پرش به محتوا
آموزش

داستان میوه‌ها با هوش مصنوعی؛ از شخصیت تا ویدیوی سخنگو

میوه‌های سخنگو را از ایده تا ویدیو بسازید: داستان کوتاه در گفت‌وگو، شخصیت میوه در «ساخت تصویر»، برگه‌های کرکتر شیت تا چهره در همهٔ صحنه‌ها یکی بماند، کلیپ‌های Veo و گفت‌وگوی شخصیت‌ها با صدای فارسی.

تیم گیسو ۱۰ دقیقه مطالعه
داستان میوه‌ها با هوش مصنوعی؛ از شخصیت تا ویدیوی سخنگو

ویدیوی داستان میوه‌ها با هوش مصنوعی شش قدم دارد: داستان کوتاه را در گفت‌وگو بنویسید، شخصیت میوه را در «ساخت تصویر» بکشید، در کارگاه «کرکتر شیت» برگه‌هایی بگیرید که چهرهٔ شخصیت را در همهٔ صحنه‌ها یکی نگه دارد، هر صحنه را با Veo به کلیپ چندثانیه‌ای تبدیل کنید و حرف شخصیت‌ها را در «گوینده» با صدای فارسی بسازید. در آخر کلیپ‌ها و صدا را در برنامهٔ تدوین کنار هم می‌گذارید.

قدم اول از همین‌جا: نوشتن داستان میوه‌ها را در گیسو شروع کنید؛ یک درخواست آماده برای داستان شش‌صحنه‌ای در جعبهٔ پیام نوشته شده و تا دکمهٔ ارسال را نزنید، چیزی فرستاده و حساب نمی‌شود.

این ترند را با نام‌هایی مثل «خانم پیاز» یا «آقای پرتقال» در اینستاگرام دیده‌اید: میوه‌ها و سبزی‌هایی با چشم و دهان که با هم حرف می‌زنند، دعوا می‌کنند و آشتی می‌کنند. بخش سخت کار ساختن یک کلیپ نیست؛ این است که پیاز صحنهٔ اول در صحنهٔ ششم هم همان پیاز باشد. این راهنما هر قدم را با ابزار واقعی گیسو و پرامپتی که می‌توانید کپی کنید نشان می‌دهد.

داستان میوه‌ها با هوش مصنوعی چطور ساخته می‌شود

کل کار را در یک نگاه ببینید، بعد سراغ هر قدم بروید:

قدمکجای گیسوچه به دست می‌آورید
۱. داستانگفت‌وگومتن صحنه‌ها و جملهٔ هر شخصیت
۲. شخصیتتولید محتوا، ساخت تصویریک تصویر روشن از هر میوه
۳. ثابت ماندنکارگاه، کرکتر شیتبرگه‌های حالت چهره، استوری‌بورد و فریم شروع ویدیو
۴. صحنه‌هاتولید محتوا، تولید ویدیوکلیپ ۴، ۶ یا ۸ ثانیه‌ای با صدای محیط برای هر صحنه
۵. صداتولید محتوا، گویندهفایل صدای گفت‌وگوی شخصیت‌ها
۶. تدوینبرنامهٔ تدوین خودتانویدیوی نهایی

قدم ۱: داستان را کوتاه و خانوادگی بنویسید

ویدیوی کوتاه جای داستان پیچیده نیست. دو یا سه شخصیت، یک مشکل کوچک و یک پایان روشن کافی است. هر صحنه را طوری بنویسید که در یک کلیپ ۸ ثانیه‌ای جا شود: یک جا، یک اتفاق، یکی دو جملهٔ کوتاه. داستانی که هر میوه در آن اخلاق خودش را دارد، مثلاً پیاز زودرنج، پرتقال شوخ و هندوانهٔ کم‌حرف، بیشتر از ماجرای شلوغ دیده می‌شود.

درخواست آمادهٔ بالای صفحه همین ساختار را از مدل می‌خواهد. اگر داستان را خودتان نوشته‌اید، این پیام آن را برای ویدیو آماده می‌کند:

این داستان را برای یک ویدیوی کوتاه به ۶ صحنه تقسیم کنید: [داستان شما]. برای هر صحنه سه چیز بنویسید: جایی که صحنه در آن است، کاری که شخصیت‌ها می‌کنند، و جملهٔ هر شخصیت با نام او، مثل «پیاز: …». هر صحنه باید در ۸ ثانیه گفته شود، پس جمله‌ها کوتاه بمانند. آخر کار، فهرست شخصیت‌ها را با ظاهر و اخلاق هر کدام بدهید.
داستان‌ها را خانوادگی نگه دارید. بسیاری از نسخه‌های این ترند در شبکه‌ها دربارهٔ خیانت و آزارند؛ ما این‌ها را پیشنهاد نمی‌کنیم و مدل‌های ویدیو هم ممکن است صحنهٔ خشن را نسازند.

