النص إلى صورة: كيف يحوّل الذكاء الاصطناعي الكلمات إلى صور

النهج السائد في 2026 هو نموذج diffusion، وغالبًا نموذج diffusion كامن. الحدس معاكس للتوقّع لكنه مهم: يتعلّم النموذج إنشاء الصور عبر أن يتعلّم أولًا كيف يفسدها. أثناء التدريب يأخذ صورًا حقيقية، يضيف إليها ضوضاء حتى تصبح ثلجية، ويتعلّم عكس هذه العملية. وعند توليد صورة جديدة يبدأ من ضوضاء عشوائية صِرف ويجري العكس، مُسترشدًا بالـprompt، حتى تظهر صورة نظيفة.

إليك خط الأنابيب بخطوات واضحة، وهو المسار نفسه الذي تسلكه كلماتك كل مرة تضغط فيها توليد.

1. تكتب prompt. هذه هي التعليمات الوحيدة التي يتلقّاها النموذج، لذا تكتسب الدقّة أهميّة كبيرة.
2. يقرأه مُرمِّز نصّي. نموذج لغوي أو رؤيوي-لغوي (مثل مُرمِّز نصوص CLIP، أو نموذج لغوي كبير مثل T5 في Google's Imagen) يُحوّل كلماتك إلى تضمين عددي يلتقط معناها.
3. يبدأ النموذج من ضوضاء عشوائية. اللوحة تبدأ كضغطات ساكنة بلا معنى، seed عشوائي.
4. يُجري denoise خطوة بخطوة. عبر سلسلة من الخطوات يزيل النموذج الضوضاء قليلًا في كل مرة، وفي كل خطوة يدفع تضمين النص النتيجة نحو وصفك.
5. تُفكّك الصورة. في نموذج diffusion الكامن يحدث العمل في فضاء كامن مضغوط للسرعة، ثم يقوم مُفكِّك (VAE) بتوسيع النتيجة إلى صورة كاملة الدقّة.
6. تحصل على صورة منتهية. المخرج صورة جديدة مشروطة بكلماتك وseed وإعدادات النموذج.

فكرتان تقنيّتان تفسّران كثيرًا من السلوك الذي ستلاحظه. الseed هو الضوضاء الابتدائية المحدّدة؛ بإعادة استخدام seed نفسه مع prompt نفسه تحصل على الصورة ذاتها، وهذا ما يتيح لك التكرار بشكل مُتحكَّم. الGuidance (ويُسمّى كثيرًا مقياس CFG) يتحكّم بمدى التزام النموذج بالـprompt مقابل توليد حر؛ رفعه يجعل الصورة أقرب لكلماتك لكنه قد يبدو مُفتعلًا، وخفضه يمنح النموذج حرية إبداعية أكبر لكنه يبتعد عن وصفك.

هناك حفنة مصطلحات تتكرّر باستمرار. معرفتها يزيل معظم الغموض ويجعلك تقرأ لوحة إعدادات أي مولّد صور بالذكاء الاصطناعي بثقة.

لا يلزم لمس كل هذه العناصر في كل مرة. تعرض معظم الأدوات صندوق prompt وNegative prompt ونسبة الأبعاد افتراضيًا، وتخفي الباقي خلف الإعدادات المتقدّمة. لكن معرفتك بوظيفة كل مقبض تعني أنه حين تخرج نتيجة عن المطلوب، تعرف أي قرص تدير.

«النص إلى صورة» وضع واحد ضمن عدة أوضاع، وخلطها مصدر شائع للإحباط. الفرق يعود إلى ما تُدخله للنموذج كنقطة بداية.

• Text to image: الإدخال كلمات فقط. يبدأ النموذج من ضوضاء عشوائية ويبني المشهد كاملًا من وصفك. أفضل لإنشاء شيء جديد من الصفر.
• Image to image: الإدخال كلمات بالإضافة إلى صورة بداية. يستخدم النموذج صورتك كقاعدة ويحوّلها وفق الـprompt مع الحفاظ على التركيب التقريبي. أفضل لإعادة الأسلوب أو إعادة العمل على صورة قائمة.
• Inpainting والتحرير: الإدخال صورة مع منطقة مُقنَّعة. يُعيد النموذج توليد الجزء الذي تحدّده فقط. أفضل لإصلاح عنصر واحد أو استبداله دون إعادة توليد الصورة كاملة.
• Outpainting: يوسّع النموذج الصورة خارج حدودها الأصلية، مُبتكرًا مشهدًا يُكمل الإطار. أفضل لتغيير نسبة الأبعاد أو إضافة حيّز علوي.

في سير عمل حقيقي ستُمزج هذه الأوضاع. قد تُولّد أساسًا عبر «النص إلى صورة»، ثم تنتقل للتحرير لإصلاح يد واحدة أو تبديل الخلفية. معرفتك بالوضع الذي تعمل فيه تُخبرك بما يُسمح للنموذج بتغييره وما سيحاول الحفاظ عليه.

