آموزش سیدنس (Seedance 2.5)؛ راهنمای کامل فارسی از اولین ویدیو تا خروجی حرفه‌ای

بهمن ۱۴۰۴ چند کلیپ ساخته‌شده با Seedance 2.0 در شبکه‌های اجتماعی دست‌به‌دست شد که چهره بازیگرهای مشهور را با واقع‌نمایی عجیبی نشان می‌داد. کار به اعتراض هالیوود و تهدید حقوقی دیزنی کشید و ByteDance مجبور شد محدودیت‌های تازه‌ای اضافه کند.

آن ماجرا یک چیز را روشن کرد: سیدنس دیگر یک اسباب‌بازی نیست. این مقاله همان چیزی است که اگر امروز بخواهیم سیدنس را به یک عضو تازه تیم یاد بدهیم، به او می‌گوییم. از انتخاب نسخه شروع می‌کنیم و به جایی می‌رسیم که بیشتر آموزش‌ها از آن رد می‌شوند: سیستم رفرنس.

01سیدنس چیست؟

سیدنس خانواده‌ای از مدل‌های ساخت ویدیو با هوش مصنوعی است که تیم Seed در ByteDance ساخته. از متن، تصویر، ویدیو و صدا ورودی می‌گیرد و ویدیو را همراه صدای هم‌زمان (دیالوگ، افکت و صدای محیط) تحویل می‌دهد. فرق اصلی‌اش با بیشتر رقبا این است که به‌جای توصیف همه‌چیز با کلمه، می‌توانید فایل نشانش بدهید: این چهره، این محصول، این حرکت دوربین.

تا پایان مهر ۱۴۰۵، این نسخه‌ها در فهرست رسمی مدل‌های ByteDance فعال‌اند:

شایعه «Seedance 3.0» را هم احتمالاً دیده‌اید. تا ۸ آبان ۱۴۰۵ نه بلاگ رسمی Seed و نه فهرست مدل‌های Volcano Engine (پلتفرم ابری ByteDance) نسخه‌ای بالاتر از 2.5 نشان نمی‌دادند. سایت‌هایی که «Seedance 3» می‌فروشند، فعلاً چیزی برای فروش ندارند.

02Seedance 2.5 یا 2.0؟ کدام را انتخاب کنیم

جواب کوتاه: اگر شات شما بلندتر از ۱۵ ثانیه است یا برای ثابت نگه داشتن کاراکتر و محصول به رفرنس زیاد نیاز دارید، Seedance 2.5. اگر خروجی 1080p یا بالاتر برای شما حیاتی است و شات کوتاه است، فعلاً 2.0 را امتحان کنید. ByteDance می‌گوید 2.5 حدود ۲۰٪ بهتر از 2.0 پرامپت را اجرا می‌کند.

چرا «فعلاً»؟ چون درباره کیفیت تصویر 2.5 اطلاعات متناقض است. در رونمایی از خروجی 4K حرف زده شد. اما مستندات ModelArk، یعنی API بین‌المللی ByteDance در BytePlus، می‌گوید 2.5 فعلاً روی این مسیر فقط 480p و 720p می‌سازد. نسخه چینی همین سرویس 1080p را فهرست کرده و پلتفرم‌های واسط هم هر کدام عدد خودشان را دارند.

توصیه ما ساده است: قبل از اینکه اعتبار زیادی بخرید، در همان پلتفرمی که می‌خواهید کار کنید یک کلیپ آزمایشی بسازید، فایل را دانلود کنید و ابعادش را خودتان ببینید. عددی که در صفحه فروش نوشته شده، الزاماً همان چیزی نیست که تحویل می‌گیرید.

یک نکته دیگر که در برنامه‌ریزی مهم است: زمان. در آزمایش Krea، یک کلیپ ۶ ثانیه‌ای 1080p با ۱۰ تصویر مرجع حدود ۹ و نیم دقیقه و یک کلیپ ۱۵ ثانیه‌ای با صدا حدود ۱۲ دقیقه طول کشید. اگر برای هر شات ده بار ساخت لازم دارید (که معمولاً دارید)، این عدد در ده ضرب می‌شود.

