ساخت ویدیو با هوش مصنوعی: راهنمای ۱۵ مدل ویدیوی چراغ
ساخت ویدیو با هوش مصنوعی در چراغ با ۱۵ مدل پیش‌فرض انجام می‌شود و انتخاب درست به نوع کار بستگی دارد: Veo 3.1 و Veo 3.1 Fast برای ویدیوی باصدا، Kling 3.0 Pro و Kling 3.0 Standard برای کنترل فریم اول و آخر، Hailuo 2.3 Pro برای جان دادن به عکس، Grok Imagine Video 1.5 ارزان‌ترین، Genjutsu برای انتقال حرکت و Avatar IV برای آواتار سخنگو. قیمت هر ثانیه از ۲ تا ۱۳۶ اعتبار است؛ در این راهنما همه را با قیمت، مدت، صدا و رزولوشن کنار هم می‌گذاریم.
شش نوع کار ویدیویی
قبل از انتخاب مدل، مشخص کن کدام یکی از این شش کار را می‌خواهی؛ چون بعضی مدل‌ها فقط یکی از آن‌ها را انجام می‌دهند. بیشتر مدل‌های جدول از متن ساده ویدیو می‌سازند؛ چهار مدل ورودی خاص می‌خواهند: Hailuo 2.3 Pro عکس، Genjutsu ویدیوی مبدأ، Avatar IV عکس و صدا، FLUX Video Edit ویدیوی آماده.
- متن به ویدیو: یک صحنه را توصیف می‌کنی و کلیپ می‌گیری. برای تیزر، ریلز و صحنه‌ی تبلیغاتی.
- عکس به ویدیو: عکس محصول یا پرتره را جان می‌دهی. Hailuo 2.3 Pro برای همین ساخته شده؛ Grok Imagine Video 1.5 و HappyHorse 1.1 هم از عکس شروع می‌کنند.
- فریم اول و آخر: دو عکس می‌دهی و مدل حرکت بین آن دو را می‌سازد. Kling 3.0 Pro، Kling 3.0 Standard و Seedance 2.5 هر دو فریم را می‌گیرند؛ Kling 2.5 Turbo Pro و Wan 3.0 Prime فریم آخر را.
- انتقال حرکت: حرکت یک ویدیوی مبدأ را به کاراکتر یا لوکیشن خودت منتقل می‌کنی. فقط Genjutsu.
- آواتار سخنگو: عکس و فایل صدا می‌دهی و آدم داخل عکس با لب‌خوانی حرف می‌زند. Avatar IV.
- ویرایش ویدیوی آماده: با دستور متنی شیء را حذف یا جایگزین می‌کنی یا پس‌زمینه را عوض می‌کنی. FLUX Video Edit.
جدول ۱۵ مدل ساخت ویدیو چراغ
قیمت‌ها به اعتبار برای هر ثانیه‌ی ویدیو است و مدت و رزولوشن را خود مدل تعیین می‌کند. ۱ اعتبار یک سنت دلار است و با نرخ امروز حدود ۲٬۶۰۰ تومان. قیمت‌ها تا ۱۹ مهر ۱۴۰۵؛ قیمت لحظه‌ای هر مدل در صفحه‌ی مدل‌ها و قیمت‌ها. خط تیره یعنی راهنمای چراغ آن مورد را اعلام نکرده.
