قِستُ سبعة مقاطع رعب بالذكاء الاصطناعي. ستة منها لا تصمت أبدًا.

إن كان رعبك المولَّد بالذكاء الاصطناعي يخرج مضحكًا لا مخيفًا، فالوحش على الأرجح ليس المشكلة. سئمت التخمين في هذا، فبدل أن أجادل فيه قِستُه.

سبعة مقاطع من عرض MiniMax H3 الرسمي — كل ما استطعت الحصول عليه بصورة مشروعة — نُزّلت ومُرّرت عبر ffmpeg، بقياس مستوى RMS في نوافذ من نصف ثانية، أي 2,340 نافذة إجمالًا. وهذه أرضية كل واحد منها:

ستة من السبعة لا تصمت أبدًا. ولا مرة، ولا لنافذة واحدة. أما قطعة الأزياء — وهي التي تطلب صراحةً في برومبتها أعطال VHS وانقطاع بثّ الدوائر المغلقة — فتقضي خمس عشرة ثانيتها كلها داخل نطاق 16.8 ديسيبل وتبلغ قاعها عند −25.5 ديسيبل. وذلك ليس مسارًا صوتيًا ذا ديناميكية. ذلك جدار.

ومقطع واحد يكسر النمط، وهو الوحيد في المجموعة الذي في طابع رعبي.

الاستثناء، وما لا يقوله برومبته

تفتتح تشويقة مصّاص الدماء على نحو 1.6 ثانية تحت −40 ديسيبل، ثم تهبط مرة أخرى عند 8.5 ث و10.0 ث و13.9 ث. وذلك ليس مسارًا مسطّحًا بمقدّمة هادئة. ذلك إيقاع — الشكل الذي كنت سترسمه لو طُلب منك تخطيط الرهبة.

شغّل الصوت في هذا الواحد. فالمقصد كله في الجزء الذي لا تراه.

فعدت إلى برومبته أبحث عن تعليمة الصوت التي أنتجت ذلك، ولا وجود لها. في 1,366 حرفًا لا ذكر لصوت، ولا موسيقى، ولا مقطوعة، ولا أجواء، ولا صمت، ولا هدوء. لا شيء.

أما ما يحمله البرومبت فعلًا فهو طابع عاطفي، مذكور بأربع طرق مختلفة — dark romance، وgloomy oppression، وhigh-end, restrained and compact، وthe hook of a hit short drama's first 15 seconds — وقائمة بما يرفض أن يكونه:

No blood, no cheap horror, no Halloween feel, no modern street feel.

وحالة المقارنة جالسة هناك في المدوّنة نفسها. فتتابع عناوين الجريمة الرسمي يرفض الرعب هو الآخر، لكنه يفعل ذلك على نحو مختلف: يكتب not horror, not heavy، فينفي درجة الحرارة مع الزيّ. وأرضيته −27.9 ديسيبل وهو لا يتوقّف لحظة.

ارفض الزيّ، وأبقِ درجة الحرارة. تلك هي القراءة، وأريد أن أكون صريحًا في قوّتها: ستة مقاطع تخبرني أن الافتراضي صوت من جدار إلى جدار، وهذا متين. ومقطع واحد يخبرني ماذا يفعل الطابع الرعبي بذلك الافتراضي، وهذه عيّنة واحدة. وكنت سأجري النسخة المنضبطة — المشهد نفسه، لقطة تسمّي الطابع ولقطة لا تسمّيه — قبل أن أعامله على أنه محسوم.

أمران ينتجان عن ذلك، والثاني هو النافع

عدّة التدهور بلا مقابل. أعطال VHS، وخطوط المسح، والزيغ اللوني، وتسرّبات الضوء، وحبيبات الشريط، وانقطاع البثّ — كل ذلك سطر واحد في برومبت، ومقطع الأزياء الرسمي يثبت أنه يُخرَج عند الطلب. وهذا هو النصف الذي يتقاتل عليه الجميع. وهو النصف السهل.

وهو كذلك النصف الذي تكفّ فيه نقاط ضعف هذا النموذج عن كونها نقاط ضعف. فكل نموذج فيديو انتشاري يفقد تفصيل البشرة عبر مرمّز VAE، ويتفكّك عند المسافة، ويلطّخ الحركة السريعة. وعمل المنتجات يقاتل الثلاثة. والرعب التناظري يدفع للإضافات البرمجية لتزييف الثلاثة. وهذا واحد من أندر الأنواع التي ينبغي فيها أن توجّه نموذجًا نحو ما يجيد إفساده.

