ساخت ویدیو با هوش مصنوعی در دسترس کاربران ایرانی

ساخت ویدیو با هوش مصنوعی در یک سال گذشته مسیر تندی را طی کرده است. مدل‌هایی که تا چندی پیش فقط کلیپ‌های کوتاه و لرزان می‌ساختند، حالا صحنه‌هایی با حرکت دوربین، نور طبیعی و حتی صدای هماهنگ تحویل می‌دهند. تولیدکننده‌ی محتوا، فروشگاه اینترنتی و آژانس تبلیغاتی هر کدام به شکلی این ابزارها را وارد کارشان کرده‌اند؛ از تیزر محصول گرفته تا ویدیوی کوتاه شبکه‌های اجتماعی.

مانع اصلی کاربر ایرانی چه بود؟

مدل‌های مطرح ویدیو مثل Veo گوگل، Kling و Seedance برای کاربر داخلی سه مانع مشترک داشتند. اول پرداخت: بیشتر این سرویس‌ها اشتراک ماهانه با کارت ارزی می‌خواهند. دوم دسترسی: ثبت‌نام اغلب به شماره یا حساب خارجی نیاز دارد و بعضی سرویس‌ها کاربر ایرانی را مستقیم مسدود می‌کنند. سوم زبان: کاربر باید خواسته‌اش را به انگلیسی بنویسد، در حالی که کیفیت خروجی این مدل‌ها تا حد زیادی به دقت همین توضیح بستگی دارد. نتیجه این بود که بخش بزرگی از تولیدکنندگان محتوای فارسی یا سراغ این ابزارها نمی‌رفتند، یا برای هر ویدیو از واسطه‌ها اشتراک دست‌دوم می‌خریدند که نه پایدار بود و نه امن.

پلتفرم‌های فارسی چه چیزی را عوض کرده‌اند؟

در یکی‌دو سال اخیر چند سرویس داخلی سعی کرده‌اند این فاصله را کم کنند. الگوی کارشان شبیه هم است: مدل‌های شناخته‌شده‌ی دنیا را در یک رابط فارسی کنار هم می‌گذارند، پرداخت را با کارت بانکی ایرانی ممکن می‌کنند و به جای اشتراک ماهانه، هزینه را به اندازه‌ی مصرف می‌گیرند. یکی از این نمونه‌ها «هوش نو» است؛ یک هوش مصنوعی ایرانی که چت، ساخت عکس، ویدیو و صدا را در یک جا جمع کرده است. بخش ویدیوی این پلتفرم الان بیش از بیست مدل دارد؛ از Veo و Kling و Seedance تا PixVerse، Grok Imagine، MiniMax و HeyGen. کاربر لازم نیست برای هر مدل حساب جداگانه بسازد یا اشتراک بخرد؛ مدل را از یک فهرست انتخاب می‌کند و هزینه‌ی همان یک ویدیو از اعتبارش کم می‌شود.

از متن تا ویدیو: کار چطور انجام می‌شود؟

ساده‌ترین مسیر، نوشتن یک توضیح فارسی است. کاربر می‌نویسد چه صحنه‌ای می‌خواهد، مثلا «یک فنجان چای روی میز چوبی کنار پنجره‌ی بارانی، دوربین آرام به جلو می‌رود». سیستم این توضیح را برای مدل انتخاب‌شده آماده می‌کند و ویدیو بعد از چند دقیقه در بخش ساخته‌ها قرار می‌گیرد. پیش از ساخت، قیمت دقیق همان ویدیو نشان داده می‌شود تا کاربر بداند چقدر هزینه می‌کند. مسیر دوم تبدیل عکس به ویدیو است. کاربر یک عکس ثابت، مثلا عکس محصول یا یک پرتره، را بارگذاری می‌کند و می‌گوید چه حرکتی می‌خواهد. این روش برای فروشگاه‌های اینترنتی کاربرد زیادی دارد، چون از همان عکس‌های موجود محصول می‌شود ویدیوی کوتاه برای استوری و تبلیغ ساخت. برای کسی که هنوز عکس مناسب ندارد، ابزار ساخت عکس با هوش مصنوعی در همان پلتفرم قدم اول را برمی‌دارد و خروجی‌اش مستقیم به ویدیو تبدیل می‌شود.

