پرامپت نویسی برای ساخت ویدیو با هوش مصنوعی؛ فرمول ۶ بخشی، مثال و اشتباهات رایج
پرامپت ویدیو با پرامپت تصویر فرق دارد؛ باید زمان، حرکت و دوربین را هم بنویسید. فرمول ۶ بخشی ما با مثال قبل و بعد.
فرمول کوتاه: پرامپت ویدیوی خوب این شش بخش را به ترتیب دارد: سوژه (چه کسی یا چه چیزی)، کنش (یک حرکت مشخص)، محیط (کجا و کِی)، دوربین (قاب و حرکت)، نور و حس، سبک (ظاهر نهایی). یک شات، یک کنش. پرامپت را به انگلیسی بنویسید، مگر مدل فارسی را خوب بفهمد.
پرامپت نویسی ویدیو با پرامپت تصویر یک فرق اساسی دارد: زمان. در تصویر، شما یک لحظه را توصیف می‌کنید. در ویدیو باید بگویید در آن چند ثانیه چه چیزی حرکت می‌کند، دوربین کجا می‌رود و صحنه از کجا به کجا می‌رسد.
بیشتر پرامپت‌هایی که خروجی بد می‌دهند، یا این را نادیده گرفته‌اند یا آن‌قدر چیز در یک شات چپانده‌اند که مدل گیج شده. بیایید هر دو را درست کنیم.
01فرمول ۶ بخشی پرامپت ویدیو
ترتیب مهم است. بیشتر مدلها به کلمات اول وزن بیشتری می‌دهند، پس مهم‌ترین چیز را اول بنویسید.
| بخش | سؤالی که جواب می‌دهد | مثال |
|---|---|---|
| ۱. سوژه | چه کسی یا چه چیزی؟ | مرد میانسال با ریش جوگندمی و پیش‌بند چرمی |
| ۲. کنش | دقیقاً چه کاری می‌کند؟ | فنجان قهوه را آرام روی پیشخوان می‌گذارد |
| ۳. محیط | کجا و چه زمانی؟ | کافه کوچک قدیمی، صبح زود، بخار از دستگاه اسپرسو |
| ۴. دوربین | چه قابی و چه حرکتی؟ | نمای بسته، دوربین آرام به عقب می‌کشد |
| ۵. نور و حس | چه حال‌وهوایی؟ | نور گرم پنجره از کنار، گرد و غبار در هوا، آرام |
| ۶. سبک | ظاهر نهایی شبیه چیست؟ | سینمایی، عمق میدان کم، رنگ‌بندی گرم |
02مثال: قبل و بعد
پرامپت ضعیف:
یک کافه زیبا با قهوه و آدم‌ها، سینمایی و باکیفیت
مدل حالا باید خودش تصمیم بگیرد: کدام آدم؟ چه کار می‌کند؟ دوربین کجاست؟ نتیجه معمولاً یک تصویر کلی و بی‌روح است که آدم‌هایش بی‌هدف تکان می‌خورند.
پرامپت بهتر (به انگلیسی، چون بیشتر مدلها بهتر میفهمند):
A middle-aged barista with a salt-and-pepper beard and a leather apron gently sets a cup of coffee on a wooden counter. Small vintage café, early morning, steam rising from the espresso machine. Close-up shot, the camera slowly pulls back to a medium shot. Warm side light from a window, dust particles floating in the air, calm mood. Cinematic, shallow depth of field, warm color grade.
همان شش بخش، به همان ترتیب. «سینمایی و باکیفیت» هم در آخر آمده، جایی که باید باشد؛ این کلمات سبک را تنظیم میکنند، محتوا را نه.
03واژه‌نامه حرکت دوربین
اگر فقط یک بخش این مقاله را حفظ کنید، این باشد. حرکت دوربین بیشترین تأثیر را روی حس «سینمایی» دارد و مدلها این اصطلاحات انگلیسی را خوب میفهمند.
| اصطلاح | یعنی | کِی استفاده کنیم |
|---|---|---|
| static shot | دوربین ثابت | دیالوگ، معرفی محصول |
| slow push in / dolly in | حرکت آرام به جلو | ساختن تعلیق، تمرکز روی جزئیات |
| pull back / dolly out | حرکت به عقب | آشکار کردن محیط، پایان‌بندی |
| tracking shot | دوربین همراه سوژه | دویدن، راه رفتن، حرکت ماشین |
| pan left / right | چرخش افقی | نشان دادن فضا |
| tilt up / down | چرخش عمودی | نشان دادن ارتفاع، معرفی کاراکتر |
| orbit shot | چرخش دور سوژه | نمایش محصول از همه زاویه‌ها |
| crane shot / drone shot | حرکت از بالا | نمای افتتاحیه، شهر، طبیعت |
| handheld | دوربین روی دست | حس مستند، تنش |
نکته: در هر شات فقط یک حرکت دوربین بنویسید. «دوربین به جلو می‌رود و دور سوژه می‌چرخد و بالا می‌رود» تقریباً همیشه یک حرکت لرزان و نامفهوم می‌سازد.