أما الصمت فليس بلا مقابل، وهو لا يأتي من حيث تبحث عنه. السطر non_diegetic_music: N/A ما زال أول ما أكتبه وينبغي أن تكتبه أنت كذلك — فترك ذلك الحقل فارغًا ليس التعليمة نفسها التي هي ملؤه بالقيمة N/A. لكن بحسب الدليل أعلاه، ليس الحقل وحده هو ما أنتج المقطع الهادئ الوحيد في المجموعة. بل تسمية الطابع هي ما أنتجته.

فصرت الآن أكتب الطابع العاطفي بالوضوح نفسه الذي أكتب به البصري، وأنفي النوع الخطأ بالاسم. يُقرأ ذلك كأنه ديكور. ويبدو أنه هو الذي يقوم بالعمل.

لماذا 8.000 ثوانٍ

يُخرج H3 في كتل من 17n + 5 إطارًا عند 24 إطارًا في الثانية، ومعنى ذلك أن كل مدة تطلبها تقريبًا تحطّ على كسر. و192 إطارًا هي 8.000 ثوانٍ بالضبط، وهي الثانية الصحيحة الوحيدة في المدى الصالح.

وكل مقطع من السبعة التي قِستُها يجلس على تلك الشبكة — خمسة منها عند 362 إطارًا، أي 15.083 ثانية — وعرض MiniMax نفسه للتحويل من صورة إلى فيديو عند 192 إطارًا. فهذه ليست طرفة استنتجناها. هي ما يفعله النموذج، ومن يصنعون المواد المرجعية يعملون داخلها أصلًا. وقد فكّكنا الشبكة كاملة هنا.

وثماني بدل خمس عشرة لسبب ثانٍ. لا تستطيع الاحتراق البطيء في خمس عشرة ثانية. فالاحتراق البطيء يحتاج تأسيسًا ثم إمساكًا ثم كسرًا؛ وخمس عشرة ثانية تشتري لك الإمساك والكسر. فهذا الشكل يرث الرهبة بدل أن يبنيها — فالإطار الأول عليه أن يبدو خاطئًا أصلًا، وكل ما بعده سداد.

وتفصيل واحد يهمّ هنا أكثر من أي مكان آخر: ضع نبضتك على إطار حقيقي. فعند 24 إطارًا في الثانية، تكون 00:07.400 هي الإطار 177.6، وهو غير موجود، وتكون قد سلّمت توقيتك إلى خطوة تقريب. أما 00:07.000 فهي الإطار 168 وتترك ثانية واحدة بالضبط ذيلًا.

البرومبت

integrated_multimodal_description:
[Shot 1] Live-action, handheld VHS camcorder footage, 1994, heavy tape grain,
chroma bleed and a faint horizontal tracking line. A wide static shot down an
empty primary-school corridor at night. Lockers line both walls. One fluorescent
tube halfway down flickers on a slow irregular cycle; everything beyond it is
dark. Nothing moves. The camera does not move.
[Shot 2] At 00:05.000, hard cut to the identical framing. A tall thin figure now
stands at the far end of the corridor, out of focus, facing away. It is not
walking and never moves. The camera does not move. The fluorescent tube keeps
flickering on the same cycle.
Restrained, patient, oppressive. No blood, no gore, no jump-scare monster,
no Halloween styling.

overall_soundscape:
Room tone only. The low electrical hum of a fluorescent ballast, the constant
hiss of magnetic tape, and the distant settling of an empty building at night.
No footsteps, no breathing, no voices, no doors. At 00:07.000 the fluorescent
hum cuts out completely and the tape hiss is left alone.

non_diegetic_music:
N/A

أربعة اختيارات هناك تستحقّ الشرح.

الشخصية خارج البؤرة ولا تتحرّك أبدًا. ركّزها أو أضئها أو حرّكها فتحصل على شيء مضحك قليلًا، لأنه في اللحظة التي يضطرّ فيها النموذج إلى الالتزام بوجه يظهر ذوقه. أما خارج البؤرة وثابتةً فذلك يخفي أصعب شيء في الإطار على الإخراج، وهو أكثر إخافة فوق ذلك — فأنت لا تستطيع صرف بصرك عن شيء لا تكاد تحلّه.

