ساخت ویدیو با هوش مصنوعی: راهنمای کامل، مقایسه بهترین ابزارها و آموزش (۱۴۰۵)

ساخت ویدیو با هوش مصنوعی یعنی اینکه یک متن، یک عکس یا یک اسکریپت بدهید و مدل، خودش صحنه، حرکت و گاهی صدا را بسازد؛ بدون دوربین و بدون تدوینِ سنگین. در مهر ۱۴۰۵ سه راه اصلی دارید: متن به ویدیو، عکس به ویدیو و ویدیوی قالبی یا آواتاری. اگر فقط یک ابزار می‌خواهید، Veo 3.1 برای صدا و واقع‌گرایی، Kling 3.0 برای صحنه‌های چندپلانه و Seedance 2.0 برای کار با عکس و مرجع‌های خودتان گزینه‌های اولِ شما هستند.

این راهنما نقشه‌ی کاملِ این حوزه است: فرق سه نوع ابزار، جدول مقایسه‌ی مدل‌های روز، یک پرامپتِ ثابت برای محک‌زدن، ساختِ اولین ویدیو در هوش‌نو، هزینه‌ی هر ثانیه و اشتباه‌های رایج. اگر تازه شروع کرده‌اید، پیش از ادامه آموزش گام‌به‌گام ساخت ویدیو با Veo را هم ببینید و اگر با مفهوم هوش مصنوعی آشنا نیستید، هوش مصنوعی چیست؟ پایه‌ی کار را می‌دهد.

آخرین بررسی: مهر ۱۴۰۵ (اکتبر ۲۰۲۶). نسخه‌ها و قیمت‌ها در این حوزه هر چند ماه عوض می‌شوند؛ عددهای دلاری از صفحه‌ی قیمت‌گذاریِ سازنده‌ها و منابع روز گرفته شده و نیاز به بازبینی دوره‌ای دارند.

ساخت ویدیو با هوش مصنوعی یعنی چه و چه کارهایی از آن برمی‌آید؟

در ساخت ویدیو با هوش مصنوعی، یک مدل مولد ویدیو از روی توضیحِ متنی یا عکسِ شما چند ثانیه تصویر متحرک می‌سازد، و بعضی مدل‌ها همان لحظه صدا و دیالوگ هم تولید می‌کنند. این با تدوینِ سنتی فرق دارد: به‌جای چیدنِ فیلمِ ضبط‌شده، صحنه از صفر ساخته می‌شود.

امروز از این ابزارها این کارها برمی‌آید:

• ساخت کلیپ کوتاه سینمایی از یک جمله، مثلاً «غروب در بازار قدیمی».
• متحرک‌کردن عکس محصول یا عکس خانوادگی.
• ساخت تیزر و تبلیغ کوتاه برای اینستاگرام و تلگرام.
• ساخت ویدیو با گوینده‌ی مجازی که متنِ شما را می‌خواند.
• ساخت انیمیشن و صحنه‌های خیالی که فیلم‌برداری‌شان عملاً ممکن نیست.
• تولید ویدیو با صدا و جلوه‌ی صوتیِ هماهنگ، در مدل‌هایی که صدا را همزمان می‌سازند.

خروجیِ هر ساخت معمولاً چند ثانیه است، نه یک فیلم کامل. برای ویدیوی بلندتر باید چند صحنه بسازید و پشت هم بچسبانید؛ جزئیاتش در بخش «محدودیت‌ها و اشتباه‌های رایج» آمده است.

سه راه اصلی ساخت ویدیو: متن، عکس و قالب

ابزارهای ویدیوساز را سه دسته می‌کنند و بیشترِ سردرگمی از قاطی‌کردنِ این سه می‌آید. پیش از هر چیز تصمیم بگیرید کدام نوع به کارتان می‌خورد.

متن به ویدیو

پرامپتی می‌نویسید و مدل صحنه را از صفر می‌سازد. بیشترین آزادیِ خلاقانه را دارد، ولی کنترلِ دقیق روی جزئیات کمتر است. Veo، Kling و Seedance از این دسته‌اند و برای کلیپِ سینمایی و ایده‌های خیالی مناسب‌اند.

