یک نانوایی کوچک برای شروع ریلزهایش یک تیتراژ ده‌ثانیه‌ای می‌خواهد: یک کروسان خمیری که صبح بیدار میشود و کش‌وقوس می‌آید. انیماتور ندارد و برنامهٔ انیمیشن‌سازی هم بلد نیست. ساخت انیمیشن با هوش مصنوعی در گیسو یعنی سبک انیمیشن و صحنه را در یک پرامپت ویدیو می‌نویسید و Veo 3.1 یا Sora 2 کلیپی ۴ تا ۱۲ ثانیهای همراه صدا میسازد؛ فیلم بلندتر از کنار هم گذاشتن چند کلیپ در یک برنامهٔ تدوین درمیآید. این راهنما سبک‌ها، پرامپت، یک نمونهٔ واقعی و قدم‌های ساخت را نشان می‌دهد.
سبک‌های انیمیشن که مدل‌های ویدیو می‌سازند
مدل‌های ویدیو مدل جداگانه‌ای برای انیمیشن ندارند؛ همان مدل‌ها وقتی سبک را در پرامپت بخوانند، به‌جای فیلم واقعی انیمیشن می‌سازند. کلمههای سبک را به انگلیسی بنویسید؛ این‌ها بیشتر از هر صفتی روی نتیجه اثر دارند:
| سبک | در پرامپت بنویسید | به چه کاری می‌آید |
|---|---|---|
| خمیری و استاپ‌موشن | claymation stop-motion, visible fingerprints, slightly jerky motion | تیتراژ و تبلیغ صمیمی، محصول خوراکی و دست‌ساز |
| کارتونی سه‌بعدی | 3D cartoon, soft rounded shapes, bright colours | معرفی محصول و ویدیوی شاد برای شبکه‌های اجتماعی |
| دوبعدی با طراحی دستی | hand-drawn 2D animation, flat colours, ink outlines | داستان کوتاه، ویدیوی آموزشی و حال‌وهوای کتاب مصور |
| کاغذی | paper cut-out animation, layered paper, soft shadows | توضیح یک ایده با چند لایهٔ ساده |
| موشن‌گرافیک ساده | simple flat motion graphics, geometric shapes | پس‌زمینهٔ متحرک، لوپ و ویدیوی معرفی |
نام استودیو، فیلم یا هنرمند مشخصی را در پرامپت ننویسید و شبیه‌سازی شخصیت‌های یک اثر معروف را هم نخواهید. سبک را با کلمههای بالا توصیف کنید؛ نتیجه را بهتر پیش‌بینی می‌کنید و از قاعده‌های سرویس‌دهنده هم بیرون نمی‌زنید.
تبدیل متن به انیمیشن: از ایدهٔ فارسی تا پرامپت کامل
لازم نیست پرامپت انگلیسی را خودتان بنویسید. ایده را به فارسی بدهید و ساختار را بخواهید: سبک، سوژه، حرکت به ترتیب زمان، دوربین، نور، صدا. ایدهٔ همان کروسان را به gemini-3.8-flash دادیم:
- سبک: انیمیشن خمیری استاپ‌موشن، با جای انگشت روی خمیر و حرکت کمی بریده‌بریده.
- مدت ۴ ثانیه، قاب افقی، یک نما.
- پرامپت باید به این ترتیب باشد: سبک، سوژه، حرکت به ترتیب زمان، دوربین، نور، صدا.
- بگویید هیچ نوشته، حرف یا لوگویی در تصویر نباشد.
فقط خود پرامپت را بنویسید، حداکثر ۹۰ کلمه.
Claymation stop-motion animation with visible fingerprints and subtle jerky movement. A raw dough croissant on a bakery counter. First, it slowly puffs up and opens sleepy dough eyes, then arches its curved pastry body backward in a deep morning stretch, settling softly. Fixed horizontal eye-level shot, single continuous 4-second take. Warm, soft morning sunlight streaming across the flour-dusted wooden counter. Ambient bakery silence with a tiny squeaky dough-yawn and subtle squishy clay-shifting sound effects. No text, letters, or logos anywhere in the frame.