فقط ساختن کلیپ نیست

آنچه ابزارهای ویدیوی امروز را از نسل قبل جدا می‌کند، کارهای جانبی است که تا دیروز به نرم‌افزار تدوین و تیم فنی نیاز داشت. در بخش ویدیوی هوش نو چند ابزار از این جنس کنار هم آمده است: - لب‌خوانی و آواتار: یک عکس و یک فایل صدا می‌گیرد و ویدیویی می‌سازد که در آن چهره همان جمله را می‌گوید. برای آموزش‌های کوتاه و معرفی محصول کاربرد دارد. - صداگذاری خودکار: برای ویدیوی بی‌صدا، صدای محیط و افکت هماهنگ با تصویر می‌سازد. - تغییر قاب: ویدیوی افقی را بدون بریدن سوژه به قاب عمودی مناسب اینستاگرام و شبکه‌های کوتاه تبدیل می‌کند. - نوردهی دوباره: نور صحنه را بعد از فیلم‌برداری عوض می‌کند. - زیرنویس خودکار: گفتار ویدیو را به متن تبدیل می‌کند و زیرنویس فارسی می‌سازد. - موشن‌ساز: با یک جمله‌ی فارسی ویدیوی موشن‌گرافیک با متن متحرک فارسی می‌سازد؛ کاری که معمولا ساعت‌ها در نرم‌افزارهای تخصصی وقت می‌گیرد. هم‌چنین بخش «ترندها» به کاربر اجازه می‌دهد با عکس خودش در قالب ویدیوهای پرطرفدار شبکه‌های اجتماعی قرار بگیرد؛ چیزی که در ماه‌های اخیر یکی از پرمصرف‌ترین کاربردهای هوش مصنوعی ویدیو بوده است.

کدام مدل برای چه کاری؟

یکی از سؤال‌های رایج کاربران تازه‌کار این است که میان این همه مدل کدام را انتخاب کنند. پاسخ کوتاه این است که هر مدل نقطه‌ی قوت خودش را دارد: - Veo برای صحنه‌های سینمایی با حرکت دوربین روان و صدای هماهنگ شناخته می‌شود. - Kling در حرکت طبیعی بدن و حفظ چهره در تبدیل عکس به ویدیو عملکرد خوبی دارد. - Seedance برای ویدیوهای چندنما و داستانی مناسب است. - PixVerse و Grok Imagine سریع‌ترند و برای امتحان ایده و ساخت نسخه‌های مختلف به‌صرفه‌اند. پیشنهاد کاربران باتجربه معمولا این است که ایده را اول با یک مدل سریع و ارزان امتحان کنید و نسخه‌ی نهایی را با مدل قوی‌تر بسازید. این کار در پلتفرمی که همه‌ی مدل‌ها را یک جا دارد، بدون جابه‌جایی میان چند سایت و چند اشتراک انجام می‌شود.

محدودیت‌ها را هم باید دانست

هوش مصنوعی ویدیو هنوز بی‌نقص نیست. گاهی دست‌ها یا متن داخل تصویر درست درنمی‌آید، گاهی حرکت با آنچه کاربر در ذهن داشته فرق دارد و شباهت چهره در همه‌ی ساخته‌ها یکسان نیست. به همین دلیل ممکن است برای رسیدن به نتیجه‌ی دلخواه چند بار تلاش لازم باشد. توضیح دقیق‌تر صحنه، عکس ورودی باکیفیت و انتخاب مدل مناسب، این فاصله را کم می‌کند. نکته‌ی دیگر رعایت قوانین محتواست. پلتفرم‌های داخلی ساخته‌ها را از نظر محتوای نامناسب بررسی می‌کنند و استفاده از چهره‌ی دیگران بدون اجازه‌ی آن‌ها، چه در ابزار ایرانی و چه خارجی، کار درستی نیست.

دسترسی از وب و موبایل

ابزار ساخت ویدیو با هوش مصنوعی ایرانی هوش نو از مرورگر در دسترس است و ثبت‌نامش با شماره موبایل انجام می‌شود. نسخه‌ی اندروید هم از کافه‌بازار و مایکت قابل نصب است و ساخته‌ها میان سایت و اپ یکی است؛ یعنی می‌شود ویدیو را روی کامپیوتر شروع کرد و نتیجه را روی گوشی دید و منتشر کرد.

جمع‌بندی

ساخت ویدیو با هوش مصنوعی از یک سرگرمی فنی به ابزار کار تبدیل شده است و فاصله‌ی کاربر ایرانی با آن، بیشتر از آنکه فنی باشد، به پرداخت و زبان برمی‌گشت. پلتفرم‌های فارسی با جمع کردن مدل‌های مطرح دنیا در یک رابط فارسی و پرداخت ریالی، این فاصله را کم کرده‌اند. برای تولیدکننده‌ی محتوا، فروشگاه آنلاین یا کسب‌وکار کوچکی که بودجه‌ی تیم تولید ویدیو ندارد، این یعنی امکان ساختن ویدیوی قابل قبول با یک توضیح فارسی و هزینه‌ای به اندازه‌ی همان یک ویدیو.