سلسلة المونتاج الآلي: من ملف خام إلى مقطع منشور

الجواب المختصر: لا يوجد ذكاء اصطناعي يفتح برنامج المونتاج ويقصّ لك اللقطات. ما يحدث فعلًا سلسلة تمرير من أربع خطوات: أداة تفريغ تحوّل الصوت نصًّا، ونموذج يقرأ النصّ ويقرّر ما يُحذف، وأداة تصيير تنفّذ القرار، ثم النشر. وكل خطوة أداة مستقلّة.

والمفاجأة التي تكتشفها حين تحسب: النموذج أرخص حلقة في السلسلة — أقلّ من ثلاثة سنتات لحلقة كاملة. والتكلفة الحقيقية في التصيير وفي وقتك.

لماذا سلسلة لا أداة واحدة؟

لأن المونتاج ثلاثة أعمال مختلفة لا عمل واحد: فهم ما قيل، والحكم على ما يبقى، وتنفيذ القصّ. ولا أداة تتقن الثلاثة.

النموذج اللغوي ممتاز في الثاني ولا يصلح للثالث — فهو لا يرى اللقطة أصلًا. وأداة التصيير ممتازة في الثالث ولا رأي لها في الثاني. فمن يبحث عن زرّ واحد يفعل كل شيء يبحث عن شيء غير موجود، ومن يركّب السلسلة ينجز في ساعة ما كان يأخذ يومًا.

الخطوة الأولى: التفريغ — وهي الأهمّ

كل ما يليها يعتمد عليها. فالنموذج لن يقرأ فيديوك، سيقرأ تفريغه — وأي خطأ هنا ينتقل إلى آخر السلسلة.

• Whisper↗ — مفتوح المصدر ومجاني، يعمل على جهازك. أدقّ ما يتاح للعربية مجانًا، وبطيء بلا بطاقة رسومية.
• MacWhisper↗ — الغلاف نفسه بواجهة رسومية على الماك، لمن لا يريد سطر الأوامر.

وما يلزمك من الناتج ملف SRT لا نصًّا عاديًا — لأن التوقيتات هي التي تجعل القرار قابلًا للتنفيذ. ونصّ بلا توقيتات يعطيك رأيًا لا قائمة قصّ.

وللعربية تحديدًا: راجع أسماء الأعلام والمصطلحات التقنية قبل أن تمرّر الملف. فهذي أكثر ما يخطئ فيه التفريغ، وتصحيحها الآن أرخص من اكتشافها في المقطع النهائي.

الخطوة الثانية: القرار

هنا يعمل النموذج. تعطيه ملف SRT وتطلب قائمة قصّ بتوقيتات: أين الصمت الطويل، وأين التكرار، وأين الجملة التي بدأت ثم أُعيدت.

والفارق بين مخرَج مفيد ومخرَج يُرمى هو ما تطلبه منه صراحةً: اطلب توقيت البداية والنهاية وسبب الحذف في سطر. السبب يجعلك تراجع في ثوانٍ بدل أن تثق عمياء أو تعيد الفحص كاملًا.

واطلب أيضًا أن يضع علامة على ما ليس متأكّدًا منه. فالصمت أحيانًا مقصود، والتكرار أحيانًا تأكيد — والقائمة اقتراح لا أمر.

الخطوة الثالثة: التنفيذ — وهنا تتفرّق الطرق

عندك أربعة مسارات، والفرق بينها ليس الجودة بل أين يعيش التصميم ومن ينفّذه:

الأداة	كيف تصف المونتاج	الكلفة	تناسب
ffmpeg	أوامر في الطرفية	مجاني	القصّ والدمج البسيط، وأي عدد من الملفات
Shotstack↗	ملف JSON ترسله لواجهة برمجية	من 49$ شهريًا، ومجاني للتجربة	الكمّ: مئة مقطع بقالب واحد
Remotion↗	مكوّنات React	مجاني للأفراد ولفريق تحت ثلاثة	الفيديو المبنيّ على بيانات متغيّرة
Creatomate↗	قالب بصري تبنيه أولًا	41$ شهريًا، بلا خطة مجانية	من يريد قالبًا بلا كود

والقاعدة التي تختصر الاختيار: إن كان الوكيل البرمجي هو من سيكتب المونتاج، فاختر ما يُوصَف نصًّا — JSON أو كودًا. فالنموذج يكتب JSON ببراعة ولا يستطيع سحب مقطع على خطّ زمني. ولهذا يُركَّب Shotstack مع كلود تركيبًا لا يصلح مع محرّر سطح المكتب.

