برای ساخت ویدیو با هوش مصنوعی ایرانی لازم نیست انگلیسی بلد باشید یا کارتِ ارزی داشته باشید. در پلتفرم‌های فارسی مثل هوش نو، یک جمله‌ی فارسی می‌نویسید یا یک عکس بارگذاری می‌کنید، مدلی مثل Veo یا Kling را انتخاب می‌کنید، هزینه را به تومان می‌بینید و چند دقیقه بعد ویدیو را تحویل می‌گیرید. در این راهنما هر دو روشِ «متن به ویدیو» و «عکس به ویدیو» را گام‌به‌گام توضیح می‌دهیم، مدل‌ها را مقایسه می‌کنیم، نمونه‌پرامپتِ فارسی می‌دهیم و می‌گوییم تقریباً چقدر خرج دارد.
ساخت ویدیو با هوش مصنوعی ایرانی یعنی چه؟
مدل‌های قویِ ساختِ ویدیو را شرکت‌های بزرگِ دنیا ساخته‌اند: Veo از گوگل، Kling از Kuaishou، Seedance از ByteDance، Grok Imagine از xAI، و Minimax و Pixverse از شرکت‌های فعال در همین حوزه. کاربرِ ایرانی برای استفاده‌ی مستقیم از بیشترِ آن‌ها با پرداختِ ارزی، ثبت‌نامِ خارجی و گاهی محدودیتِ دسترسی روبه‌روست.
«هوش مصنوعیِ ایرانیِ ساختِ ویدیو» در عمل یعنی پلتفرمی داخلی که همین مدل‌ها را با رابطِ فارسی، پرداختِ تومانی و بدونِ فیلترشکن در دسترس می‌گذارد. خودِ مدل همان مدلِ اصلی است؛ آنچه عوض می‌شود راهِ رسیدن به آن است.
دو روشِ اصلی: متن به ویدیو و عکس به ویدیو
متن به ویدیو
صحنه را با کلمات توصیف می‌کنید و مدل از صفر ویدیو می‌سازد. برای ایده‌پردازی، تیزرهای کوتاه، صحنه‌های خیالی و محتوای شبکه‌های اجتماعی مناسب است. آزادیِ عمل بیشتری دارید، ولی کنترلِ کمتری روی ظاهرِ دقیقِ سوژه.
عکس به ویدیو
یک عکس (مثلاً عکسِ محصول، پرتره یا یک تصویرِ ساخته‌شده با هوش مصنوعی) را بارگذاری می‌کنید و توضیح می‌دهید چه چیزی در آن حرکت کند. وقتی ظاهرِ محصول، شخصیت یا ترکیب‌بندی باید ثابت بماند، این روش نتیجه‌ی قابل‌پیش‌بینی‌تری می‌دهد. یک ترفندِ کاربردی: اول با ابزارِ ساختِ تصویر قابِ دلخواه را بسازید، بعد همان را متحرک کنید. برای آموزشِ مفصل‌ترِ این روش، مقاله‌ی ساختِ ویدیو از تصویر با Kling AI را ببینید.
کدام مدل برای چه کاری؟
مهم‌ترین تصمیم در ساختِ ویدیو انتخابِ مدل است، نه طولانی‌تر کردنِ پرامپت. جدولِ زیر بر اساسِ توضیحاتی است که کنارِ هر مدل در ابزارِ ویدیوی هوش نو آمده است:
| مدل | سازنده | بیشتر مناسبِ |
|---|---|---|
| Veo | داستان‌گویی و ویدیوی سینمایی و واقع‌گرایانه | |
| Kling | Kuaishou | کنترلِ حرکت، حرکتِ طبیعی و جزئیاتِ بالا |
| Seedance | ByteDance | حرکتِ روان و کنترلِ دقیقِ دوربین |
| Pixverse | PixVerse | ویدیوهای پرجنب‌وجوش با افکت‌های آماده |
| Minimax | MiniMax | وقتی سرعت و هزینه‌ی کمتر مهم‌تر است؛ صحنه‌های واقع‌گرایانه با حرکتِ نرم |
| Grok Imagine | xAI | ساختِ سریعِ ویدیو از متن یا تصویر |
بیشترِ این خانواده‌ها چند نسخه دارند؛ مثلاً Kling در ابزارِ هوش نو نسخه‌های ۲.۵ تا ۳ را دارد. انتخابگرِ مدل سه‌مرحله‌ای است: اول خانواده، بعد نسخه، بعد قابلیت. برای آشناییِ بیشتر با دو مدلِ پرطرفدار، راهنمای Veo گوگل و معرفیِ بهترین ابزارهای ساختِ ویدیو با هوش مصنوعی را بخوانید.