قدم ۲: شخصیت میوه را در «ساخت تصویر» طراحی کنید

در اپ گیسو «تولید محتوا» و بعد «تولید تصویر» را باز کنید و هر شخصیت را جدا بسازید. توصیف را فارسی هم می‌توانید بنویسید. سبک (عروسکی سه‌بعدی، کارتونی یا خمیری)، رنگ، اندازهٔ چشم و دهان و یک نشانهٔ ثابت، مثل روسری یا عینک، را بنویسید تا شخصیت در یک نگاه شناخته شود:

یک شخصیت کارتونی سه‌بعدی: پیازی کوچک و گرد با پوست طلایی، دو چشم درشت و براق، دهان کوچک خندان و یک روسری سبز گل‌دار. تمام‌قد، روبه‌روی دوربین، روی زمینهٔ سفید ساده، نور نرم استودیو. بدون نوشته، بدون آدم.

برای شخصیت دوم و سوم، سبک و نور را عیناً تکرار کنید و فقط میوه و نشانه‌اش را عوض کنید؛ این‌طور همهٔ شخصیت‌ها به یک دنیا تعلق دارند. تصویری را نگه دارید که تمام‌قد و روبه‌روست، چون قدم بعدی از روی همین تصویر کار می‌کند.

مدل‌های تصویر نوشتهٔ فارسی داخل تصویر را هنوز درست نمی‌نویسند. نام شخصیت یا تیتر را بعد در برنامهٔ تدوین روی ویدیو بگذارید.

قدم ۳: کرکتر شیت؛ تا پیاز صحنهٔ اول در صحنهٔ آخر هم همان باشد

کارگاه کرکتر شیت و پیش‌تولید فیلم از یک تا چهار تصویر یک شخصیت، برگه‌های پیش‌تولید می‌سازد. شخصیت طراحی‌شده، مثل همین میوه‌ها، هم پذیرفته می‌شود و سبک طراحی‌اش همان می‌ماند. هر پروژه یک شخصیت را می‌گیرد، پس برای هر میوه یک پروژهٔ جدا بسازید. برای داستان میوه‌ها این برگه‌ها بیشترین کمک را می‌کنند:

  • کرکتر شیت کامل: شخصیت از جلو، پشت و پهلو، با جزئیات؛ مرجع اصلی همهٔ صحنه‌ها.
  • حالت‌های چهره: خنده، دلخوری، تعجب؛ برای صحنه‌هایی که حس شخصیت عوض می‌شود.
  • استوری‌بورد ۶ کادری: داستان را در یکی دو جمله می‌نویسید و شش کادر پشت‌سرهم با همین شخصیت می‌گیرید.
  • فریم شروع ویدیو: نمای روبه‌دوربین با دهان بسته و نور یکدست، که برای ویدیوی سخنگو ساخته شده است.

در صفحهٔ هر پروژه یک «متن ثابت ماندن شخصیت» هم آماده است؛ متنی انگلیسی که کنار پرامپت هر صحنهٔ ویدیو می‌گذارید. هزینهٔ هر برگه پیش از ساخت کنار دکمه نوشته شده و برگه‌ای که ساخته نشود، هزینه‌ای ندارد. برگه‌ها را پیش از استفاده با تصویر اصلی مقایسه کنید؛ در کادرهای خیلی کوچک ممکن است جزئیات کمی تغییر کند. روش ثابت نگه داشتن یک شخصیت در همهٔ صحنه‌ها را جداگانه در کاراکتر ثابت با هوش مصنوعی نوشته‌ایم.

