ملاحظة المؤلف: لا يمكن الحكم على إنتاج الدراما القصيرة بالذكاء الاصطناعي بمجرد النظر إلى تأثير لقطة واحدة. تقدم هذه المقالة منهجًا لإدارة أصول المسلسلات متعددة الحلقات، بدءًا من تفكيك السيناريو وصولًا إلى تتبع التغييرات، وتوضح كيفية ربط النماذج عبر API لإنجاز الاستخراج المنظم وفحص الاستمرارية.
نشرت 36氪 في 4 نوفمبر 2026 تقريرًا ذكرت فيه أن علي بابا تختبر داخليًا منصة الإبداع بالذكاء الاصطناعي Looogen، وشبهتها في العنوان بـ«نسخة علي بابا من Jimeng AI». تتزايد منصات الإبداع بالذكاء الاصطناعي، كما أصبح الحصول على قدرات توليد العنصر الواحد أسهل من أي وقت مضى. رأينا هو أن نقطة التنافس في إنتاج الدراما القصيرة بالذكاء الاصطناعي تتحول نحو القدرة على إدارة أصول متعددة الحلقات.
هذا ليس تقييمًا لمنصة، ولا قائمة أدوات. المعلومات العامة القابلة للتحقق محدودة حاليًا، ولا يزال يتعين الاعتماد على الإصدار الرسمي بشأن الوظائف المحددة لـ Looogen. تركز هذه المقالة على منهج يمكن للفرق تطبيقه فورًا: كيف نحافظ على اتساق الشخصيات والمشاهد والدعائم والأصوات عبر عشرات الحلقات، وكيف نحدد نطاق التأثير بوضوح عند إجراء تغييرات.
القيمة الأساسية: بعد قراءة هذه المقالة، ستتعلم بناء سير عمل لإدارة أصول متعددة الحلقات، يشمل ترقيم الأصول، وتثبيت الإصدارات، وبطاقات اللقطات، وفحص الاستمرارية، وتتبع التغييرات. ويمكن أتمتة خطوات معالجة النصوص في سير العمل عبر ربط النماذج باستخدام APIYI.
المحاور الأساسية لانتقال نقطة التنافس في إنتاج المسلسلات القصيرة بالذكاء الاصطناعي
جودة اللقطة الواحدة يستطيع الجمهور الحكم عليها بنظرة واحدة. أما مشكلات المسلسل القصير متعدد الحلقات فلا تظهر غالبًا إلا عند المشاهدة المتواصلة: تسريحة شعر البطلة تتغير في الحلقة الثالثة، ومكتب الشرير يتغير تصميمه، والهاتف الذي تحطم في الحلقة السابقة يعود سليمًا في الحلقة التالية. وحتى لو كانت جودة اللقطات عالية، فهي لا تعوّض هذا النوع من أخطاء الاستمرارية.
| بُعد المقارنة | التوجه نحو توليد لقطة واحدة | التوجه نحو إدارة أصول متعددة الحلقات | القيمة الفعلية |
|---|---|---|---|
| الهدف الأساسي | أن تبدو الصورة الحالية جميلة | أن يبقى المسلسل كله متسقًا من البداية إلى النهاية | تقليل مخاطر أخطاء الاستمرارية بين الحلقات |
| وحدة العمل | الموجه ومقطع فيديو واحد | أصول مرقمة وذات إصدارات | أصول قابلة لإعادة الاستخدام والتتبع |
| طريقة التعديل | إعادة تنفيذ كل عنصر على حدة بعد اكتشاف المشكلة | فحص علاقات الإسناد أولًا، ثم إعادة العمل المستهدفة | تضييق نطاق إعادة العمل |
| تراكم الخبرة | تبقى في موجهات الأفراد | تبقى في مكتبة أصول مشتركة بين الفريق | تقليل تكلفة تسليم المهام بين الأشخاص |
لماذا يجب إدارة أصول متعددة الحلقات في إنتاج المسلسلات القصيرة بالذكاء الاصطناعي
عادةً ما تكون المسلسلات القصيرة كثيرة الحلقات وسريعة الإيقاع، وكثيرًا ما يُنتجها عدة أشخاص بالتوازي. وكلما أضفنا حلقة، زادت الحالات التي يجب الحفاظ على اتساقها: هل الشخصية مصابة؟ وأي طقم ملابس ارتدته؟ وفي يد مَن أصبحت قطعة تذكارية معينة الآن؟ والاعتماد على الذاكرة البشرية وسجلات الدردشة للحفاظ على هذه المعلومات يجعل الأخطاء مرجحة جدًا مع زيادة عدد الحلقات.
