هوش مصنوعی ساخت ویدیو؛ مقایسه Veo، Kling، Runway و Sora

اگر دنبال یک هوش مصنوعی ساخت ویدیو هستید، امروز سه گزینهٔ اصلی دارید. Gemini و Google Flow با مدل‌های ویدیوی گوگل (Veo و Gemini Omni) تصویر و صدا را با هم می‌سازند. Kling به حرکت طبیعی و ویدیوی تبلیغ محصول معروف است و Runway چند مدل ساخت ویدیو و ابزار ویرایش را در یک حساب جمع کرده است. Sora، ابزار ویدیوی OpenAI، از ۶ اردیبهشت ۱۴۰۵ دیگر در دسترس نیست.

Midjourney و Grok هم ویدیو می‌سازند، ولی بیشتر به کار کسی می‌آیند که ویدیو برایش کار جانبی است. در عمل، انتخاب درست بیشتر به کار شما بستگی دارد تا به اسم ابزار: استوری ۸ ثانیه‌ای با صدا، تبلیغ محصول از روی عکس و فیلم کوتاه چندصحنه‌ای هر کدام ابزار خودشان را می‌خواهند. جدول انتخاب و حساب اعتبار را پایین‌تر آورده‌ایم.

هوش مصنوعی ساخت ویدیو دقیقاً چه کار می‌کند؟

این ابزارها از روی متنی که می‌نویسید، و به آن پرامپت (Prompt) می‌گویند، چند ثانیه ویدیو می‌سازند. بیشترشان سه راه شروع دارند:

• متن به ویدیو: صحنه را می‌نویسید و ابزار آن را از صفر می‌سازد.
• عکس به ویدیو: یک عکس یا طرح می‌دهید و ابزار آن را به حرکت درمی‌آورد. برای ویدیوی محصول، یا وقتی شخصیت باید در همهٔ صحنه‌ها یک شکل بماند، این راه مطمئن‌تر است.
• ویدیو به ویدیو: ویدیویی را که خودتان گرفته‌اید می‌دهید تا چیزی در آن عوض شود؛ مثلاً زاویهٔ دوربین، یک شیء یا حال‌وهوای صحنه.

از همین اول بدانید که خروجی این ابزارها کلیپ است و هر بار فقط چند ثانیه ویدیو تحویل می‌گیرید. گوگل در توضیح آزمون‌های Veo نوشته است که ویدیوهای این مدل ۸ ثانیه‌اند، و Runway هزینهٔ بعضی مدل‌ها را برای تکه‌های ۴ یا ۵ ثانیه‌ای حساب می‌کند. برای ویدیوی یک‌دقیقه‌ای باید چند کلیپ بسازید و آن‌ها را یا با ادامه دادن صحنه (Extend) به هم وصل کنید یا در یک برنامهٔ تدوین کنار هم بگذارید.

هزینه هم معمولاً با اعتبار (Credit) حساب می‌شود. هر ثانیه ویدیو، بسته به مدل و کیفیت، مقداری اعتبار برمی‌دارد. برای همین اینکه «ماهی چند ثانیه ویدیو» می‌گیرید از اسم پلن مهم‌تر است.

Gemini و Google Flow؛ ویدیوی گوگل با صدا

گوگل دو جا برای ساخت ویدیو دارد. اولی خود اپ Gemini است. طبق راهنمای ساخت ویدیو در Gemini، از منوی کناری گزینهٔ Create video را می‌زنید، صحنه را می‌نویسید و اگر خواستید یک ویدیو و حداکثر پنج عکس هم کنارش بارگذاری می‌کنید. Gemini حالا برای ساخت ویدیو از مدل Gemini Omni استفاده می‌کند.

برگ برندهٔ Gemini ویرایش در همان گفت‌وگوست. ویدیو که ساخته شد، می‌نویسید «این شیء را بردار» یا «زاویهٔ دوربین را عوض کن» و می‌توانید چند بار پشت سر هم اصلاحش کنید. ساخت هر ویدیو چند دقیقه طول می‌کشد و آخر کار آن را دانلود می‌کنید یا مستقیم در یوتیوب می‌گذارید.