آموزشِ گام‌به‌گامِ ساختِ ویدیو در هوش نو
- ورود: از صفحه‌ی ورود با شماره‌ی موبایل وارد شوید یا حسابِ رایگان بسازید.
- شارژِ کیف پول: یکی از بسته‌ها یا مبلغِ دلخواه را از درگاهِ زرین‌پال پرداخت کنید. اعتبار بلافاصله اضافه می‌شود.
- باز کردنِ ابزار: به تولیدکننده‌ی ویدیو با هوش مصنوعی بروید.
- انتخابِ مدل: خانواده‌ی مدل، نسخه و قابلیت (متن به ویدیو یا تصویر به ویدیو) را انتخاب کنید.
- نوشتنِ توضیح: صحنه را فارسی توصیف کنید (تا ۱۰۰۰ نویسه). اگر توضیحتان کوتاه یا مبهم است، دکمه‌ی «بهبود با هوش مصنوعی» آن را کامل‌تر بازنویسی می‌کند.
- تصویرِ مرجع (اختیاری): برای ساختِ ویدیو از عکس، فایلِ jpg یا png را بارگذاری کنید.
- مدت و ابعاد: مدت را از گزینه‌های موجود (مثلاً ۴، ۸ یا ۱۲ ثانیه، بسته به مدل) و ابعاد را بر اساسِ جای انتشار انتخاب کنید: ۷۲۰×۱۲۸۰ یا ۱۰۲۴×۱۷۹۲ برای استوری و ریلز، ۱۲۸۰×۷۲۰ یا ۱۷۹۲×۱۰۲۴ برای یوتیوب و وب‌سایت.
- دیدنِ هزینه: هزینه‌ی تخمینی به تومان زیرِ فرم نوشته می‌شود و با تغییرِ مدل، مدت و ابعاد به‌روز می‌شود.
- تولید و دانلود: دکمه‌ی تولید را بزنید. ویدیو در بایگانیِ همان صفحه ذخیره می‌شود و قابلِ جست‌وجو، فیلتر بر اساسِ مدل و دانلود است.
«ترندها»: عکسِ خودتان را در ویدیوهای وایرال بگذارید
بخشِ «ترندها» در هوش نو برای کسانی است که نمی‌خواهند پرامپت بنویسند. به‌جای توصیفِ صحنه، یکی از ویدیوهای ترند و وایرال را انتخاب می‌کنید، عکسِ خودتان را بارگذاری می‌کنید و ویدیویی تحویل می‌گیرید که خودتان در آن هستید. این بخش بعد از ورود، در پنلِ کاربری در دسترس است. آنچه از ترندها می‌گیرید:
- چهره‌ای شبیهِ خودتان: آدمِ داخلِ ویدیو شما هستید، نه یک چهره‌ی تصادفی.
- عوض کردنِ چند جزء: در بعضی ترندها می‌توانید چند جزء از ویدیو را به سلیقه‌ی خودتان تغییر دهید.
- عددِ درست روی ویدیو: در ترندهایی که عدد دارند، عددی که وارد می‌کنید درست و خوانا روی ویدیو می‌نشیند.
- پرداختِ تومانی: هزینه از همان کیف پولِ هوش نو کم می‌شود و پیش از ساخت آن را می‌بینید.
برای نتیجه‌ی بهتر، عکسی روشن و واضح از خودتان بدهید. فقط از عکسِ خودتان یا کسی که رضایت داده استفاده کنید؛ مسئولیتِ محتوای درخواست و رعایتِ حقِ تصویرِ دیگران با کاربر است.
پرامپت‌نویسی برای ویدیو: فرمول و مثالِ فارسی
یک پرامپتِ خوبِ ویدیو به این شش سؤال جواب می‌دهد: چه کسی یا چه چیزی؟ چه کاری می‌کند؟ کجا؟ با چه نوری؟ دوربین چطور حرکت می‌کند؟ با چه حال‌وهوا و سبکی؟
مثالِ ضعیف و قوی
ضعیف: «یک ویدیوی تبلیغاتی برای قهوه بساز.»
قوی: «نمای نزدیک از یک فنجانِ سرامیکیِ سفید روی میزِ چوبیِ یک کافه، بخار آرام از قهوه بلند می‌شود، نورِ گرمِ صبح از پنجره‌ی کناری می‌تابد، دوربین خیلی آهسته به فنجان نزدیک می‌شود، حال‌وهوای آرام و دنج، سبکِ تبلیغاتِ سینمایی.»