عکس به ویدیو

یک عکس می‌دهید و مدل آن را متحرک می‌کند. چون نقطه‌ی شروع مشخص است، کنترلِ شما بیشتر است: همان محصول، همان چهره‌ی خودتان، همان صحنه. برای تیزرِ محصول و زنده‌کردنِ عکس‌های قدیمی بهترین راه است؛ جزئیاتش در راهنمای تبدیل عکس به ویدیو آمده است.

ویدیوی قالبی و آواتاری

ابزارهایی مثل HeyGen، Synthesia، InVideo و Pictory مدلِ تولیدیِ صحنه نیستند. آن‌ها از قالب، تصویر آماده یا آواتارِ سخنگو استفاده می‌کنند و متن را تبدیل به ویدیوی توضیحی می‌کنند. برای آموزش، معرفی شرکت و خلاصه‌ی مقاله خوب‌اند، ولی برای صحنه‌ی سینمایی ساخته نشده‌اند. این دو دسته را با هم مقایسه نکنید؛ مثل مقایسه‌ی دوربین با نرم‌افزار اسلاید است.

قاعده‌ی سرانگشتی: ایده‌ی بصریِ تازه می‌خواهید؟ متن به ویدیو. محصول یا چهره‌ی مشخص دارید؟ عکس به ویدیو. باید متنی را توضیح بدهید؟ آواتاری یا قالبی.

معیارهای انتخاب بهترین ابزار

برای انتخابِ سایت ساخت ویدیو با هوش مصنوعی این معیارها را بسنجید؛ به همین ترتیبِ اهمیت برای کاربرِ ایرانی:

1. در دسترس بودن: آیا از ایران بدون حسابِ ارزی و پرداختِ دلاری قابل استفاده است؟
2. فارسی: آیا پرامپت فارسی را می‌فهمد یا باید انگلیسی بنویسید؟
3. کیفیتِ حرکت و ثبات: دست‌ها، چهره و اشیاء در طولِ کلیپ تغییر شکل نمی‌دهند؟
4. صدا: مدل صدا و دیالوگ هم می‌سازد یا ویدیو صامت است؟
5. طول و کیفیت: هر ساخت چند ثانیه و با چه رزولوشنی است؟
6. هزینه: قیمتِ هر ثانیه و اینکه ساختِ ناموفق پولتان را می‌خورد یا برمی‌گردد.

جدول مقایسه‌ی سایت‌ها و مدل‌های ویدیوساز

جدول زیر مدل‌های فعالِ روز را کنار هم می‌گذارد. اعداد طول و کیفیت از اعلام سازنده‌ها و منابع مقایسه‌ی ماه‌های اخیر است و با هر نسخه‌ی جدید تغییر می‌کند.

نتیجه‌ی جدول: برای صحنه‌ی سینمایی از ردیف‌های اول تا سوم شروع کنید و برای ویدیوی توضیحی سراغ ردیفِ آخر بروید. مدل‌های تعطیل‌شده در جدول نیامده‌اند؛ دلیلش را در بخش بعد می‌خوانید.

معرفی مدل‌ها و سایت‌های ویدیوساز

Veo 3.1 گوگل

Veo 3.1 را بیشتر منابع «همه‌فن‌حریفِ خوب» می‌نامند، چون تصویر و صدا را در یک مرحله می‌سازد: جلوه‌ی صوتی، فضای محیط و دیالوگِ هماهنگ با لب. محدودیتش طولِ کوتاهِ هر ساخت است. طبق صفحه‌ی قیمت‌گذاریِ گوگل، نسخه‌ی Lite حدودِ ۰٫۰۵ دلار و نسخه‌ی Standard حدودِ ۰٫۴۰ دلار برای هر ثانیه در ۷۲۰p است (مهر ۱۴۰۵). راهنمای پرامپت‌نویسی Veo و مقایسه‌ی Veo با رقبا جزئیات بیشتری دارند.

