(لا تحتاج إلى دكتوراه في الذكاء الاصطناعي!)
تخيل كتابة نص مثل “دلفين يقفز فوق قوس قزح” ومشاهدة فيديو بدقة 720p يتم إنشاؤه بواسطة الذكاء الاصطناعي يظهر على جهاز الكمبيوتر الخاص بك. هذه هي سحر Wan 14B txt2video، نموذج مفتوح المصدر يدفع حدود تركيبة النص إلى فيديو.
اختبار Wan 14B txt2video 720p #AI #AIイラスト #Comfyui pic.twitter.com/q9cauU5Qlu
— toyxyz (@toyxyz3) 26 فبراير 2025
لكن كيف يمكنك تشغيل هذه التكنولوجيا المستقبلية على جهازك الخاص؟ في هذا الدليل، سنقسمها إلى خطوات بسيطة وخالية من المصطلحات المعقدة. سواء كنت هاويًا، مبتكر محتوى، أو فقط فضولي حول الذكاء الاصطناعي، دعنا نحول أفكارك إلى فيديوهات—لا حاجة للاشتراك في السحابة.
هل تريد استخدام Deepseek وChatGPT Deep Research وMinimax Video وWan Video Generator وFLUX Image Generator في مكان واحد؟
أنشئ أول فيديو AI الخاص بك الآن →
ما تحتاجه
قبل البدء، دعنا نجهز إعدادك. إليك قائمة التحقق:
- متطلبات الأجهزة
- وحدة معالجة الرسومات (GPU): على الأقل NVIDIA RTX 3060 (8GB+ VRAM).لماذا؟ توليد الفيديو يتطلب موارد كبيرة. الرسوميات المدمجة لن تكون كافية.
- ذاكرة الوصول العشوائي (RAM): 16GB+ (يوصى بـ 32GB لمزيد من السلاسة).
- التخزين: 20GB+ مساحة خالية (النماذج والاعتمادات حجمها كبير).
- مجموعة البرمجيات
- نظام التشغيل: Linux (يفضل Ubuntu 22.04 LTS) أو Windows 11 مع WSL2.
- Python 3.10+: عماد سير العمل الخاص بالذكاء الاصطناعي.
- CUDA Toolkit 11.8: لتسريع وحدة معالجة الرسومات.
- Git: لاستنساخ المستودع.
- الصبر:
- الإعداد الأولي يستغرق حوالي ساعة واحدة. الجولات التالية ستكون أسرع.
الخطوة 1: تثبيت المتطلبات الأساسية
دعنا نضع الأساس.
لمستخدمي لينكس:
افتح الطرفية وأدخل:
sudo apt update && sudo apt upgrade -y
sudo apt install python3.10 python3-pip git -y
لمستخدمي ويندوز:
- قم بتثبيت نظام ويندوز الفرعي لينكس (WSL2) دليل مايكروسوفت الرسمي.
- افتح الطرفية Ubuntu عبر WSL2 وأدخل الأوامر السابقة.
تثبيت CUDA و PyTorch:
# تثبيت CUDA 11.8
wget <https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run>
sudo sh cuda_11.8.0_520.61.05_linux.run
# تثبيت PyTorch مع دعم CUDA
pip3 install torch torchvision torchaudio --index-url <https://download.pytorch.org/whl/cu118>
الخطوة 2: استنساخ مستودع Wan 14B
كود النموذج موجود على GitHub. دعنا نحصل عليه:
git clone <https://github.com/wan-org/Wan-14B-txt2video.git>
cd Wan-14B-txt2video
نصيحة احترافية: تحقق من README.md للحصول على التحديثات. مجال الذكاء الاصطناعي يتطور أسرع من اتجاهات TikTok!
الخطوة 3: إعداد بيئة افتراضية
تجنب جحيم الاعتمادات! عزل مشروعك:
python3 -m venv wan-env
source wan-env/bin/activate # لينكس/WSL
# لمستخدمي ويندوز CMD: .\\wan-env\\Scripts\\activate
ثبّت المتطلبات:
pip install -r requirements.txt
الخطوة 4: تنزيل أوزان النموذج
المستودع لا يتضمن نموذج الذكاء الاصطناعي الفعلي (إنه كبير جدًا). قم بتنزيل الأوزان المدربة مسبقًا:
- الخيار 1 (رسمي):
قم بزيارة صفحة Hugging Face الخاصة بالنموذج (سجل إذا لزم الأمر).
استخدم git lfs للتنزيل:
git lfs install
git clone <https://huggingface.co/wan-14b/txt2video-720p>
انقل مجلد txt2video-720p إلى دليل المشروع.