دومی Google Flow است، ابزار فیلم‌سازی گوگل که برای کار جدی‌تر و چندصحنه‌ای ساخته شده است. مدل اصلی‌اش Veo 3.1 است و صفحهٔ Veo در Google DeepMind این قابلیت‌ها را برایش می‌شمارد:

• صدا، افکت و حتی دیالوگ را همراه تصویر می‌سازد و لازم نیست صدا را جدا اضافه کنید.
• چند عکس مرجع از شخصیت، شیء یا صحنه می‌گیرد تا ظاهرشان در کلیپ عوض نشود. گوگل اسم این قابلیت را «مواد اولیه» (Ingredients) گذاشته است.
• دو عکس را فریم اول و آخر می‌گیرد و حرکت بین آن دو را خودش می‌سازد.
• صحنه را از ثانیهٔ آخر کلیپ قبلی ادامه می‌دهد تا ویدیوی بلندتری داشته باشید.
• خروجی را با کیفیت 1080p و 4K تحویل می‌دهد.

برای ساخت ویدیو در Gemini با حساب شخصی، یکی از پلن‌های Google AI لازم است و گوگل می‌گوید این امکان فعلاً برای کاربران زیر ۱۸ سال نیست. طبق صفحهٔ پلن‌های Google AI، Google AI Plus ماهی ۲۰۰ و Google AI Pro ماهی ۱۰۰۰ اعتبار Flow می‌دهد و سهم Ultra چند برابر این است. گوگل در همین صفحه ننوشته است که هر ویدیو چند اعتبار Flow برمی‌دارد.

اگر کلیپ کوتاه با صدا برای استوری و ریلز می‌خواهید و حوصلهٔ کار با چند ابزار را ندارید، Gemini ساده‌ترین شروع است. ولی اگر ویدیو کار اصلی‌تان است و زیاد می‌سازید، فرق سهمیهٔ Google AI Pro و Ultra را هم بدانید، چون اعتبار Flow در Ultra خیلی بیشتر است.

Kling؛ حرکت طبیعی و ویدیوی تبلیغاتی محصول

Kling (کلینگ) ساختهٔ شرکت چینی Kuaishou است و در کار حرفه‌ای اسمی جاافتاده شده است. سایت Kling بیش از هر چیز نمونه‌کار نشان می‌دهد: تبلیغ برندها، موزیک‌ویدیو، دو تبلیغ برندهٔ جایزه در جشنوارهٔ تبلیغات کن لاینز (Cannes Lions) ۲۰۲۶ و فیلمی بلند که به گفتهٔ خود Kling همهٔ ۱۳۵ دقیقه تصویرش با این ابزار ساخته شده است.

برای فروشگاه‌ها، Kling روی ساخت ویدیو از عکس محصول تأکید کرده است. عکس محصول، عکس مدل یا تصویرهای برند را می‌دهید و ویدیوی معرفی یا تبلیغ تحویل می‌گیرید. کسی که در اینستاگرام لباس یا لوازم جانبی می‌فروشد، این‌طوری بی‌آنکه دوباره فیلم‌برداری کند ویدیوی تبلیغ می‌سازد.

طبق راهنمای اعتبار Kling که ۶ مرداد ۱۴۰۵ در وبلاگ خودش منتشر شده، پلن رایگان Kling (Basic) اعتبار ماهانه ندارد و خروجی‌اش برای کار تجاری نیست. پلن‌های پولی Standard، Pro، Premier و Ultra به ترتیب ماهی ۶۶۰، ۳۰۰۰، ۸۰۰۰ و ۲۶۰۰۰ اعتبار می‌دهند و با آن‌ها می‌شود ویدیوی 1080p ساخت، نشان Kling را برداشت و از ویدیو در کار تجاری استفاده کرد. همین راهنما می‌گوید مدل‌های Kling VIDEO 3.0 هر بار کلیپی بین ۳ تا ۱۵ ثانیه می‌سازند.

Kling را هم در سایت خودش می‌شود به کار برد و هم داخل Runway. تازه‌ترین نسخه‌ای که Runway در فهرست مدل‌هایش آورده Kling 4.0 با خروجی 1080p است.