03از کجا به سیدنس دسترسی داریم؟

سه مسیر رسمی وجود دارد و یک دنیا مسیر غیررسمی:

• Dreamina: پلتفرم رسمی ByteDance برای سازنده‌ها در نشانی dreamina.capcut.com. کامل‌ترین امکانات سیدنس خارج از چین همین‌جاست: بخش AI Video، انتخاب مدل، بارگذاری فایل و رفرنس با @.
• CapCut: Seedance 2.5 از ۹ مرداد ۱۴۰۵ به‌تدریج در CapCut برای اروپا، آسیا، خاورمیانه و آمریکای جنوبی فعال شده. برای کسی که ریلز می‌سازد و تدوین را هم در CapCut انجام می‌دهد، راحت‌ترین مسیر است.
• API: برای برنامه‌نویس‌ها و تیم‌هایی که می‌خواهند ساخت را خودکار کنند، از طریق ModelArk در BytePlus (نسخه بین‌المللی) یا Volcano Engine (نسخه چینی).
• پلتفرم‌های واسط: سرویس‌هایی مثل fal، OpenRouter، Krea و Higgsfield سیدنس را کنار مدل‌های دیگر ارائه می‌دهند. گاهی ارزان‌ترند و گاهی محدودیت‌های متفاوتی دارند.

یک هشدار جدی: سایت‌هایی که اسم Seedance در دامنه‌شان است، الزاماً مال ByteDance نیستند. بسیاری از آن‌ها سرویس واسط یا حتی صفحه تبلیغاتی‌اند. قبل از پرداخت، ببینید سایت به کدام مسیر رسمی وصل است.

برای کاربر ایرانی هم واقعیت این است که بیشتر این مسیرها حساب خارجی و پرداخت ارزی می‌خواهند و دسترسی‌شان ممکن است بی‌خبر تغییر کند. پروژه‌ای را که مهلت دارد به یک حساب و یک پلتفرم گره نزنید.

04سه حالت ساخت ویدیو در سیدنس

بیشتر کار حرفه‌ای در حالت سوم انجام می‌شود. حالت اول برای اسکچ زدن است، نه خروجی نهایی.

05آموزش قدم‌به‌قدم: اولین ویدیو با سیدنس

1. یک شات انتخاب کنید، نه یک تیزر. اولین ساخت را روی یک شات ۵ تا ۸ ثانیه‌ای با یک کنش ساده بگذارید. اشتباه رایج: چون 2.5 تا ۳۰ ثانیه می‌سازد، کل تیزر را در یک درخواست می‌خواهند و نتیجه یک برداشت طولانی است که وسطش چهره‌ها عوض می‌شوند.
2. تصویرهای مرجع را آماده کنید. کاراکتر از روبه‌رو با نور یکنواخت، محصول روی پس‌زمینه ساده، لوکیشن بدون آدم. می‌توانید این‌ها را با یک مدل تصویر مثل Nano Banana Pro یا Seedream بسازید. اشتباه رایج: عکس شلوغی که سه آدم و دو محصول در آن است؛ مدل نمی‌داند کدام را بردارد.
3. وارد Dreamina شوید و مدل را انتخاب کنید. AI Video را باز کنید و Seedance 2.5 یا 2.0 را بر اساس بخش ۲ انتخاب کنید.
4. فایل‌ها را بارگذاری کنید. هر فایل یک اسم می‌گیرد (مثل Image1). این اسم را در پرامپت با @ صدا می‌زنید.
5. پرامپت را با نقش هر رفرنس شروع کنید. اول بگویید هر فایل چه کاره است، بعد صحنه را توصیف کنید. جزئیاتش در بخش بعد آمده.
6. تنظیمات را با کیفیت پایین شروع کنید. نسبت تصویر (۱۶:۹ برای یوتیوب، ۹:۱۶ برای ریلز)، مدت و کیفیت را انتخاب کنید. برای پیش‌نمایش کیفیت پایین بگیرید؛ Volcano Engine برای 2.5 حتی یک حالت پیش‌نویس دارد که ساخت اول را با نرخ 480p حساب می‌کند.
7. چند نسخه بگیرید و سخت‌گیر باشید. از هر پرامپت چند نسخه بسازید، بهترین را انتخاب کنید و فقط همان را با کیفیت نهایی دوباره بسازید. اشتباه رایج: کنار آمدن با نسخه‌ای که «تقریباً خوب» است؛ بیننده دست شش‌انگشتی را شاید آگاهانه نبیند، اما حس می‌کند.