Kling 3.0

Kling ساخته‌ی شرکت کوایشو است و نسخه‌ی ۳٫۰ برای کلیپ‌های چندپلانه و حرکتِ روان شناخته می‌شود. منابع قیمتِ آن را حدود ۰٫۱۰ دلار برای هر ثانیه ذکر کرده‌اند، که آن را از گزینه‌های ارزان‌تر می‌کند. اگر از این مدل شروع می‌کنید، آموزش کلینگ و ساخت ویدیو با Kling 3.0 و پرامپت‌نویسی Kling را بخوانید.

Seedance 2.0

Seedance محصول بایت‌دنس است و برای کاری که از عکس، ویدیو یا صدای مرجع شروع می‌شود مناسب است. صدا و موسیقی را همزمان می‌سازد و رزولوشن تا ۱۰۸۰p اعلام شده است. قیمت API آن در منابع از حدود ۰٫۱۴ دلار برای هر ثانیه‌ی ۱۰۸۰p شروع می‌شود.

Runway، Hailuo و Pixverse

Runway پلتفرمی است که تولید ویدیو را کنار ابزارهای ویرایش می‌گذارد و برای طراح‌ها و تدوینگرها راحت است. Hailuo (محصولِ Minimax) و Pixverse معمولاً برای ساخت سریع و ارزان انتخاب می‌شوند. هر سه برای تست‌کردنِ یک ایده پیش از خرج‌کردن روی مدل گران‌تر خوب‌اند.

Sora دیگر گزینه نیست

بسیاری از فهرست‌های قدیمی هنوز Sora را بهترین انتخاب می‌دانند. اما OpenAI در ۲۴ مارس ۲۰۲۶ تعطیلیِ آن را اعلام کرد؛ اپ و وب در ۲۶ آوریل ۲۰۲۶ بسته شد و API هم ۲۴ سپتامبر ۲۰۲۶ از کار افتاد. اگر مقاله‌ای هنوز آن را آموزش می‌دهد، کهنه است. برای تفاوت‌ها با رقبا مقایسه‌ی Kling با Runway و Sora را ببینید و فقط جنبه‌ی تاریخی‌اش را در نظر بگیرید.

ابزارهای آواتاری و قالبی

HeyGen و Synthesia آواتارِ سخنگو می‌سازند و InVideo و Pictory متن یا مقاله را به ویدیوی قالبی تبدیل می‌کنند. برای آموزش، ارائه‌ی شرکتی و محتوای توضیحی خوب‌اند. نکته‌ی مهم: این‌ها «مدلِ ساخت صحنه» نیستند و از آن‌ها انتظارِ صحنه‌ی سینمایی نداشته باشید. اگر گوینده‌ی فارسی می‌خواهید، به بخش صدا در راهنمای دوبله‌ی فارسی با هوش مصنوعی سر بزنید.

یک پرامپتِ ثابت برای محکِ مدل‌ها

بهترین راهِ فهمیدنِ اینکه کدام مدل به کار شما می‌خورد، فرستادنِ یک پرامپتِ ثابت به چند مدل و مقایسه‌ی خروجی‌هاست. ما اینجا نتیجه‌ی ساختگی نمی‌گذاریم؛ پرامپت را به شما می‌دهیم تا خودتان محک بزنید.

A slow cinematic shot of a street vendor pouring hot tea into a glass at dusk in an old bazaar, warm lantern light, steam rising, soft background chatter, shallow depth of field, 8 seconds

این پرامپت عمداً چند چیز را با هم می‌آزماید: بخار و حرکتِ مایع، نورِ گرم، عمقِ میدان و صدای محیط. بعد از ساختِ هر مدل، این پنج سؤال را بپرسید:

1. حرکتِ دست و مایع طبیعی است؟
2. بخار و نور از ابتدا تا انتها ثابت می‌ماند؟
3. صدای محیط با صحنه جور است؟
4. چیزی در وسط کلیپ ناگهان تغییر شکل می‌دهد؟
5. هزینه‌ی این خروجی به نسبتِ کیفیتش می‌ارزد؟

بعد پرامپت را فارسی بنویسید و دوباره بسازید. اگر مدلی فارسی را ضعیف می‌فهمد، همین‌جا معلوم می‌شود. برای نوشتنِ پرامپت‌های بهتر اصولِ سؤال‌پرسیدن از هوش مصنوعی کمک می‌کند.