قدم ۴: هر صحنه را با Veo ویدیو کنید

در «تولید محتوا» بخش «تولید ویدیو» را باز کنید. مدل وئو (Veo) گوگل کلیپ ۴، ۶ یا ۸ ثانیه‌ای می‌سازد و صدای صحنه و محیط را همراه تصویر می‌سازد. برای داستان میوه‌ها، هر صحنه را یک کلیپ جدا بسازید:

  1. عکس شروع را بگذارید. با «افزودن عکس»، برگهٔ «فریم شروع ویدیو» یا یکی از کادرهای استوری‌بورد را بدهید و نقشش را «فریم اول» بگذارید. کلیپ از همین تصویر شروع می‌شود و شخصیت همان می‌ماند.
  2. صحنه را بنویسید. یک جا، یک اتفاق و یک حرکت دوربین. «متن ثابت ماندن شخصیت» را هم آخر توصیف بچسبانید.
  3. مدت و قاب را انتخاب کنید. برای ریلز و استوری قاب عمودی و ۸ ثانیه. هزینهٔ تقریبی را کنار دکمهٔ ساخت می‌بینید.
  4. بسازید و صبر کنید. ساخت یک تا چند دقیقه طول می‌کشد و می‌توانید صفحه را ببندید؛ کلیپ در «آرشیو آثار» می‌ماند.
پیاز کوچک با روسری سبز روی پیشخوان چوبی آشپزخانه ایستاده و با دلخوری رویش را از پرتقال برمی‌گرداند؛ پرتقال آرام به او نزدیک می‌شود و یک برگ نعناع جلویش می‌گذارد. یک برداشت پیوسته، دوربین ثابت در ارتفاع پیشخوان، نور گرم صبح از پنجره. صدا: صدای آرام آشپزخانه و جیک‌جیک گنجشک بیرون پنجره. بدون نوشته، بدون زیرنویس، بدون آدم.

اگر می‌خواهید شخصیت در خود کلیپ دهان باز کند، در توصیف بنویسید «با دهان حرف می‌زند»؛ ولی دربارهٔ گفت‌وگوی فارسی داخل ویدیوی Veo قولی نمی‌دهیم. برای همین در قدم بعد صدا را جدا می‌سازیم. اگر می‌خواهید چند کادر مرجع (مثلاً دو شخصیت) با هم در یک صحنه بیایند، نقش عکس را «مرجع» بگذارید؛ این کار فقط با Veo 3.1 و Veo 3.1 Fast و برای کلیپ ۸ ثانیه‌ای شدنی است و عکس مرجع با فریم اول یا آخر در یک ساخت جمع نمی‌شود. نوشتن صحنه ثانیه‌به‌ثانیه را در آموزش وئو (Veo) کامل گفته‌ایم.

قدم ۵: صدای شخصیت‌ها را در «گوینده» بسازید

در «تولید محتوا» بخش «گوینده» را باز کنید و «گفت‌وگوی چندنفره» را بزنید. تا چهار گوینده می‌شود گذاشت و هر کدام نام و صدای خودش را دارد. هر خط را با «نام: جمله» بنویسید؛ همان متنی که در قدم ۱ گرفتید:

پیاز: دیروز من را ته سبد جا گذاشتند و هیچ‌کس نفهمید.
پرتقال: من فهمیدم. این برگ نعناع را برای همین آورده‌ام.
پیاز: خب… این دفعه را می‌بخشم.

برای هر شخصیت صدایی انتخاب کنید که به اخلاقش بخورد و از «شنیدن نمونه» کنار هر صدا کمک بگیرید. در مدل‌های Gemini، «حالت گفتار» را روی «قصه‌گو» یا «کودکانه» بگذارید؛ دکمهٔ «خنده» هم در این مدل‌ها اجرا می‌شود و خوانده نمی‌شود. هر صحنه را یک فایل جدا بسازید تا در تدوین راحت جا بیفتد. جزئیات بیشتر در صفحهٔ تبدیل متن به صدا است.

شبیه‌سازی صدای یک آدم واقعی (Voice Clone) در گیسو نیست. صدای بازیگر یا خوانندهٔ مشهور را هم از مدل نخواهید؛ صداهای آمادهٔ کتابخانه را به کار ببرید.

قدم ۶: کلیپ‌ها و صدا را کنار هم بگذارید

«تولید محتوا» صدا را روی ویدیوی آماده نمی‌گذارد و کلیپ‌ها را به هم نمی‌چسباند، پس این قدم در برنامهٔ تدوین خودتان، روی گوشی یا کامپیوتر، انجام می‌گیرد. کلیپ‌ها را به ترتیب صحنه‌ها بچینید، صدای محیط Veo را کم کنید و فایل گفت‌وگو را روی هر صحنه بگذارید. اگر دهان شخصیت با صدا هم‌زمان نیست، نمای صحنه را کمی بازتر بگیرید یا جمله را روی لحظه‌ای بگذارید که شخصیت پشت به دوربین است. نام شخصیت‌ها و زیرنویس فارسی را هم همین‌جا اضافه کنید.