مثال برای عکس به ویدیو
وقتی عکسِ مرجع داده‌اید، صحنه را دوباره توصیف نکنید؛ بگویید چه چیزی حرکت کند و چه چیزی ثابت بماند:
«بسته‌ی زعفران در مرکزِ قاب ثابت بماند و نوشته‌های روی بسته تغییر نکند. چند رشته‌ی زعفران آرام از بالا روی میز بریزد، دوربین با حرکتی نرم دورِ بسته بچرخد، نور گرم و طلایی.»
مثال برای صحنه‌ی شهری
«خیابانی در تهران در شب بعد از باران، بازتابِ نورِ مغازه‌ها روی آسفالتِ خیس، چند عابر با چتر از کنارِ دوربین رد می‌شوند، دوربین آرام به جلو حرکت می‌کند، رنگ‌های سرد و آبی با نورهای نارنجی، حال‌وهوای سینمایی.»
اشتباه‌های رایج
- چند اتفاق در یک ویدیوی کوتاه: در چهار تا هشت ثانیه فقط یک کنشِ اصلی بخواهید. داستانِ بلندتر را در چند کلیپِ کوتاه بسازید و در استودیو ویدیو کنارِ هم بگذارید.
- درخواستِ متنِ خوانا داخلِ ویدیو: بیشترِ مدل‌ها نوشته را، به‌خصوص فارسی، درست نمی‌سازند. متن را بعداً با ویرایشگر اضافه کنید.
- صفت‌های کلی: «زیبا» و «حرفه‌ای» به مدل چیزِ زیادی نمی‌گوید؛ نور، رنگ، زاویه و حرکت را مشخص کنید.
برای نکته‌های تخصصیِ هر مدل، پرامپت‌نویسیِ اصولی در Kling و پرامپت‌نویسیِ اصولی در Google Veo را بخوانید.
ساختِ ویدیو با هوش مصنوعی چقدر هزینه دارد؟
هزینه به مدل، مدت و ابعاد بستگی دارد و همیشه پیش از زدنِ دکمه‌ی تولید به تومان نشان داده می‌شود. برای اینکه تصویرِ تقریبی داشته باشید، برآوردِ صفحه‌ی تعرفه‌ها در زمانِ نگارش این بود (با مدل‌های به‌صرفه حساب شده است):
| بسته | مبلغ | تقریباً معادلِ |
|---|---|---|
| پلنِ اقتصادی | ۹۸ هزار تومان | ۲ ویدیوی ۵ ثانیه‌ای |
| پلنِ پرفروش | ۴۹۸ هزار تومان | ۱۰ ویدیوی ۵ ثانیه‌ای |
| پکیجِ ویژه | ۹۹۸ هزار تومان | ۲۰ ویدیوی ۵ ثانیه‌ای |
مدل‌های پرچم‌دار گران‌ترند. برای نمونه، در زمانِ نگارش، تخمینِ ابزار برای یک ویدیوی ۴ ثانیه‌ای با Veo و ابعادِ ۷۲۰×۱۲۸۰ حدودِ ۱۲۳ هزار تومان بود. عددِ دقیق را همیشه در خودِ ابزار ببینید. اعتبارِ هر شارژ ۳۰ روز معتبر است و اشتراکِ اجباری وجود ندارد.
چطور کمتر خرج کنیم؟
- ایده را اول با مدلِ به‌صرفه و مدتِ کوتاه امتحان کنید؛ وقتی پرامپت جا افتاد، نسخه‌ی نهایی را با مدلِ قوی‌تر بسازید.
- ابعادِ بزرگ‌تر را فقط وقتی انتخاب کنید که واقعاً لازم است؛ برای استوری، ۷۲۰×۱۲۸۰ معمولاً کافی است.
- برای ثابت ماندنِ ظاهرِ سوژه، به‌جای چند بار تکرارِ متن به ویدیو، از عکسِ مرجع استفاده کنید.
اگر ساختِ ویدیو ناموفق شد، اعتبارم چه می‌شود؟
ساختِ ویدیو با هوش مصنوعی گاهی به خطا می‌خورد؛ مثلاً سرویس‌دهنده‌ی مدل شلوغ است یا درخواست رد می‌شود. در هوش نو اگر ساختی ناموفق شود یا نتیجه‌اش تحویل داده نشود، اعتبارِ کسرشده خودکار و بدونِ نیاز به تیکت به کیف پول برمی‌گردد و این برگشت در گزارشِ کیف پول ثبت می‌شود. توجه کنید که ویدیویی که ساخته شده ولی به سلیقه‌تان نیست، «ناموفق» حساب نمی‌شود؛ برای همین تست با مدلِ ارزان‌تر اهمیت دارد.
