اگر یک بار با ابزار ویدیوی هوش مصنوعی کار کرده باشید، این تجربه را دارید: یک جمله مینویسید، چند دقیقه صبر میکنید و کلیپی میگیرید که نیمی از آن شبیه ذهن شماست و نیم دیگر نه. فرق کلیپ قابل استفاده با کلیپ دورانداختنی معمولا در انتخاب ابزار نیست؛ در همان یک جمله است. این مطلب بیشتر دربارهی همین جمله حرف میزند: ساختارش چیست، چه چیزهایی را باید در آن گفت و چه چیزهایی را نباید.
دو مسیر، یک منطق
ابزارهای ساخت ویدیو از دو در وارد میشوند و هر دو به یک مدل میرسند.
در مسیر اول فقط متن داریم. مدل از روی توضیح شما صحنهای را از صفر میسازد؛ یعنی هم سوژه، هم محیط و هم حرکت را خودش تصمیم میگیرد، مگر اینکه شما صریح گفته باشید. هر چیزی که ننویسید، مدل حدس میزند.
در مسیر دوم یک عکس هم میدهیم. حالا سوژه و ترکیببندی ثابت است و مدل فقط باید «چه اتفاقی میافتد» را بسازد. به همین دلیل تبدیل عکس به ویدیو با هوش مصنوعی معمولا قابل پیشبینیتر است و برای کارهایی که ظاهر سوژه مهم است، مثل عکس محصول یا چهرهی یک آدم، انتخاب منطقیتری است. در این حالت پرامپت باید فقط حرکت را توضیح دهد و دوباره عکس را شرح ندهد.
یک نکتهی فنی که کمتر گفته میشود: این مدلها ویدیو را فریم به فریم نقاشی نمیکنند. آنها یک بازهی زمانی کوتاه را یکجا پیشبینی میکنند. برای همین کلیپها کوتاهاند و برای همین هر چه توضیح شما دربارهی یک اتفاق واحد و سادهتر باشد، نتیجه تمیزتر درمیآید.
پنج بخش یک پرامپت ویدیو
پرامپت ویدیو را میشود مثل یادداشت یک فیلمبردار نوشت. پنج بخش دارد و لازم نیست همهی آنها در هر کلیپ پر شوند، ولی هرچه بیشتر پر باشند، حدس مدل کمتر است.
۱. سوژه. چه کسی یا چه چیزی در قاب است؟ «یک زن» توضیح ضعیفی است؛ «زنی حدود سیساله با شال سبز و کیف چرمی قهوهای» مدل را به یک تصویر مشخص میرساند. جزئیات ظاهری را یک بار و کوتاه بنویسید، چون در طول کلیپ باید ثابت بماند.
۲. حرکت. سوژه چه میکند؟ فعلهای ساده بهتر از توصیفهای شاعرانهاند: «قدم میزند»، «برمیگردد و لبخند میزند»، «چای میریزد». از نوشتن چند کار پشت سر هم در یک کلیپ کوتاه بپرهیزید. یک کلیپ، یک اتفاق.
۳. دوربین. این بخش بیش از همه نتیجه را شبیه فیلم میکند. اصطلاحهایی که مدلها خوب میفهمند: نمای نزدیک، نمای دور، زاویهی از پایین، دوربین ثابت، حرکت آرام به جلو، چرخش دور سوژه، دوربین روی دست. اگر هیچ نگویید، معمولا دوربینی ثابت یا یک حرکت تصادفی میگیرید.
۴. نور و فضا. «نور گرم غروب»، «نور نرم پنجره در صبح»، «شب بارانی با انعکاس چراغها»، «نور سرد استودیو». نور تعیین میکند کلیپ حالوهوای تبلیغ دارد یا یادگاری خانوادگی.
۵. مدت و قاب. طول کلیپ و نسبت تصویر را قبل از نوشتن مشخص کنید، چون روی ریتم حرکت اثر میگذارند. کلیپ پنجثانیهای جای یک حرکت ساده است، نه یک داستان. قاب عمودی برای ریلز و استوری است و قاب افقی برای یوتیوب و ارائه.
یک نمونهی کامل با همین ساختار:
> «یک فنجان چای داغ روی میز چوبی کنار پنجرهی بارانی. بخار از فنجان بالا میرود. دوربین نزدیک و بسیار آرام به فنجان نزدیک میشود. نور گرم و کمجان عصر. قاب عمودی، پنج ثانیه.»
و یک نمونهی ضعیف از همان ایده: «یک چای قشنگ و سینمایی». کلمههایی مثل «قشنگ» و «سینمایی» اطلاعاتی به مدل نمیدهند.

