مولّد الصور بالذكاء الاصطناعي من صورة: الدليل الكامل لسير عمل تحويل الصورة إلى صورة

Upload a photo, add a prompt, and the model builds a new image that keeps your reference's composition, pose, lighting, or style while changing what you asked it to change.

That is image-to-image generation, and it solves the problem text prompts cannot. Text alone cannot match something that already exists, whether that is your product, your character, your layout, or a look you have spent years refining.

أبرز النقاط

• يقرأ تحويل الصورة إلى صورة البنية والأسلوب من مرجعك بدلاً من نسخ بكسلاته. ينتقل التكوين والوضعية بشكل موثوق، أما التفاصيل الدقيقة فلا.
• تُعدّ الشعارات الدقيقة والنصوص الصغيرة نقطة الضعف، لذا خطّط لإجراء تعديلات مقنّعة ومراجعة بشرية بدلاً من الاعتماد على الـ prompt.
• تتفوّق نماذج مختلفة في مهام مختلفة، ولهذا فإن تمرير مرجع واحد عبر اثنين أو ثلاثة أفضل من الالتزام بواحد.
• تخلّت المحرّرات الأحدث عن شريط تمرير الدقة، فأصبح الحفاظ على العناصر يُدرَج الآن في الـ prompt كتعليمة صريحة.
• رفع مرجع لا تملك حقوقه هو خطر بحد ذاته، منفصل عن شكل الناتج مهما كان.

ما هو مولّد الصور بالذكاء الاصطناعي من صورة؟

مولّد صور بالذكاء الاصطناعي انطلاقًا من صورة، يُعرف عادةً باسم التحويل من صورة إلى صورة or img2img, takes two inputs instead of one: a reference image and a text prompt. The model reads color, structure, lighting, and pose from the reference instead of copying its pixels. Then it builds a new image, steered by your prompt.

إذا كنت قد استخدمت تحويل النص إلى صورة فقط، فسيظهر الفرق فورًا في مقدار التحكم الذي تحصل عليه. يمكن للـprompt النصي أن يصف «امرأة بسترة حمراء، منظور ثلاثة أرباع»، لكنه لا يستطيع إعادة إنتاج امرأة بعينها أو سترة بعينها أو زاوية كاميرا بعينها.

يمكن لصورة مرجعية أن تفعل ذلك. على OpenArt، ترفع الصورة إلى جانب الـprompt ليحتفظ الناتج بتكوينك بينما يتغير الأسلوب أو المزاج أو التفاصيل.

تحويل الصورة إلى صورة مقابل تحويل النص إلى صورة

يستخدم النهجان النماذج الأساسية نفسها. لكنهما يحلّان مشكلتين مختلفتين.

استخدم التحويل من نص إلى صورة عندما لا تزال تستكشف ولا تعرف ما تريد. واستخدم التحويل من صورة إلى صورة بمجرد أن يكون لديك الشيء بالفعل، مثل صورة منتج أو ورقة شخصية أو رسم تخطيطي أو تخطيط، وتحتاج إلى نسخ تبقى وفيّة له.

كيف يعمل الذكاء الاصطناعي لتحويل الصورة إلى صورة

Diffusion models handle this by encoding your reference into a compressed form, adding a controlled amount of noise, then using your prompt to guide the cleanup. Hugging Face's own docs put it plainly. A higher strength value gives the model more room to make something different from your reference. At a strength of 1.0, the reference is "more or less ignored."

يستخلص النموذج البنية والأسلوب من مرجعك. فهو ينقل التكوين ولوحة الألوان واتجاه الإضاءة والوضعية وزاوية الكاميرا بشكل موثوق. أما ما لا ينقله بشكل موثوق فهو التفاصيل الدقيقة تماماً.

اختبرت Photoroom 850 منتجًا من الملابس والإكسسوارات عبر 3,400 عملية توليد في يوليو 2026. اجتاز أفضل نموذج فحوصات دقة المنتج في 29.0% من عمليات التوليد. وكان تشوّه الشعار أو النص هو الفشل الأكثر شيوعًا بنسبة 20.1%. تبيع Photoroom طبقة لدقة المنتجات، فلها مصلحة في تلك الإجابة.

The lesson holds even allowing for the source. If your work depends on an exact label or logo, plan on masked edits and a human check, not prompts alone.