اكتب الفكرة نفسها في أداتين، أو حتى في الأداة نفسها مرتين، وقد تحصل على صور مختلفة جدًا. هذا متوقَّع، وثلاثة عوامل تفسّر معظم ذلك.

أولًا، النموذج. تختلف مولّدات الصور بالذكاء الاصطناعي في بيانات التدريب والهندسة، لذا يمتلك كلٌّ «طابعًا» افتراضيًا وقوًى مختلفة. أظهر بحث مثل Google's Imagen أن توسيع مُرمِّز النص، وليس نموذج الصورة فقط، حسّن بشدّة كلًا من الواقعية الضوئية ومدى تطابق الصورة مع الكلمات، ولهذا يختلف فهم الـprompt كثيرًا بين الأدوات.

ثانيًا، العشوائية. تبدأ diffusion من ضوضاء عشوائية، لذا يُنتج seed مختلف صورة مختلفة حتى مع prompt مطابق. هذه ميزة لا عيب؛ فهي ما يسمح بتوليد تنويعات واختيار الأفضل.

ثالثًا، الprompt والإعدادات. الprompts المبهمة تترك للنموذج ملء الفراغات بتخمينه المتوسّط، لذا تغييرات صياغة صغيرة تقلب النتيجة. الGuidance والخطوات ونسبة الأبعاد تغيّرها أكثر. الخلاصة العملية: أفضل مولّد صور بالذكاء الاصطناعي لك يتعلّق جزئيًا بجودة النموذج وجزئيًا بمدى توافق فهمه للprompts مع طريقتك في الوصف.

لأن الـprompt هو تعليماتك الوحيدة، فصياغته هي المهارة الأهم في «النص إلى صورة». الصيغة الموثوقة تسمّي الأشياء حسب الأهمية: الموضوع أولًا، ثم المشهد، فالإضاءة، فالأسلوب، مع محدّدات تقنية في النهاية وNegative prompt منفصل لما تُريد استبعاده.

1. سمِّ الموضوع وخصائصه المفصلية: "امرأة في الثلاثينيات، ابتسامة واثقة ناعمة، جاكيت تشارکول".
2. ضعه في مشهد: "جالسة أمام خلفية رمادية حيادية".
3. حدّد الإضاءة: "إضاءة نافذة رخوة منتشرة من اليسار" — غالبًا الرافعة الأكبر للواقعية.
4. أضف الكاميرا والعدسة والأسلوب: "مصوّر على عدسة 85mm، عمق مجال ضحل، بورتريه مهني للشركات".
5. اضبط المزاج والمحدّدات التقنية: "دافئ وقابل للتواصل، حدّة عالية، نسبة أبعاد 4:5".
6. أضف Negative prompt: "ظلال قاسية، شوائب، نص، علامة مائية".

الدقّة تتفوّق على الطول. عشر كلمات دقيقة تتغلّب غالبًا على خمسين كلمة مبهمة، لأن كل تفصيل ملموس يبعد النموذج عن تخمينه المتوسّط. عندما تقترب النتيجة لكنها ليست صحيحة، غيّر متغيّرًا واحدًا في كل مرة لترى أثر كل تعديل. لشرح أعمق مع أمثلة جاهزة للنسخ، راجع دليلنا حول كيفية كتابة prompts لصور الذكاء الاصطناعي، أو دع مُنشئ الprompt بالذكاء الاصطناعي يبني prompt كاملًا انطلاقًا من فكرة قصيرة.

«النص إلى صورة» قوي لكنه ليس سحرًا، ورؤية حدوده بوضوح تُجنّبك الإحباط.

• التفاصيل الدقيقة تتعثر بشكل متوقّع. اليدان، الأسنان، النص داخل الصورة، والانعكاسات المعقّدة هي مناطق العيوب المعتادة؛ افحصها كل مرة.
• هو لا يقرأ نواياك. لا يعرف النموذج إلا ما كتبتَه، لذا كل ما تُهمله سيُملأ بافتراضاته الافتراضية.
• التطابق الحرفي صعب. إنتاج الشخص أو المنتج أو الشعار نفسه بثبات عبر صور متعدّدة لا يزال صعبًا من دون أدوات متخصصة.
• المخرجات معقولة لا واقعية. النموذج يخترع تفاصيل، لذا «النص إلى صورة» غير مناسب لما يجب أن يكون دقيقًا، مثل التوثيق أو الأدلة.
• الجودة تختلف حسب النموذج. مولّد أضعف سيكافح مع مشاهد معقّدة يتعامل معها أقوى بسهولة، لذا الأداة أهم بقدر أهمية الـprompt.

لا شيء من ذلك يُعدّ عائقًا لمعظم الأعمال الإبداعية والتسويقية. بل يعني ببساطة أن «النص إلى صورة» نقطة انطلاق تُنقِّحها، لا عرّاف نقرة واحدة. ولِّد، وافحص، ثم أصلِح الأشياء القليلة الخاطئة بتحرير مُستهدف بدل إعادة التوليد الكامل.