إدارة الأصول هي الحل لهذه المشكلة تحديدًا. فهي تحوّل «الإعدادات المحفوظة في الذاكرة» إلى «بيانات يمكن الاستعلام عنها والرجوع إليها وقفلها». وحتى لو تغيرت أدوات التوليد لاحقًا، تبقى إعدادات الشخصيات والصور المرجعية وعلاقات اللقطات في يد الفريق، وهذا هو أكثر ما يتراكم استقرارًا أثناء التطور السريع للأدوات.
إنتاج الأصول متعددة الحلقات بالذكاء الاصطناعي للدراما القصيرة: دليل البدء السريع عبر 6 خطوات
لا يعتمد سير العمل التالي على منصة بعينها. يمكن للفرق الصغيرة أن تبدأ باستخدام الجداول متعددة الأبعاد والتخزين الكائني، ثم تنتقل إلى قاعدة بيانات أو نظام متخصص بعد توسّع الحجم.
الخطوة 1: تفكيك النص إلى بيانات منظمة لإنتاج الدراما القصيرة بالذكاء الاصطناعي
ابدأ بإنشاء «دستور المسلسل»، أي الجدول الشامل لإعدادات العمل بأكمله، وسجّل فيه العالم القصصي وعلاقات الشخصيات والخط الزمني وملخص كل حلقة. بعد ذلك، فكّك نص كل حلقة إلى مشاهد ولقطات، واستخرج منها الشخصيات والأماكن والإكسسوارات وتغيّرات الحالة التي تظهر فيها.
هذه الخطوة مناسبة جدًا لإسناد المسودة الأولى إلى نموذج لغة كبير، ثم يراجعها كاتب السيناريو أو المنسّق الإنتاجي بشريًا. يتولى النموذج الاستخراج والتصنيف، ويتولى الإنسان الحكم على دقة الإعدادات، وبذلك نجمع بين رفع الكفاءة وتجنّب انتقال الأخطاء مباشرة إلى المراحل اللاحقة.
الخطوة 2: توحيد تصنيف الأصول عبر الحلقات وترقيمها
يجب تحديد قواعد الترقيم قبل بدء العمل، وإلا سيكون من الصعب تتبع الأصول لاحقًا. يُنصح بأن يكون لكل أصل معرّف فريد، وأن يُدرج النوع والإصدار في رقمه. على سبيل المثال، يعني CHR-LINNA-V03 الإصدار الثالث من تصميم الشخصية لينا، بينما يعني EP03-S02-SH014 الحلقة الثالثة، المشهد الثاني، اللقطة رقم 14.