نقل الأسلوب من صورة مرجعية

ينجح نقل الأسلوب لأن النموذج يقرأ مظهر المرجع بشكل منفصل عن محتواه. توثيق Midjourney يصف ذلك جيدًا. فمرجع الأسلوب "يلتقط الطابع البصري لصورة موجودة"، أي ألوانها ووسيطها وملمسها أو إضاءتها. وهو "لا ينسخ الأشياء أو الأشخاص."

تنطبق الفكرة نفسها عبر جميع الأدوات. يوفّر مرجعك المظهر، ويوفّر prompt الخاص بك الموضوع.

للحفاظ على مظهر ثابت عبر مجموعة، احفظه بدلًا من رفعه في كل مرة. تخزّن Brand Kit من OpenArt ألوانك وخطوطك ومراجع أسلوبك على مستوى المشروع، وتخزّن OpenArt Characters شخصًا يمكنك وسمه في الصور اللاحقة.

التحكم في دقة المخرجات

تحتوي أدوات Stable Diffusion على شريط للقوة أو لإزالة الضوضاء يضبط التوازن مباشرةً. الحساب بسيط. اضرب القوة في خطوات الاستدلال للحصول على الخطوات التي تُنفَّذ فعليًا، فقوة 0.8 مع 50 خطوة تُنفّذ 40 خطوة من التغيير.

ببساطة، القيمة الأقل تُبقي الناتج قريبًا من صورتك المرفوعة، والأعلى تمنح النموذج حرية أكبر. يوفّر مقياس Stable Diffusion Art دليلًا تقريبيًا جيدًا: نحو 0.2 يعطي تغييرًا طفيفًا، و0.6 تغييرًا كبيرًا، و1.0 تغييرًا كبيرًا جدًا. تعامل مع أي أرقام أدق تراها على الإنترنت باعتبارها إعدادات مُجرّبة من أحدهم لا إرشادات رسمية، واعثر على قيمتك المناسبة بنفسك.

يتعامل OpenArt مع هذا عبر شريط تمرير للإبداع في تحويل الصورة إلى صورة، من إعادة تنسيق خفيفة تبقى قريبة من الأصل إلى إعادة تفسير جريئة تحتفظ فقط بالتكوين العام.

يستخدم Midjourney وزن الصورة، ويُكتب --iwبدلاً من ذلك. تسرد وثائقه نطاقاً من 0 إلى 3 بقيمة افتراضية 1 في V8.1، ولم تُنشَر بعد أي قيم لـ V8.2.

Newer instruction-based editors like FLUX.1 Kontext and GPT Image 2 dropped the slider altogether. You control fidelity by writing preservation clauses into the prompt.

كيفية توليد صورة من مرجع، خطوة بخطوة

يكاد يكون التدفق واحدًا في كل مكان. وإليك كيف يجري على OpenArt.

1. ارفع صورتك المرجعية في مولّد صور بالذكاء الاصطناعي.
2. اكتب prompt الخاص بك. صف الصورة النهائية التي تريدها، وليس تعليمات لتحرير المرجع.
3. اختر نموذجًا. يتعامل GPT Image 2 مع التعليمات المعقّدة والنصوص الصغيرة، ويناسب Nano Banana Pro الأعمال الواقعية مع عدة مراجع، بينما يُعد Seedream 4.5 الخيار الأمثل للأنمي والرسوم التوضيحية المسطّحة.
4. اضبط شريط الإبداع. القيمة الأقل تُبقيك قريبًا من المرجع، والأعلى تمنح النموذج حرية إعادة التفسير.
5. أنشئ وقارن حتى 8 تنويعات، ونزّل ما تريده منها.

تعتمد السرعة على النموذج. يُنشئ FLUX.1 Kontext صورة بحجم 1024 في 1024 خلال ثلاث إلى خمس ثوانٍ. ويبلغ متوسط Nano Banana نحو عشر ثوانٍ وفق قياسات Replicate. وتقول OpenAI إن الـ prompts المعقّدة في GPT Image 2 قد تستغرق حتى دقيقتين.

