تبدیل عکس به ویدیو با هوش مصنوعی یعنی یک عکسِ ثابت را به مدل می‌دهید، در یک جمله می‌گویید چه چیزی باید حرکت کند، و چند ثانیه ویدیو تحویل می‌گیرید: موهایی که در باد تکان می‌خورد، لبخندی که آرام باز می‌شود، دوربینی که به سمتِ محصول جلو می‌رود. همین روش برای زنده کردنِ عکس‌های قدیمیِ خانوادگی هم استفاده می‌شود. در این راهنما می‌گوییم این کار در عمل چطور انجام می‌شود، عکس را چطور آماده کنید، پرامپتِ حرکت را چطور به فارسی بنویسید، کدام مدل برای کدام عکس مناسب‌تر است و از چه چیزهایی نباید انتظارِ معجزه داشت.
متحرک‌سازیِ عکس با هوش مصنوعی چطور کار می‌کند؟
مدل‌های ویدیوسازِ امروزی عکسِ شما را به‌عنوانِ نقطه‌ی شروع در نظر می‌گیرند و فریم‌های بعدی را خودشان «حدس» می‌زنند. یعنی هرچه در عکس هست تقریباً حفظ می‌شود، اما هرچه در عکس نیست باید ساخته شود؛ پشتِ سرِ آدمی که سر برمی‌گرداند، دستی که از کادر بیرون بوده یا فضای پشتِ یک در. نتیجه‌ی مهمِ این موضوع برای شما ساده است:
- حرکت‌های کوچک و طبیعی (پلک زدن، لبخند، تکانِ مو، حرکتِ آرامِ دوربین) تقریباً همیشه باورپذیرتر از حرکت‌های بزرگ‌اند.
- هرچه عکس واضح‌تر باشد، مدل کمتر مجبور است جزئیات را از خودش بسازد.
- متنی که می‌نویسید بیشتر توصیفِ حرکت است، نه توصیفِ صحنه؛ صحنه را خودِ عکس گفته است.
سه کاربردِ اصلی
زنده کردنِ عکسِ قدیمی
عکسِ پدربزرگ و مادربزرگ در جوانی، عکسِ سیاه‌وسفیدِ عروسیِ پدر و مادر یا عکسِ کودکیِ خودتان؛ با یک حرکتِ ملایم مثلِ لبخند و نگاه به دوربین، این عکس‌ها حسِ دیگری پیدا می‌کنند. این پرطرفدارترین کاربرد است و در بخشِ بعد آماده‌سازی‌اش را مفصل توضیح می‌دهیم.
عکسِ محصول برای تبلیغ و استوری
یک عکسِ خوب از محصول را می‌توانید به ویدیوی کوتاهی تبدیل کنید که در آن بخار از فنجانِ قهوه بلند می‌شود، دوربین دورِ بطریِ عطر می‌چرخد یا نور روی سنگِ یک انگشتر می‌لغزد. برای فروشگاه‌های اینستاگرامی که بودجه‌ی فیلم‌برداری ندارند، این ارزان‌ترین راه برای داشتنِ محتوای متحرک است.
منظره، پرتره و عکس‌های هنری
ابرهایی که روی کوه حرکت می‌کنند، موج‌هایی که به ساحل می‌خورند، برگ‌هایی که می‌افتند؛ عکس‌های طبیعت با کم‌ترین دردسر متحرک می‌شوند، چون حرکتِ طبیعی‌شان قابلِ پیش‌بینی است.
عکس را پیش از متحرک‌سازی آماده کنید
بیشترِ نتیجه‌های ناامیدکننده از عکسِ ورودیِ بد می‌آید، نه از مدل. چند دقیقه آماده‌سازی تفاوتِ زیادی ایجاد می‌کند، مخصوصاً برای عکس‌های قدیمی:
- عکسِ چاپی را درست دیجیتال کنید. اگر اسکنر ندارید، عکس را کنارِ پنجره در نورِ روز روی سطحی صاف بگذارید و گوشی را دقیقاً موازی با آن بگیرید تا تصویر کج و ذوزنقه‌ای نشود. فلاش را خاموش کنید تا روی عکسِ براق لکه‌ی نور نیفتد.
