AR ▾
احصل على مفتاح API

الرئيسيةالدليل

تم التحديث

مولّد نصوص الفيديو بالذكاء الاصطناعي مبني على واجهة برمجة تطبيقات LLM

مولّد نصوص الفيديو بالذكاء الاصطناعي هو نموذج نصي مع موجّه جيد حوله. يوضح هذا الدليل كيفية بناء واحد على واجهة برمجة تطبيقات متوافقة مع OpenAI، مع قالب Python والتكلفة الحقيقية لكل نص.

فك شريط فيلم من طرفية، كل إطار يحتوي على رسم توضيحي لمشهد، يمثل توليد النص بواسطة واجهة برمجة التطبيقات
وعاء زجاجي يمتلئ بكتل متوهجة بينما تدور سهم حلقة حوله، يصور نافذة سياق الوكيل

نقاط رئيسية

  1. تكتب واجهة برمجة التطبيقات النصوص فقط: النصوص، وقوائم اللقطات، والتعليق الصوتي. لا تقوم بإنشاء الفيديو.
  2. اطلب JSON حتى يظهر كل مشهد في حقل يمكن لمحررك أو أداة الفيديو قراءته.
  3. تكلف نصوص 60 ثانية مع قائمة اللقطات حوالي عُشر سنت عند $0.15 و$0.50 لكل مليون رمز.
  4. احتفظ بالموجز، والنبرة، والمشاهد السابقة في الموجّه؛ نافذة السياق هي 100,000 رمز.

لا حاجة لبطاقة. بعد التسجيل، استحوذ على $0.50 من رصيد اختبار مجاني بنقرة واحدة (مرة واحدة لكل شخص).

احصل على مفتاح API

ما يفعله مولّد النصوص فعلياً

يأخذ مولّد نصوص الفيديو بالذكاء الاصطناعي فكرة قصيرة ويعيد النص الذي يحتاجه الفيديو: خطاف، مشاهد، سرد، نص على الشاشة وملاحظات للصور. يقوم النموذج بالكتابة. يقوم كودك بالباقي: يبني الموجّه، يرسله، يتحقق من الإجابة ويسلم الأجزاء لأي شيء يصنع الصور.

هذه الواجهة للنصوص فقط. لن تولّد صوراً أو صوتاً أو فيديو. هذا يناسب المهمة جيداً، لأن النص هو الخطوة التي تتعثر فيها معظم مشاريع الفيديو، وهي أيضاً أرخص خطوة للأتمتة. الصور والأصوات تأتي من أدوات أخرى تستخدمها بالفعل. النموذج، الذي تشغله مزود مستقل، مُعدّ للإجابة بدون رفض المحتوى للاستخدام القانوني للبالغين، وهو مهم إذا كانت نصوصك تغطي الخيال الناضج، الرعب، قصص الجريمة أو الكوميديا الداكنة. إذا كنت تريد الصورة الأوسع لكيفية تناسب النص مع خطوط أنابيب الفيديو، انظر إلى دليل واجهة برمجة تطبيقات الفيديو بالذكاء الاصطناعي.

ثلاثة مخرجات تستحق الطلب في مكالمة واحدة: نص التعليق الصوتي (ما يقوله الراوي)، قائمة اللقطات (ما يراه المشاهد)، وتقدير الوقت لكل مشهد. تقسيمها إلى حقول منفصلة يجعل الخطوات اللاحقة بسيطة.

إعداد العميل

نقطة النهاية متوافقة مع OpenAI، لذا فإن SDK القياسي يعمل. احصل على مفتاح من صفحة مفتاح API، ثم وجه العميل إلى Base URL واستخدم معرف النموذج uncensored.

from openai import OpenAI

client = OpenAI(
    base_url="https://api.aivideogenapi.com/v1",
    api_key="YOUR_KEY",
)

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Write a 3-line hook for a video about night trains."}],
)
print(resp.choices[0].message.content)
print(resp.usage)

نفس الطلب يعمل في curl أو Node بتغيير عنوان URL الأساسي والمفتاح فقط. التفاصيل الكاملة للمعاملات موجودة في وثائق API. يمكن للحسابات الجديدة المطالبة برصيد تجربي بقيمة $0.50 بنقرة واحدة في صفحة المفتاح، وهو كافٍ لاختبار كل شيء في هذا المقال عدة مرات.