06سیستم رفرنس @؛ مهارتی که سیدنس را از بقیه جدا می‌کند

اگر فقط یک چیز از این مقاله یادتان بماند، این باشد: هر فایلی که بارگذاری می‌کنید باید در پرامپت یک نقش مشخص بگیرد. فایلی که نقش ندارد، مدل خودش برایش تصمیم می‌گیرد؛ و معمولاً اشتباه.

قاعده‌ای که راهنمای Luma Labs برای سیدنس می‌دهد، دقیق‌ترین خلاصه‌ای است که دیده‌ایم: متن کارگردانی می‌کند، تصویر ظاهر را حفظ می‌کند، ویدیو حرکت و دوربین را راهنمایی می‌کند و صدا ریتم و دیالوگ را.

سقف ۳۰ تصویر در 2.5 وسوسه‌انگیز است، ولی سقف است، نه هدف. رفرنس‌های متناقض (مثلاً دو عکس از یک کاراکتر با نور و سن متفاوت) مدل را گیج‌تر می‌کنند، نه دقیق‌تر. برای بیشتر شات‌ها سه تا شش رفرنس کافی است: یکی برای چهره، یکی برای محصول، یکی برای لوکیشن و اگر لازم بود یک ویدیو برای حرکت.

محدودیت دیگری هم هست که دیر کشف می‌شود: مجموع طول ویدیوهای مرجع و مجموع طول صداهای مرجع هر کدام حداکثر ۳۰ ثانیه است. و در بعضی APIها، ویدیوی مرجع جدا از خروجی هزینه دارد.

07پرامپت سیدنس را چطور بنویسیم؟ (با نمونه)

ترتیبی که برای پرامپت سیدنس پیشنهاد می‌کنیم:

1. نقش رفرنس‌ها
2. سوژه و یک کنش
3. یک حرکت دوربین
4. نور و حس
5. صدا

همان قاعده همیشگی پرامپت ویدیو اینجا هم صدق می‌کند: یک شات، یک کنش، یک حرکت دوربین. (فرمول کامل در راهنمای پرامپت نویسی ویدیو با هوش مصنوعی.)

بیایید همان برند فرضی «دم‌نوش ۹۰» را بیاوریم که در آموزش سناریو نویسی تیزر برایش سناریو نوشتیم. شات «نتیجه»: مرد جوانی که بالاخره صبح آرامی دارد. سه تصویر مرجع داریم: چهره کاراکتر، لیوان و ساشه قهوه، و آشپزخانه.

@Image1 is the main character, a young man in a white shirt; keep his face consistent. @Image2 is the product, a glass mug of coffee next to a small paper sachet; keep the sachet's shape and colors. @Image3 is the location, a small apartment kitchen in the early morning. The man lifts the steaming mug and takes the first slow sip, his shoulders relax. Medium shot, the camera slowly pushes in to a close-up of his face. Warm morning light from the window, dust in the air, calm mood. Cinematic, shallow depth of field, warm color grade. Sound: a soft sip, distant city morning ambience, no music.

چرا این پرامپت کار می‌کند؟ هر رفرنس نقش دارد. فقط یک کنش هست (نوشیدن) و یک حرکت دوربین (حرکت آرام به جلو). صدا توصیف شده، چون سیدنس آن را همراه تصویر می‌سازد و اگر چیزی نگویید، خودش برای صدا تصمیم می‌گیرد. و هیچ متنی روی بسته نخواسته‌ایم؛ اسم برند را در تدوین اضافه می‌کنیم، چون متن هنوز نقطه ضعف همه مدل‌هاست.

