آموزش Google Flow؛ ساخت ویدیو با Veo و Gemini Omni قدم‌به‌قدم

فرض کنید برای برند فرضی «دم‌نوش ۹۰» یک شات هشت‌ثانیه‌ای لازم دارید: بخار از لیوان بلند می‌شود و دوربین آرام جلو می‌رود. پرامپت را در Flow می‌نویسید، دکمه ساخت را می‌زنید و دو ویدیو تحویل می‌گیرید. یکی خوب است و یکی دست شش‌انگشتی دارد. هر دو را هم حساب کرده‌اند.

بیشتر کسانی که با Flow شروع می‌کنند، اعتبار روز اول را همین‌طور تمام می‌کنند: با تنظیم پیش‌فرض، با مدل گران و با پرامپتی که سه کار را با هم می‌خواهد. این آموزش ترتیبی است که در Xeroframe Studio برای کار با Flow پیشنهاد می‌کنیم؛ از شناخت مدل‌ها و حساب اعتبار شروع می‌کند و به ابزارهایی می‌رسد که Flow را از یک جعبه پرامپت ساده جدا می‌کنند.

01Google Flow چیست؟

Flow را گوگل ۳۰ اردیبهشت ۱۴۰۴ (۲۰ مه ۲۰۲۵) در رویداد I/O معرفی کرد. ایده‌اش این است که به‌جای ساختن یک کلیپ جدا، صحنه بسازید: کلیپ‌ها را کنار هم بچینید، ادامه بدهید، شیء اضافه و کم کنید و در آخر یک خروجی یک‌دست بگیرید. به زبان ساده، Flow یک میز تدوین است که مدل‌های ساخت ویدیو با هوش مصنوعی گوگل داخلش نشسته‌اند.

از آن روز Flow چند بار بزرگ شده. بهمن ۱۴۰۴ دو ابزار تصویری گوگل، Whisk و ImageFX، داخل Flow ادغام شدند و ساخت تصویر و ویدیو یک‌جا شد. ۲۹ اردیبهشت ۱۴۰۵ هم در I/O 2026، مدل Gemini Omni Flash برای ساخت و ویرایش گفت‌وگومحور، Flow Agent به‌عنوان دستیاری که از ایده تا تدوین کمک می‌کند، بخش Tools برای ساختن ابزارهای سفارشی و نسخه موبایل به آن اضافه شدند. به همین دلیل خیلی از آموزش‌های فارسی که سال گذشته نوشته شده‌اند، دیگر با صفحه‌ای که امروز می‌بینید جور درنمی‌آیند.

02کدام مدل‌ها داخل Flow کار می‌کنند؟

Flow خودش مدل نیست؛ ظرفی است که چند مدل را کنار هم می‌گذارد. انتخاب مدل درست، بیشترین اثر را روی هزینه و کیفیت دارد:

اگر می‌خواهید بدانید Veo در مقایسه با Seedance و Kling کجا می‌ایستد، مرور مدل‌های ساخت ویدیو با هوش مصنوعی ۲۰۲۶ را ببینید. کوتاهش این است: نقطه قوت Veo صدای هم‌زمان و فیزیک طبیعی است و نقطه قوت Flow ابزارهای اطراف مدل.

03قیمت Google Flow و حساب اعتبار

Flow با اعتبار (credit) کار می‌کند و هر ساخت، بسته به مدل، مقداری از آن را برمی‌دارد. پلن‌ها در زمان نوشتن این مقاله این‌ها هستند:

هزینه هر ساخت: Veo 3.1 Lite حدود ۱۰ اعتبار، Fast حدود ۲۰ اعتبار (در Ultra نصف هر دو) و Quality حدود ۱۰۰ اعتبار. حالا نکته‌ای که کمتر کسی می‌گوید: Flow به‌طور پیش‌فرض برای هر درخواست دو ویدیو می‌سازد و هزینه هر دو را کم می‌کند. یعنی با حساب رایگان و تنظیم پیش‌فرض، روزی دو درخواست Lite بیشتر نمی‌توانید بزنید. اگر خروجی را روی یک بگذارید، همان ۵۰ اعتبار به پنج کلیپ می‌رسد.

این عددها را گوگل چند بار عوض کرده و باز هم ممکن است عوض کند. قبل از خرید پلن، هزینه هر مدل را در منوی تنظیمات خود Flow نگاه کنید.

04دسترسی به Flow از ایران

Flow با حساب گوگل باز می‌شود، اما ایران در فهرست کشورهایی که گوگل این سرویس را در آن‌ها ارائه می‌دهد نیست. کاربر ایرانی برای استفاده عملاً به حساب و پرداخت خارجی نیاز دارد و دسترسی ممکن است بی‌خبر قطع شود. Flow الان در بیش از ۱۴۰ کشور ارائه می‌شود. یک نکته دیگر: Gemini Omni Flash فقط برای مشترکان پولی Google AI (Plus، Pro و Ultra) باز است و حساب رایگان به آن دسترسی ندارد.

