MasteringAIVideoPrompts:TheCINE,I2V,andSHOTFrameworkGuide

PART 1 (ENGLISH): The Engineering Blueprint for Generative Video

Generating high-fidelity video with artificial intelligence is fundamentally different from static image generation. Over the past two years, millions of creators mastered text-to-image prompt engineering across Midjourney, Stable Diffusion, and DALL-E 3. However, when these exact prompt formulas are pasted into generative video engines like Runway Gen-3 Alpha, Kling AI, Luma Dream Machine, or OpenAI Sora, the output frequently degrades into uncanny frame-blending, facial morphing, unnatural physics, or completely static scenes where nothing moves.

The core issue is dimensional: text-to-image models operate across spatial coordinates (X, Y), whereas diffusion-based video generation models operate across temporal coordinates (X, Y, Z, T). Video generation engines require explicit camera mechanics, momentum physics, dynamic lighting shifts, and anti-morphing boundaries. To systematically eliminate trial-and-error, we architected three specialized video prompt frameworks inside our free prompt engineering platform, Fahhim.

---

1. The CINE Framework (Cinematic Video Production)

The CINE framework is engineered for indie filmmakers, visual artists, and creative directors who require nuanced cinematography, precise lens behavior, and natural subject motion.

• [C] Composition & Lens: Defines shot scale, camera elevation, focal length, and spatial movement (e.g., 35mm anamorphic, slow dolly-in, low-angle tracking shot).
• [I] Illumination & Atmosphere: Dictates lighting direction, volumetric diffusion, color temperature, and weather (e.g., golden hour rim light, cyberpunk volumetric neon haze, chiaroscuro contrast).
• [N] Narrative & Motion: Specifies realistic micro-movements, actor pacing, breathing rhythm, and behavioral kinetics (e.g., slowly turns toward lens, blinks naturally, wind rustling worn coat).
• [E] Environment & Audio Context: Establishes spatial depth, background textures, parallax elements, and acoustic environment (e.g., wet cobblestone alley, rain-slicked asphalt reflecting headlights).

Production Example (CINE Framework):

Camera & Framing: Slow 35mm dolly-in, medium close-up, smooth mechanical gimbal stabilization.
Lighting & Mood: Golden hour sunset with warm rim lighting, volumetric dust particles, subtle anamorphic lens flare.
Action & Motion: A weathered clockmaker examines an intricate brass gear, blinking naturally, soft breathing, gentle finger adjustments.
Setting & Atmosphere: Vintage cluttered horology workshop, dark walnut workbenches, shallow depth of field (f/1.8), organic 35mm Kodak film grain.

---

2. The I2V Framework (Image-to-Video Animation)

Image-to-Video (I2V) is widely considered the hardest workflow in generative visual AI. When animating a still photograph or illustration, AI models frequently distort facial bone structure, hallucinate extra limbs, or lose the texture of clothing. The I2V framework acts as an anchor to enforce temporal stability:

• Initial Frame Anchor: Explicitly locks the subject's anatomy, facial features, wardrobe, and initial camera coordinates from the source image.
• Primary Motion Trajectory: Directs gentle, believable motion vectors rather than erratic jumps (e.g., subtle head tilt, soft smile, eyes shifting from off-screen to lens).
• Camera Trajectory: Dictates virtual camera movement relative to the initial frame (e.g., subtle 3D parallax push-in, locked-off tripod still).
• Atmospheric Physics: Dictates secondary particle and fabric simulation (e.g., breeze rustling hair tips, fabric folding naturally, floating dust motes).
• Anti-Morphing Preservation Constraints: Strict negative directives that prevent temporal warping (e.g., preserve facial geometry, zero body morphing, consistent silhouette, continuous lighting).