| نوع الأصل | المحتوى المطلوب حفظه | مثال على الرقم | مشكلات نموذجية عند عدم الإدارة |
|---|---|---|---|
| الشخصيات | صور مرجعية للمظهر المعتمد، وصور متعددة الزوايا، والملابس، والمرحلة العمرية | CHR-LINNA-V03 |
عدم اتساق ملامح الشخصية نفسها بين الحلقات |
| المواقع | التخطيط المكاني، والإضاءة حسب الوقت، والتجهيزات الأساسية | LOC-OFFICE-V02 |
تغيّر تخطيط الغرفة نفسها |
| الدعائم | المظهر، والمالك، والحالة الحالية | PROP-RING-V01 |
عودة الدعامة التالفة أو التي جرى تسليمها إلى حالتها السابقة |
| الصوت | بصمة صوت الشخصية، وسرعة الكلام، وسجل حقوق الاستخدام | VOC-LINNA-V01 |
عدم اتساق جرس الصوت في الدبلجة بين المقاطع |
| الأسلوب | درجة اللون، وأبعاد الإطار، ولغة الكاميرا، والقيود السلبية | STY-MAIN-V02 |
اختلاف الانطباع البصري بين الحلقات التي ينتجها أشخاص مختلفون |
الخطوة 3: إعداد قواعد الإصدار والقفل للأصول متعددة الحلقات
يُفضّل استخدام أربع حالات: draft وتعني مسودة، وreview وتعني بانتظار المراجعة، وlocked وتعني مقفلة، وdeprecated وتعني مهجورة. من حيث المبدأ، لا يجوز للقطات النهائية أن تشير إلا إلى أصول بحالة locked، فهذا يمنع أي شخص من البدء في العمل باستخدام نسخة لم يتم تأكيدها بعد.
بمجرد قفل الإصدار، لا تستبدله في مكانه؛ عند التعديل، احفظه كإصدار جديد واذكر سبب التعديل. مثلًا، إذا قصّت الشخصية شعرها في الحلقة 10، فأضف إصدارًا جديدًا وحدّد نطاق الحلقات التي ينطبق عليها. أبقِ الإصدار القديم محفوظًا أيضًا، لأن اللقطات السابقة ما زالت تشير إليه.
الخطوة 4: ربط أنواع الأصول المختلفة لإنتاج الدراما القصيرة بالذكاء الاصطناعي باستخدام بطاقة اللقطة
بطاقة اللقطة هي محور العملية بأكملها. فهي تسجّل الأصول التي استخدمتها اللقطة، والمعلمات التي وُلّدت بها، والمكان الذي حُفظت فيه النتيجة. وطالما أن لكل فيديو بطاقة لقطة مقابلة، فإن عمليات الفحص وإعادة العمل اللاحقة ستكون لها أساس.
| الحقل | الوصف | مثال للتعبئة |
|---|---|---|
shot_id |
الرقم الفريد للقطة | EP03-S02-SH014 |
asset_refs |
الأصول المشار إليها وإصداراتها | CHR-LINNA-V03、LOC-OFFICE-V02 |
story_state |
حالة القصة الحالية | اليد اليسرى مصابة، وتمت إعادة الخاتم |
prompt_version |
إصدار الموجه | P-EP03-014-V02 |
generator |
أداة أو نموذج التوليد المستخدم والمعلمات | يُملأ حسب الأداة والنموذج الفعليين |
output_uri |
موقع تخزين المقطع النهائي أو المواد الخام | مسار التخزين الكائني للفريق |
review_status |
حالة المراجعة | بانتظار المراجعة، مقبول، يحتاج إعادة عمل |
الخطوة 5: فحص استمرارية الأصول عبر الحلقات باستخدام النموذج
أجرِ فحصًا قبل توليد كل حلقة وآخر بعده. قبل التوليد، اطلب من النموذج النصي مراجعة حالة الشخصيات والخط الزمني في الحلقة السابقة، والتحقق من وجود تعارضات في بطاقات لقطات الحلقة الحالية. وبعد التوليد، اطلب من نموذج متعدد الوسائط يدعم إدخال الصور مقارنة الإطارات الرئيسية بالصور المرجعية للأصول، مع التنبيه إلى الاختلافات في الملابس وتسريحات الشعر والديكور.
ينبغي التعامل مع نتائج فحص النموذج كإنذار مبكر فقط، ويبقى التأكيد النهائي بحاجة إلى مراجعة بشرية. يُفضّل أن يُخرج النموذج النتائج بحقول ثابتة: رقم اللقطة، ونوع التعارض، والدليل، ودرجة الخطورة، لتسهيل استيرادها إلى جدول ومعالجتها حسب الأولوية.