توصیه ما برای کار سفارشی: پروژه‌ای را که مهلت تحویل دارد به یک حساب و یک ابزار گره نزنید. اگر Flow در روز تحویل باز نشد، باید بدانید شات را با کدام مدل دیگر می‌سازید.

05آموزش قدم‌به‌قدم: اولین ویدیو در Google Flow

1. وارد flow.google شوید و یک پروژه تازه بسازید. هر پروژه کلیپ‌ها و تصویرهای خودش را نگه می‌دارد. برای هر تیزر یا هر مشتری یک پروژه جدا بسازید تا مرجع‌ها قاطی نشوند.
2. اول تنظیمات را درست کنید. نسبت تصویر (۱۶:۹ برای یوتیوب، ۹:۱۶ برای ریلز)، مدل و تعداد خروجی را انتخاب کنید. اشتباه رایج: ساخت با تنظیم پیش‌فرض دو خروجی و مدل Quality، که یک درخواست را به حدود ۲۰۰ اعتبار می‌رساند.
3. حالت ساخت را انتخاب کنید. متن به ویدیو برای پیدا کردن حس صحنه، Frames to Video وقتی قاب اول را از قبل دارید، Ingredients to Video وقتی کاراکتر یا محصول باید ثابت بماند. جزئیات هر کدام در بخش بعد آمده.
4. اگر مرجع لازم دارید، اول تصویر بسازید. با Nano Banana داخل خود Flow یا هر مدل تصویر دیگر، کاراکتر را از روبه‌رو با نور یکنواخت و محصول را روی پس‌زمینه ساده بسازید. عکس شلوغ مرجع خوبی نیست؛ مدل نمی‌فهمد کدام بخشش مهم است.
5. پرامپت را برای یک شات بنویسید. سوژه، یک کنش، یک حرکت دوربین، نور و صدا. Veo صدا را همراه تصویر می‌سازد؛ اگر درباره صدا چیزی ننویسید، خودش تصمیم می‌گیرد.
6. با Lite پیش‌نمایش بگیرید. حرکت، ترکیب‌بندی و ریتم را در نسخه ارزان بسنجید. فقط وقتی پرامپت جا افتاد، همان را با Fast یا Quality دوباره بسازید.
7. کلیپ خوب را به Scenebuilder ببرید. آنجا می‌توانید ادامه‌اش بدهید، کلیپ بعدی را کنارش بگذارید و در آخر با upscale خروجی بگیرید (4K فقط در Ultra).

06ابزارهای اصلی Flow؛ چیزی که آن را از یک جعبه پرامپت جدا می‌کند

Frames to Video

یک تصویر را به‌عنوان قاب اول (و در صورت نیاز یک تصویر دیگر را به‌عنوان قاب آخر) می‌دهید و Flow حرکت بین آن‌ها را می‌سازد. وقتی ترکیب‌بندی را قبلاً طراحی کرده‌اید و نمی‌خواهید مدل آن را عوض کند، این حالت امن‌ترین انتخاب است.

Ingredients to Video

چند تصویر مرجع، مثلاً چهره کاراکتر، محصول و لوکیشن، را به‌عنوان مواد اولیه می‌دهید و مدل آن‌ها را در یک صحنه ترکیب می‌کند. برای تیزرهایی که یک کاراکتر یا محصول باید در چند شات یکی بماند، کار اصلی همین‌جاست.

Extend

کلیپ را از قاب آخرش ادامه می‌دهد. با Extend می‌شود از کلیپ ۸ ثانیه‌ای به شات بلندتر رسید، ولی هر چه بیشتر ادامه بدهید، احتمال اینکه چهره یا جزئیات محصول کم‌کم عوض شود بیشتر است. ما معمولاً بیشتر از یکی دو بار ادامه نمی‌دهیم و بقیه را در تدوین با کات حل می‌کنیم.

Insert و Remove Object

شیئی را به صحنه اضافه یا از آن حذف می‌کنید، بدون اینکه کل کلیپ دوباره ساخته شود. برای پاک کردن یک لیوان اضافه روی میز یا گذاشتن محصول در دست کاراکتر کاربرد دارد.

کنترل دوربین و Scenebuilder

حرکت دوربین را می‌شود از منو انتخاب کرد، نه فقط با نوشتن در پرامپت. Scenebuilder هم همان تایم‌لاینی است که کلیپ‌ها را در آن پشت هم می‌چینید. اگر اسم حرکت‌ها و قاب‌ها برایتان آشنا نیست، راهنمای انواع قاب‌ها و نماها در فیلمبرداری را اول بخوانید؛ همان زبانی است که Flow هم می‌فهمد.