- کادر را ببُرید. حاشیه‌ی سفید، قابِ آلبوم و انگشتِ خودتان را از کادر بیرون کنید. اگر عکس چندنفره است و فقط یک نفر برایتان مهم است، کادر را به او نزدیک کنید.
- کیفیت را بالا ببرید. عکس‌های قدیمی معمولاً کوچک و نرم‌اند. با ارتقای کیفیتِ تصویر می‌توانید ابعادشان را تا چهار برابر بزرگ‌تر کنید تا مدل جزئیاتِ بیشتری ببیند.
- خط و لک را پاک کنید. در ویرایشگرِ تصویر ابزارِ پاک‌سازی هست که برای برداشتنِ خط‌خوردگی، لکه یا یک شیءِ اضافه به کار می‌آید.
- اگر لازم است، تغییرِ کوچکِ دیگری بدهید. با تصویر به تصویر می‌توانید با یک جمله‌ی فارسی، مثلاً «پس‌زمینه را ساده و روشن کن»، عکس را پیش از متحرک‌سازی مرتب کنید. نتیجه را با عکسِ اصلی مقایسه کنید تا چهره عوض نشده باشد.
برای آشنایی با ابزارهای دیگری که در این مرحله به کار می‌آیند، فهرستِ بهترین هوش مصنوعی‌ها برای ادیتِ عکس را هم ببینید.
آموزش گام‌به‌گام: تبدیلِ عکس به ویدیو در هوش‌نو
- واردِ ابزارِ ساختِ ویدیو شوید. اگر حساب ندارید، با شماره‌ی موبایل ثبت‌نام کنید.
- عکس را به‌عنوانِ تصویرِ مرجع بارگذاری کنید. در حالِ حاضر فرمت‌های JPG و PNG پذیرفته می‌شوند.
- در کادرِ توضیح، حرکتی را که می‌خواهید به فارسی بنویسید (تا هزار نویسه جا دارد؛ اما معمولاً دو سه جمله کافی است).
- مدل را انتخاب کنید؛ Veo، Kling، Pixverse، Seedance، Minimax و Grok Imagine در فهرست‌اند.
- مدت و قاب را تعیین کنید. گزینه‌های فعلیِ مدت ۴، ۸ و ۱۲ ثانیه است و برای قاب، دو اندازه‌ی عمودی (۷۲۰×۱۲۸۰ و ۱۰۲۴×۱۷۹۲) و دو اندازه‌ی افقی (۱۲۸۰×۷۲۰ و ۱۷۹۲×۱۰۲۴) دارید. برای استوری و ریلز عمودی را بزنید، و اگر عکس افقی است، قابِ افقی را.
- هزینه‌ی تقریبی را که پیش از ساخت به تومان نشان داده می‌شود ببینید و دکمه‌ی ساخت را بزنید.
- ویدیو را دانلود کنید. اگر ساخت ناموفق شود، اعتبارش خودکار برمی‌گردد.
یک ترفندِ صرفه‌جویی: ایده را اول با کوتاه‌ترین مدت و اندازه‌ی کوچک‌تر امتحان کنید. وقتی حرکت همان شد که می‌خواستید، نسخه‌ی نهایی را بلندتر یا با کیفیتِ بالاتر بسازید.
پرامپتِ حرکت را چطور به فارسی بنویسیم؟
یک فرمولِ ساده که برای بیشترِ عکس‌ها جواب می‌دهد این است: سوژه چه می‌کند + دوربین چه می‌کند + چه چیزی ثابت بماند + حال‌وهوا. چند نمونه:
عکسِ قدیمیِ خانوادگی
ضعیف: «این عکس را زنده کن.»