دیالوگ در سیدنس

هر چه داخل گیومه بنویسید، کاراکتر همان را می‌گوید. پس جمله را کوتاه نگه دارید تا در مدت کلیپ جا شود. دیالوگ فارسی را هم می‌شود خواست، ولی لب‌خوانی فارسی هنوز طبیعی نیست؛ راه‌حل‌هایش را در آموزش ساخت ویدیو با هوش مصنوعی گفته‌ایم.

08محدودیت‌ها و اشتباه‌هایی که اعتبار هدر می‌دهند

برداشت ۳۰ ثانیه‌ای یک‌نفس

اینکه مدل ۳۰ ثانیه می‌سازد، معنی‌اش این نیست که چهره در تمام ۳۰ ثانیه ثابت می‌ماند. هر چه برداشت بلندتر، احتمال خرابی بیشتر و هزینه هر بار شکست هم بیشتر. ما هنوز شات‌های کوتاه‌تر را ترجیح می‌دهیم و در تدوین وصلشان می‌کنیم. ۳۰ ثانیه را برای جایی نگه دارید که واقعاً یک برداشت پیوسته لازم است، مثل حرکت دوربین در یک فضای بزرگ.

متن و لوگو روی تصویر

اسم برند روی بسته، تابلو مغازه و زیرنویس را از پرامپت بیرون بگذارید. مدل‌های ویدیو متن انگلیسی را گاهی درست می‌نویسند و فارسی را تقریباً هیچ‌وقت.

چهره آدم واقعی

بعد از ماجرای هالیوود، ByteDance محدودیت‌هایی برای ساخت چهره افراد مشهور اضافه کرد. حتی اگر پلتفرمی جلویتان را نگیرد، ساخت چهره و صدای آدم واقعی بدون رضایت کتبی هم ریسک حقوقی دارد و هم ریسک اعتباری.

برچسب AI

سیدنس متادیتای C2PA را خودکار به فایل اضافه می‌کند و اینستاگرام و یوتیوب از روی همین برچسب «ساخته‌شده با هوش مصنوعی» می‌زنند. پاکش نکنید؛ جزئیات را در قوانین برچسب ویدیوهای هوش مصنوعی نوشته‌ایم.

09سیدنس برای چه پروژه‌ای مناسب است و برای چه نه؟

سیدنس جایی می‌درخشد که باید چیزی را در چند شات ثابت نگه دارید: کاراکتر برند، محصول، یک لوکیشن خیالی. تیزرهای تبلیغاتی، صحنه‌های غیرممکن، نسخه‌های مختلف یک ریلز و کلیپ‌هایی که باید با ریتم موسیقی کات بخورند، همه جای سیدنس‌اند.

جایی که هنوز به آن اعتماد نمی‌کنیم: نمای خیلی بسته از محصولی که هر جزئیاتش مهم است (جواهر، رنگ دقیق رژلب، صفحه گوشی) و هر جا که آدم واقعی باید دیده شود. این‌ها را با دوربین واقعی می‌گیریم و بقیه را با هوش مصنوعی؛ ترکیبی که در مقایسه ویدیو هوش مصنوعی و فیلمبرداری واقعی توضیح داده‌ایم.

سیدنس هم یکی از ابزارهاست، نه همه آن‌ها. تعطیلی Sora نشان داد گره زدن کل کار به یک مدل چقدر خطرناک است؛ مقایسه کامل مدل‌ها را در مرور مدل‌های ساخت ویدیو با هوش مصنوعی ۲۰۲۶ ببینید. و اگر وقت آزمون و خطا ندارید، تیم ما در خدمات ساخت ویدیو با هوش مصنوعی همین کار را برای برندها انجام می‌دهد.

FAQسوالات متداول

این مقاله با هر نسخه تازه سیدنس به‌روز می‌شود. آخرین بازبینی: ۱۴ آبان ۱۴۰۵