قدم‌به‌قدم ساخت اولین ویدیو در هوش‌نو

هوش‌نو سرویسِ خودِ ماست و چند مدلِ ویدیوساز (از جمله Veo، Kling، Seedance، Pixverse، Minimax و Grok Imagine) را در یک جا و با پرداختِ تومانی در اختیار می‌گذارد. گام‌ها این‌هاست:

1. به صفحه‌ی ساخت ویدیو با هوش مصنوعی در هوش‌نو بروید و وارد حسابتان شوید؛ اگر حساب ندارید، با شماره‌ی موبایل ثبت‌نام کنید.
2. یکی از دو حالت را بزنید: «متن به ویدیو» یا «عکس به ویدیو».
3. یک مدل انتخاب کنید. برای شروع، یک مدلِ ارزان‌تر بردارید تا ایده را بسنجید.
4. پرامپت را بنویسید یا عکس را بارگذاری کنید. پرامپتِ بخش قبل را می‌توانید همین‌جا بچسبانید.
5. مدت و کیفیت را انتخاب کنید؛ هزینه‌ی هر ساخت پیش از شروع در خودِ ابزار نشان داده می‌شود.
6. روی ساخت بزنید و صبر کنید تا ویدیو آماده شود، بعد دانلودش کنید.

اگر ساخت ناموفق شود، اعتبارِ مصرف‌شده خودکار برمی‌گردد. اشتراکِ اجباری هم در کار نیست؛ به اندازه‌ی مصرف پرداخت می‌کنید. برای ایده گرفتن از ویدیوهای وایرال هم به ترندهای هوش‌نو بروید و عکسِ خودتان را در آن‌ها بگذارید. راهنمای کاملِ فارسی‌اش در ساخت ویدیو با هوش مصنوعی ایرانی آمده است.

هزینه‌ی هر ثانیه ویدیو و پرداخت تومانی

هزینه‌ی ساخت ویدیو با هوش مصنوعی را باید بر حسبِ «هر ثانیه‌ی خروجی» سنجید، نه هر ماه اشتراک. بر اساس منابع مهر ۱۴۰۵، یک دقیقه ویدیوی ۱۰۸۰p تقریباً حدودِ ۳ دلار با Kling و حدودِ ۳٫۶ دلار با Seedance تمام می‌شود، در حالی که نسخه‌های بالای Veo چند برابر گران‌تر است. این اعداد تقریبی‌اند و با نسخه و کیفیت عوض می‌شوند.

برای کاربرِ ایرانی مشکلِ اصلی نرخ نیست، پرداخت است: سایتِ سازنده معمولاً کارتِ ارزی می‌خواهد. راهِ قانونی و ساده، استفاده از پلتفرمِ داخلی با پرداختِ تومانی است. هوش‌نو بدونِ اشتراک و به اندازه‌ی مصرف حساب می‌کند و قیمتِ هر ساخت را پیش از شروع نشان می‌دهد. در این نوشته عددِ تومانیِ هوش‌نو را نمی‌آوریم چون تغییر می‌کند.

سه عادتِ ساده هزینه را پایین نگه می‌دارد: ایده را اول با مدل ارزان یا کوتاه امتحان کنید، پرامپت را قبل از ساخت دقیق کنید، و فقط خروجی‌ای را بلندتر یا با کیفیتِ بالاتر بسازید که از نسخه‌ی اول راضی بودید.

کاربردهای ساخت ویدیو با هوش مصنوعی

تبلیغات و تیزر

عکسِ محصول را بدهید تا متحرک شود: چرخشِ دوربین دور یک بطری، بخارِ یک قهوه، پارچه‌ای که در باد تکان می‌خورد. روشِ کامل در ساخت ویدیو تبلیغاتی با هوش مصنوعی آمده است.