Runway؛ چند مدل و ابزار ویرایش در یک حساب

Runway (ران‌وی) از قدیمی‌ترین اسم‌های این بازار است و حالا بیشتر به یک استودیوی کامل شبیه است تا یک مدل. مدل‌های خودش Gen-4.5 و Gen-4 Turbo برای ساخت ویدیو و Aleph 2.0 برای ویرایش ویدیوی آماده است. طبق صفحهٔ قیمت Runway، با همان اعتبار می‌شود مدل‌های شرکت‌های دیگر، مثل Kling 4.0 و Seedance 2.0 Pro، و مدل تصویری Nano Banana Pro گوگل را هم به کار برد. ساخت موسیقی، صدا و افکت صوتی هم در همین حساب هست.

پلن‌های Runway با مقدار اعتبار ماهانه از هم جدا می‌شوند:

• رایگان: فقط یک بار ۱۲۵ اعتبار می‌دهد که برای آشنایی با ابزار است.
• Standard و Pro: ماهی ۶۲۵ و ۲۲۵۰ اعتبار می‌دهند و کیفیت ویدیو را تا 4K بالا می‌برند (Upscale). اعتبار مصرف‌نشدهٔ این دو پلن به ماه بعد نمی‌رود و با شروع دورهٔ تازه از نو پر می‌شود.
• Max: ماهی ۹۵۰۰ اعتبار می‌دهد و اعتبار مصرف‌نشده‌اش تا یک ماه می‌ماند.

اگر اعتبار کم آوردید، می‌توانید دست‌کم ۱۰۰۰ اعتبار اضافه بخرید که تاریخ انقضا ندارد. Runway به کار کسی می‌آید که می‌خواهد چند مدل را بدون چند اشتراک جداگانه امتحان کند، یا روی ویدیوی موجود کار ویرایشی جدی دارد.

Sora چه شد؟

OpenAI مدل Sora 2 را ۸ مهر ۱۴۰۴ همراه با یک اپ اجتماعی برای آیفون معرفی کرد. در این اپ ویدیو می‌ساختید، ساخته‌های دیگران را تغییر می‌دادید و با قابلیتی به اسم «کاراکترها» (Characters) خودتان یا دوستانتان را وارد صحنه می‌کردید. Sora 2 دیالوگ و صدای هم‌زمان با تصویر داشت و عرضه‌اش از آمریکا و کانادا شروع شد.

ولی عمر این اپ کوتاه بود. OpenAI حالا بالای صفحهٔ معرفی Sora 2 نوشته است که محصول Sora از ۶ اردیبهشت ۱۴۰۵ دیگر در دسترس نیست و کاربران را به ساخت تصویر در ChatGPT می‌فرستد. پس اگر به آموزشی دربارهٔ کد دعوت Sora یا سهمیهٔ ویدیوی Sora در پلن‌های ChatGPT برخوردید، بدانید که مال پیش از این تاریخ است.

ChatGPT هنوز در ساخت ویدیو به کارتان می‌آید، اما در مرحلهٔ پیش از ساخت: برای نوشتن سناریو و پرامپت و ساختن تصویر فریم اول. بخش «از ایده تا کلیپ» را ببینید.

Midjourney و Grok؛ ویدیو کنار کار اصلی

اگر اشتراک یکی از این دو را دارید، شاید برای ویدیوهای گاه‌به‌گاه لازم نباشد سراغ سرویس تازه‌ای بروید.

• Midjourney (میدجرنی): کار اصلی‌اش ساخت تصویر است، ولی تصویرها را به ویدیو هم تبدیل می‌کند. طبق مقایسهٔ پلن‌های Midjourney، ساخت ویدیو در حالت Relax فقط در پلن‌های Pro و Mega نامحدود است. حالت Stealth هم، که ساخته‌هایتان را از دید دیگران پنهان نگه می‌دارد، فقط در همین دو پلن هست.
• Grok (گراک): پلن SuperGrok ساخت تصویر و ویدیو با Grok Imagine را دارد. طبق راهنمای Grok، گفت‌وگو، تصویر و ویدیو و بقیهٔ بخش‌ها از یک سهمیهٔ هفتگی مشترک خرج می‌کنند و هر ویدیو سهم بیشتری از این سهمیه برمی‌دارد تا یک پیام متنی.

