الوسائط الخارجية في SillyTavern في 2026: مراجعة حقيقية

تشير الوسائط الخارجية في SillyTavern إلى إمكانية إرفاق الصور أو الملفات الصوتية أو وسائط أخرى بالرسائل التي تُرسل إلى شخصية الذكاء الاصطناعي. عند تفعيلها، يتضمن سياق الشخصية بيانات وصفية أو أوصافًا للوسائط، ما يتيح للذكاء الاصطناعي التعرف عليها والتفاعل معها. تُدعم هذه الميزة عبر عدة واجهات برمجية خلفية، منها KoboldAI وOpenAI (مع نماذج الرؤية مثل GPT-4V) وClaude. وعادةً ما تُحوَّل الوسائط إلى وصف نصي أو إدخال مُرمَّز بـ base64، حسب الواجهة البرمجية. على سبيل المثال، يمكن للذكاء الاصطناعي أن يصف صورة لغروب الشمس بأنها "سماء برتقالية دافئة فوق محيط هادئ"، وتستطيع الشخصية إدماج ذلك في لعب الأدوار. الوسائط الخارجية غير مفعّلة افتراضيًا وتتطلب ضبطًا يدويًا في إعدادات الإضافة. وهي أداة قوية لتعزيز الكتابة الإبداعية والسرد البصري والمغامرات التفاعلية، لكنها تزيد أيضًا من استهلاك الرموز ووقت الاستجابة.

لتفعيل الوسائط الخارجية في SillyTavern، تأكد أولًا من أنك تستخدم واجهة برمجية متوافقة. بالنسبة إلى OpenAI، تحتاج إلى GPT-4V أو أحدث؛ وبالنسبة إلى KoboldAI، استخدم نموذجًا يدعم الرؤية مثل LLaVA. افتح واجهة SillyTavern وانتقل إلى قائمة الإضافات (أيقونة قطعة الأحجية). ابحث عن إضافة "External Media" أو "Media Upload" وفعّلها. قد تحتاج إلى تحديد أقصى حجم للملف (مثل 5 ميغابايت) وأنواع الملفات المسموح بها (png، jpg، mp3). بعد ذلك، اضبط نقطة نهاية الواجهة البرمجية: إذا كنت تستخدم OpenAI، اضبط النموذج على "gpt-4-vision-preview" وتأكد من أن مفتاح الواجهة البرمجية لديك يملك صلاحية الوصول. وبالنسبة إلى KoboldAI، وجّه إلى نسختك المحلية التي تشغّل نموذجًا متوافقًا مع الرؤية. بعد التفعيل، يظهر زر رفع الوسائط (أيقونة الكاميرا أو مشبك الورق) في شريط إدخال الدردشة. ارفع صورة أو ملفًا صوتيًا، ثم أرسل الرسالة. ستعالج الواجهة البرمجية الوسائط وتولّد ردًا يشير إليها. لاحظ أن بعض الواجهات البرمجية تحتسب سعرًا لكل رمز عند معالجة الصور، لذا راقب الاستخدام.

تدعم إضافة الوسائط الخارجية في SillyTavern عدة صيغ: الصور (JPEG، PNG، GIF، WebP)، والصوت (MP3، WAV، OGG)، وفي بعض الإعدادات، الفيديو أو PDF. تعتمد حدود حجم الملف على مزوّد الواجهة البرمجية. بالنسبة إلى OpenAI GPT-4V، يمكن أن تصل كل صورة إلى 20 ميغابايت، لكن الصور الأكبر تُصغَّر. وقد تكون حدود نماذج KoboldAI المحلية أقل، عادةً 5-10 ميغابايت لكل ملف. أما الملفات الصوتية فغالبًا ما تقتصر على 25 ميغابايت مع تكامل Whisper من OpenAI. لا تفرض SillyTavern نفسها حدودًا صارمة، لكن إعدادات الإضافة تتيح لك تحديد أقصى حجم للرفع (الافتراضي 5 ميغابايت) وحظر أنواع MIME معينة. بالنسبة إلى لعب الأدوار، تعمل الصور التي تقل عن 2 ميغابايت بأفضل شكل للمعالجة السريعة. صيغ GIF المتحركة مدعومة لكن قد تعاملها بعض الواجهات البرمجية كإطارات ثابتة. يستخدم نسخ الصوت Whisper ويمكنه التعامل مع مقاطع مدتها 30 ثانية. أما رفع الفيديو فتجريبي ويتطلب تحويلًا إلى إطارات.