ریلز و ویدیوی کوتاه

کلیپ‌های ۵ تا ۱۵ ثانیه‌ای برای ریلز و استوری بهترین اندازه‌اند. فرمتِ عمودی (۹:۱۶) را انتخاب کنید و چند کلیپ را پشت هم بچسبانید.

یوتیوب و کانالِ بدون چهره

برای شورت و ولاگِ روایی، صحنه‌های پشتیبان یا b-roll بسازید و روی آن‌ها با گویندگیِ مصنوعی صدا بگذارید. گویندگی با هوش مصنوعی در هوش‌نو برای متنِ فارسی استفاده می‌شود.

انیمیشن و صحنه‌ی خیالی

داستانِ کودک، صحنه‌ی فانتزی یا ویدیوی مفهومی را می‌توانید بدون استودیو بسازید. ثباتِ شخصیت در چند کلیپ هنوز چالش است؛ عکسِ مرجع کمک می‌کند.

کلیپِ تولد و مناسبتی

عکسِ خودتان یا خانواده را متحرک کنید و برای تولد، سالگرد یا عید کلیپ بسازید. همیشه فقط از عکسِ خودتان یا کسی استفاده کنید که رضایت داده است. جزئیات در ساخت ویدیو تولد با هوش مصنوعی آمده است.

موسیقیِ ویدیو هم با هوش مصنوعی ساخته می‌شود؛ برای ساختِ آهنگ پس‌زمینه آموزش ساخت آهنگ با Suno را ببینید.

محدودیت‌ها و اشتباه‌های رایج

ساخت ویدیو با هوش مصنوعی هنوز بی‌نقص نیست. این محدودیت‌ها را از همان ابتدا بدانید تا پولتان هدر نرود:

• طول کوتاه: هر ساخت چند ثانیه است؛ برای ویدیوی بلند باید چند صحنه بسازید و بچسبانید.
• تغییر شکلِ دست و متن: دست‌ها، انگشت‌ها و نوشته‌های روی تصویر هنوز خطا دارند؛ متنِ فارسی را بهتر است بعداً روی ویدیو اضافه کنید.
• ثباتِ شخصیت: چهره در چند کلیپ پشت‌سرهم ممکن است عوض شود.
• پرامپتِ مبهم: «یک ویدیوی قشنگ» نتیجه‌ی بدی می‌دهد؛ دوربین، نور، حرکت و فضا را مشخص کنید.
• انتخابِ مدلِ گران برای تست: ایده را اول ارزان امتحان کنید.
• حقوق و رضایت: از چهره و صدای افرادِ دیگر بدونِ رضایتِ‌شان استفاده نکنید و شخصیت‌های مشهور نسازید.

شفاف‌بودن هم مهم است. بعضی پلتفرم‌ها ویدیوهای تولیدی را با نشانِ مخصوص علامت می‌زنند و بهتر است در انتشار بگویید ویدیو با هوش مصنوعی ساخته شده است. برای نگرانی‌های کلی‌تر، چالش‌های اخلاقی هوش مصنوعی را بخوانید.

کدام ابزار برای کدام کار؟

نتیجه‌ی جدول: هیچ مدلی در همه‌ی کارها برنده نیست. بهتر است یک ایده را در دو مدل بسازید و بر اساس خروجی انتخاب کنید. برای شروعی بدون خرج هم مقایسه‌ی نسخه‌ی رایگان و پولی Kling و اپلیکیشن‌های رایگان هوش مصنوعی مفید است.

فرمول نوشتن پرامپت برای ویدیوی هوش مصنوعی

پرامپتِ خوب برای ویدیو شش بخش دارد: سوژه، حرکت، دوربین، نور و فضا، سبک و صدا. هر بخش را در یک عبارت کوتاه بنویسید و ترتیبِ آن‌ها را ثابت نگه دارید تا بتوانید یکی‌یکی تغییرشان بدهید و اثرشان را ببینید.