---

3. The SHOT Framework (Commercial & Social Ads)

Short-form social media video (TikTok, Instagram Reels, YouTube Shorts) and e-commerce product videos require immediate audience retention within the first two seconds. The SHOT framework is optimized for commercial click-through rates and high conversion:

• [S] Screen Hook (0-2s): A high-energy opening maneuver to stop vertical scrolling (e.g., fast zoom punch-in, dramatic unboxing reveal, speed ramp).
• [H] Hero Subject & Product: Ultra-crisp tactile product specs, embossed logo placement, brushed metallic finishes, or talent wardrobe.
• [O] Optimal Action Pacing: Practical physical demonstration of the product in active usage (e.g., hand rotates product 360 degrees, smooth ergonomic demonstration).
• [T] Terminal Hold & CTA: Centered stabilization of the hero product frame, leaving negative space for a call-to-action or brand typography.

---

Multi-Engine Target Syntax Adaptation

Every major generative video platform utilizes a unique token ingestion architecture. Rather than forcing creators to manually adapt prompts, Fahhim compiles the prompt based on your target engine:

• Runway Gen-3 / Gen-4: Requires continuous, camera-first descriptive prose. It penalizes keyword stuffing and subjective buzzwords like "photorealistic".
• Kling AI: Excels with directional spatial tags and bracketed parameters (e.g., [Camera: Pan left] | [Subject: Realistic portrait]).
• Luma Dream Machine: Relies heavily on physical momentum and inertia descriptions to calculate natural mass and acceleration.
• OpenAI Sora / Google Veo: Ingests complex cinematography terminology, including aperture, shutter angle, lens focal lengths, and volumetric rendering parameters.

---

القسم الثاني (باللغة العربية): الدليل الهندسي لصناعة فيديوهات الذكاء الاصطناعي

يمثل توليد الفيديو عبر الذكاء الاصطناعي قفزة ثورية تفوق مجرد إنشاء الصور الثابتة. خلال العامين الأخيرين، استطاع ملايين المبدعين إتقان صياغة البرومبت لأدوات توليد الصور مثل Midjourney و DALL-E 3. ومع ذلك، عندما تُستخدم نفس الصيغ التقليدية مع محركات الفيديو التوليدي المتطورة مثل Runway Gen-3 و Kling AI و Luma Dream Machine و Sora، تأتي النتيجة في كثير من الأحيان مخيبة للآمال: ملامح وجه مشوهة، أطراف زائدة، حركات عشوائية، أو كاميرا متجمدة لا تتحرك إطلاقاً.

السبب الهندسي وراء ذلك هو أن نماذج توليد الفيديو لا تتعامل مع أبعاد ثنائية ($X, Y$)، بل تحسب تدفق الحركة عبر الزمن ($X, Y, Z, T$) فيما يعرف بالاتساق الزمني (Temporal Coherence). ولتجاوز مرحلة التجربة والخطأ العشوائية، قمنا بتطوير ثلاثة أطر عمل هندسية متخصصة ومتاحة مجاناً عبر منصة فَهِّم (Fahhim).

---

1. إطار CINE (الفيديوهات السينمائية والإخراجية)

يستهدف إطار CINE صناع الأفلام المستقلين ومصممي الفيديو الذين يحتاجون إلى توجيه الكاميرا بدقة بصرية متناهية:

• تكوين الكادر والعدسة (Composition & Lens): تحديد حجم اللقطة، مسار الكاميرا، والبعد البؤري للعدسة (مثال: عدسة 35mm أنامورفيك، تقريب بطيء Dolly-in، لقطة تتبع منخفضة الزاوية).
• الإضاءة والأجواء (Illumination & Mood): توجيه الإضاءة الحجمية، حرارة الألوان، والأجواء المناخية (مثال: شمس الغروب الذهبية مع إضاءة حواف محيطية وضباب حجمي ناعم).
• السرد والحركة (Narrative & Motion): ضبط الحركات العضوية الدقيقة، حركة الرمش، إيقاع التنفس، وسرعة الحركة البدنية (مثال: التفاتة بطيئة نحو العدسة، رمش عين طبيعي، تحرك أطراف الملابس مع الرياح).
• البيئة وتناغم المكان (Environment & Context): تفاصيل الخلفية، أبعاد العمق البصري، والانعكاسات الواقعية (مثال: أرضية حجرية رطبة في زقاق قديم تعكس أضواء النيون).