أفضل نماذج الذكاء الاصطناعي لتحويل الصورة إلى صورة

لا يوجد نموذج واحد يتفوق في كل مهمة، وهذه هي الحجة العملية لتمرير مرجع واحد عبر عدة نماذج. من بين النماذج أدناه، تعمل GPT Image 2 وNano Banana Pro وSeedream على مجمع أرصدة OpenArt المشترك، لذا فإن مقارنة هذه الثلاثة لا تعني مقارنة الاشتراكات. أما FLUX وStable Diffusion وMidjourney فيحتاج كل منها إلى حساب خاص به.

• FLUX (من Black Forest Labs). في اختبار KontextBench الخاص بـ BFL، حقق FLUX.1 Kontext أعلى نتيجة في تحرير النصوص والحفاظ على الشخصيات. كان أول نموذج مبني للتحريرات متعددة الأدوار التي تحافظ على الهوية عبر التغييرات. تتحدث BFL بصراحة عن الحدود، وتوثّق تدهورًا مرئيًا بعد ست تحريرات متتالية. وهي توجّه المشاريع الجديدة الآن إلى FLUX.2 الذي يستوعب حتى 8 صور مرجعية عبر واجهة برمجة التطبيقات.
• GPT Image 2 (OpenAI). يقبل حتى 16 صورة إدخال لكل طلب تعديل، ويعالج كل إدخال بدقة عالية. يحتل المركز الثالث بـ1,256 Elo على لوحة صدارة تعديل الصور من Artificial Analysis. وفي اختبار GEditBench v2 الأكاديمي، سجّل GPT Image 1.5 أعلى نتيجة في اتباع التعليمات بـ1,260، وتصدّر Nano Banana Pro التصنيف العام.
• Nano Banana Pro (Google). اسمه الرسمي Gemini 3 Pro Image. توثّق Google استخدام حتى 14 مدخلًا مرجعيًا في prompt واحد، منها 6 بدقة عالية، مع تشابه ثابت لما يصل إلى خمسة أشخاص. ويُخرج بدقة 4K أصلية.
• Seedream (ByteDance). الخيار الأمثل للأنمي والرسوم التوضيحية وتخطيطات الملصقات. يمزج Seedream 5.0 Pro حتى 10 صور مرجعية، ويتميّز Seedream 4.5 بتنسيق أقوى لرسوم 2D المتحركة.
• Stable Diffusion. لا يزال يوفّر أكبر قدر من التحكم اليدوي إذا شغّلته بنفسك، مع شريط تمرير للقوة وأدلة ControlNet البنيوية، رغم أن نماذج SD 3.5 ControlNet الرسمية تغطي فقط Canny وDepth وBlur، بينما تأتي أدلة الوضعية أو الرسم التخطيطي من المجتمع.
• Midjourney (V8.2). جماليات افتراضية قوية عبر prompts الصور ومراجع الأسلوب. لا تزال ميزة Omni Reference تعمل على V7، وتكلّف ضعف وقت وحدة معالجة الرسومات، ولا تعمل مع Vary Region أو Pan أو Zoom Out أو Fast Mode أو Draft Mode. لا توجد باقة مجانية، وتبدأ الباقات من 10 دولارات شهريًا.

أجرت Replicate مقارنتها الخاصة في سبتمبر 2025 على جيل أقدم من النماذج. ووجدت أن FLUX.1 Kontext وNano Banana حافظا على الطباعة والقوام بأفضل شكل في تعديلات النصوص، وأن Nano Banana وSeedream تفوّقا على Kontext في نقل الأسلوب. اختبر مرجعك الخاص قبل إنفاق الأرصدة على دفعة كاملة.

أبرز حالات الاستخدام

يستحق تحويل الصورة إلى صورة مكانته حيثما وجب أن تطابق المخرجات شيئًا موجودًا بالفعل.

• نقل الأسلوب. طبّق أسلوب رسم أو مظهراً سينمائياً أو جمالية علامة تجارية على صورة تملكها بالفعل.
• تصوير المنتجات. حوّل لقطة من هاتفك إلى صورة بإضاءة استوديو على سطح جديد مع الحفاظ على شكل المنتج سليمًا.
• تحويل الأنمي والفن. حوّل الصور الشخصية إلى أنماط أنمي أو رسوم توضيحية أو كوميكس مع الحفاظ على الهوية والوضعية.
• اتساق الشخصية. حافظ على الوجه والزيّ والنِّسب نفسها عبر عشرات التوليدات.
• دمج المراجع. ادمج عدة مدخلات في مخرج واحد، حيث يستوعب Nano Banana Pro حتى 14 وFLUX.2 حتى 8.
• من الصورة إلى الفيديو. استخدم إطارًا نهائيًا كأول إطار في المقطع.

