پرش به محتوا
آموزش

آهنگ ترند با هوش مصنوعی؛ ترانهٔ فارسی با صدای تازه، نه صدای خواننده

در «آهنگ و تیزر صوتی» کارگاه گیسو، آهنگ کوتاه برای ریلز یا آهنگ کامل فارسی می‌سازید: سبک و حال‌وهوا، خوانندهٔ زن، مرد یا دونفره، شعر خودتان یا شعری که گیسو می‌نویسد. صدای خواننده تازه است، نه صدای خواننده‌ای مشهور.

تیم گیسو ۸ دقیقه مطالعه
آهنگ ترند با هوش مصنوعی؛ ترانهٔ فارسی با صدای تازه، نه صدای خواننده

برای ساختن یک آهنگ ترند با هوش مصنوعی، در کارگاه گیسو کار «آهنگ و تیزر صوتی» را باز کنید، سبک و حال‌وهوا را بردارید، خواننده را زن، مرد، دونفره یا گروه کر بگذارید و شعر فارسی را خودتان بنویسید یا بگذارید گیسو بنویسد. بعد بین کلیپ حدود ۳۰ ثانیه‌ای برای ریلز و آهنگ کامل یک تا سه دقیقه‌ای انتخاب می‌کنید. صدایی که می‌خواند تازه است و صدای هیچ خوانندهٔ واقعی نیست.

در ادامه می‌خوانید آهنگ کوتاهی که در ریلز و استوری می‌چرخد چه ویژگی‌هایی دارد، کار را قدم‌به‌قدم چطور پیش ببرید، شعری بنویسید که خوب خوانده شود و چه چیزهایی در کارگاه پذیرفته نمی‌شود. نمونه‌های واقعی را هم در صفحهٔ آهنگ و تیزر صوتی می‌شنوید.

آهنگ ترند هوش مصنوعی چه ویژگی‌هایی دارد

آهنگی که در ریلز و استوری دست‌به‌دست می‌شود معمولاً سه ویژگی دارد: کوتاه است، ترجیع‌بندی دارد که با یک بار شنیدن در ذهن می‌ماند، و حال‌وهوایش از ثانیهٔ اول معلوم است؛ شاد، غمگین، طنز یا حماسی. این‌جا ملودی، ساز و آواز را مدل با هم می‌سازد. شما ایده، شعر و حال‌وهوا را می‌دهید و مدل موسیقی Lyria گوگل آهنگ کامل را با صدای خواننده می‌سازد.

چیزی که آهنگ را ترند می‌کند، هنوز دست خودتان است: موضوعی که مخاطبتان با آن آشناست، یک جملهٔ ترجیع‌بند که بشود رویش ویدیو ساخت، و زمان انتشار. هیچ ابزاری قول وایرال شدن نمی‌دهد و ما هم نمی‌دهیم.

ساخت آهنگ ترند در کارگاه گیسو، قدم‌به‌قدم

  1. کار «آهنگ و تیزر صوتی» را باز کنید. از کارگاه گیسو، بخش «آهنگ و موسیقی بی‌کلام» را انتخاب کنید.
  2. سبک را بردارید. پاپ فارسی، سنتی ایرانی، محلی، شاد و مجلسی، لوفای، رپ، راک، آکوستیک، کودکانه و چند سبک دیگر در فهرست هست.
  3. حال‌وهوا را بنویسید. مثلاً «شاد و پرانرژی برای جشن تولد» یا «غمگین و آرام، دربارهٔ دلتنگی برای شهر کودکی».
  4. خواننده را انتخاب کنید. بی‌کلام، زن، مرد، دونفره یا گروه کر. زبان شعر را هم فارسی بگذارید؛ انگلیسی و عربی هم هست.
  5. شعر را بنویسید یا بخواهید. شعر خودتان را بگذارید، یا بگذارید گیسو با برچسب بند و ترجیع‌بند بنویسد. پیش از ساخت آهنگ، شعر را ویرایش می‌کنید.
  6. طول را تعیین کنید. «کلیپ کوتاه» حدود ۳۰ ثانیه، یا «آهنگ کامل» حدود یک تا سه دقیقه. یک تا سه نسخه را هم می‌شود هم‌زمان ساخت.
  7. هزینه را ببینید و بسازید. هزینهٔ تقریبی هر مرحله پیش از دکمه نوشته شده است. ساخت در پس‌زمینه انجام می‌شود و بستن صفحه کار را قطع نمی‌کند.