1. سوژه: چه کسی یا چه چیزی در صحنه است؟ مثلاً «زنی با شالِ قرمز» یا «بطریِ عطر روی میزِ مرمر».
2. حرکت: سوژه چه می‌کند؟ «آرام می‌چرخد»، «از پنجره بیرون را نگاه می‌کند».
3. دوربین: «نمای نزدیک»، «حرکتِ آهسته به سمتِ جلو»، «نمای هوایی».
4. نور و فضا: «نورِ گرمِ غروب»، «صبحِ مه‌آلود».
5. سبک: «سینمایی»، «انیمیشنِ آبرنگی»، «تبلیغاتیِ مینیمال».
6. صدا: «صدای باران و قدم‌ها» (فقط در مدل‌هایی که صدا می‌سازند).

چند نمونه‌ی آماده؛ همه را می‌توانید همان‌طور که هستند کپی کنید:

Product shot: a glass perfume bottle on a marble table, slow 360-degree camera orbit, soft window light, subtle golden dust floating, minimal luxury commercial style

Reels clip: a young woman in a red scarf walking through a snowy alley, handheld camera following from behind, blue hour light, gentle snowfall, cinematic

Food ad: close-up of saffron threads dropping into hot milk, macro lens, slow motion, warm light, steam curling upward, ASMR sound of liquid

Fantasy scene: a small paper boat sailing across a glowing river inside a giant library, camera slowly rising, magical dust particles, watercolor animation style

برای حالتِ عکس به ویدیو، پرامپت را کوتاه‌تر بنویسید و فقط حرکت را توضیح بدهید، چون سوژه از عکس معلوم است. مثلاً: «دوربین آهسته نزدیک می‌شود و بخار از فنجان بالا می‌رود». اگر در پرامپت سوژه‌ی تازه‌ای اضافه کنید که در عکس نیست، مدل معمولاً آن را بد می‌سازد.

عکس به ویدیو: چطور نتیجه‌ی بهتری بگیریم؟

برای عکس به ویدیو، عکسی با کیفیتِ بالا و نورِ مشخص بدهید؛ عکسِ تار یا فشرده‌شده، ویدیوی تار می‌سازد. این نکته‌ها اغلب فرق را می‌سازند:

• عکس را با نسبتِ تصویری که می‌خواهید بسازید (۱۶:۹ برای یوتیوب، ۹:۱۶ برای ریلز) آماده کنید تا برش نخورد.
• فقط یک حرکتِ اصلی بخواهید. «بچرخد، بدود، بپرد و بخندد» همزمان معمولاً به تغییر شکل می‌انجامد.
• برای چهره‌ی خودتان از عکسی استفاده کنید که صورت از روبه‌رو و روشن دیده شود.
• اگر پس‌زمینه شلوغ است، اول آن را ساده کنید؛ ابزارِ حذف پس‌زمینه در هوش‌نو برای همین کار است.
• چند نسخه‌ی کوتاه بسازید و بهترین را نگه دارید، به‌جای یک نسخه‌ی بلند.

از ایده تا ویدیوی کامل: یک روندِ کاری ساده

تولیدِ یک ویدیوی ۳۰ ثانیه‌ای از چند کلیپِ کوتاه معمولاً در این مراحل انجام می‌شود. این روندِ عمومی است و به ابزارِ خاصی بستگی ندارد.

1. نوشتنِ ایده‌ی ۳ تا ۵ صحنه‌ای: برای هر صحنه یک جمله بنویسید. می‌توانید از یک چت‌بات کمک بگیرید؛ برای نمونه چت با هوش مصنوعی به فارسی برای نوشتنِ اسکریپت و فهرستِ صحنه‌ها مناسب است.
2. ساختِ هر صحنه جداگانه: هر پرامپت را جدا بسازید و اگر خوب نبود، فقط همان را تکرار کنید.
3. یکدستی: نور، رنگ و سبک را در همه‌ی پرامپت‌ها یکسان بنویسید تا کلیپ‌ها شبیه هم شوند.
4. چسباندن: کلیپ‌ها را در یک نرم‌افزار تدوین پشت هم بگذارید.
5. صدا و موسیقی: گویندگی و موسیقی را جدا اضافه کنید یا از صدای همزمانِ مدل استفاده کنید.
6. خروجی نهایی: نسبتِ تصویر را با پلتفرمِ هدف تنظیم کنید و خروجی بگیرید.