پرامپت فارسی یا انگلیسی؟
بسیاری از مدلهای ویدیو در اصل با دادهی انگلیسی پرورش یافتهاند و سالها کاربر ایرانی مجبور بود توضیحش را ترجمه کند. این وضع عوض شده است؛ پلتفرمهای فارسی توضیح شما را پیش از رسیدن به مدل پردازش میکنند و لازم نیست خودتان ترجمه کنید. با این حال نوشتن فارسی روان و دقیق هنوز مهم است. جملهی کوتاه و صریح بهتر از جملهی بلند و پرپیچوخم جواب میدهد، و اصطلاحهای دوربین را بهتر است همانطور که در بالا آمد ساده بنویسید.
اگر در نوشتن مردد هستید، شروع از یک نمونهی آماده راحتتر از شروع از صفحهی خالی است. کتابخانهی پرامپت هوش مصنوعی در هوش نو مجموعهای از پرامپتهای فارسی آماده دارد که میشود آنها را برداشت و سوژه و حالوهوایشان را با نیاز خودتان عوض کرد. برای یادگرفتن ساختار، تغییر دادن یک پرامپت خوب بهتر از نوشتن بیراهنما است.
چهار کاربرد که واقعا جواب میدهند
ریلز و استوری اینستاگرام. کلیپهای کوتاه عمودی، مثل صحنهی آغازین یک ریلز یا پسزمینهی متحرک برای یک جملهی تأثیرگذار. اینجا ساخت کلیپ با هوش مصنوعی جای فیلمبرداری را نمیگیرد، ولی صحنههایی را ممکن میکند که فیلمبرداریشان هزینه یا مجوز میخواهد.
کلیپ محصول. از عکس یک محصول، مثلا یک فنجان سرامیکی یا یک جعبهی هدیه، میشود ویدیوی چرخش یا حرکت آرام دوربین ساخت. بهتر است عکس ورودی پسزمینهی تمیز و نور یکنواخت داشته باشد و در پرامپت فقط حرکت دوربین را بنویسید.
کلیپ تولد و مناسبت. یک عکس خانوادگی با حرکت ملایم، چند صحنهی شاد پشت هم، و در انتها تدوین ساده با موسیقی. چون چهرهها مهماند، از عکس واضح و رو به دوربین استفاده کنید و حرکتهای تند نخواهید.
آموزش و توضیح مفهوم. صحنهای که مفهومی انتزاعی را نشان میدهد، مثل چرخهی آب، حرکت یک سیاره یا ساختار یک ساختمان. معلمها و تولیدکنندههای محتوای آموزشی میتوانند با چند کلیپ کوتاه، یک ویدیوی توضیحی را تصویریتر کنند.
مسیر عملی در یک پلتفرم فارسی
روند کار در بیشتر ابزارها مثل هم است. اینجا با مثال ساخت ویدیو با هوش مصنوعی در هوش نو، که مستقیم از ایران و داخل مرورگر در دسترس است، مراحل را مرور میکنیم. جزئیات گزینهها بسته به مدل انتخابشده کمی فرق میکند، ولی ترتیب کار ثابت است.
- حالت را انتخاب کنید. از متن شروع میکنید یا از عکس؟ اگر سوژهی مشخصی دارید، عکس بدهید.
- مدل را انتخاب کنید. مدلها از نظر سرعت، کیفیت و نوع حرکت فرق دارند. برای امتحان ایده، سراغ گزینهی سریعتر بروید و نسخهی نهایی را با مدل قویتر بسازید.
- پرامپت را با ساختار پنجبخشی بنویسید. سوژه، حرکت، دوربین، نور، مدت.
- قاب و مدت را تنظیم کنید. عمودی برای شبکههای اجتماعی، افقی برای نمایش روی صفحهی بزرگ.
- پیش از ساخت، تنظیمات را یک بار دیگر ببینید. پرداخت در این پلتفرم با کارت بانکی ایرانی انجام میشود و نیازی به حساب ارزی نیست.
- نتیجه را بررسی کنید و اصلاح کنید. اگر کلیپ نزدیک بود ولی کامل نبود، فقط یک چیز را عوض کنید، مثلا حرکت دوربین یا نور، و دوباره بسازید. تغییر چند چیز همزمان باعث میشود نفهمید کدام تغییر اثر داشته است.
- خروجی را ذخیره کنید و ادامه دهید. ساختهها در حساب شما میمانند و میتوان از همان پلتفرم روی گوشی هم، با نسخهی اندروید، دوباره سراغشان رفت.
این هوش مصنوعی فارسی علاوه بر ویدیو، ساخت و ویرایش عکس، موسیقی و گفتار هم دارد. این ترکیب برای ساخت یک کلیپ کامل به کار میآید: میشود عکس را در همانجا ساخت یا ویرایش کرد، آن را به ویدیو تبدیل کرد و برای همان کلیپ موسیقی یا صدای گوینده تهیه کرد، بدون جابهجایی میان چند سایت.