| مدل | سازنده | رده | ≈ اعتبار / ثانیه | مدت (ثانیه) | صدا | رزولوشن | ویژگی |
|---|---|---|---|---|---|---|---|
| Veo 3.1 | پریمیوم | ۸۰ (تا ۱۲۰ در کیفیت بالا) | ۴ / ۶ / ۸ | همگام | تا 4K | بالاترین کیفیت فهرست، صدای همگام اصلی | |
| Veo 3.1 Fast | استاندارد | ۲۴ (تا ۶۰) | ۴ / ۶ / ۸ | همگام | — | سریع‌تر؛ ریلز و تیزر | |
| Kling 3.0 Pro | Kling · Kuaishou | پریمیوم | ۲۲٫۴ | ۳ تا ۱۰ | — | 720p | فریم اول و آخر، کیفیت بالاتر از Standard |
| Kling 3.0 Standard | Kling · Kuaishou | استاندارد | ۱۶٫۸ | ۳ تا ۱۰ | — | 720p | فریم اول و آخر |
| Kling 2.5 Turbo Pro | Kling · Kuaishou | پریمیوم | ۸٫۴ (تا ۱۶٫۸) | ۵ / ۱۰ | — | — | حرکت طبیعی، فیزیک صحنه، فریم آخر |
| Seedance 2.5 | ByteDance Seed | استاندارد | ۱۷ (بالاتر در کیفیت بالا) | — | دارد | تا 1080p | فریم اول/آخر، تا ۳۰ عکس مرجع و ویدیو/صدای مرجع |
| Hailuo 2.3 Pro | MiniMax | پریمیوم | ۷٫۵ (تا ۱۵) | ۶ / ۱۰ | — | 768p / 1080p | متحرک‌سازی عکس (عکس ورودی لازم)، سینمایی |
| MiniMax H3 Max | MiniMax | پریمیوم | ۶ | — | — | — | صحنه‌ی سینمایی و هنری، درک پرامپت پیچیده |
| PixVerse 6 | PixVerse | استاندارد | ۱۰٫۲ | — | — | — | سوشال‌مدیا، جلوه‌ی فانتزی، کلیپ تبلیغاتی |
| Wan 3.0 Prime | Alibaba | استاندارد | ۱۰ | ۲ تا ۹ | — | تا 1080p | سریع، فریم آخر، مدت طولانی‌تر |
| HappyHorse 1.1 | Alibaba | اقتصادی | ≈ ۲۰ (۱۹٫۸ تا ۲۵٫۶) | ۳ تا ۱۰ | ندارد | تا 1080p | نسبت‌های کادر متنوع، از عکس یا متن |
| Grok Imagine Video 1.5 | xAI | استاندارد | ۲ | ۱ تا ۸ | ندارد | تا 1080p | ارزان‌ترین؛ از متن یا عکس |
| Genjutsu | Higgsfield | استاندارد | ۶۳٫۶ (480p) تا ۱۳۶ (720p) | ۵ تا ۳۰ | — | 480p / 720p | انتقال حرکت: ویدیوی مبدأ (۴ تا ۳۰ ثانیه) + ۱ تا ۸ عکس مرجع |
| Avatar IV | HeyGen | پریمیوم | ۱۰ | — | صدای خودت | 720p / 1080p | عکس + صدا → آواتار سخنگو با لب‌خوانی |
| FLUX Video Edit | Black Forest Labs | استاندارد | ۶ | — | — | — | ویرایش ویدیوی آماده با دستور متنی (حذف/جایگزینی شیء، پس‌زمینه) |
دو نکته. رده را راهنمای چراغ تعیین می‌کند و همیشه با قیمت یکی نیست؛ HappyHorse 1.1 اقتصادی است ولی هر ثانیه‌اش ده برابر Grok Imagine Video 1.5 خرج دارد. و مدل‌هایی که چند نسخه دارند (Kling 3.0 Standard/Pro، Veo 3.1 Fast/Standard) در انتخابگر یک ردیف‌اند و با یک اسلایدر نسخه‌ی سبک‌تر یا قوی‌تر را انتخاب می‌کنی.
کدام را کی انتخاب کنم؟
کار را انتخاب کن، بعد بودجه را. این هشت سناریو بیشتر نیازهای یک کسب‌وکار کوچک را پوشش می‌دهد.
ریلز و تیزر باصدا
Veo 3.1 Fast. صدای همگام دارد، سریع است و برای ریلز و تیزر ساخته شده؛ یک کلیپ ۴ ثانیه‌ای حدود ۹۶ اعتبار. وقتی نهایت کیفیت می‌خواهی (تبلیغ تلویزیونی، بیلبورد دیجیتال) به Veo 3.1 برو که تا 4K می‌دهد و بالاترین کیفیت فهرست است. Seedance 2.5 هم صدا دارد و تا ۳۰ عکس مرجع و ویدیو یا صدای مرجع می‌گیرد؛ وقتی می‌خواهی کلیپ به سبک یک نمونه‌ی مشخص باشد. راهنمای اختصاصی ریلز را در بهترین مدل ویدیو برای ریلز بخوان.
کنترل دقیق صحنه با فریم اول و آخر
Kling 3.0 Standard برای شروع، Kling 3.0 Pro وقتی کیفیت بالاتر می‌خواهی؛ هر دو ۳ تا ۱۰ ثانیه و 720p. مثال: عکس بسته‌ی قهوه‌ات فریم اول، عکس فنجان پر فریم آخر؛ مدل حرکت بین این دو را می‌سازد. Kling 2.5 Turbo Pro با ۸٫۴ اعتبار ارزان‌تر است و حرکت طبیعی و فیزیک صحنه‌ی خوبی دارد و فریم آخر را می‌گیرد. Wan 3.0 Prime هم سریع است، فریم آخر دارد و تا 1080p می‌دهد.