نکته‌ی عملی: اگر قرار است متن روی ویدیو بیاید، آن را در نرم‌افزار تدوین بنویسید، نه در پرامپت. مدل‌های ویدیو هنوز با حروف فارسی خوب کار نمی‌کنند و حروف را قطع و وصل یا تغییر شکل می‌دهند.

نمونه‌ی سناریوهای واقعی برای کسب‌وکارها

برای اینکه ببینید این ابزارها در عمل کجا به کار می‌آیند، سه سناریوی ساده را مرور می‌کنیم. این‌ها نمونه‌ی پیشنهادی‌اند، نه نتیجه‌ی یک پروژه‌ی مشخص.

فروشگاهِ اینستاگرامیِ عطر و لوازمِ لوکس

عکسِ استودیوییِ محصول را به‌عنوانِ ورودی بدهید و حرکتِ دوربینِ آرام بخواهید. با همین عکس چند نسخه‌ی ۵ تا ۸ ثانیه‌ای برای استوری و ریلز بسازید و در طولِ هفته منتشر کنید. به‌جای فیلم‌برداریِ تازه برای هر محصول، همان عکسِ کاتالوگ کافی است.

کافه یا رستوران

کلیپ‌هایی از بخارِ قهوه، ریختنِ شیر یا برشِ کیک به‌عنوانِ پس‌زمینه‌ی تبلیغ می‌سازید. صدای محیط و موسیقی را جدا اضافه کنید و قیمت و آدرس را در تدوین بنویسید.

معلم یا مدرس

برای توضیحِ مفاهیمِ انتزاعی، مثلاً چرخه‌ی آب یا حرکتِ سیارات، کلیپ‌های کوتاهِ تصویری بسازید و با صدای خودتان یا گویندگیِ مصنوعی توضیح بدهید. اگر متن طولانی است، ابزارهای آواتاری هم گزینه‌اند.

در هر سه سناریو، اصلِ کار یکی است: صحنه‌های کوتاه، پرامپتِ دقیق، تدوینِ نهایی به دست خودتان. هوش مصنوعی کارِ ساختنِ تصویر را سریع می‌کند، ولی ایده و تدوین هنوز با شماست.

نکته‌های حرفه‌ای برای نتیجه‌ی بهتر

• اول با کیفیتِ پایین و مدلِ ارزان آزمایش کنید و فقط نسخه‌ی خوب را با کیفیتِ بالا بسازید.
• پرامپت‌های موفق را در یک فایل ذخیره کنید؛ بعداً می‌توانید همان فرمول را برای محصولِ دیگر تکرار کنید.
• از واژه‌های مبهمی مثل «زیبا» و «حرفه‌ای» کمتر استفاده کنید و به‌جایش رنگ، نور و حرکت بنویسید.
• اگر چهره تغییر می‌کند، کلیپ را کوتاه‌تر کنید یا از عکسِ مرجع استفاده کنید.
• خروجی را همیشه تا انتها تماشا کنید؛ خطاهای ریز اغلب در ثانیه‌های آخر پیدا می‌شوند.
• برای هر پروژه یک سبکِ بصری ثابت انتخاب کنید تا کلیپ‌ها یکدست دیده شوند.

تازه‌ترین مدل‌های ویدیو را هر ماه در هوش مصنوعی جدید و قوی دنبال کنید.

یکی از تازه‌ترین ابزارهای ویرایشِ ویدیو با هوش مصنوعی، قابلیتِ Genjutsu در هیگزفیلد است؛ در مقاله‌ی جنجوتسو هیگزفیلد چیست طرزِ کار، قیمت و جایگزینِ فارسیِ آن را توضیح داده‌ایم.

کاتانا یکی از ابزارهای تازه‌ی ادیت ویدیوست؛ معرفی و آموزش کاتانا هیگزفیلد را کنارِ این فهرست بخوانید.