اتساق الشخصية عبر المخرجات

يُعدّ انحراف الهوية أكبر أنواع الفشل في العمل المعتمد على المراجع. فالوجه نفسه يعود مختلفاً بشكل طفيف في كل توليد، وبحلول الصورة العاشرة يكون الشخصية قد تحوّلت بهدوء إلى شخص آخر.

شخصيات OpenArt يعالج الانحراف بجعل الشخصية أصلًا محفوظًا بدلًا من مرجع لكل prompt. أنشئ الشخصية مرة واحدة من prompt أو صورة مرجعية أو إعداد مسبق. ثم قم بوسم الشخصية نفسها في أي صورة أو فيديو لاحق، بما في ذلك المشاهد في OpenArt Director، أداة الفيديو متعدد المشاهد.

هذا الفرق أهم من أي رقم في اختبارات الأداء. فالصورة المرجعية تطلب من النموذج إعادة اشتقاق الوجه في كل مرة، بينما تمنحه الشخصية المحفوظة نقطة البداية نفسها في كل مرة.

Prompt engineering for image-to-image

كل محرر حالي يعتمد اللغة الطبيعية بدلًا من وسوم الكلمات المفتاحية. تنطبق القواعد نفسها عبر FLUX وGPT Image وGemini. صف الصورة النهائية التي تريدها، لا التعديلات التي تريد إجراءها.

اذكر بوضوح ما يجب الحفاظ عليه، واختر أفعالًا دقيقة. توضّح Black Forest Labs هذه النقطة مباشرةً في دليل الأوامر الخاص بها: «حوّل» تعني تغييرًا كاملًا، بينما «غيّر الملابس» أو «استبدل الخلفية» يمنحانك تحكّمًا في ما يتغيّر فعليًا.

لتحويل الأنمي، حدد المظهر المستهدف واحفظ الهوية: "أنشئ رسمًا توضيحيًا للأنمي ثنائي الأبعاد بخطوط نظيفة وتظليل سلس، مع الحفاظ على هوية الوجه وتسريحة الشعر والوضعية والتأطير، وتغيير أسلوب العرض فقط."

لإعادة التنسيق الواقعية، أضف حدودًا صارمة على التأطير والخلفية. يوصي دليل الكتابة الخاص بـ OpenAI بذكر الاستثناءات صراحةً، بما في ذلك عبارات مثل "بدون عناصر إضافية"، لمنع النموذج من الانحراف.

في أعمال المنتجات، يستحق قالب Google المنشور أن تستعير منه مهما كان النموذج الذي تستخدمه. فهو يحدد إعداد الإضاءة وزاوية الكاميرا وسطح الخلفية والتفاصيل التي يجب أن تبقى حادة.

عند استبدال نص أو شعار، ضعه بين علامتي اقتباس. النمط الموثّق في FLUX Kontext هو: استبدل "[النص الأصلي]" بـ "[النص الجديد]".

إصلاح النتيجة دون البدء من جديد

نادرًا ما يكون التوليد الأول هو الأخير. البدء من جديد يهدر الأرصدة عندما تكون منطقة واحدة فقط خاطئة. في OpenArt، تبقى الإصلاحات الشائعة على اللوحة نفسها.

• تعديلات المناطق. يتيح لك وضع التحرير الجزئي في تحرير الصورة تمييز نقطة واحدة وتغيير تلك المنطقة فقط.
• التعبئة والإزالة. يملأ التعبئة التوليدية بالذكاء الاصطناعي فجوةً أو يزيل عنصرًا أو يوسّع الإطار.
• تغييرات الإطار. يوسّع «توسيع الصورة» اللوحة إلى أي نسبة عرض إلى ارتفاع أو أي إعداد مسبق للتواصل الاجتماعي.
• الخلفيات. يمنحك أداة إزالة الخلفية بالذكاء الاصطناعي قصًّا نظيفًا، وتبدّل أداة تغيير الخلفية بالذكاء الاصطناعي المشهد.
• الوجوه. يتولى محرر الوجوه بالذكاء الاصطناعي تغييرات التعابير والتنقيح.
• رفع الدقة. الـ مكبّر الصور يعمل في وضع الدقة أو التنقيح أو الإبداع، ويصل معزّز البشرة Vellum إلى دقة 8K عندما يكون ملمس البشرة مهمًا.