قالب موجّه يعيد مشاهد قابلة للاستخدام

الطلب الغامض يعيد نصوصاً غامضة. القالب الجيد يحلّ أربعة أشياء: الجمهور، الطول، النبرة وتنسيق المخرجات. ضع القواعد في رسالة النظام والفكرة في رسالة المستخدم.

import json
from openai import OpenAI

client = OpenAI(base_url="https://api.aivideogenapi.com/v1", api_key="YOUR_KEY")

SYSTEM = """You write short video scripts.
Return JSON only, with this shape:
{"title": str, "hook": str,
 "scenes": [{"n": int, "seconds": int, "voiceover": str,
             "shot": str, "on_screen_text": str}]}
Rules:
- Total length matches the requested duration.
- Voiceover is spoken language: short sentences, no stage directions.
- 'shot' describes what the camera shows, in one sentence.
- First scene is a hook that works without sound."""

def make_script(idea, seconds=60, tone="dry, curious", audience="adults"):
    user = f"Idea: {idea}\nDuration: {seconds} seconds\nTone: {tone}\nAudience: {audience}"
    r = client.chat.completions.create(
        model="uncensored",
        temperature=0.8,
        response_format={"type": "json_object"},
        messages=[{"role": "system", "content": SYSTEM},
                  {"role": "user", "content": user}],
    )
    return json.loads(r.choices[0].message.content), r.usage

script, usage = make_script("why night trains are coming back")
for s in script["scenes"]:
    print(s["n"], s["seconds"], s["voiceover"])

يضمن وضع JSON (response_format مع json_object) قابلية تحليل الرد. لا يزال عليك وضع استدعاء json.loads داخل كتلة try وإعادة المحاولة مرة واحدة عند الفشل، إذ يمكن لأي نموذج أن ينتج أحياناً سلسلة نصية معطوبة. تعطي درجة حرارة بين 0.7 و0.9 تنوعاً في الصياغة؛ انخفض بها إلى 0.3 عندما تحتاج إلى بنية متطابقة تقريباً عبر دفعة.

تحقق من الطول قبل أن تثق به

النماذج ضعيفة في عدّ الثواني. قاعدة موثوقة هي حوالي 150 كلمة منطوقة في الدقيقة لسارد هادئ، وأكثر قليلاً لفيديوهات اجتماعية سريعة. بعد كل استدعاء، احسب الكلمات في جميع حقول التعليق الصوتي وقارنها مع الهدف.

def spoken_seconds(script, wpm=150):
    words = sum(len(s["voiceover"].split()) for s in script["scenes"])
    return round(words / wpm * 60)

est = spoken_seconds(script)
if abs(est - 60) > 8:
    print("Off target:", est, "seconds. Ask for a rewrite.")

إذا كان النص طويلاً جداً، أرسل رسالة ثانية بالأرقام الفعلية: "يبلغ طول التعليق الصوتي حوالي 78 ثانية؛ اختصره إلى 60 دون فقدان نقطة الجذب." الملاحظات الملموسة أفضل من "اجعله أقصر". احتفظ بالرد الأول في قائمة الرسائل ليتمكن النموذج من رؤية ما كتبه.

قوائم اللقطات والتعليق الصوتي كمرحلتين منفصلتين

للفيديوهات الأطول، يؤدي استدعاء واحد لكل شيء إلى ضعف في الجودة. استخدم جولتين بدلاً من ذلك. اطلب أولاً مخطط عناوين المشاهد وأهداف كل مشهد في سطر واحد. ثم أنشئ كل مشهد في استدعاء منفصل، مع تمرير المخطط وال تعليق الصوتي للمشهد السابق لضمان استمرارية النبرة.

  • المرحلة 1، المخطط: 6 إلى 12 مشهداً، كل منها يحتوي على هدف ومدة تقريبية.
  • المرحلة 2، المشاهد: التعليق الصوتي واللقطة لمشهد واحد في كل مرة، مع المخطط والمشهدين الأخيرين في السياق.
  • المرحلة 3، التحسين: اقرأ التعليق الصوتي كاملاً واطلب تنويع العبارات المتكررة.

تبلغ نافذة السياق 100,000 رمز للموجّه والرد معاً، لذا حتى نص وثائقي مدته 20 دقيقة مع مخططه الكامل يتسع لمحادثة واحدة. لمزيد من التفاصيل حول كيفية تصرف الذاكرة في الجلسات الطويلة، تغطي الصفحة الخاصة بـ نافذة السياق الحدود العملية. يُعد البث المتدفق (stream: true) مفيداً إذا كنت تعرض النص على شخص أثناء كتابته.

تكلفة السكربت

السعر هو $0.15 لكل مليون رمز مدخل و$0.50 لكل مليون رمز مخرج، يتم خصمها من رصيد مسبق الدفع. خذ نصاً نموذجياً مدته 60 ثانية مع قائمة لقطات. لنفترض أن الموجّه يحتوي على 1,200 رمز (قواعد بالإضافة إلى الفكرة) والرد يحتوي على 1,800 رمز.