کدام هوش مصنوعی ساخت ویدیو برای کار شما بهتر است؟

در این جدول از کاری که می‌خواهید بکنید شروع کرده‌ایم. ستون آخر می‌گوید چرا بهتر است آن گزینه را اول امتحان کنید.

پیش از خرید، یک صحنهٔ واقعی از کار خودتان را با نسخهٔ آزمایشی یا اعتبار رایگان امتحان کنید. ویدیوهای نمونهٔ سایت‌ها معمولاً بهترین خروجی‌شان است و کار روزمره همیشه به آن خوبی درنمی‌آید.

اعتبار ماهانه در عمل چند ثانیه ویدیو می‌شود؟

عدد اعتبار در نگاه اول زیاد به نظر می‌رسد، ولی زود خرج می‌شود. نمودار زیر نشان می‌دهد ۲۲۵۰ اعتبار ماهانهٔ پلن Pro در Runway با هر مدل چند ثانیه ویدیو می‌شود؛ به فاصلهٔ میلهٔ Gen-4 Turbo با Seedance 2.0 Pro نگاه کنید.

با یک مقدار اعتبار ثابت، از ۵۶ ثانیه ویدیو با Seedance 2.0 Pro تا ۳۷۵ ثانیه با Gen-4 Turbo می‌گیرید. یعنی انتخاب مدل همان‌قدر روی بودجه اثر دارد که انتخاب پلن. البته کیفیت و کاربرد این مدل‌ها یکی نیست و نمودار فقط مصرف اعتبار را مقایسه می‌کند.

یک مثال فرضی را با هم حساب کنیم. برای یک فروشگاه اینترنتی تبلیغی ۳۰ ثانیه‌ای می‌خواهید که از شش نمای ۵ ثانیه‌ای ساخته می‌شود. کمتر پیش می‌آید نمای دلخواه بار اول دربیاید، پس فرض می‌کنیم هر نما را سه بار ساخته‌اید:

• شش نما ضرب در سه بار می‌شود ۱۸ بار ساخت؛ یعنی ۹۰ ثانیه ویدیو برای ۳۰ ثانیهٔ نهایی.
• با Gen-4.5 که ثانیه‌ای ۱۲ اعتبار برمی‌دارد، ۹۰ ضرب در ۱۲ می‌شود ۱۰۸۰ اعتبار. این از ۶۲۵ اعتبار ماهانهٔ Standard بیشتر است و کمی کمتر از نصف ۲۲۵۰ اعتبار Pro را می‌گیرد.
• با Kling 4.0 روی Runway که برای هر ۵ ثانیه ۱۱۸ اعتبار برمی‌دارد، ۱۸ ضرب در ۱۱۸ می‌شود ۲۱۲۴ اعتبار؛ تقریباً همهٔ اعتبار یک ماه Pro، و فقط ۱۲۶ اعتبار باقی می‌ماند.

چیزی که این حساب را بیش از همه جابه‌جا می‌کند، تعداد دفعه‌هایی است که هر نما را دوباره می‌سازید. اگر با پرامپت دقیق‌تر این تعداد را از سه به دو برسانید، همین تبلیغ با Gen-4.5 به‌جای ۱۰۸۰ اعتبار، ۷۲۰ اعتبار خرج برمی‌دارد.

از ایده تا کلیپ؛ روشی که اعتبار کمتری هدر می‌دهد

بیشتر اعتبار پای ساخت‌هایی می‌رود که به کار نمی‌آیند و سهم نسخهٔ نهایی از آن کم است. اگر به این ترتیب کار کنید، جلوی بخش بزرگی از این هدررفت را می‌گیرید:

1. اول سناریو را بنویسید، بعد پرامپت را. ایده را به نماهای ۵ تا ۸ ثانیه‌ای بشکنید و برای هر نما بنویسید چه دیده و چه شنیده می‌شود. این کار را با ChatGPT هم می‌شود کرد: صحنه را به فارسی توضیح دهید و بخواهید برای هر نما یک پرامپت دقیق انگلیسی بنویسد. نسخهٔ رایگان برای شروع کافی است و اگر مرتب به سقفش خوردید، سراغ اشتراک ChatGPT بروید.
2. پرامپت را مثل دستور فیلم‌برداری بنویسید. نوع نما (نزدیک یا باز)، سوژه، حرکت دوربین، نور و حال‌وهوا را بگویید. در نمونه‌پرامپت‌های خود گوگل در صفحهٔ Veo، صدا جدا و با «Audio:» آمده است؛ مثلاً صدای جلزوولز تابه یا صدای باد.
3. برای چیزهایی که باید ثابت بمانند، با عکس شروع کنید. اگر محصول یا شخصیت باید در همهٔ نماها یک شکل باشد، اول تصویر فریم اول را بسازید و بعد آن را به ابزار ویدیو بدهید.
4. ترکیب‌بندی را با مدل ارزان‌تر پیدا کنید. وقتی مطمئن شدید نما همان است که می‌خواهید، نسخهٔ نهایی را با مدل گران‌تر بسازید.
5. نوشته و لوگو را در تدوین اضافه کنید. کلیپ‌ها را در یک برنامهٔ تدوین کنار هم بگذارید و متن فارسی، زیرنویس و لوگو را همان‌جا رویشان بیاورید تا اختیارشان دست خودتان باشد.

برای ساختن فریم اول، از ChatGPT و Gemini گرفته تا Midjourney، گزینه کم نیست. اگر هنوز ابزار تصویرتان را انتخاب نکرده‌اید، مقایسهٔ هوش مصنوعی ساخت عکس به کارتان می‌آید.

پیش از انتشار هم دو نکته را جدی بگیرید. گوگل در راهنمای Gemini می‌گوید فقط عکسی را بارگذاری کنید که حق استفاده‌اش را دارید و ویدیویی برای فریب دادن، آزار یا آسیب زدن به دیگران نسازید و پخش نکنید. ساختن ویدیو از چهرهٔ آدم‌های واقعی بدون رضایت خودشان، حتی به شوخی، از همین دسته است.

خرید اشتراک هوش مصنوعی ساخت ویدیو از ایران و مراقبت از حساب

ایران هنوز در فهرست کشورهایی نیست که گوگل پلن‌های Google AI را در آن‌ها عرضه می‌کند و با کارت بانکی ایرانی هم نمی‌شود هزینهٔ این سرویس‌ها را مستقیم پرداخت کرد. برای همین بیشتر کاربران ایرانی از یک فروشنده می‌خرند. مطمئن‌ترین راه این است که اشتراک روی حساب و ایمیل خودتان فعال شود، نه روی حساب آماده‌ای که دیگران هم از آن استفاده می‌کنند.

اگر می‌خواهید ساخت ویدیو را با اشتراکی شروع کنید که از فروشگاه سواپ‌ولت هم می‌شود خرید، پلن‌های Gemini بیشترین کاربرد را دارند، چون هم ساخت ویدیو در اپ Gemini را دارند و هم اعتبار Flow را. Midjourney و SuperGrok هم به کار کسی می‌آیند که ویدیو را کنار تصویر یا گفت‌وگو می‌خواهد. هزینه را از موجودی کیف پول سواپ‌ولت می‌پردازید و وضعیت سفارش را در اپ دنبال می‌کنید. مقایسهٔ کلی‌تر اشتراک‌ها را در راهنمای خرید اشتراک هوش مصنوعی در ایران آورده‌ایم.

هیچ‌کس نمی‌تواند برای یک سرویس خارجی تضمین صددرصد بدهد، ولی چند عادت ساده پایداری حساب را خیلی بالا می‌برد:

• حساب را با ایمیلی بسازید که مال خودتان است و به آن دسترسی دارید.
• اشتراک و رمز را با کسی شریک نشوید؛ فرقش را در مقایسهٔ اکانت شخصی و اشتراکی توضیح داده‌ایم.
• اطلاعات ثبت‌نام را درست وارد کنید و ورود دومرحله‌ای حسابتان را روشن نگه دارید.
• ویدیوهای خوب را همان روز دانلود کنید و فقط به تاریخچهٔ سرویس تکیه نکنید.