محدودیتهایی که باید از اول بدانید
هیچ کدام از این موارد ایرادی در یک ابزار خاص نیست؛ محدودیت خود فناوری است و اگر از قبل بدانید، وقتتان هدر نمیرود.
طول کلیپ. خروجی هر بار چند ثانیه است. برای ویدیوی بلندتر باید چند کلیپ بسازید و در یک نرمافزار تدوین کنار هم بگذارید. نکتهی کار این است که هر کلیپ را با همان سوژه و همان حالوهوا توصیف کنید تا پیوستگی حفظ شود.
چهره و دست. چهرهی آدمها در حرکتهای تند، چرخش کامل سر یا نمای دور ممکن است تغییر کند. دستها هم هنوز یکی از نقطههای ضعفاند. پرامپتهایی که آدم را نزدیک و با حرکت آرام میخواهند، نتیجهی مطمئنتری میدهند.
متن داخل ویدیو. نوشتههای روی تابلو، بستهبندی یا تیشرت اغلب بههمریخته درمیآیند، بهخصوص نوشتهی فارسی که حروفش به هم میچسبند. راه عملی این است که متن را در تدوین روی کلیپ بگذارید و از مدل نخواهید آن را بنویسد.
فیزیک و دقت حرکت. افتادن اجسام، شکستن شیشه و برخورد چند جسم هنوز گاهی غیرواقعی دیده میشود. اگر صحنهتان فیزیک پیچیده دارد، چند نسخه بسازید و بهترین را بردارید.
استفادهی اخلاقی. از چهرهی دیگران بدون اجازهی آنان کلیپ نسازید و ویدیوی ساختهشده را بهعنوان فیلم واقعی جا نزنید. در محتوای تبلیغاتی روشن بگویید که با هوش مصنوعی ساخته شده است. پلتفرم هوش مصنوعی هر قدر هم پیشرفته باشد، مسئولیت انتشار با خود شماست.
چند اشتباه رایج در نوشتن پرامپت
توصیف بیش از حد. پرامپتی که هشت جمله دارد، معمولا مدل را سردرگم میکند و بخشی از آن نادیده گرفته میشود. سه تا پنج جملهی کوتاه کافی است.
دستورهای متناقض. نوشتن «دوربین ثابت» و «چرخش سریع دور سوژه» در یک پرامپت یعنی مدل باید یکی را فدا کند. پیش از فرستادن، پرامپت را یک بار بخوانید و تناقضها را حذف کنید.
منفینویسی. «بدون ماشین» یا «کسی در قاب نباشد» گاهی برعکس عمل میکند و دقیقا همان چیز را وارد صحنه میکند. بهتر است بنویسید چه چیزی در قاب هست، نه چه چیزی نیست.
نادیده گرفتن ثبت نتیجهها. هر نسخهای که خوب درآمد، پرامپتش را کنار بگذارید. بعد از چند هفته مجموعهای از پرامپتهای امتحانشده دارید که میشود بارها از آنها شروع کرد.
چکلیست پیش از زدن دکمهی ساخت
- هدف کلیپ روشن است: استوری، محصول، مناسبت یا آموزش؟
- فقط یک اتفاق در کلیپ رخ میدهد.
- سوژه با یک توضیح کوتاه و مشخص نوشته شده است.
- حرکت دوربین صریحا گفته شده است.
- نور و حالوهوا مشخص است.
- قاب (عمودی یا افقی) و مدت انتخاب شده است.
- اگر عکس ورودی دارید، واضح است و پرامپت فقط حرکت را شرح میدهد.
- هیچ متن مهمی قرار نیست داخل خود ویدیو ساخته شود.
- برای هر اصلاح فقط یک چیز را عوض میکنید.
جمعبندی
ساخت ویدیو با هوش مصنوعی ایرانی دیگر مسئلهی دسترسی نیست؛ مسئلهی مهارتی است که با چند بار تمرین به دست میآید. کسی که بداند پرامپت ویدیو از سوژه، حرکت، دوربین، نور و مدت ساخته میشود و محدودیتهای هر کلیپ را بشناسد، با همان ابزار نتیجهی بهتری میگیرد. اگر تا حالا امتحان نکردهاید، یک ایدهی ساده انتخاب کنید، پنج بخش را پر کنید و نخستین کلیپ را بسازید. بعد از دو سه بار اصلاح، دستتان میآید که هوش مصنوعی آنلاین چطور فکر میکند و شما چه چیزی را باید به آن بگویید.




نظرات در مورد : ساخت ویدیو با هوش مصنوعی ایرانی؛ از نوشتن پرامپت ویدیو تا کلیپ آماده، قدم به قدم