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.
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:
| قدم | کجای گیسو | چه به دست میآورید |
|---|---|---|
| ۱. داستان | گفتوگو | متن صحنهها و جملهٔ هر شخصیت |
| ۲. شخصیت | تولید محتوا، ساخت تصویر | یک تصویر روشن از هر میوه |
| ۳. ثابت ماندن | کارگاه، کرکتر شیت | برگههای حالت چهره، استوریبورد و فریم شروع ویدیو |
| ۴. صحنهها | تولید محتوا، تولید ویدیو | کلیپ ۴، ۶ یا ۸ ثانیهای با صدای محیط برای هر صحنه |
| ۵. صدا | تولید محتوا، گوینده | فایل صدای گفتوگوی شخصیتها |
| ۶. تدوین | برنامهٔ تدوین خودتان | ویدیوی 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:
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:
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.
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:
- 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.
- صحنه را بنویسید. یک جا، یک اتفاق و یک حرکت دوربین. «متن ثابت ماندن شخصیت» را هم آخر توصیف بچسبانید.
- مدت و قاب را انتخاب کنید. برای ریلز و استوری قاب عمودی و ۸ ثانیه. هزینهٔ تقریبی را کنار دکمهٔ ساخت میبینید.
- بسازید و صبر کنید. ساخت یک تا چند دقیقه طول میکشد و میتوانید صفحه را ببندید؛ کلیپ در «آرشیو آثار» میماند.
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:
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.
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:
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.