الخطوة 6: تتبع تأثير تغييرات الأصول في إنتاج الدراما القصيرة بالذكاء الاصطناعي
عند تغيير أحد الأصول، ابحث أولًا عن كل بطاقات اللقطات التي تشير إلى النسخة القديمة، ثم حدّد اللقطات المتأثرة. بعد ذلك، قرر ما إذا كان يجب إعادة تنفيذها بناءً على حالة العرض وتأثيرها على الانطباع البصري، بدلًا من إعادة إنتاج الحلقة كاملة من الصفر. يعتمد نجاح هذه الخطوة على اكتمال تعبئة asset_refs في الخطوات السابقة.
بعد إتمام كل حلقة، يُنصح بحساب نسبة اللقطات المعاد تنفيذها، وعدد مشكلات الاستمرارية، واستهلاك استدعاءات النموذج في الحلقة. هذه البيانات الخاصة بفريقك أكثر فائدة من أي خبرة عامة في توجيه جدولة الحلقة التالية وميزانيتها.
🚀 بداية سريعة: يمكنك اختيار حلقة واحدة لتشغيل سير العمل أعلاه تجريبيًا، دون الحاجة لتغطية المسلسل كاملًا دفعة واحدة. يمكن الاتصال باستدعاءات النموذج في سير العمل عبر APIYI، وتجد تعليمات الاتصال في مركز التوثيق
docs.apiyi.com.
كيفية ربط سير عمل أصول الإنتاج متعدد الحلقات للمسلسلات القصيرة بالذكاء الاصطناعي عبر API
نظام إدارة الأصول نفسه لا يحتاج إلى الارتباط بنموذج معين. الطريقة الأكثر أمانًا هي تغليف تفكيك السيناريو واستخراج الإعدادات وفحص الاستمرارية كمهام مستقلة، بحيث يمكن استبدال النموذج حسب المهمة. توفر APIYI استدعاءات API لنماذج النصوص والنماذج متعددة الوسائط الواردة في هذا المقال، وهي متوافقة مع تنسيقي واجهات OpenAI وAnthropic. تحتاج المشاريع القائمة عادةً إلى تعديل الإعدادات فقط للاتصال، ويُرجى الرجوع إلى صفحة النماذج في APIYI للحصول على قائمة النماذج الدقيقة.
| مهمة سير العمل | المحتوى المدخل | المخرجات المتوقعة | قدرات النموذج المطلوبة | المعاملات الرئيسية |
|---|---|---|---|---|
| تفكيك السيناريو | سيناريو حلقة واحدة | المشاهد واللقطات وقائمة الأصول | فهم النصوص الطويلة والإخراج المنظم | model، messages |
| استخراج الإعدادات | نبذات الشخصيات، مخطط الحلقة | ملفات الشخصيات والدعائم | استخراج المعلومات | response_format (تنسيق OpenAI، والدعم يختلف حسب النموذج) |
| التحقق من الحالة | بطاقات لقطات الحلقة السابقة والحلقة التالية | قائمة تعارضات حالة الحبكة | استدلال منطقي | system، max_tokens (تنسيق Anthropic) |
| مقارنة الصور | الإطارات الرئيسية، الصور المرجعية للأصول | ملاحظات الاختلاف البصري | فهم الصور | يُملأ وفق تنسيق الإدخال متعدد الوسائط للنموذج المختار |
يمكن اتباع الترتيب التالي عند الاتصال:
- اقرأ وثائق APIYI على
docs.apiyi.com، وتأكد من عنوان الواجهة وطريقة المصادقة والتنسيق المستخدم. - تحقق في
https://docs.apiyi.com/modelsمن توفر النموذج المستهدف وقواعد الفوترة الخاصة به. - ضع مفتاح API في متغيرات البيئة أو خدمة إدارة المفاتيح، ولا تكتبه في الجداول المشتركة أو قوالب الموجهات.