اگر موسیقی پس‌زمینه می‌خواهید، در ساخت موسیقی یک قطعهٔ بی‌کلام کوتاه بسازید تا زیر کل ویدیو بنشیند.

هزینهٔ ساخت داستان میوه‌ها

هر بخش جدا از اعتبار گیسو کم می‌شود: هر تصویر، هر برگهٔ کرکتر شیت، هر کلیپ ویدیو و هر فایل صدا. بیشترین هزینه مال کلیپ‌های ویدیوست، که به ثانیه حساب می‌شود؛ پس پیش از ساختن نسخهٔ ۸ ثانیه‌ای، صحنه را با کلیپ کوتاه‌تر و سطح «اقتصادی» امتحان کنید. ویدیویی که ساخته نشود، هزینه‌اش خودکار به اعتبارتان برمی‌گردد. جدول زیر هزینهٔ امروز ساخت تصویر، ویدیو، موسیقی و صدا را به سکه 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

چند قاعده پیش از شروع

  • عکس کودک و چهرهٔ آدم مشهور در کارگاه کرکتر شیت پذیرفته نمی‌شود. شخصیت میوه را از تصویری بسازید که خودتان ساخته‌اید.
  • Veo عکسی را که چهرهٔ آدم دارد اغلب نمی‌پذیرد. شخصیت‌های میوه این مشکل را ندارند، ولی آدم واقعی را وارد صحنه نکنید.
  • شخصیت یک کارتون یا برند مشهور را کپی نکنید؛ شخصیت خودتان را بسازید.
  • برای استفادهٔ تجاری از ویدیو، شرایط خود سازندهٔ مدل را بخوانید.

اگر همین کار را برای قصهٔ شب کودک می‌خواهید، داستان‌نویسی با هوش مصنوعی برای کودک را بخوانید، و برای سبک‌های خمیری و دوبعدی ساخت انیمیشن با هوش مصنوعی را.

اولین کار: فقط یک شخصیت بسازید، کرکتر شیتش را بگیرید و یک صحنهٔ ۴ ثانیه‌ای از آن بسازید تا ببینید شخصیت در ویدیو چطور از آب درمی‌آید. کرکتر شیت شخصیت میوه‌تان را در گیسو شروع کنید.

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

پرسش‌های پرتکرار

ویدیوی میوه‌های سخنگو را با کدام ابزار بسازم؟

با چهار بخش گیسو: داستان را در گفت‌وگو بنویسید، شخصیت میوه را در «ساخت تصویر» بکشید، برگه‌های شخصیت را در کارگاه «کرکتر شیت» بگیرید و صحنه‌ها را در «تولید ویدیو» با Veo بسازید. صدای شخصیت‌ها را هم در «گوینده» با «گفت‌وگوی چندنفره» درست می‌کنید.

کاراکتر شیت شخصیت میوه را چطور بسازم؟

اول شخصیت را با «ساخت تصویر» بکشید، بعد همان تصویر را در کارگاه «کرکتر شیت» بدهید؛ شخصیت طراحی‌شده هم پذیرفته می‌شود و سبکش همان می‌ماند. هر کارگاه یک شخصیت را می‌گیرد، پس برای هر میوه یک پروژهٔ جدا بسازید.

میوه‌ها در ویدیو فارسی حرف می‌زنند؟

دربارهٔ حرف زدن فارسی داخل خود کلیپ Veo قولی نمی‌دهیم. راه مطمئن‌تر این است که صدای شخصیت‌ها را جدا در «گوینده» بسازید، که فارسی را طبیعی می‌خواند، و در برنامهٔ تدوین روی کلیپ بگذارید.

هر ویدیوی Veo چند ثانیه است؟

۴، ۶ یا ۸ ثانیه، همراه صدای محیط. برای داستان چندصحنه‌ای، هر صحنه را یک کلیپ جدا بسازید و کلیپ‌ها را در برنامهٔ تدوین پشت هم بگذارید.

نوشتهٔ تیم گیسو همهٔ مطالب وبلاگ خوراک RSS