- الخيار 2 (تنزيل مباشر):
- بعض المجتمعات تستضيف نسخ احتياطية. تحقق من Discord الخاص بالمشروع للحصول على روابط المغناطيس (لكن تحقق من الشفرات!).
الخطوة 5: تكوين أول فيديو لك
حان الوقت لإنشاء التحفة الفنية الخاصة بك!
افتح موجهك:
كن محددًا. بدلاً من “منظر للمدينة”، جرب:
“مدينة مستقبلية مضاءة بأضواء نيون في الليل، سيارات طائرة تتجول بين ناطحات السحاب، بأسلوب سايبربانك، 720p، 30fps.”
ضبط الإعدادات في config.yaml:
افتح الملف وقم بالتعديل:
output_resolution: [1280, 720]
num_frames: 90 # 3 ثوان عند 30fps
guidance_scale: 7.5 # أعلى = المزيد من الالتزام بالموجه
seed: 42 # غيره للحصول على نتائج مختلفة
تشغيل السكربت:
python generate.py --prompt "YOUR_PROMPT" --config config.yaml
ملاحظة: الجولة الأولى ستستغرق وقتًا أطول (النموذج يتم تهيئته). الجولات التالية ستستخدم الأوزان المخزنة.
الخطوة 6: المراقبة وحل المشاكل
ستبدو طرفيتك مثل مشهد من The Matrix. إليك ما يجب مراقبته:
- استخدام VRAM: قم بتشغيل
nvidia-smi(لينكس/WSL) أو إدارة المهام (ويندوز) للتحقق من تحميل GPU. - هل نفدت الذاكرة؟ قلل من
num_framesأوoutput_resolutionفيconfig.yaml. - معلق عند 100% CPU؟ تأكد من تثبيت CUDA وPyTorch بشكل صحيح.
- هل هناك عيوب أو خلل؟ زد من
guidance_scaleأو قم بتنقيح موجهك.
الخطوة 7: التحويل والمعالجة اللاحقة
بمجرد توليد الفيديو الخاص بك (على سبيل المثال، output_001.mp4) سيكون في مجلد results.
قم بتحسينه:
رفع الدقة باستخدام FFmpeg:
ffmpeg -i output_001.mp4 -vf "scale=1280:720:flags=lanczos" upscaled.mp4
أضف صوتًا: استخدم Audacity أو موسيقى مجانية من Epidemic Sound.
نصائح التحسين
معالجة دفعة: قم بجدولة عدة موجهات طوال الليل.
استخدم xFormers: قم بتثبيت هذه المكتبة لتسريع الاستدلال:
pip install xformers
تقليل الدقة: استخدم fp16 في config.yaml للحصول على فيديوهات أسرع (لكن بجودة أقل قليلاً).
أسئلة شائعة: إجابات على أسئلتك الملحة
س: هل يمكنني تشغيل هذا على Mac M2؟
ج: للأسف، لا. واجهة برمجة تطبيقات Metal من Apple ليست متوافقة تمامًا مع النماذج المعتمدة على CUDA.
س: لماذا 720p وليس 4K؟
ج: 720p يتطلب حوالي 8GB VRAM. 4K تحتاج إلى GPU بقيمة 10,000 دولار (في الوقت الحالي).
س: فيديوي يمتد فقط ثانيتين. المساعدة!
ج: قم بزيادة num_frames في config.yaml. كل إطار = ثلث من الثانية.
س: هل يمكنني تدريب نسختي الخاصة من Wan 14B؟
ج: تقنيًا نعم، لكنك ستحتاج إلى مجموعة بيانات من الفيديوهات الموصوفة والكثير من القدرات الحسابية.
أفكار ختامية
تشغيل Wan 14B txt2video محليًا مثل وجود مخرج بمستوى سبيلبرغ في جهاز الكمبيوتر الخاص بك—فقط يحتاج إلى تعليمات واضحة (وGPU جيد). بينما التكنولوجيا ليست مثالية بعد (توقع بعض العيوب غير الطبيعية بين الحين والآخر)، فهي لمحة مثيرة عن مستقبل إنشاء المحتوى.
اذهبوا وابتكروا:
- اصنع مقاطع قصيرة فيروسية لـ TikTok/YouTube.
- تصور الأحلام أو لوحات القصة.
- تجربة مع موجهات الفن التجريدي (“ساعات تذوب في صحراء، بأسلوب دالي”).
تذكر، كل فيديو تم إنشاؤه بواسطة الذكاء الاصطناعي اليوم هو حجر أساس نحو الأفلام الهولوجرامية للأمام. تنسيق سعيد! 🎥✨
هل واجهتك مشكلة؟ اترك تعليقًا أدناه أو انضم إلى مجتمع Wan على Discord للحصول على مساعدة في الوقت الفعلي!