جان دادن به عکس محصول یا پرتره
Hailuo 2.3 Pro با ۷٫۵ اعتبار برای هر ثانیه، خروجی سینمایی 768p یا 1080p؛ یک کلیپ ۶ ثانیه‌ای حدود ۴۵ اعتبار. ارزان‌تر: Grok Imagine Video 1.5 با ۲ اعتبار برای هر ثانیه، بدون صدا. برای نسبت‌های کادر متنوع (مربع، عمودی، افقی) HappyHorse 1.1 هم از عکس شروع می‌کند.
صحنه‌ی سینمایی و هنری
MiniMax H3 Max با ۶ اعتبار برای هر ثانیه، پرامپت پیچیده را خوب می‌فهمد و برای صحنه‌ی سینمایی و هنری ساخته شده. گزینه‌ی گران‌تر و باصدا: Veo 3.1.
کلیپ سوشال با جلوه‌ی فانتزی
PixVerse 6 با ۱۰٫۲ اعتبار برای هر ثانیه برای سوشال‌مدیا، جلوه‌ی فانتزی و کلیپ تبلیغاتی ساخته شده؛ وقتی می‌خواهی کلیپ در فید بین بقیه بیرون بزند.
ویدیوی آموزشی با مجری
Avatar IV. عکس مدرس یا خودت را با فایل صدا بده؛ آواتار با لب‌خوانی حرف می‌زند، 720p یا 1080p، ۱۰ اعتبار برای هر ثانیه. صدا را می‌توانی قبلش با مدل‌های صدای چراغ بسازی (راهنمای مدل‌های صدا). آموزشگاهی که هفته‌ای یک ویدیوی ۳۰ ثانیه‌ای می‌گذارد، برای هر ویدیو حدود ۳۰۰ اعتبار خرج می‌کند.
ترند با حرکت رقص یا ژست خاص
Genjutsu. ویدیوی مبدأ ۴ تا ۳۰ ثانیه‌ای را با ۱ تا ۸ عکس مرجع از کاراکتر یا لوکیشن خودت می‌دهی و همان حرکت را با سوژه‌ی خودت می‌گیری. گران‌ترین فهرست است: ۶۳٫۶ اعتبار برای هر ثانیه در 480p و ۱۳۶ در 720p. با 480p تست کن، بعد نسخه‌ی نهایی را 720p بگیر.
اصلاح ویدیوی موجود
FLUX Video Edit با ۶ اعتبار برای هر ثانیه: شیء را حذف یا جایگزین کن یا پس‌زمینه را عوض کن، فقط با یک دستور متنی. وقتی ویدیوی خام خوبی داری و فقط یک چیزش را می‌خواهی عوض کنی، از ساخت دوباره ارزان‌تر است.
هزینه‌ی واقعی چند کلیپ نمونه
اعتبار × حدود ۲٬۶۰۰ تومان = هزینه‌ی امروز. اعداد تومانی با نرخ روز دلار تغییر می‌کنند؛ قیمت اعتبار ثابت است.
| کلیپ | مدل | اعتبار | با نرخ امروز (تومان) |
|---|---|---|---|
| ۵ ثانیه، ارزان‌ترین | Grok Imagine Video 1.5 | حدود ۱۰ | حدود ۲۶٬۰۰۰ |
| ۵ ثانیه، صحنه‌ی سینمایی | MiniMax H3 Max | حدود ۳۰ | حدود ۷۸٬۰۰۰ |
| ۶ ثانیه، جان دادن به عکس | Hailuo 2.3 Pro | حدود ۴۵ | حدود ۱۱۷٬۰۰۰ |
| ۵ ثانیه، فریم اول و آخر | Kling 3.0 Standard | حدود ۸۴ | حدود ۲۱۸٬۰۰۰ |
| ۴ ثانیه، باصدا | Veo 3.1 Fast | حدود ۹۶ | حدود ۲۵۰٬۰۰۰ |
| ۵ ثانیه، فریم اول و آخر با کیفیت بالاتر | Kling 3.0 Pro | حدود ۱۱۲ | حدود ۲۹۱٬۰۰۰ |
| ۳۰ ثانیه، آواتار سخنگو | Avatar IV | حدود ۳۰۰ | حدود ۷۸۰٬۰۰۰ |
| ۱۰ ثانیه، انتقال حرکت 480p | Genjutsu | حدود ۶۳۶ | حدود ۱٬۶۵۴٬۰۰۰ |
| ۸ ثانیه، بالاترین کیفیت | Veo 3.1 | حدود ۶۴۰ (تا ۹۶۰) | حدود ۱٬۶۶۴٬۰۰۰ |
سناریوی ماهانه: کافه‌ای که هر هفته یک ریلز ۵ ثانیه‌ای با Kling 3.0 Standard می‌سازد، ماهانه حدود ۳۳۶ اعتبار خرج می‌کند، یعنی با نرخ امروز حدود ۸۷۴٬۰۰۰ تومان. اگر نسخه‌های تست را با Grok Imagine Video 1.5 بزند و فقط نسخه‌ی نهایی را با Kling، همین عدد به‌مراتب پایین می‌آید.