کلیپ ۳۰ ثانیه‌ای یا آهنگ کامل

کلیپ کوتاهآهنگ کامل
طولحدود ۳۰ ثانیهحدود یک تا سه دقیقه؛ طول دقیق را مدل تعیین می‌کند
مدلLyria 3 ClipLyria 3.5
به کارریلز، استوری، اینترو و جینگلآهنگ برای انتشار کامل، هدیه یا جشن
زمان ساختمعمولاً کمتر از یک دقیقهتا حدود دو دقیقه

اگر هدفتان ریلز است، با کلیپ کوتاه شروع کنید. هزینه‌اش کمتر است، زودتر می‌رسد و می‌فهمید شعر و سبکتان با هم جور است یا نه. وقتی نسخه‌ای را پسندیدید، همان شعر و تنظیم را برای آهنگ کامل بفرستید.

شعری بنویسید که خوب خوانده شود

مدل هر شعری را می‌خواند، ولی شعری که برای آواز نوشته شده نتیجهٔ بهتری می‌دهد. این چند قاعده کمک می‌کند:

  • مصرع کوتاه: هر خط چند واژه، نه یک جملهٔ بلند. خط بلند در آواز فشرده و نامفهوم می‌شود.
  • ترجیع‌بند تکراری: یک یا دو خط که بعد از هر بند عین هم تکرار شود. همین خط است که در ذهن می‌ماند و رویش ویدیو ساخته می‌شود.
  • واژهٔ ساده: واژه‌های کم‌کاربرد و ترکیب‌های سخت را کنار بگذارید. تلفظ فارسی مدل همیشه بی‌نقص نیست و واژهٔ آشنا کمتر اشتباه خوانده می‌شود.
  • برچسب بخش‌ها: بالای هر بخش بنویسید «بند» یا «ترجیع‌بند»، تا مدل بداند کجا اوج بگیرد.

اگر شعر را خودتان می‌نویسید و کمک می‌خواهید، روش نوشتن ترانهٔ فارسی با هوش مصنوعی را در متن آهنگ با هوش مصنوعی قدم‌به‌قدم آورده‌ایم.

آهنگ با صدای زن، مرد یا دونفره

در فرم، خواننده را از میان «زن»، «مرد»، «دونفره» یا «گروه کر» انتخاب می‌کنید. این صدا را مدل می‌سازد و صدای هیچ خوانندهٔ واقعی نیست. برای همین چند چیز در کارگاه پذیرفته نمی‌شود:

  • نام یا صدای خواننده‌های مشهور، مثل «با صدای فلان خواننده بخوان»؛
  • تقلید یک آهنگ معروف یا ملودی شناخته‌شده؛
  • شعر یا متن دیگران بدون اجازهٔ صاحبش.

ساختن آهنگ با صدای خود شما هم فعلاً ممکن نیست. شبیه‌سازی صدا (Voice Clone) در کارگاه «به‌زودی» است و تاریخی برایش اعلام نکرده‌ایم.

آهنگ شاد یا غمگین؛ سبک و حال‌وهوا

حال‌وهوا بیشترین اثر را روی نتیجه دارد. «شاد» به‌تنهایی کلی است؛ بنویسید شادیِ چه موقعیتی: عروسی، تولد، سفر جاده‌ای یا آخر هفته. برای آهنگ غمگین هم بگویید از چه چیزی: دلتنگی، خداحافظی یا خاطرهٔ یک جا. هرچه موقعیت روشن‌تر باشد، ساز و ضرب هم به آن نزدیک‌تر می‌شود.

در «تنظیمات حرفه‌ای» می‌توانید تمپو (BPM)، گام یا دستگاه و آواز ایرانی، سازها (از تار، سه‌تار، سنتور، کمانچه، نی، دف و تنبک تا پیانو، گیتار و ارکستر زهی)، ساختار آهنگ و «چه چیزی نباشد» را هم بنویسید. این‌ها به‌صورت توضیح به مدل می‌روند و مدل همیشه دقیقاً رعایتشان نمی‌کند؛ اگر نسخه‌ای تمپو یا ساز دلخواهتان را نداشت، با «تغییرات» همان را دوباره بخواهید.