- اختبر أولاً ببيانات حلقة واحدة، وسجّل Prompt واسم النموذج والنتائج معًا.
يجب أيضًا إدراج إحصاء التكاليف في سير العمل منذ البداية. في استجابات تنسيق OpenAI، يمكن عادةً قراءة prompt_tokens وcompletion_tokens، أما في تنسيق Anthropic فيتم عادةً قراءة input_tokens وoutput_tokens. وبإعادة كتابتها في بطاقة اللقطة أو سجل المهام، يمكن حساب التكلفة لكل حلقة.
💰 ملاحظة حول الأسعار: لا يورد هذا المقال أسعارًا محددة لكل وحدة. تعتمد أسعار النماذج وأساس الفوترة وأسعار الإدخال والإخراج وأسعار التخزين المؤقت على البيانات الفعلية في صفحة أسعار APIYI:
https://docs.apiyi.com/models.
مقارنة حلول إدارة الأصول متعددة الحلقات في إنتاج المسلسلات القصيرة بالذكاء الاصطناعي
الفرق ذات الأحجام المختلفة لا يناسبها الحل نفسه. الجدول التالي مقارنة نوعية مبنية على خصائص سير العمل، وليست نتائج قياس فعلية؛ لذلك يظل من الأفضل تجربة الحل على مشروعك الخاص قبل الاختيار.
| الحل | السمات الأساسية | حالات الاستخدام | القيود الرئيسية | اقتراحات ربط النماذج |
|---|---|---|---|---|
| جدول + تخزين كائنات | بدء سريع وتكلفة تعديل منخفضة | الفرق الصغيرة والمشاريع التجريبية | يعتمد على الصيانة اليدوية، وقد تفوت بعض المراجع | استدعاء النماذج عبر APIYI للمساعدة في الاستخراج |
| مكتبة أصول داخلية + تنسيق النماذج | تحكم في البيانات وسير العمل | فرق تعمل على مشاريع متعددة لفترة طويلة | يتطلب استثمارًا في التطوير والتشغيل | تبديل النماذج حسب المهمة عبر واجهة موحدة |
| منصة إبداع متكاملة | تركيز مراحل الإبداع، وعتبة تشغيل أقل | الفرق التي تسعى إلى إنتاج سريع | يجب تقييم إمكانات تصدير الأصول ونقلها | وفق القدرات المتاحة فعليًا في المنصة |
قراءة في مقارنة حلول إنتاج المسلسلات القصيرة بالذكاء الاصطناعي
حل الجدول الخفيف هو الأسرع في الانطلاق، لكن مع زيادة عدد الحلقات يزداد الضغط الناتج عن المزامنة اليدوية بوضوح. في المقابل، تناسب مكتبة الأصول الداخلية الفرق التي تحتاج إلى إعادة استخدام الأصول عبر المشاريع، كما يسهل أتمتة الاستعلام عن المراجع وتحليل التأثير.
منصة الإبداع المتكاملة تقلل التنقل بين الأدوات، ومنتجات قيد الاختبار مثل Looogen تستحق المتابعة أيضًا. لكن عند الاختيار لا تنظر إلى جودة التوليد وحدها؛ تأكد أيضًا من إمكانية تصدير الأصول دفعة واحدة، والاحتفاظ بسجل الإصدارات، وفتح الواجهات. بالنسبة لمعظم الفرق، يبقى الاحتفاظ بالأصول الأساسية والبيانات الوصفية تحت السيطرة خيارًا أكثر أمانًا.
💡 اقتراح للاختيار: يُفضل إجراء اختبار مقارن باستخدام النص الحقيقي للحلقة نفسها. في مرحلة فحص النص، يمكنك تبديل النماذج عبر APIYI، ثم مقارنة دقة الاستخراج وحجم الاستهلاك قبل اتخاذ القرار.