همهٔ بخش‌ها سر جایشان‌اند: سبک در جملهٔ اول، حرکت به ترتیب زمان («اول پف می‌کند و چشم باز می‌کند، بعد کش‌وقوس می‌آید»)، یک نمای ثابت، نور صبح و حتی صدای کش‌وقوس. «No text» را هم آخرش گذاشته؛ مدل‌های ویدیو اگر نگویید، گاهی حروف ساختگی روی اشیا می‌کشند. ولی یک نکتهٔ ریز دارد: «خمیری» در فارسی هم یعنی خمیر مجسمه‌سازی و هم خمیر نان، و مدل سوژه را «raw dough croissant» (کروسان از خمیر نان) نوشته، در حالی که سبک را claymation گذاشته است. اگر منظورتان دقیقاً خمیر مجسمه‌سازی است، بنویسید «از خمیر مجسمه‌سازی (clay)». در «تولید محتوا» دکمهٔ «تکمیل پرامپت» هم همین کار را می‌کند؛ با یک مدل سبک اجرا میشود و هزینهٔ خیلی کمی دارد.
ساخت انیمیشن با هوش مصنوعی در گیسو، قدم‌به‌قدم
- ابزار ویدیو را باز کنید. «تولید محتوا» و بعد «تولید ویدیو».
- قاب را انتخاب کنید. افقی برای یوتیوب و تیتراژ، عمودی برای ریلز و استوری.
- بودجه را انتخاب کنید. گزینه‌های «بودجه و کیفیت» با مدل‌های Veo ساخته می‌شوند؛ Sora را از «تنظیمات بیشتر» انتخاب می‌کنید. مدت در Veo ۴، ۶ یا ۸ ثانیه است و در Sora ۴، ۸ یا ۱۲ ثانیه.
- پرامپت را بنویسید. سبک اول، بعد سوژه، حرکت به ترتیب زمان، دوربین، نور و صدا؛ یا ایدهٔ کوتاه فارسی را بنویسید و «تکمیل پرامپت» را بزنید.
- هزینه را ببینید و بسازید. «هزینهٔ تقریبی» کنار دکمه است. ساختن یک تا چند دقیقه طول می‌کشد و می‌توانید صفحه را ببندید؛ کلیپ ساخته میشود و در «آرشیو آثار» میماند. اگر ساخته نشود یا سرویس‌دهنده ردش کند، کل هزینه خودکار به اعتبارتان برمیگردد.
اگر پیش از شروع می‌خواهید کار را روی صفحهٔ واقعی ببینید، فیلم یک‌دقیقه‌ای «ساخت ویدیو» در بخش آموزش‌های گیسو قدم‌ها را نشان می‌دهد. صفحهٔ ساخت ویدیو با هوش مصنوعی هم مدل‌ها و قاب‌ها را یک‌جا معرفی می‌کند.
پرامپت انیمیشن را این‌طور بنویسید
یک پرامپت کامل دوبعدی برای کپی کردن، که هیچ آدمی در آن نیست:
هر بخش کار خودش را می‌کند. جملهٔ سبک اول می‌آید تا مدل از همان ابتدا بداند فیلم واقعی نسازد. یک سوژه و یک کار اصلی؛ در ۴ تا ۸ ثانیه بیش از یکی دو حرکت جا نمی‌شود. ترتیب زمانی با «then» حرکت را مرتب می‌کند. دوربین را بگویید، وگرنه مدل خودش تصمیم می‌گیرد. و چون کلیپ با صدا ساخته میشود، صدا را هم توصیف کنید؛ صدای باران و یک نت پیانو حس صحنه را میسازد. برای جزئیات بیشتر پرامپت ویدیو، نوشتن پرامپت ویدیو را بخوانید و برای ایده گرفتن، پرامپت‌های آمادهٔ ویدیو را با نمونهٔ واقعی هر کدام ببینید.