پیش از انتشار چه چیزهایی را بررسی کنیم؟
- دست‌ها، انگشت‌ها و حرکتِ صورت را فریم‌به‌فریم نگاه کنید.
- جزئیاتِ بسته‌بندی، لوگو و نوشته‌ها ممکن است بینِ فریم‌ها تغییر کنند.
- برای کاملِ کردنِ ویدیو، با گویندگیِ فارسی روی آن صدا بگذارید یا با ساختِ موسیقی با Suno موسیقیِ پس‌زمینه بسازید.
- حقِ استفاده‌ی تجاری از خروجی‌هایی که در هوش نو می‌سازید با خودِ شماست؛ ولی رعایتِ حقوقِ دیگران، مثل چهره یا نشانِ تجاریِ افراد، هم بر عهده‌ی شماست.
سؤالات متداول
آیا ساخت ویدیو با هوش مصنوعی ایرانی رایگان است؟
ساختِ حساب رایگان است، ولی ساختِ ویدیو هزینه‌ی واقعیِ پردازش دارد و از اعتبار کم می‌شود. چتِ رایگانِ روزانه‌ی هوش نو برای نوشتن و ایده‌پردازی است و ساختِ ویدیو را شامل نمی‌شود. کم‌هزینه‌ترین راهِ شروع، بسته‌ی ۹۸ هزار تومانی با یک مدلِ به‌صرفه است.
بهترین هوش مصنوعی ایرانی برای ساخت ویدیو کدام است؟
سرویسی که مدل‌های قوی مثل Veo، Kling و Seedance را با پرداختِ ریالی، رابطِ فارسی و نمایشِ هزینه پیش از ساخت ارائه دهد و ساختِ ناموفق را برگرداند. بینِ خودِ مدل‌ها هم «بهترین» به کار بستگی دارد: Veo برای داستان‌گویی، Kling برای کنترلِ حرکت، Minimax برای سرعت و هزینه‌ی کمتر.
می‌توانم با پرامپتِ فارسی ویدیو بسازم؟
بله. در هوش نو توضیح را فارسی می‌نویسید و لازم نیست آن را به انگلیسی ترجمه کنید. دکمه‌ی «بهبود با هوش مصنوعی» هم می‌تواند توضیحِ کوتاهِ شما را کامل‌تر کند.
چطور با هوش مصنوعی عکس را به ویدیو تبدیل کنم؟
در ابزارِ ویدیو، قابلیتِ «تصویر به ویدیو» را انتخاب کنید، عکسِ jpg یا png را بارگذاری کنید و بنویسید چه چیزی حرکت کند و چه چیزی ثابت بماند. بعد مدت و ابعاد را انتخاب کنید و پس از دیدنِ هزینه، دکمه‌ی تولید را بزنید.
ویدیوهای ساخته‌شده چند ثانیه‌اند؟
بسته به مدل؛ در ابزارِ هوش نو گزینه‌هایی مثل ۴، ۸ و ۱۲ ثانیه وجود دارد. برای ویدیوی بلندتر، چند کلیپِ کوتاه بسازید و در استودیو ویدیو کنارِ هم بگذارید.
آیا ویدیوها صدا هم دارند؟
بعضی مدل‌ها، مثل نسخه‌های جدیدِ Veo، ویدیو را همراه با صدای همگام می‌سازند و بقیه بی‌صدا خروجی می‌دهند. اگر صدای مشخصی لازم دارید، گویندگیِ فارسی یا موسیقی را جداگانه بسازید و روی ویدیو بگذارید.
اگر ویدیو ساخته نشود، پولم برمی‌گردد؟
بله. اگر ساختی ناموفق شود یا نتیجه تحویل داده نشود، اعتبار خودکار به کیف پول برمی‌گردد و در گزارشِ کیف پول هم دیده می‌شود.
جمع‌بندی
ساخت ویدیو با هوش مصنوعی ایرانی یعنی دسترسی به مدل‌های مطرحی مثل Veo، Kling، Seedance، Pixverse، Minimax و Grok Imagine، با توضیحِ فارسی و پرداختِ تومانی. برای نتیجه‌ی خوب، مدل را بر اساسِ کار انتخاب کنید، در پرامپت سوژه و کنش و نور و حرکتِ دوربین را مشخص کنید، ایده را اول ارزان امتحان کنید و خروجی را پیش از انتشار بازبینی کنید. اگر هم حوصله‌ی پرامپت‌نویسی ندارید، بخشِ «ترندها» را امتحان کنید. برای شروع به تولیدکننده‌ی ویدیو با هوش مصنوعیِ هوش نو بروید.