يعمل كل من هذه الإصلاحات على اللوحة نفسها، وبالنموذج الذي ولّدت به. أما في Midjourney، فيتم تعديل المناطق على Discord بعد رفع الدقة، باستخدام إصدار نموذج أقدم.

الاستخدام التجاري وحقوق النشر والملكية

Start with the baseline. The U.S. Copyright Office's January 2025 report says AI output can be protected "only where a human author has determined sufficient expressive elements." That covers three cases. Your own work is visible in the output, or you arrange the output creatively, or you modify it creatively. Prompts on their own do not count.

عمليًا، هذا يعني أن الصورة الناتجة عن prompt بحت لا تحمل حقوق نشر، وأن تعديلاتك وترتيبك الخاص هما ما يمنحانها تلك الحقوق.

تأتي شروط المنصة فوق ذلك، وهي تتفاوت كثيرًا. لا تدّعي OpenArt أي ملكية أو حق نشر على ناتجك. تنطبق الحقوق التجارية على الخطط المدفوعة المؤهلة، دون إتاوات ودون الحاجة إلى سطر إسناد. تمنحك شروط OpenAI للمستهلك والأعمال حقوق الناتج، طالما كنت تملك حقوق مدخلاتك واتبعت سياسات الاستخدام. أما Midjourney فتشترط خطة Pro أو Mega قبل أن تمتلك شركة يتجاوز دخلها مليون دولار سنويًا، أو أحد موظفيها، أصولها.

يوجد خطران ينطبقان تحديداً على العمل بالصور المرجعية.

رفع صورة محمية بحقوق النشر لا تملك حقوقها قد يكون مشكلة بحد ذاته، مهما كان شكل الناتج. ونشر ناتج ينتهي به الأمر مشابهًا إلى حد كبير لعمل محمي يفتح الباب لمطالبة قانونية حتى لو لم يقصد أحد ذلك.

الـ فحص سلامة الملكية الفكرية يفحص المخرجات قبل النشر، باحثًا عن التشابه مع العلامات التجارية والوجوه المشهورة ومخاطر التشابه. النتيجة الخضراء تعني أنه لم يُكتشف أي شيء، والتحذير يعني أن على أحدهم مراجعتها، وغير الآمن يعني وجود تشابه ذي دلالة. تنص OpenArt على أن النتائج للأغراض الإعلامية فقط، لذا عامل النتيجة الخضراء كفحص أولي وليس تصريحًا قانونيًا.

الباقات والأرصدة

يعمل OpenArt على مجمّع أرصدة واحد يغطي نماذج الصور والفيديو والصوت. يمكنك البدء مجانًا بـ 40 رصيدًا على مدى 7 أيام دون بطاقة، بالإضافة إلى حصة أرصدة مجانية يومية لتوليد الصور الأساسية بعد ذلك.

هذه الأرقام للفوترة الشهرية. الفوترة السنوية تخفّض كل خطة، مع توفير يصل إلى 27%، وكل خطة مدفوعة تُصدّر دون علامة مائية. تتجدد الأرصدة الأساسية شهريًا، وتضيف حزمة الأرصدة الإضافية بسعر 15 دولارًا نحو 5,000 رصيد تنتقل معك من شهر لآخر.

مجموعة الهوية التجارية يستحق الإعداد إذا كنت تنتج محتوى لعلامة تجارية. فهو يحفظ شعارك ورموز الألوان الست عشرية الدقيقة والخطوط وأصول المنتج والمراجع النمطية وقواعد العلامة على مستوى المشروع، بحيث تخرج مجموعة المراجع متسقة بغض النظر عن النموذج الذي تختاره.

البدء

أسرع طريقة للحكم على تحويل الصورة إلى صورة هي تمرير مرجعك الخاص عبره.

1. افتح مولّد الصور في OpenArt وارفع صورتك المرجعية.
2. اكتب prompt يصف الصورة النهائية، وحدّد ما يجب أن يبقى كما هو.
3. اختر نموذجًا، واضبط شريط الإبداع، ثم أنشئ.
4. قارن بين الأشكال المختلفة، ثم أصلح ما يقترب من المطلوب باستخدام التعديل بالمنطقة أو أداة التحسين.
5. If the same character has to appear again later, build it once in Characters and tag it in future prompts.