07ویرایش با Gemini Omni Flash

Omni Flash تازه‌ترین بخش Flow است و روش کار را عوض کرده. به‌جای اینکه برای هر تغییر پرامپت را از نو بنویسید و دوباره بسازید، با کلیپ حرف می‌زنید: «نور را غروب کن»، «پیراهن را سفید کن»، «لیوان را به دست چپش بده». Omni کلیپ‌هایی تا ۱۰ ثانیه می‌سازد و ویدیویی را که خودتان بارگذاری می‌کنید (تا ۶۰ ثانیه) هم ویرایش می‌کند، البته هر بار یک تکه ۱۰ ثانیه‌ای.

دو نکته از کار با Omni:

• هر پیام، یک تغییر. وقتی سه تغییر را در یک پیام بخواهید، معمولاً یکی‌شان اجرا نمی‌شود و یکی دیگر چیزی را خراب می‌کند که نمی‌خواستید.
• بگویید چه چیزی نباید عوض شود. جمله‌ای مثل «چهره و حرکت دوربین را دست نزن» جلوی خیلی از تغییرهای ناخواسته را می‌گیرد.

08پرامپت Google Flow با نمونه

قاعده همیشگی پرامپت ویدیو در Flow هم صدق می‌کند: یک شات، یک کنش، یک حرکت دوربین. فرمول کامل را در راهنمای پرامپت نویسی ویدیو با هوش مصنوعی نوشته‌ایم. شات «دم‌نوش ۹۰» از ابتدای مقاله، با یک تصویر مرجع از کاراکتر در حالت Ingredients to Video:

A young man in a white shirt stands by the window of a small apartment kitchen in the early morning. He lifts a steaming glass mug and takes the first slow sip; his shoulders relax. Medium shot, the camera slowly pushes in. Soft golden window light, light steam in the air. Sound: quiet kitchen ambience, a soft exhale after the sip, no music. No text on screen.

چرا این پرامپت کار می‌کند؟ یک کنش دارد (نوشیدن)، یک حرکت دوربین (حرکت آرام به جلو) و صدا را توصیف کرده تا Veo موسیقی دلخواه خودش را روی صحنه نگذارد. جمله آخر هم جلوی متن‌های بی‌معنی روی تصویر را می‌گیرد. پرامپت را انگلیسی بنویسید؛ جزئیات دوربین و نور در انگلیسی دقیق‌تر اجرا می‌شود.

اگر کاراکتر باید جمله‌ای بگوید، آن را داخل گیومه بنویسید و کوتاه نگه دارید تا در ۸ ثانیه جا شود. دیالوگ فارسی را هم می‌شود خواست، ولی لب‌خوانی فارسی هنوز طبیعی نیست؛ راه‌حل‌هایش را در آموزش ساخت ویدیو با هوش مصنوعی آورده‌ایم.

09محدودیت‌ها و اشتباه‌هایی که اعتبار هدر می‌دهند

ساخت مستقیم با Quality

هر ساخت Quality حدود ده برابر Lite هزینه دارد. پرامپتی که هنوز جا نیفتاده، در Quality هم جا نمی‌افتد؛ فقط گران‌تر خراب می‌شود.

انتظار تیزر کامل از یک درخواست

Veo حداکثر ۸ ثانیه می‌سازد. تیزر ۳۰ ثانیه‌ای یعنی چند شات جدا که در Scenebuilder یا نرم‌افزار تدوین کنار هم می‌نشینند. کسی که این را از اول بداند، سناریو را هم شات‌به‌شات می‌نویسد.

متن و لوگو روی تصویر

اسم برند، تابلو مغازه و زیرنویس را از پرامپت بیرون بگذارید و در تدوین اضافه کنید. متن فارسی تقریباً همیشه خراب درمی‌آید.

چهره آدم واقعی و برچسب AI

Flow ساخت چهره افراد مشهور را محدود کرده و روی خروجی‌ها واترمارک نامرئی SynthID می‌گذارد. ساخت چهره یا صدای آدم واقعی بدون رضایت کتبی ریسک حقوقی دارد؛ قواعد برچسب‌گذاری پلتفرم‌ها را هم در قوانین برچسب ویدیوهای هوش مصنوعی نوشته‌ایم.

Flow برای چه کاری مناسب نیست؟

نمای خیلی بسته از محصولی که هر جزئیاتش مهم است، مثل جواهر یا صفحه گوشی، و پروژه‌ای که کاراکترش باید در بیست شات بی‌کم‌وکاست یکی بماند. برای دومی سیستم رفرنس سیدنس فعلاً دست بازتری می‌دهد. Flow برای ایده‌پردازی سریع، شات‌های طبیعت و محیط، و هر جا که صدای هم‌زمان مهم است، انتخاب خوبی است.

FAQسوالات متداول

این مقاله با هر تغییر مهم در Google Flow به‌روز می‌شود. آخرین بازبینی: ۱۷ آبان ۱۴۰۵