گردش کار ویدیو در چراغ
ویدیوی خوب از عکس خوب شروع می‌شود. فریم اول را با یکی از مدل‌های عکس بساز (راهنمای مدل‌های ساخت عکس)، بعد در حالت ویدیو این ابزارها را داری:
- فریم اول و فریم آخر در دو جای جدا برای مدل‌هایی که دارند (Kling، Seedance، Wan…).
- ادامه‌ی همین ویدیو: فریم آخر ویدیوی ساخته‌شده، فریم اول ساخت بعدی می‌شود؛ با یک مدل ۸ ثانیه‌ای کلیپ‌های بلندتر و پیوسته می‌سازی.
- مقایسه‌ی مدل‌ها: یک پرامپت هم‌زمان روی تا ۳ مدل؛ Kling 3.0 Standard، Hailuo 2.3 Pro و Grok Imagine Video 1.5 را کنار هم ببین و بعد تصمیم بگیر کجا پول خرج کنی.
- نمونه‌های آماده و ترندها: ویدیوهای ترند با صدا، هر کدام با پرامپت و راهنما؛ «استفاده» همه را آماده می‌کند.
- ویدیوی مبدأ تا ۱۰۰ مگابایت برای Genjutsu و FLUX Video Edit، با آپلود پایدار. نوار پیشرفت واقعی و زمان تقریبی ساخت را هم می‌بینی.
- کارت دستور پخت: پرامپت، مدل و تنظیمات کلیپ را با یک لینک عمومی به همکارت بده تا همان را با عکس خودش بسازد.
۱۵ مدل پیش‌فرض همه‌ی ۱۳۰ مدل ویدیوی چراغ نیست. در انتخابگر، سوئیچ هر مدل دیگری را روشن کن؛ به «مدل‌های من» اضافه می‌شود و قیمتش روی همان ردیف دیده می‌شود. دکمه‌ی «راهنما» کنار انتخابگر هم مدل‌های فعالت را با هم مقایسه می‌کند: هر کدام برای چه کاری خوب است، کجا ضعف دارد و چقدر خرج دارد.
سؤال‌های رایج
Veo 3.1 چیست؟
مدل پریمیوم ساخت ویدیوی Google با صدای همگام اصلی و خروجی تا 4K؛ کلیپ‌های ۴، ۶ یا ۸ ثانیه‌ای با ۸۰ اعتبار برای هر ثانیه (تا ۱۲۰ در کیفیت بالا). نسخه‌ی سریع‌تر و ارزان‌ترش Veo 3.1 Fast است با ۲۴ اعتبار.
فریم اول و آخر یعنی چه؟
دو عکس به مدل می‌دهی: صحنه‌ی شروع و صحنه‌ی پایان. مدل حرکت بین آن دو را می‌سازد. Kling 3.0 Pro، Kling 3.0 Standard و Seedance 2.5 هر دو فریم را می‌گیرند.
انتقال حرکت چیست؟
حرکت یک ویدیوی مبدأ (مثلاً یک رقص ترند) را به کاراکتر یا لوکیشن خودت منتقل می‌کنی. در چراغ Genjutsu این کار را می‌کند: ویدیوی ۴ تا ۳۰ ثانیه‌ای به‌علاوه‌ی ۱ تا ۸ عکس مرجع.
ارزان‌ترین مدل ساخت ویدیو کدام است؟
Grok Imagine Video 1.5 با ۲ اعتبار برای هر ثانیه؛ از متن یا عکس، تا 1080p، بدون صدا. یک کلیپ ۵ ثانیه‌ای حدود ۱۰ اعتبار است.
می‌توانم ویدیو را رایگان امتحان کنم؟
هر روز در حد ۱۰ اعتبار رایگان می‌گیری که همان شب می‌سوزد؛ با آن حدود ۵ ثانیه ویدیو با Grok Imagine Video 1.5 می‌سازی. کار ناموفق هم هیچ‌وقت اعتبار کم نمی‌کند.
یک عکس بچسبان یا یک جمله بنویس؛ قیمت را قبل از ساخت ببین و اولین کلیپت را بگیر.