اشتباه‌های رایج در پرامپت انیمیشن
- چند کار در یک کلیپ: «بیدار میشود، می‌دود، می‌پرد و چای می‌ریزد» در ۴ ثانیه جا نمی‌شود؛ مدل یا نصفه میسازد یا همه را شتاب‌زده. یک یا دو حرکت بنویسید.
- دو سبک با هم: «claymation» و «anime» در یک پرامپت نتیجه‌ای بی‌هویت می‌دهد. یک سبک انتخاب کنید و همان را نگه دارید.
- نوشته در کادر: عنوان یا نام برند را از مدل ویدیو نخواهید؛ حروف را درست نمی‌کشد. عنوان را بعداً در برنامهٔ تدوین اضافه کنید.
- گفت‌وگوی فارسی: صدا همراه کلیپ ساخته میشود، ولی برای حرف زدن شخصیت‌ها به فارسی قولی نیست. صدای محیط و موسیقی را توصیف کنید و اگر گوینده لازم است، صدا را جدا بسازید و روی ویدیو بگذارید.
- حرکت دوربین پیچیده: «دوربین دور می‌زند، زوم می‌کند و از بالا پایین می‌آید» در یک نمای کوتاه کمتر درست درمیآید. یک حرکت ساده یا نمای ثابت بخواهید.
انیمیشن برای کسب‌وکار: چند ایدهٔ کوتاه
انیمیشن کوتاه برای کسب‌وکار کوچک بیشتر از همه این‌جاها به کار می‌آید:
- تیتراژ اول ریلز: محصول شما در سبک خمیری، در یک حرکت چهارثانیه‌ای؛ همان مثال کروسان.
- لوگوی متحرک: قالب «انیمیشن کوتاه لوگو» در «قالب‌های آماده» عکس لوگوی شما را فریم اول می‌کند، نوری از رویش رد می‌کند و ویدیو روی همان لوگو تمام میشود. لوگوی ساده با نوشتهٔ کم، در حرکت کمتر تغییر می‌کند.
- تبریک مناسبت: برای نوروز و یلدا قالب‌های آمادهٔ ویدیو هست؛ کلمهٔ سبک را به آن‌ها اضافه کنید تا به‌جای فیلم واقعی، انیمیشن بگیرید.
- توضیح یک خدمت: سه نمای کاغذی پشت سر هم (مشکل، کار شما، نتیجه) برای استوری، با یک موسیقی ملایم زیرش.
انیمیشن کوتاه چندنمایی از چند کلیپ
هر کلیپ چند ثانیه است، پس داستان بلندتر را نما به نما بسازید:
- نماها را از قبل بنویسید. هر نما ۴ تا ۸ ثانیه با یک کار؛ مثلاً «کروسان بیدار میشود»، «از پیشخوان پایین می‌پرد»، «کنار فنجان چای می‌نشیند».
- کلمههای سبک را ثابت نگه دارید. جملهٔ سبک، رنگ‌ها و نور را در همهٔ پرامپتها عیناً تکرار کنید تا نماها به هم بخورند.
- هر نما را روی یک لحظهٔ آرام تمام کنید. بریدن از یک لحظهٔ ساکن به نمای بعدی، طبیعی‌تر دیده میشود.
- در برنامهٔ تدوین کنار هم بگذارید. موسیقی پس‌زمینهٔ یکسان، نماها را به هم وصل می‌کند؛ روش ساختنش در ساخت موسیقی بی‌کلام با هوش مصنوعی آمده است.
انیمیشن از عکس خودتان
در «تولید ویدیو» میشود یک عکس را فریم اول ویدیو کرد؛ این کار فقط با Veo 3.1 انجام میشود و اپ خودش مدل را عوض می‌کند. برای یک محصول، یک نقاشی که خودتان کشیده‌اید یا یک مجسمهٔ کوچک خمیری که عکسش را گرفته‌اید مناسب است؛ در پرامپت بگویید تصویر چطور حرکت کند. Veo عکسی را که چهرهٔ آدم دارد اغلب نمیپذیرد و اگر رد شود، هزینه برمیگردد. زیر هر تصویری هم که در «تولید محتوا» ساخته‌اید، دکمهٔ «ساخت ویدیو از این عکس» هست؛ می‌توانید اول شخصیت را تصویر بسازید و بعد همان را متحرک کنید. روش کامل این کار در تبدیل عکس به ویدیو با هوش مصنوعی آمده است.