یک نمونه درخواست

این، توضیحی است که می‌شود در بخش حال‌وهوا نوشت. این فقط درخواست است، نه خروجی:

پاپ فارسی شاد و پرانرژی برای ریلز تولد. ضرب تند و دست‌زدنی، گیتار و سینث روشن، خوانندهٔ زن با صدای گرم. ترجیع‌بند کوتاه که دو بار پشت هم تکرار شود. بدون صدای ساز بادی و بدون مکث طولانی در شروع.

و یک ترجیع‌بند نمونه، که خودمان برای همین مقاله نوشته‌ایم:

[ترجیع‌بند]
امشب شب جشن است، خانه پر از نور
خنده روی لب‌ها، غصه‌ها دور

آهنگ را با کلیپ کوتاه بسازید، هر سه نسخه را گوش کنید و بهترین را برای آهنگ کامل نگه دارید. اگر هیچ‌کدام به دلتان ننشست، اول حال‌وهوا را دقیق‌تر کنید و بعد سراغ عوض کردن شعر بروید؛ معمولاً همان توضیح کوتاه بیشترین فرق را می‌سازد.

هزینه و زمان ساخت

هزینهٔ موسیقی به‌ازای هر قطعه حساب می‌شود، نه به‌ازای طول شعر. هزینهٔ تقریبی هر مرحله، از نوشتن شعر تا ساخت هر نسخه، پیش از زدن دکمه کنارش نوشته شده و از اعتبار گیسوی شما کم می‌شود. قطعه‌ای که ساخته نشود هزینه ندارد، و اگر فایلی خراب برسد، هزینه‌اش خودکار برمی‌گردد. جدول زیر هزینهٔ امروز ساخت موسیقی را کنار تصویر، ویدیو و صدا نشان می‌دهد:

هزینهٔ ساخت تصویر، ویدیو، موسیقی و صدا، به سکه با قیمت امروز

تصویر هر تصویر مربع ۱۰۲۴ در ۱۰۲۴

  • اقتصادی GPT Image 1 mini، کیفیت پایین ۹۷۹ سکه
  • متعادل GPT Image 1 mini، کیفیت متوسط ۳٬۴۰۹ سکه
  • حرفه‌ای Nano Banana 2 (Gemini 3.1 Flash Image)، کیفیت 2K ۴۶٬۰۴۸ سکه
  • بالاترین کیفیت Nano Banana Pro (Gemini 3 Pro Image)، کیفیت 2K ۶۶٬۱۱۹ سکه

ویدیو با صدا هر کلیپ، با مدت همان ردیف

  • اقتصادی Google: Veo 3.1 Lite، ۴ ثانیه ۸۴٬۶۵۷ سکه
  • متعادل Google: Veo 3.1 Fast، ۸ ثانیه ۳۳۸٬۶۲۶ سکه
  • حرفه‌ای Google: Veo 3.1، ۸ ثانیه ۱٬۳۵۴٬۵۰۲ سکه
  • بالاترین کیفیت Google: Veo 3.1، ۸ ثانیه ۱٬۳۵۴٬۵۰۲ سکه

موسیقی هر قطعه

  • کلیپ کوتاه Lyria 3 Clip ۱۵٬۴۹۶ سکه
  • قطعهٔ کامل Lyria 3.5 ۳۰٬۹۹۱ سکه

متن به گفتار هر ۱۰۰۰ نویسهٔ متن (حدود ۱۸۰ کلمهٔ فارسی)

  • اقتصادی Gemini 3.8 Flash-Lite TTS ۵٬۸۸۹ سکه
  • کیفیت بالا Gemini 3.8 Flash TTS ۸٬۷۹۴ سکه

گفتار به متن هر دقیقه صدا

  • NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B ۸۵ سکه
  • Qwen: Qwen3 ASR 0.6B ۸۵ سکه

ردیف‌ها همان سطح‌های «بودجه و کیفیت» صفحهٔ تولید محتوا در گیسو هستند. پیش از ساخت، هزینهٔ تقریبی کنار دکمهٔ ساخت می‌آید و مبلغ دقیق بعد از ساخت روی کارت نتیجه ثبت می‌شود.