بهتر: «مرد و زن آرام به دوربین لبخند می‌زنند و یک بار پلک می‌زنند. سرشان کمی تکان می‌خورد. دوربین ثابت است. لباس‌ها و پس‌زمینه دقیقاً مثلِ عکس می‌ماند. حسِ نوستالژیک و آرام.»
پرتره‌ی تک‌نفره
«دختر آرام سرش را به سمتِ دوربین برمی‌گرداند و لبخند می‌زند، نسیمِ ملایم چند تار مو را تکان می‌دهد، دوربین خیلی آهسته جلو می‌رود، نورِ طلاییِ غروب.»
عکسِ محصول
«بخارِ ملایم از فنجانِ قهوه بالا می‌رود، دوربین با حرکتی نرم دورِ فنجان نیم‌دور می‌زند، فنجان و نعلبکی ثابت و بدون تغییرِ شکل می‌مانند، نورِ گرمِ صبح.»
منظره
«ابرها آهسته از چپ به راست روی قله حرکت می‌کنند، علف‌های پایینِ کادر در باد تکان می‌خورند، دوربین ثابت است.»
چند اشتباهِ رایج که بهتر است تکرار نکنید:
- خواستنِ چند حرکتِ بزرگ در یک ویدیوی چندثانیه‌ای (مثلاً «بلند شود، برقصد و بیرون برود»).
- توصیفِ دوباره‌ی همه‌ی جزئیاتِ عکس به‌جای توصیفِ حرکت.
- نگفتنِ اینکه چه چیزی نباید عوض شود؛ برای عکسِ خانوادگی جمله‌ای مثلِ «چهره‌ها تغییر نکنند» کمک می‌کند.
اگر می‌خواهید در پرامپت‌نویسیِ ویدیو عمیق‌تر شوید، مطلب‌های پرامپت‌نویسی در Kling و پرامپت‌نویسی در Google Veo را بخوانید. آموزشِ اختصاصیِ ساختِ ویدیو از تصویر با Kling هم برای کسانی که این مدل را ترجیح می‌دهند مفید است.
کدام مدل برای متحرک‌سازیِ عکس مناسب‌تر است؟
جوابِ قطعی وجود ندارد و بهترین راه، امتحانِ یک عکس با دو مدل است. اما جهتِ کلی این است:
| مدل | نقطه‌ی قوت | مناسبِ |
|---|---|---|
| Veo (گوگل) | صحنه‌های سینمایی و روایت‌گونه | پرتره، صحنه‌های احساسی، تبلیغِ باکیفیت |
| Kling | کنترلِ خوبِ حرکت | حرکتِ دقیقِ آدم و دوربین |
| Seedance (بایت‌دنس) | ساختِ ویدیو از متن و عکس | گزینه‌ای برای مقایسه با Veo و Kling در یک عکسِ مشخص |
| Pixverse | ساختِ ویدیو از متن و عکس | محتوای سرگرمی و امتحانِ ایده‌های مختلف |
| Minimax | سریع و کم‌هزینه | پیش‌نمایشِ ایده پیش از ساختِ نسخه‌ی نهایی |
| Grok Imagine (xAI) | مدلِ ویدیوییِ xAI | یک انتخابِ دیگر برای مقایسه‌ی نتیجه |
برای عکس‌های قدیمیِ خانوادگی معمولاً مدلی بهتر است که حرکتِ ظریف و کنترل‌شده بدهد؛ چون هدف حفظِ چهره است، نه صحنه‌ی پرهیجان. مقایسه‌ی کلی‌ترِ ابزارهای ویدیوسازی را هم در مطلبِ بهترین ابزارهای هوش مصنوعی برای ساخت فیلم ببینید.