الأسئلة الشائعة

ما صيغ الملفات والأحجام التي يمكنني رفعها كمرجع؟

تقبل معظم المنصات صيغ الويب الشائعة مع حدود حجم خاصة بها. يقبل Midjourney صيغ ‎.png و.gif و.webp و.jpg و.jpeg حتى 10 ميغابايت. أيًا كانت الأداة، فإن مرجعًا واضحًا وجيد الإضاءة وقريبًا من دقتك المستهدفة يعطي أفضل نتيجة، لأن النموذج لا يستطيع استعادة تفاصيل لم تكن موجودة أصلًا في مرجعك.

كيف أتحكم في مدى تطابق الناتج مع مرجعي؟

يعتمد ذلك على الأداة. في أدوات Stable Diffusion، اخفض شريط القوة. في Midjourney، ارفع --iw نحو 3. لا يحتوي FLUX Kontext وGPT Image 2 على شريط. اكتب عبارة الحفاظ ضمن الـprompt بدلًا من ذلك، مثل «مع الحفاظ على ملامح الوجه وتسريحة الشعر نفسها». على OpenArt، يقوم شريط الإبداع بذلك، ويمكنك توليد حتى 8 أشكال مختلفة بإعدادات متنوعة لرؤية مدى التباين.

هل يمكنني استخدام صور لأشخاص حقيقيين كمراجع؟

فقط بموافقتهم. تحظر سياسات استخدام OpenAI استعمال صورة شخص دون موافقته، بما في ذلك صورة واقعية أو صوت، بطرق قد تربك الناس حول ما هو حقيقي. تطلب نيويورك الآن من المعلنين الإفصاح بوضوح عندما يستخدمون عن علم أداءً اصطناعيًا في إعلان. والغرامة 1,000 دولار عن المخالفة الأولى و5,000 دولار عن كل مخالفة بعدها. ولأي استخدام تجاري لشخص حقيقي، احصل على الحقوق من جميع المعنيين، المصوّر والعارض على حد سواء.

ما النموذج الأفضل لتحويل صورة إلى صورة؟

يعتمد الأمر على المهمة. يتصدّر FLUX Kontext التعديلات المحلية والحفاظ على الشخصيات وفق معيار مطوّره. ويتعامل GPT Image 2 مع التعليمات المعقّدة متعددة الصور والنصوص الصغيرة. ويتصدّر Nano Banana Pro الأعمال الواقعية ويستوعب أكبر عدد من المراجع، بينما يُعدّ Seedream الخيار الأمثل للأنمي والرسوم التوضيحية. تتغيّر التصنيفات بين المهام، لذا مرّر مرجعك عبر GPT Image 2 وNano Banana Pro وSeedream على OpenArt وقارن، فهذه الثلاثة تسحب من الأرصدة ذاتها.

لماذا يظهر شعار منتجي بشكل خاطئ؟

لأن النموذج يعيد بناء الشعار بدلاً من نسخه. وجدت اختبارات Photoroom أن تشويه الشعار والنص كان أكثر أخطاء الدقة شيوعاً. والحل هو التوقف عن مطالبة الـ prompt بذلك: ولّد المشهد، ثم استخدم التعديل الموضعي لإصلاح تلك المنطقة فقط، وتحقّق منها بالعين قبل نشر أي شيء.

كيف أوقف انحراف وجه الشخصية بين عمليات التوليد؟

توقف عن إعادة رفع المرجع واحفظ الشخصية بدلًا من ذلك. أنشئها مرة واحدة في OpenArt Characters من prompt أو صورة أو إعداد مسبق. ثم قم بوسم تلك الشخصية في كل توليد لاحق. يبدأ النموذج من النقطة نفسها في كل مرة بدلًا من إعادة اشتقاق الوجه من مرجع جديد.

هل يمكنني تحويل النتيجة إلى فيديو؟

Yes. Once you have a still you like, Image to Video animates it. OpenArt Director goes further and builds a multi-scene video that keeps the same characters across shots. Generating the still first and animating it second gives you more control than describing the whole video in one prompt.