اگر ویدیو ساخته نشود، کل هزینه‌اش خودکار به اعتبار برمی‌گردد.

به‌روزرسانی: ۱۴۰۵/۰۸/۲۴ ۰۶:۴۴ مبلغ‌ها به سکه، با قیمت امروز همان مدل در گیسو

بعد از ساخت چه می‌کنید

  • دانلود: هر نسخه را با MP3 یا WAV دانلود کنید.
  • «تغییرات»: یادداشت بنویسید، مثلاً «ضرب تندتر، خواننده آرام‌تر»، تا نسخهٔ تازه ساخته شود. نسخه‌های قبلی سر جایشان می‌مانند.
  • «بازآفرینی»: همان شعر و تنظیم را یک بار دیگر بسازید تا اجرای دیگری بگیرید.
  • ویدیو: آهنگ را در برنامهٔ ویرایش ویدیوی خودتان زیر ریلز بگذارید. اگر موسیقی بی‌کلام زیر صدای گوینده می‌خواهید، ساخت موسیقی بی‌کلام با هوش مصنوعی را بخوانید.
دربارهٔ حق پخش رسمی آهنگ قولی نمی‌دهیم. اگر می‌خواهید آهنگ را در رسانه یا سکویی رسمی منتشر کنید، قاعدهٔ همان رسانه و شرایط استفاده از خروجی را که شرکت سازندهٔ مدل تعیین کرده، پیش از انتشار بخوانید.

اگر نتیجه آن چیزی نشد که می‌خواستید

  • واژه‌ای اشتباه خوانده شد: آن واژه را با واژهٔ ساده‌تر عوض کنید یا املای روشن‌تری برایش بنویسید و دوباره بسازید.
  • آهنگ شبیه حال‌وهوای دلخواهتان نیست: موقعیت را دقیق‌تر بنویسید؛ «شاد» را به «شاد برای رقص در عروسی» تبدیل کنید.
  • ترجیع‌بند گم شد: ترجیع‌بند را کوتاه‌تر کنید و برچسبش را بالای خط بگذارید.

اولین قدم: یک ترجیع‌بند دوخطی برای موضوعی بنویسید که مخاطبتان می‌شناسد و با کلیپ کوتاه امتحانش کنید. نمونه‌های واقعی «آهنگ و تیزر صوتی» را بشنوید یا فرم ساخت آهنگ را در اپ گیسو باز کنید.

امتحان در گیسو ساخت موسیقی حساب رایگان است؛ برای استفاده از مدل‌ها اعتبار لازم دارید.

پرسش‌های پرتکرار

می‌شود آهنگ ترند را با صدای زن ساخت؟

بله. در فرم «آهنگ و تیزر صوتی» خواننده را «زن» بگذارید؛ «مرد»، «دونفره» و «گروه کر» هم هست. صدا را مدل می‌سازد و صدای هیچ خوانندهٔ واقعی نیست.

می‌شود آهنگ را با صدای خودم یا یک خوانندهٔ مشهور ساخت؟

نه. شبیه‌سازی صدا (Voice Clone) در کارگاه «به‌زودی» است و هنوز تاریخ ندارد. نام یا صدای خواننده‌های مشهور و تقلید آهنگ معروف هم پذیرفته نمی‌شود.

آهنگ هوش مصنوعی فارسی درست خوانده می‌شود؟

بیشتر واژه‌ها بله، ولی تلفظ همهٔ واژه‌ها بی‌نقص نیست. مصرع کوتاه و واژهٔ آشنا بنویسید؛ اگر واژه‌ای اشتباه خوانده شد، با «تغییرات» نسخهٔ تازه بسازید.

ساختن یک آهنگ چقدر طول می‌کشد؟

کلیپ کوتاه معمولاً کمتر از یک دقیقه و آهنگ کامل تا حدود دو دقیقه. ساخت در پس‌زمینه انجام می‌شود و بستن صفحه کار را قطع نمی‌کند.

نوشتهٔ تیم گیسو همهٔ مطالب وبلاگ خوراک RSS