اگر نمی‌خواهید پرامپت بنویسید: ترندها
گاهی هدف متحرک کردنِ همان عکس نیست؛ می‌خواهید خودتان یا یک دوست در یک ویدیوی آماده و وایرال باشید. برای این کار بخشِ ترندهای هوش‌نو ساخته شده است: یک ترند انتخاب می‌کنید، عکسِ صورت را می‌گذارید و ویدیویی می‌گیرید که چهره‌ی آدمِ داخلش شبیهِ عکسِ شماست. در بعضی ترندها می‌شود لباس، ماشین، حیوان یا عددِ روی کیک را هم عوض کرد؛ مثلاً در ترندِ تولد با کیکِ عدددار عددِ سنِ دلخواه روی شمع‌ها می‌آید. قیمتِ هر ترند پیش از ساخت نمایش داده می‌شود.
بعد از ساخت: صدا و روایت اضافه کنید
ویدیوی چندثانیه‌ایِ یک عکسِ قدیمی وقتی کاملاً اثر می‌گذارد که کنارش یک روایت باشد. چند راهِ ساده:
- روایتِ فارسی. چند جمله درباره‌ی آن عکس بنویسید؛ مثلاً «این عکس تابستانِ سالِ ۱۳۵۵ در باغِ پدربزرگ گرفته شد». متن را به گویندگیِ فارسی بدهید و یک صدای مناسب انتخاب کنید.
- موسیقیِ زمینه. با ساختِ موسیقی یک قطعه‌ی بی‌کلامِ آرام بسازید تا مشکلِ حقِ پخشِ آهنگ‌های معروف را هم نداشته باشید.
- کنارِ هم گذاشتنِ چند عکس. اگر چند عکس از یک دوره دارید، هر کدام را جداگانه متحرک کنید و در یک برنامه‌ی ادیتِ موبایل پشتِ سرِ هم بچینید؛ نتیجه یک کلیپِ خاطره‌ی کوتاه می‌شود.
صدا را جداگانه دانلود کنید و هنگامِ ادیت زیرِ ویدیو بگذارید. اگر ویدیو برای اینستاگرام است، از همان ابتدا قابِ عمودی را انتخاب کنید تا بعداً مجبور به بریدنِ صحنه نشوید.
چند ایده‌ی آماده برای شروع
- عکسِ کودکیِ خودتان در کنارِ یک عکسِ امروز، هر دو با لبخندی ملایم، برای پستِ «آن موقع و حالا».
- عکسِ عروسیِ پدر و مادر با حرکتِ آرامِ دوربین به سمتِ آن‌ها، برای سالگردِ ازدواجشان.
- عکسِ ویترینِ مغازه که در آن نورها روشن می‌شوند و دوربین آهسته جلو می‌رود، برای استوریِ افتتاحیه.
- عکسِ یک غذا یا نوشیدنی با بخار و حرکتِ نرمِ دوربین، برای منوی دیجیتالِ کافه.
- عکسِ منظره‌ی سفر با ابرهای متحرک، برای پس‌زمینه‌ی یک ویدیوی معرفی.
محدودیت‌ها را واقع‌بینانه ببینید
- دست و انگشت هنوز نقطه‌ضعفِ مدل‌هاست؛ اگر دست‌ها در عکس پیدا هستند، حرکتِ دست نخواهید.
- نوشته‌ها (تابلو، اسمِ مغازه، متنِ روی لباس) ممکن است در حینِ حرکت به‌هم بریزند.
- چهره در حرکت‌های بزرگ ممکن است کمی تغییر کند؛ چرخشِ کاملِ سر یا خنده‌ی خیلی باز ریسکِ بیشتری دارد.
- عکس‌های گروهی سخت‌ترند؛ هرچه آدم‌ها بیشتر و کوچک‌تر باشند، احتمالِ ایراد بیشتر است.
- مدل خاطره را بازسازی نمی‌کند. حرکتی که می‌بینید ساخته‌ی مدل است، نه ثبتِ آنچه واقعاً اتفاق افتاده.