الأسئلة الشائعة حول الأصول متعددة الحلقات في إنتاج الدراما القصيرة بالذكاء الاصطناعي
س1: ما المقصود بالأصول متعددة الحلقات في إنتاج الدراما القصيرة بالذكاء الاصطناعي؟
الأصول متعددة الحلقات هي عناصر الإنتاج التي تتكرر عبر الحلقات ويجب أن تبقى متسقة، وتشمل الشخصيات والمشاهد والديكورات والأصوات ومعايير الأسلوب، إضافة إلى الموجهات الخاصة بها وسجلات الإصدارات وعلاقات الإسناد بينها.
س2: ما الفرق بين إدارة الأصول متعددة الحلقات ومكتبة المواد العادية؟
مكتبة المواد العادية تجيب أساسًا عن سؤال “أين يُحفظ الملف؟”. أما إدارة الأصول متعددة الحلقات فتجب أيضًا عن أسئلة مثل “أي إصدار هو الساري حاليًا؟”، و”أي اللقطات تستند إليه؟”، و”أي الحلقات ستتأثر إذا عدّلناه؟”، لذا ينصب تركيزها على الحالة وعلاقات الإسناد.
س3: هل Looogen متاح للاستخدام الآن؟ وما ميزات إدارة الأصول التي يقدمها؟
وفقًا لعنوان تقرير نشرته 36Kr في 4 نوفمبر 2026، فإن Looogen في مرحلة الاختبار الداخلي المغلق. يُرجى الرجوع إلى المعلومات الرسمية من Alibaba بشأن نطاق الإتاحة والميزات المحددة؛ ولا يقدّم هذا المقال أي استنتاجات بهذا الشأن.
س4: أي مشاريع الدراما القصيرة تحتاج هذا المسار أكثر من غيرها؟
المشاريع التي تحتوي على عدد كبير من الحلقات المتسلسلة، أو علاقات معقدة بين الشخصيات، أو إنتاج متوازٍ يشارك فيه عدة أشخاص، أو تلك التي تخطط للاستمرار في التحديث وإعادة استخدام IP، هي الأكثر حاجة إليه. أما المحتوى المكوّن من حلقة واحدة أو المحتوى لمرة واحدة، فغالبًا تكفيه نسخة خفيفة من بطاقات اللقطات.
س5: كيف يمكن استدعاء النموذج عبر API لتنفيذ تفكيك النص وفحص الاستمرارية؟
يمكن استدعاء النموذج عبر APIYI، وهو متوافق مع تنسيقي واجهات OpenAI وAnthropic. راجع `docs.apiyi.com` لإكمال الإعداد أولًا، ثم جرّب التشغيل على نص حلقة واحدة، وثبّت حقول الإخراج لتسهيل إدخالها إلى قاعدة البيانات.
س6: كيف تُقدَّر تكلفة استدعاء النموذج؟
سجّل أولًا استهلاك Token لكل مهمة باستخدام حلقة واحدة كعينة، ثم احسب الإجمالي بناءً على عدد الحلقات. أما أسعار الوحدة وقواعد حساب التخزين المؤقت، فراجع صفحة أسعار APIYI على `https://docs.apiyi.com/models`، واعتمد البيانات الفعلية المعروضة في الصفحة.
س7: ما القيود التي يشملها هذا المسار الخاص بالأصول متعددة الحلقات؟
فهو يزيد من أعمال إنشاء الملفات والمراجعة في المراحل الأولى، ولا يغني عن قدرة الاتساق التي يمتلكها نموذج التوليد نفسه. كما قد تُسقط فحوص النموذج بعض المشكلات أو تطلق إنذارات خاطئة، أما المسائل المتعلقة بترخيص ملامح الوجه والصوت فتحتاج إلى مراجعة امتثال منفصلة.
