و App Store، ومنتديات المراجعة، يُعد الدعم البطيء أو الغائب هو الشكوى الأكبر حجماً. يُبلغ بعض المستخدمين عن الانتظار لأيام دون رد؛ ويُبلغ عدد قليل عن صعوبات في إلغاء الاشتراك. هذا الأمر يهم بشكل كبير المستخدمين التجاريين الذين يحتاجون إلى حلول لفشل عمليات الإنشاء أو أسئلة الفوترة.

أفضل حالات الاستخدام مقابل سيناريوهات التخطي

استخدم Vidu من أجل: محتوى وسائل التواصل الاجتماعي حيث تكفي 16 ثانية ويوفر الصوت الأصلي خطوات ما بعد الإنتاج. مسارات عمل إنتاج الإعلانات حيث يُطلب اتساق الشخصية والمنتج عبر مقاطع متعددة. التصور المسبق للرسوم المتحركة أو الأفلام المستقلة حيث يتطابق مسار عمل سلسلة الرسوم المتحركة المُعلن عنه في SXSW (مكتبة موضوعات منظمة، والتحكم في البنية المكانية، واستمرارية الحلقة) مع نموذج الإنتاج الخاص بك. عمليات الدمج القائمة على واجهة برمجة التطبيقات (API) حيث تهم التكلفة في الثانية ويكون معدل 0.07 دولار/ثانية في Vidu تنافسياً.

جعل إعلان SXSW 2026 من Vidu أول منصة فيديو صينية تعمل بالذكاء الاصطناعي تعرض أدوات سلسلة رسوم متحركة مصممة خصيصاً في مؤتمر إبداعي غربي -- وهي إشارة إلى أن الشركة تستثمر بشكل خاص في حالات الاستخدام السردي الطويل، وليس فقط إنشاء المقاطع الفردية.

تخطَّ Vidu عندما: تتطلب مشاريعك مقاطع أطول من 16 ثانية دون تجميع. تعتمد على اتباع المطالبات المعقدة والمفصلة بدقة -- معدل النجاح البالغ 60% في المطالبات المعقدة يجعله أداة باهظة الثمن للعمل الدقيق. يعتمد فريقك على دعم عملاء سريع الاستجابة للمواعيد النهائية للإنتاج التجاري. تحتاج إلى مزامنة شفاه دقيقة للمحتوى المليء بالحوار حيث يكون عدم المحاذاة مرئياً. أنت على الخطة المجانية ولكنك تحتاج إلى ترخيص تجاري -- العلامة المائية والقيود التجارية تجعل الخطة المجانية غير قابلة للاستخدام في تسليمات العملاء.