هزینهٔ ساخت انیمیشن
هزینهٔ ویدیو به‌ازای هر ثانیه حساب میشود؛ کلیپ بلندتر یا وضوح بالاتر گران‌تر تمام میشود و طول پرامپت در هزینه اثری ندارد. جدول زیر هزینهٔ امروز هر گزینه را نشان می‌دهد. نسخه‌های Veo و فرقشان به عدد هم در نسخه‌های وئو ۳٫۱ (Veo 3.1) آمده است.
تصویر هر تصویر مربع ۱۰۲۴ در ۱۰۲۴
- اقتصادی GPT Image 1 mini، کیفیت پایین ۹۵۲ سکه
- متعادل GPT Image 1 mini، کیفیت متوسط ۳٬۳۱۳ سکه
- حرفه‌ای Nano Banana 2 (Gemini 3.1 Flash Image)، کیفیت 2K ۴۴٬۷۵۰ سکه
- بالاترین کیفیت Nano Banana Pro (Gemini 3 Pro Image)، کیفیت 2K ۶۴٬۲۵۵ سکه
ویدیو با صدا هر کلیپ، با مدت همان ردیف
- اقتصادی Veo 3.1 Lite، ۴ ثانیه ۷۵٬۲۹۲ سکه
- متعادل Veo 3.1 Fast، ۸ ثانیه ۳۰۱٬۱۶۸ سکه
- حرفه‌ای Veo 3.1، ۸ ثانیه ۱٬۲۰۴٬۶۷۲ سکه
- بالاترین کیفیت Veo 3.1، ۸ ثانیه ۱٬۲۰۴٬۶۷۲ سکه
موسیقی هر قطعه
- کلیپ کوتاه Lyria 3 Clip ۱۵٬۰۵۹ سکه
- قطعهٔ کامل Lyria 3.5 ۳۰٬۱۱۷ سکه
متن به گفتار هر ۱۰۰۰ نویسهٔ متن (حدود ۱۸۰ کلمهٔ فارسی)
- اقتصادی Gemini 3.8 Flash-Lite TTS ۵٬۷۲۳ سکه
- کیفیت بالا Gemini 3.8 Flash TTS ۸٬۵۴۶ سکه
گفتار به متن هر دقیقه صدا
- NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B ۸۳ سکه
- Qwen: Qwen3 ASR 0.6B ۸۳ 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: ۱۴۰۵/۰۷/۲۶ ۰۰:۵۱ مبلغ‌ها به سکه، با قیمت امروز همان مدل در گیسو
وضوح را هم با کار جور کنید. برای ریلز و استوری که روی گوشی دیده میشود، 720p کافی است. در Veo، وضوح 1080p و 4K فقط برای کلیپ ۸ ثانیهای ساخته میشود و هزینهٔ هر ثانیه‌اش بیشتر است؛ آن را برای نسخهٔ نهایی نگه دارید، نه برای امتحان ایده. صدا هم همیشه همراه ویدیو ساخته میشود و هزینهٔ جداگانه‌ای ندارد.
ایده‌ها را با Lite یا Fast و ۴ ثانیه امتحان کنید و نسخهٔ نهایی را با طولی که لازم دارید بسازید. این‌طور هزینهٔ آزمون و خطا پایین میماند.
یک سبک از جدول بالا انتخاب کنید، صحنه‌ای ۴ ثانیهای با یک حرکت بنویسید و اول با کم‌هزینه‌ترین تنظیم بسازید. وقتی نتیجه را پسندیدید، نماهای بعدی را با همان کلمههای سبک بسازید.