04۵ اشتباه رایج در پرامپت نویسی ویدیو
۱. چند کنش در یک شات
«مرد وارد کافه می‌شود، قهوه سفارش می‌دهد، می‌نشیند و روزنامه می‌خواند.» این چهار شات است، نه یکی. مدل یا فقط بخش اول را می‌سازد یا همه را در یک حرکت عجیب قاطی می‌کند.
۲. کلمات بی‌اثر
«فوق‌العاده»، «زیبا»، «باکیفیت»، «4K»، «شاهکار». این‌ها تقریباً هیچ اطلاعاتی به مدل نمی‌دهند. به‌جای «نور زیبا» بنویسید «نور طلایی غروب از پشت سوژه». به‌جای «باکیفیت» بنویسید «لنز ۵۰ میلی‌متری، عمق میدان کم».
۳. نوشتن چیزی که نمی‌خواهید
«بدون آدم در پس‌زمینه» گاهی دقیقاً آدم به پس‌زمینه اضافه می‌کند، چون کلمه «آدم» در پرامپت آمده. اگر مدل فیلد «negative prompt» جدا دارد، آنجا بنویسید. اگر ندارد، مثبت توصیف کنید: «خیابان خالی و خلوت».
۴. متن روی تصویر
هر متنی که می‌خواهید روی صفحه دیده شود، از اسم برند روی بسته‌بندی تا تابلو مغازه، را در پرامپت نیاورید. حتی مدل‌های ۲۰۲۶ هم متن را گاهی خراب میکنند و فارسی را تقریباً همیشه. متن را در تدوین اضافه کنید.
۵. پرامپت متنی وقتی تصویر مرجع دارید
اگر از تصویر شروع می‌کنید (image-to-video)، ظاهر را دوباره توصیف نکنید. مدل آن را از تصویر می‌بیند. پرامپت را روی حرکت و دوربین متمرکز کنید: «سوژه سرش را به سمت دوربین می‌چرخاند و لبخند می‌زند، دوربین آرام به جلو».
05پرامپت فارسی بنویسیم یا انگلیسی؟
بیشتر مدل‌های ویدیو روی داده انگلیسی و چینی آموزش دیده‌اند. پرامپت فارسی را میفهمند، اما جزئیات (مثل نوع حرکت دوربین یا اصطلاحات نور) گم می‌شود. روش ما: پرامپت را فارسی فکر کنید، به انگلیسی بنویسید، و اصطلاحات دوربین را همیشه انگلیسی نگه دارید.
استثنا: اگر کاراکتر باید دیالوگ فارسی بگوید، خود دیالوگ را فارسی و داخل گیومه بنویسید. ولی انتظار لب‌خوانی دقیق نداشته باشید. (در آموزش ساخت ویدیو با هوش مصنوعی راه‌حل‌هایش را گفته‌ایم.)
06از پرامپت تا تیزر
پرامپت خوب فقط یک شات خوب می‌سازد. تیزر از ده‌ها شات خوب ساخته می‌شود که با هم یک داستان تعریف کنند؛ و این کار سناریو است، نه پرامپت. اگر می‌خواهید آن قسمت را هم یاد بگیرید، سناریو نویسی تیزر تبلیغاتی را بخوانید.
تیم پرامپت‌نویسی و کارگردانی ما در Xeroframe همین کار را برای برندها انجام می‌دهد. اگر وقت آزمون و خطا ندارید، خدمات ساخت ویدیو با هوش مصنوعی را ببینید.
FAQسوالات متداول
پرامپت ویدیو باید چند کلمه باشد؟
معمولاً ۴۰ تا ۸۰ کلمه انگلیسی کافی است؛ به اندازهای که شش بخش سوژه، کنش، محیط، دوربین، نور و سبک را پوشش دهد. پرامپتهای خیلی طولانی احتمال نادیده گرفتن جزئیات را بیشتر میکنند.
چرا ویدیوی هوش مصنوعی من حرکت عجیب دارد؟
معمولاً به این دلیل که چند کنش یا چند حرکت دوربین را در یک شات خواسته‌اید. هر شات را به یک کنش و یک حرکت دوربین محدود کنید و شات‌ها را در تدوین به هم وصل کنید.
آیا میتوان پرامپت ویدیو را فارسی نوشت؟
مدلها فارسی را میفهمند، اما دقت جزئیات کمتر است. بهتر است پرامپت را انگلیسی بنویسید و فقط دیالوگهایی را که باید فارسی گفته شوند داخل گیومه فارسی بیاورید.