وRevideo↗ خيار خامس مفتوح المصدر برخصة MIT لمن تمنعه رخصة Remotion، لكن وتيرة تحديثه أبطأ ومجتمعه أصغر — فابدأ بالأول إلا أن تكون الرخصة هي ما يمنعك.

الخطوة الرابعة: النشر

وهي الخطوة التي يهملها الجميع ثم تلتهم وقتهم: رفع المقطع، وكتابة العنوان والوصف، واختيار الغلاف، والجدولة.

وأدوات الشورتس — Klap↗ وOpus Clip↗ وArabic Shorts AI↗ — تدمج الخطوات الأربع في زرّ واحد. وهذا يناسبك إن كان ناتجك مقاطع قصيرة من محتوى طويل، ولا يناسبك إن كنت تريد تحكّمًا في القرار نفسه.

وماذا عن GPT-6.1 Terra و«استعمال الحاسوب»؟

في 26 أكتوبر 2026 أطلقت OpenAI نموذج GPT-6.1 Terra، وذكرت في صفحته أن من مهامه «تحرير الفيديو». وهذا يستحقّ توضيحًا لأنه يبدو نقضًا لكل ما سبق.

والفرق جوهري: Terra لا «يشاهد» الفيديو ويقصّه أيضًا — بل يضيف استعمال الحاسوب: أي أنه يرى شاشتك وينقر ويكتب. فهو لا يستبدل السلسلة أعلاه، بل يستبدل يدك في الخطوة الثالثة: بدل أن تكتب أمر ffmpeg بنفسك، يفتح البرنامج ويضغط الأزرار.

وهذا أبطأ وأهشّ من استدعاء واجهة برمجية — النقر يفشل حين يتغيّر موضع زرّ — لكنه يفتح الأدوات التي لا واجهة برمجية لها. فإن كان برنامجك مغلقًا بلا API، صار لك طريق لم يكن.

وسعر Terra المعلن 1$ لمليون دخل و5$ للخرج، أي نصف GPT-6.1 Sol. وهذي أرقام الشركة عن منتجها لا قياس مستقلّ — فانتظر اختبارات محايدة قبل أن تبني عليها. وتفصيل الإطلاق هنا.

الحساب: كم تكلّف السلسلة فعلًا؟

حلقة ساعة واحدة، وتفريغها نحو تسعة آلاف كلمة:

• التفريغ: صفر إن شغّلت Whisper على جهازك.
• القرار: التفريغ نحو 12 ألف وحدة دخل، والقائمة نحو ألفين خرجًا. بسعر نماذج الوسط اليوم (1$ و5$ للمليون) = أقلّ من ثلاثة سنتات.
• التنفيذ: صفر مع ffmpeg، أو اشتراك شهري مع خدمة تصيير.

والنتيجة التي تفاجئ أكثر الناس: الجزء «الذكي» من السلسلة هو أرخصها بفارق هائل. فمن يؤجّل الأتمتة بحجّة كلفة الذكاء الاصطناعي يؤجّلها لسبب غير صحيح — الكلفة في اشتراك التصيير وفي ساعة الإعداد الأولى، لا في النموذج.

البرومبت الذي يجعل الخطوة الثانية تعمل

أكثر من يجرّب هذي السلسلة يفشل في الخطوة الثانية لا الثالثة — لأنه يطلب «اختصر لي الفيديو» فيحصل على ملخّص لا قائمة قصّ. والفرق في الصياغة:

سأعطيك ملف SRT لحلقة مدّتها [المدّة]. أريد قائمة قصّ لا ملخّصًا.

لكل مقطع أحذفه أعطني سطرًا واحدًا بهذا الشكل بالضبط:
[توقيت البداية] — [توقيت النهاية] — [السبب في ٥ كلمات]

احذف: الصمت فوق ثلاث ثوانٍ · الجملة التي بدأت ثم أُعيدت · التكرار الحرفي · كلمات التلعثم.

ولا تحذف: الصمت بعد سؤال مباشر · التكرار الذي يبدو تأكيدًا مقصودًا · أي شيء يكسر المعنى بحذفه.

وضع علامة ؟ أمام أي سطر لستَ واثقًا منه، ولا تحذفه بلا تنبيهي.