سؤالات متداول

کدام هوش مصنوعی فیلم می‌سازد؟

چند مدل این کار را می‌کنند: Veo 3.1 گوگل، Kling 3.0، Seedance 2.0، Runway، Hailuo و Pixverse. هر کدام کلیپ‌های چندثانیه‌ای می‌سازند، نه فیلم کامل. Sora دیگر در دسترس نیست. برای فیلمِ بلندتر باید کلیپ‌ها را بسازید و پشت هم بچسبانید.

بهترین سایت ساخت ویدیو با هوش مصنوعی کدام است؟

بستگی به کارتان دارد. برای صدا و واقع‌گرایی Veo، برای صحنه‌ی چندپلانه Kling و برای شروع از عکس Seedance پیشنهاد می‌شود. اگر پرداخت تومانی و فارسی می‌خواهید، پلتفرمی مثل هوش‌نو چند مدل را یک‌جا می‌دهد.

آیا ساخت ویدیو با هوش مصنوعی رایگان است؟

به‌طور کامل نه. بیشترِ مدل‌های خوب هزینه‌ی هر ثانیه دارند و نسخه‌های رایگان محدودیت و واترمارک دارند. بعضی سرویس‌ها سهمیه‌ی آزمایشی می‌دهند. بهتر است با ساخت‌های کوتاه و ارزان شروع کنید و قبل از هر ساخت هزینه را بسنجید.

ساخت ویدیو با هوش مصنوعی به فارسی ممکن است؟

بله، تا حدی. بعضی مدل‌ها پرامپتِ فارسی را می‌فهمند، ولی نتیجه با پرامپتِ انگلیسی معمولاً دقیق‌تر است. متنِ فارسیِ روی تصویر را بهتر است بعداً اضافه کنید و برای صدای فارسی از گویندگیِ جداگانه استفاده کنید.

طولِ ویدیوی هوش مصنوعی حداکثر چقدر است؟

هر ساخت معمولاً بین چند ثانیه تا حدود ۱۵ ثانیه است؛ Veo 3.1 حدودِ ۸ ثانیه و Kling و Seedance تا حدود ۱۵ ثانیه اعلام شده‌اند. برای ویدیوی بلندتر، چند صحنه می‌سازید و به هم می‌چسبانید.

ساخت ویدیو با هوش مصنوعی از عکس چطور است؟

عکس به ویدیو یعنی عکسی را بارگذاری می‌کنید و مدل آن را متحرک می‌کند. چون نقطه‌ی شروع مشخص است، کنترلِ بیشتری دارید و برای محصول و عکس‌های شخصی مناسب است. فقط از عکسی استفاده کنید که حق استفاده‌اش را دارید.

آیا باید بگویم ویدیو با هوش مصنوعی ساخته شده؟

بله، توصیه می‌شود. شفافیت اعتماد می‌سازد و بعضی پلتفرم‌ها برچسب‌گذاری را می‌خواهند. به‌ویژه اگر ویدیو شبیه فیلمبرداری واقعی است، ذکرِ این موضوع بهتر است.

جمع‌بندی

ساخت ویدیو با هوش مصنوعی امروز برای تیزر، ریلز و ایده‌های خیالی کاملاً عملی است، به شرطی که بدانید کدام نوع ابزار به کارتان می‌خورد: تولیدی، عکس‌محور یا قالبی. Sora دیگر گزینه نیست و Veo 3.1، Kling 3.0 و Seedance 2.0 سه نقطه‌ی شروعِ اصلی‌اند. پرامپتِ محک را با دو مدل بسازید، هزینه‌ی هر ثانیه را بسنجید و از ساخت‌های کوتاه شروع کنید.

قدمِ بعدی: اولین کلیپتان را بسازید و اگر برای عکس به ویدیو عکسِ خوب لازم دارید، ساخت عکس با هوش مصنوعی فارسی را ببینید. اگر هوش مصنوعیِ فارسی با پرداخت تومانی می‌خواهید، هوش مصنوعی ایرانی هوش‌نو را امتحان کنید.