الجزءالرموزالحسابالتكلفة
مدخل1,2001,200 / 1,000,000 x $0.15$0.00018
مخرج1,8001,800 / 1,000,000 x $0.50$0.0009
المجموع3,000$0.00108

هذا يكلف حوالي عُشر سنت لكل نص. قناة تنتج 1,000 نص تدفع حوالي $1.08 في رسوم النماذج. عمليات إعادة التشغيل ومراحل التحسين تضيف إلى هذا، ولكن حتى ثلاثة استدعاءات لكل نص تبقي التكلفة قريبة من سنت واحد. الطلبات الفاشلة أو المرفوضة لا تُفرض عليها رسوم. الرصيد لا ينتهي، وتُدرج صفحة التسعير مبالغ الشحن، من $20 إلى $500، وفئات المكافآت.

يعطي الحقل usage في كل استجابة عد الرموز الدقيقة، لذا يمكنك تسجيل التكلفة الحقيقية لكل نص بدلاً من التقدير.

الحدود والعادات التي توفر الوقت

يسمح المفتاح الكامل بـ 8 طلبات متزامنة و300 طلب في الدقيقة. يسمح مفتاح التجربة بـ 2 متزامن و60 في الدقيقة. عند معالجة دفعة من النصوص، استخدم مجموعة عمالة صغيرة من 4 إلى 6، وتراجع عندما ترى خطأ HTTP 429. يوضح رمز الخطأ الحد الذي وصلت إليه: rate_limited لطلبات في الدقيقة، وconcurrency للكثرة في آن واحد. عند الحمل الزائد المؤقت، يحمل الرد رأس HTTP Retry-After: 5، لذا انتظر خمس ثوانٍ وأعد المحاولة.

  • احفظ كل برنامج نصي مع الموجّه الخاص به، لتتمكن من إعادة إنتاج النتائج الجيدة. يُمرَّر المعلمة seed إذا كنت تريد تشغيلات متكررة.
  • احتفظ بدليل نمط (عبارات محظورة، أسماء شخصيات متكررة، صوت العلامة التجارية) في موجّه النظام وأعد استخدامه عبر مقاطع الفيديو.
  • سجّل X-Request-Id من كل استجابة؛ فهو يساعد عندما تطلب الدعم بشأن استدعاء معين.
  • اقرأ كل نص قبل النشر. النموذج يكتب نصاً سلساً، وليس حقائق موثقة.
import time

def call_with_retry(fn, tries=4):
    for i in range(tries):
        try:
            return fn()
        except Exception as e:
            if "429" in str(e) and i < tries - 1:
                time.sleep(5 * (i + 1))
                continue
            raise

الموجّهات لا تُستخدم للتدريب. محتوى الجنس الذي يتضمن القاصرين غير مسموح به، بغض النظر عن الإطار.

أسئلة وأجوبة

هل يمكن لواجهة برمجة التطبيقات هذه إنشاء الفيديو نفسه؟

لا. هي تولّد النص فقط. استخدمها للسيناريوهات وقوائم اللقطات والترجمات النصية ونصوص التعليق الصوتي، ثم مرّر هذه النصوص إلى أدوات الفيديو والتعليق الصوتي التي تستخدمها بالفعل.

ما هو الحد الأقصى لطول السيناريو؟

تبلغ نافذة السياق 100,000 رمز للموجّه والرد معاً، ومعلمة max_tokens اختيارية، لذا تتسع النصوص الطويلة جداً. لأي شيء يتجاوز بضع دقائق، يعطي مخطط أولي متبوعاً باستدعاءات مشهد تلو الآخر جودة أفضل.

هل أحتاج للدفع لتجربته؟

لا. يمكن للمستخدمين الجدد الحصول على $0.50 من رصيد تجريبي بنقرة واحدة في صفحة مفتاح API بعد تسجيل الدخول. تُجرى عمليات شحن الرصيد لاحقاً بالعملات المشفرة (USDT على TRC20 أو USDC على Base).

هل سيرفض مواضيع قصصية داكنة أو ناضجة؟

النموذج مُضبط للإجابة بدون رفض المحتوى للاستخدام القانوني للبالغين. المحتوى الذي يتضمن قاصرين في سياق جنسي لا يُسمح به أبداً.

مفتاحك على بُعد نموذج واحد

أنشئ حساباً، وانسخ المفتاح، ثم غيّر URL الأساسي. هذه هي الإعدادات الكاملة.

احصل على مفتاح API