وفي آخر ردّك: مجموع الثواني المحذوفة والمدّة المتوقّعة بعد القصّ.

وثلاثة أسطر هي التي تصنع الفرق: قائمة «لا تحذف» تمنع أشهر خطأ — حذف الصمت المقصود. وعلامة الشكّ تحوّل القائمة من أمر إلى اقتراح قابل للمراجعة. والمجموع في آخر الردّ يكشف المبالغة فورًا: إن قال إنه سيحذف ثلث الحلقة فالإعدادات خاطئة لا الحلقة.

متى تستحقّ الأتمتة أصلًا؟

وهذا سؤال يُغفَل، وإغفاله يكلّف اشتراكات لا تُستعمل.

مقطع واحد في الأسبوع؟ لا تؤتمت. إعداد السلسلة يأخذ ساعتين، وتوفيرك عشرون دقيقة أسبوعيًا — فالاسترداد بعد ستة أسابيع، وأنت تغيّر أسلوبك قبل ذلك غالبًا.

خمسة مقاطع أسبوعيًا فأكثر؟ أتمِت فورًا. هنا يتحوّل التوفير من دقائق إلى ساعات، ويصير الاشتراك الشهري أرخص من ساعة عملك.

ومئة مقطع بقالب واحد؟ هنا فقط تستحقّ خدمات التصيير البرمجية ثمنها. فمن يصدّر مقطعًا لكلّ منتج أو لكلّ عميل لا يملك بديلًا عمليًا — واليد لا تفعلها مهما طالت.

والعتبة العملية: احسب دقائقك الضائعة شهريًا، واضربها في قيمة ساعتك، وقارنها بالاشتراك. فإن لم يكن الفارق واضحًا فأنت لا تحتاجها بعد.

أين تفشل هذي السلسلة؟

ثلاثة مواضع، اعرفها قبل أن تبني عليها:

• لا أحد فيها يحكم على الصورة. وجهك خارج الكادر، والإضاءة انقلبت، واللقطة اهتزّت — السلسلة كلها عمياء عن ذلك. المراجعة البصرية تبقى عليك كاملةً.
• الإيقاع ليس نصًّا. النموذج يعرف أن الجملة طويلة ولا يعرف أنها تبدو طويلة على الشاشة. وهذا فرق يعرفه كل مونتير.
• الخطأ يتراكم. تفريغ فيه انزياح ثانيتين يعطي قائمة قصّ منزاحة، فمقطعًا مقطوعًا في منتصف كلمة. تحقّق من أول قطعتين وآخر قطعتين قبل أن تنفّذ الباقي — دقيقتان توفّران إعادة كاملة.

وللمحتوى العربي تحديدًا

السلسلة نفسها تعمل بالعربية، لكن ثلاثة فروق تظهر عمليًا:

• التفريغ أضعف. دقّة Whisper بالعربية أقلّ منها بالإنجليزية، وتنزل أكثر مع اللهجات الخليجية والمغاربية. فلا تمرّر الملف بلا قراءة سريعة — والخطأ هنا يتضاعف في بقيّة السلسلة.
• الترجمة المحروقة لا تُصحَّح. إن كنت ستضيف ترجمة عربية في المقطع، راجعها قبل التصدير. فالنصّ المحروق في الصورة لا يُعدَّل بعدها إلا بإعادة التصيير كاملًا.
• الاتجاه يكسر القوالب. كثير من قوالب أدوات التصيير مبنيّة للإنجليزية، فيخرج النصّ العربي محاذيًا لليسار أو مقطّع الحروف. اختبر قالبًا واحدًا بجملة عربية قبل أن تبني عليه مئة مقطع.

ابدأ من هنا

لا تبنِ السلسلة كاملة في يوم. خذ مقطعًا واحدًا قصيرًا، وفرّغه، واطلب قائمة قصّ، ونفّذها بـffmpeg. فإن نجحت — وستنجح — عندها فكّر في الأتمتة والاشتراكات.

ومن يبدأ بشراء اشتراك تصيير قبل أن يجرّب الحلقة الأولى يدفع شهورًا ثمن أداة لم يصل إليها بعد.

اقرأ أيضًا: ماذا يفعل كلود في المونتاج فعلًا وتحويل الفيديو الطويل إلى مقاطع قصيرة وأدوات إنشاء الفيديو.