چند ملاحظه‌ی انسانی
زنده کردنِ عکسِ عزیزی که از دنیا رفته برای بعضی‌ها آرامش‌بخش است و برای بعضی دیگر ناراحت‌کننده. پیش از اینکه چنین ویدیویی را در گروهِ خانوادگی بفرستید، بهتر است نظرِ نزدیک‌ترین افراد را بپرسید. از عکسِ دیگران هم بدونِ اجازه‌شان استفاده نکنید، و ویدیوی ساخته‌شده را طوری منتشر نکنید که کسی آن را فیلمِ واقعی از گذشته فرض کند.
متحرک‌سازی عکس یکی از شاخه‌های هوش مصنوعی مولد است؛ نقشه‌ی کامل این شاخه‌ها را در راهنمای کامل هوش مصنوعی ببینید.
سؤالات متداول
آیا تبدیل عکس به ویدیو با هوش مصنوعی رایگان است؟
در هوش‌نو ساختِ ویدیو از اعتبار کم می‌کند و هزینه‌ی هر ساخت پیش از شروع به تومان نمایش داده می‌شود. اگر ساخت ناموفق بماند، اعتبار خودکار برمی‌گردد.
عکس‌های قدیمیِ سیاه‌وسفید را هم می‌شود متحرک کرد؟
بله. فقط پیش از متحرک‌سازی عکس را صاف و بدونِ انعکاسِ نور دیجیتال کنید، کیفیتش را بالا ببرید و در پرامپت حرکت‌های کوچک بخواهید.
ویدیوی ساخته‌شده از عکس چند ثانیه است؟
در ابزارِ ساختِ ویدیوی هوش‌نو در حالِ حاضر می‌توانید ۴، ۸ یا ۱۲ ثانیه را انتخاب کنید. برای حرکت‌های ظریفِ عکس‌های قدیمی، ۴ تا ۸ ثانیه معمولاً کافی است.
بهترین هوش مصنوعی برای تبدیل عکس به فیلم کدام است؟
به عکس و هدف بستگی دارد. برای صحنه‌های سینمایی Veo و برای کنترلِ دقیقِ حرکت Kling انتخاب‌های رایج‌اند؛ برای آزمایشِ سریعِ ایده، مدل‌های سریع‌تر و ارزان‌تر مثلِ Minimax مناسب‌اند.
چه فرمتی از عکس قبول می‌شود؟
فرمت‌های JPG و PNG. اگر عکس با فرمتِ دیگری است، اول آن را در گوشی یا کامپیوتر به یکی از این دو تبدیل کنید.
آیا می‌توانم با گوشی عکس را به ویدیو تبدیل کنم؟
بله. همه‌ی مراحل در مرورگرِ گوشی انجام می‌شود و نیازی به نصبِ برنامه نیست.
چرا چهره در ویدیو کمی با عکس فرق دارد؟
معمولاً به خاطرِ کیفیتِ پایینِ عکس یا حرکتِ بیش از حد. عکسِ واضح‌تر بدهید، حرکت را کوچک‌تر کنید و در پرامپت بنویسید که چهره تغییر نکند.
جمع‌بندی
برای تبدیل عکس به ویدیو با هوش مصنوعی سه چیز بیشترین اثر را دارد: عکسِ تمیز و واضح، پرامپتی که فقط حرکت را توصیف می‌کند و حرکت‌های کوچک و طبیعی. برای عکس‌های قدیمی وقت بگذارید و اول کیفیتشان را بالا ببرید؛ برای محصول، روی حرکتِ دوربین تمرکز کنید؛ و اگر حوصله‌ی پرامپت ندارید، سراغِ ترندها بروید. برای شروع، یک عکس را در ابزارِ ساختِ ویدیوی هوش‌نو با کوتاه‌ترین مدت امتحان کنید.