واللقطة الثانية تقول إن الصوت لا يتغيّر. الصورة تتغيّر والصوت لا. فأول ردّ فعل عند المشاهد أن يشكّ في أنه رأى شيئًا، والشكّ هو الأثر.

والغيابات مسمّاة واحدًا واحدًا. لا «هدوء» — بل no footsteps, no breathing, no voices, no doors. ففي تجربتي تُقرأ كلمة «هدوء» بمعنى «موسيقى هادئة»، وهو عكس ما طلبته.

والسطر الأخير ينفي النوع الخطأ. وهو الذي أضفته بعد القياس، وهو الذي لن أتخلّى عنه.

ما الذي تغيّره

كلمات الطابع. أعلى سطر رافعةً في الصفحة. بدّل restrained واكتب frantic فتكون قد غيّرت المزج بقدر ما غيّرت القطع، سواء لمست الحقول الصوتية أم لا.

هل تنحلّ الشخصية يومًا. إدخالها خطوةً في البؤرة في النهاية تمامًا هو أكبر تغيير مفرد متاح، وهو يجعل المقطع أسوأ عادةً. جرّبه مرة لتعرف لماذا.

ومن أين يأتي طنين الغرفة. المُثبِّت الفلورسنتي يقوم بعمل كبير هنا لأن له طبقة صوتية، والطبقة يمكن أن تتوقّف. بدّله بريح أو حركة مرور فلا يبقى شيء ينقطع — فالفزعة تحتاج صوتًا له حافّة.

أين يسير الأمر خطأً

كم يكلّف

بمعدّلاتنا، ثانية 768P تساوي 8 أرصدة، وكل مقطع يحمل تمريرة تحليل تكلّف 5 أرصدة، فتكون لقطة الثماني ثوانٍ 69 رصيدًا.

والرقم الذي يهمّ هو عدد اللقطات، لا اللقطة الواحدة. خطّط على ثلاث أو أربع قبل أن تستحقّ واحدة الاحتفاظ — وذلك هو الرقم الصادق في هذه الفئة كلها من الأدوات، والرعب ليس استثناءً، لأنك تطارد شعورًا لا قائمة تحقّق. فسمِّها نحو 276 رصيدًا لمقطع تحتفظ به.

وصوّره عند 768P، لا توفيرًا للمال. فالنوع يريد التدهور، ودقة 2K تعمل ضدّك. وهذه من الحالات النادرة التي تكون فيها الفئة الرخيصة هي الفئة الصحيحة، والفارق يشتري اللقطات الإضافية التي تنتج فعلًا المقطع المحتفَظ به. المعدّلات هنا.

هل تستطيع نشره؟

السؤال الذي لا يبدو أن أحدًا في الصفحة الأولى من النتائج يجيب عنه، وهو السؤال الذي عند كل صانع رعب فعلًا.

الرعب التناظري يعمل عبر التدهور والغياب لا عبر الدماء، وهذا بالضبط ما يبقيه داخل سياسات أغلب المنصّات — وداخل سياساتنا. فكتابة no blood, no gore في برومبت ليست ذوقًا وحسب. إنها تجتاز مرشّحًا.

وقاعدة واحدة تستحقّ الحفظ على أي حال: لا شخصيات مملوكة لطرف ثالث بالاسم. فالغرف الخلفية والفضاءات الحدّية والرهبة بلا علامة تجارية كلها لك. أما وحش غيرك فلا، وتلك معركة مع قسم قانوني لا مع سياسة محتوى.

جرّبه

البرومبت الرسمي بحرفه، والروافع، وقائمة الأعطال الكاملة، كلها على قالب التشويقة القوطية، ومعها القياس الذي بُني عليه هذا المقال. وإن كنت تفضّل البدء من الممرّ أعلاه، فالإعداد المسبق «رعب» في تحويل النص إلى فيديو يحمّله ومشهد الصوت مملوء سلفًا.

وإن أردت الحجّة الأساسية عن كيف يعامل H3 الصوت محتوًى لا زينة، فهي مكتوبة على حدة.

المقاطع المصدر هي أمثلة MiniMax الرسمية، منشورة في مجموعة awesome-minimax-h3-prompts برخصة CC BY 4.0 وفي بطاقة نموذج MiniMax H3. أما القياسات فلنا: ffmpeg -af astats=metadata=1:reset=24، بتاريخ 2026-09-03.