يختلف سلوك الوسائط الخارجية حسب الواجهة البرمجية الخلفية. مع OpenAI GPT-4V، تُعالَج الصور أصليًا—يرى النموذج الصورة ويستطيع وصفها بدقة. وهذا مثالي للسرد البصري (مثل مشاركة صورة شخصية لشخصية). كما يدعم KoboldAI مع LLaVA أو النماذج متعددة الوسائط المشابهة الصور، لكن الجودة تعتمد على حجم النموذج (7B مقابل 13B معاملًا). بالنسبة إلى الصوت، ينسخ Whisper من OpenAI الكلام، الذي يدخل بعد ذلك إلى سياق الدردشة؛ فتستطيع الشخصية السماع والرد. كما يدعم Claude (Anthropic) عبر وسيط إدخال الصور. لكن ليست كل النماذج متعددة الوسائط: إذا استخدمت نموذجًا نصيًا فقط، تُتجاهل الوسائط أو تُضاف كرابط نصي. للحصول على أفضل النتائج، اختر نموذجًا مصممًا صراحةً للرؤية أو الصوت. يسرد ويكي SillyTavern النماذج المتوافقة لكل واجهة خلفية. ضع في اعتبارك أن معالجة الوسائط تستهلك رموزًا إضافية—قد تكلف الصورة 1000+ رمز، لذا خطط ميزانيتك وفقًا لذلك.

لرفع الوسائط الخارجية إلى SillyTavern آثار على الخصوصية. إذا استخدمت واجهة برمجية سحابية مثل OpenAI، تُرسل صورك وصوتك إلى خوادمها وتُعالَج وفق سياسة الخصوصية الخاصة بها. بالنسبة إلى المحتوى الحساس، فكّر في استخدام واجهة برمجية محلية مثل KoboldAI أو llama.cpp مع نموذج متعدد الوسائط، ما يبقي كل البيانات على جهازك. لا تخزّن SillyTavern الوسائط بشكل دائم؛ فهي تُرسل كجزء من سياق الدردشة وقد تُحتفظ بها في سجلات الدردشة إذا حفظتها. وتتيح إعدادات الإضافة تعطيل تسجيل الوسائط. كذلك انتبه إلى أن بعض الواجهات البرمجية (مثل OpenAI) قد تستخدم الصور المرفوعة لتدريب النموذج ما لم تعطّل ذلك. تحقق دائمًا من سياسات معالجة البيانات لدى مزوّد الواجهة البرمجية. لأقصى درجات الخصوصية، شغّل كل شيء محليًا بنموذج مثل LLaVA 13B، الذي يمكنه معالجة الصور على وحدة معالجة الرسومات لديك دون نقل خارجي.

إذا فشل إرسال الوسائط الخارجية، تأكد أولًا من أن مفتاح الواجهة البرمجية يملك صلاحيات نقاط نهاية الرؤية/الصوت. تحقق من وحدة تحكم SillyTavern (F12) بحثًا عن رسائل الخطأ: غالبًا ما يعني "400 Bad Request" أن الملف كبير جدًا أو أن الصيغة غير مدعومة. قلّل دقة الصورة إلى 1024×1024 بكسل أو حوّلها إلى JPEG. بالنسبة إلى الصوت، تأكد من أنه أقل من 25 ميغابايت ومُرمَّز بشكل صحيح (أحادي القناة، 16 كيلوهرتز لـ Whisper). إذا تجاهل النموذج الوسائط، فالأرجح أنه يفتقر إلى دعم تعدد الوسائط—بدّل إلى GPT-4V أو LLaVA. ومن المشكلات الشائعة الأخرى أن إضافة "External Media" معطّلة أو متعارضة مع إضافات أخرى مثل "Character Expressions". عطّل الإضافات الأخرى واحدة تلو الأخرى لعزل التعارض. في سيناريوهات لعب الأدوار، قد لا يستجيب الذكاء الاصطناعي للوسائط إذا لم تتضمن بطاقة الشخصية تعليمات للتعرف على الوسائط. أضف ملاحظة في وصف الشخصية: "يمكنك رؤية الصور التي يرسلها المستخدم." أعد تشغيل SillyTavern بعد تغيير الإعدادات.