النقاط الرئيسية لأصول إنتاج الدراما القصيرة بالذكاء الاصطناعي عبر حلقات متعددة
- تغيّر مركز المنافسة: تظل قدرة اللقطة الواحدة مهمة، لكن الاتساق عبر الحلقات المتعددة يحدد بشكل أكبر انطباع العمل بأكمله.
- يجب أن تكون الأصول مرقّمة: يجب أن يكون لكل شخصية ومشهد ودعامة وصوت وأسلوب معرّف فريد ونسخة محددة.
- الإشارة إلى النسخة المقفلة في اللقطات الرسمية: تقلّل قاعدة
lockedمن تسرّب الإعدادات غير المؤكدة إلى النسخة النهائية. - بطاقة اللقطة هي المحور: تسجّل مراجع الأصول ومعاملات التوليد، ما يتيح تحديد الموقع بدقة عند إعادة العمل.
- النموذج مسؤول عن الإنذار المبكر: يمكن أتمتة فحوص الاتساق، لكن القرار النهائي يبقى بشريًا.
- يبقى التكامل قابلًا للاستبدال: عبر APIYI يمكن توحيد الوصول إلى النماذج، ما يسهّل المقارنة والتبديل حسب المهمة.
الخلاصة
إن انتقال نقطة التنافس في إنتاج الدراما القصيرة بالذكاء الاصطناعي لا يعني أن جودة التوليد لم تعد مهمة، بل يعني أن اللقطات الجيدة وحدها لم تعد كافية لحمْل عمل من عدة حلقات.
يمكن تلخيص النهج الأساسي في هذا المقال في ثلاث نقاط:
- ابنِ الأصول أولًا، ثم ولّد على دفعات: بعد تفكيك النص وترقيم الأصول وقفل الإصدارات، انتقل إلى الإنتاج بالدفعات.
- اجعل كل لقطة قابلة للتتبع: سجّل في بطاقة اللقطة مراجع الأصول وحالة الحبكة ومعاملات التوليد.
- أدرج الفحص والتغييرات ضمن سير العمل: استعن بالنموذج لاكتشاف التعارضات مبكرًا، وأعد العمل بشكل موجّه وفق علاقات المراجع.
نوصي بالبدء في الحلقة القادمة، وتشغيل الحد الأدنى من العملية أولًا، ثم إضافة أتمتة تدريجية. عند الحاجة إلى ربط النماذج، يمكنك الاختبار عبر APIYI؛ طريقة الربط موجودة في مركز الوثائق docs.apiyi.com، أما أسعار النماذج وقواعد الفوترة فتُؤخذ من البيانات الفعلية على https://docs.apiyi.com/models.
📚 المراجع
- 36氪 – Alibaba تختبر داخليًا منصة الإبداع بالذكاء الاصطناعي «Looogen»، هل هي نسخة Ali من Jimeng AI؟: مصدر أخبار القطاع في هذا المقال
- الرابط:
36kr.com/p/4054988150478473 -
ملاحظة: نُشر في 4 نوفمبر 2026، ويمكن استخدامه للاطلاع على التقارير المتعلقة بالاختبار الداخلي لـ Looogen
-
مركز توثيق APIYI: إرشادات ربط الواجهات
- الرابط:
docs.apiyi.com -
ملاحظة: يُستخدم للاطلاع على طرق إعداد الصيغ المتوافقة مع OpenAI وAnthropic
-
صفحة النماذج والأسعار في APIYI: معلومات النماذج والفوترة
- الرابط:
docs.apiyi.com/models - ملاحظة: تُعتمد أسعار النماذج وأساس الفوترة وأسعار التخزين المؤقت جميعها على البيانات الفعلية في هذه الصفحة
المؤلف: فريق APIYI التقني
التواصل التقني: يسعدنا تواصلكم معنا عبر الصفحة الرئيسية لموقع APIYI، ولمزيد من المواد يمكنكم زيارة مركز توثيق docs.apiyi.com