---

2. إطار I2V (تحريك الصور الثابتة Image-to-Video)

يعد تحريك الصور الثابتة أحد أصعب التحديات التقنية في الذكاء الاصطناعي البصري. عند تحريك وجه شخصية أو صورة منتج، يميل النموذج التوليدي إلى تشويه ملامح الوجه أو تغيير خامات الملابس. يعمل إطار I2V كمرساة أمان تفرض قيوداً صارمة:

• مرساة الصورة الأصلية (Image Anchor): تثبيت تشريح الوجه، درجات الألوان، وتسريحة الشعر تماماً كما هي في الصورة المرجعية.
• مسار الحركة الأساسي (Primary Motion): توجيه حركة عضوية ناعمة ومنطقية دون قفزات مفاجئة (مثال: ابتسامة خفيفة، إمالة الرأس بلطف).
• حركة الكاميرا الافتراضية (Camera Trajectory): مسار الكاميرا بالنسبة للصورة الأصلية (مثال: تقريب ثلاثي الأبعاد مع تأثير بارالاكس العميق).
• فيزياء الجو والبيئة (Atmospheric Physics): محاكاة حركة الجزيئات الثانوية كالرياح في أطراف الشعر أو تموج أقمشة الملابس.
• قواعد منع التشوه (Anti-Morphing Rules): شروط حاسمة تمنع التموج العشوائي أو ظهور أصابع إضافية مع الحفاظ على هندسة الوجه.

---

3. إطار SHOT (إعلانات السوشيال ميديا والتجارة الإلكترونية)

تتطلب فيديوهات منصات TikTok و Instagram Reels و YouTube Shorts خطف انتباه المشاهد في أول ثانيتين لمنع التمرير السريع:

• خطف الانتباه الفوري (Screen Hook 0-2s): افتتاحية ديناميكية مشوقة (تقريب سريع Punch-in، تسارع حركي، كشف مفاجئ للمنتج).
• بطل المشهد ومواصفات المنتج (Hero Subject): ملامح المنتج الدقيقة، الأطراف المعدنية المصقولة، والشعار البارز بدقة الماكرو.
• استعراض الاستخدام الحقيقي (Optimal Action Pacing): إظهار تفاعل اليد مع المنتج واستعراضه بزاوية 360 درجة بأسلوب تفاعلي جذاب.
• التثبيت الختامي والنداء للعمل (Terminal Hold & CTA): كادر ختامي مستقر يبرز المنتج في المركز ويترك مساحة علوية واضحة لشعار المتجر وروابط الشراء.

---

تخصيص الصياغة وفقاً للمنصة المستهدفة (Target Engine)

كل منصة ذكاء اصطناعي تفهم الأوامر بأسلوب مختلف جذرياً عن غيرها. يتيح تطبيق فَهِّم التبديل التلقائي لصيغة البرومبت بضغطة زر واحدة:

• Runway (Gen-3/4): صياغة نثرية متصلة تركز على حركة الكاميرا في البداية وتستبعد الكلمات غير الضرورية.
• Kling AI: صياغة تعتمد على الأقواس المكانية والتوجيهات الاتجاهية الدقيقة.
• Luma Dream Machine: تعتمد على زخم الحركة والكتلة الفيزيائية وسرعة التسارع الواقعية.
• OpenAI Sora / Veo: صياغة سينمائية متقدمة تستوعب الأبعاد البؤرية الحقيقية وأنواع العدسات والإضاءة الحجمية.

---

الخلاصة وتجربة التطبيق مجاناً

صناعة مقاطع فيديو ذكاء اصطناعي احترافية لم تعد تعتمد على الحظ أو تكرار المحاولات العشوائية. مع الأطر الهندسية الثلاثة وتخصيص المنصات، يمكنك الحصول على فيديوهات سينمائية وإعلانية مذهلة من أول محاولة. جميع هذه المزايا متوفرة مجاناً بالكامل دون تسجيل أو اشتراكات شهرية، مع الحفاظ الكامل على خصوصية بياناتك محلياً على جهازك.

🔗 ابدأ الآن بتجربة أطر الفيديو عبر منصة فَهِّم: https://fahhim.moteklab.com