ساخت ویدیو از متن با هوش مصنوعی

ابزار ساخت ویدیو از متن با هوش مصنوعی فقط از روی یک پرامپت نوشتاری کلیپ ویدیویی می‌سازد. شما توضیح می‌دهید چه کسی در نما هست، چه اتفاقی می‌افتد، کجا رخ می‌دهد و دوربین چگونه حرکت می‌کند، و مدل تک‌تک فریم‌ها را می‌سازد. نه فیلم منبعی لازم است و نه تصویر اولیه: کلمات تمام شرح کار هستند.

به همین دلیل، ساخت ویدیو از متن سریع‌ترین راه رسیدن از یک ایده به یک نمای متحرک است. نوشتن پرامپت خوب برای آن هم سخت‌تر از بقیه است، چون تصویر ثابت فقط به سوژه و ظاهر نیاز دارد، اما کلیپ به آغاز، کنش و پایان نیاز دارد. یک پرامپت خوب برای ویدیو شبیه سطری از فیلمنامه است، نه شبیه یک زیرنویس.

Mage چندین مدل تبدیل متن به ویدیو را پشت یک نوار پرامپت کنار هم گذاشته است. Cherry 2 Pro، مدل شاخص Mage، کلیپ‌هایی تا ۳۰ ثانیه و تا 1080p همراه با صدا می‌سازد. Lemon مدل همه‌کاره با قیمت مناسب‌تر است، Kiwi کلیپ‌های روزمره را بدون هیچ تنظیمی انجام می‌دهد و Melon برای انیمه ساخته شده است. اگر ترجیح می‌دهید از یک تصویر شروع کنید، صفحه ساخت ویدیو از تصویر همتای این صفحه است.

از حرکت شروع کن، نه از منظره. مدل‌ها بیشترین توجه را به چیزی می‌دهند که اول توصیف می‌کنی؛ برای همین پرامپتی که با سه خط توصیف محیط شروع شود، اغلب نمایی زیبا ولی تقریباً بی‌حرکت تحویل می‌دهد. فعل را اول بیاور: زنی روی پشت‌بام می‌دود، اژدهایی از میان ابر شیرجه می‌زند، گربه‌ای لیوانی را از روی میز می‌اندازد.

بعد دوربین را هدایت کن. عبارت‌هایی مثل tracking shot، slow push-in، low-angle، aerial، handheld، whip pan و crash zoom بیشتر از صفت‌ها کلیپ را تغییر می‌دهند. اگر چند نما در یک کلیپ می‌خواهی، آن‌ها را به ترتیب و با زمان‌بندی تقریبی بنویس؛ مثلاً یک نمای باز برای دو ثانیهٔ اول، بعد کلوزآپ روی صورت، بعد نشان دادن چیزی که او به آن نگاه می‌کند.

در پایان نور، لنز و صدا را بگو: golden hour، باران نئونی، فیلم 35mm، رعد دور، همهمهٔ جمعیت. Cherry صدا را همراه تصویر می‌سازد، پس یک جمله دربارهٔ صدا بخشی از پرامپت است، نه فکر آخر. وقتی از قبل قابی داری که دوستش داری، مولد تبدیل تصویر به ویدیو آن را دقیقاً حفظ می‌کند و متحرک می‌کند، که قابل‌پیش‌بینی‌تر از توصیف دوبارهٔ آن با کلمات است.

• با یک حرکت روشن و یک سوژه شروع کن.
• حرکت دوربین را نام ببر: push-in، tracking، aerial، handheld.
• برای کلیپ‌های چندنمایی، نماها را به ترتیب و با زمان‌بندی فهرست کن.
• صدای دلخواهت را توصیف کن؛ Cherry صدا را همراه کلیپ می‌سازد.
• پیش‌نویس را کوتاه و با رزولوشن پایین بساز، بعد نسخهٔ نهایی را بلند و شفاف رندر کن.

مدت و رزولوشن دو تنظیمی هستند که بیشترین اثر را روی هزینهٔ یک کلیپ دارند؛ پس آن‌ها را تصمیم آخر بدان، نه اول. پرامپت را با 480p و مدت کوتاه درست کن، بعد نسخهٔ نهایی را با 720p یا 1080p و مدتی که صحنه لازم دارد رندر کن. Cherry 2 Pro مدت‌های 4 تا 30 ثانیه را می‌پذیرد؛ Lemon هر مدتی از 2 تا 30 ثانیه را، ثانیه‌به‌ثانیه.

نسبت تصویر به این بستگی دارد که کلیپ قرار است کجا نمایش داده شود. 16:9 برای تریلر، YouTube و هر چیزی که روی صفحه‌نمایش پخش می‌شود مناسب است؛ 9:16 گوشی را برای Reels، Shorts و TikTok پر می‌کند؛ 1:1 در فید خوب می‌نشیند. Cherry هر سه را می‌سازد و Lemon 4:3 و 3:4 را هم اضافه می‌کند.

داستان بلندتر معمولاً به‌جای یک کلیپ، با چند کلیپ بهتر درمی‌آید. هر نما را در یک پرامپت جدا بنویس، در همه @character یکسانی نگه دار و همه را در Storyboard به هم وصل کن؛ این ابزار تا شش کلیپ را در یک MP4 ترکیب می‌کند. برای داستانی که خودش نوشته می‌شود، مولد فیلم با هوش مصنوعی را ببین.