ساخت ریلز با هوش مصنوعی: از ایده تا کلیپ ۱۵ ثانیه‌ای
ساخت ریلز با هوش مصنوعی در چراغ پنج قدم دارد: یک سناریوی سه‌پرده‌ای می‌نویسی، نسبت کادر را عمودی می‌کنی، مدل ویدیو را انتخاب می‌کنی، کلیپ اول ۵ ثانیه‌ای را می‌سازی و با «ادامه‌ی همین ویدیو» آن را به ۱۵ ثانیه می‌رسانی؛ نریشن را هم با ElevenLabs یا GPT Audio اضافه می‌کنی. یک ریلز ۱۵ ثانیه‌ای از حدود ۳۱ اعتبار با Grok Imagine Video 1.5 تا حدود ۴۲۰ اعتبار با Veo 3.1 Fast هزینه دارد. این آموزش همه‌ی قدم‌ها را با پرامپت فارسی و انگلیسی برای هر پرده نشان می‌دهد.
قدم ۱: ایده و سناریوی سه‌پرده‌ای بنویس
ریلز ۱۵ ثانیه‌ای یعنی سه پرده‌ی ۵ ثانیه‌ای: قلاب، نمایش، پایان. هر پرده یک کلیپ جداست و هر کلیپ فقط یک کار می‌کند. اگر سناریو روشن نباشد، هیچ مدلی نجاتش نمی‌دهد.
- پرده‌ی اول، قلاب (۰ تا ۵ ثانیه): چیزی که شست بیننده را از اسکرول نگه دارد؛ حرکت ناگهانی، نمای خیلی نزدیک، یا یک لحظه‌ی عجیب.
- پرده‌ی دوم، نمایش (۵ تا ۱۰ ثانیه): خود محصول یا خود حرف؛ دستی که فنجان را برمی‌دارد، لباسی که در باد تکان می‌خورد.
- پرده‌ی سوم، پایان (۱۰ تا ۱۵ ثانیه): نمای آرام و تمیز که جای متن، لوگو یا قیمت دارد.
مثال این آموزش یک کافه است که می‌خواهد قهوه‌ی سرد تابستانی‌اش را معرفی کند. سناریو را می‌توانی در حالت «چت» همان استودیو هم بنویسی؛ مثلاً از Claude Sonnet 5.5 بخواه: «برای ریلز ۱۵ ثانیه‌ای قهوه‌ی سرد یک کافه، سه پرده‌ی ۵ ثانیه‌ای بنویس؛ برای هر پرده یک جمله توصیف تصویر و یک جمله نریشن.» هزینه‌ی این کار کمتر از یک اعتبار است.
قدم ۲: نسبت عمودی و مدل ویدیو را انتخاب کن
وارد استودیوی چراغ شو، حالت «ویدیو» را بزن و از انتخابگر «نسبت» کادر عمودی ۹:۱۶ را بگذار. اگر مدلی گزینه‌ی عمودی نداشت، در پرامپت بنویس سوژه وسط کادر باشد تا بعداً بتوانی برش بدهی. بعد مدل را بر اساس نیاز ریلز انتخاب کن:
| مدل | سازنده | ≈ اعتبار/ثانیه | مدت هر ساخت | چرا برای ریلز | کلیپ کوتاه |
|---|---|---|---|---|---|
| Veo 3.1 Fast | ۲۴ (تا ۶۰) | ۴/۶/۸ ثانیه | صدای همگام؛ صدای محیط و افکت را خودش می‌سازد | ۴ ثانیه ≈ ۹۶ اعتبار، با نرخ امروز حدود ۲۵۰ هزار تومان | |
| Kling 3.0 Pro | Kling · Kuaishou | ۲۲٫۴ | ۳ تا ۱۰ ثانیه | فریم اول و آخر؛ شروع و پایان کلیپ دست توست، 720p | ۵ ثانیه ≈ ۱۱۲ اعتبار، حدود ۲۹۱ هزار تومان |
| Kling 3.0 Standard | Kling · Kuaishou | ۱۶٫۸ | ۳ تا ۱۰ ثانیه | همان فریم اول و آخر، ارزان‌تر از Pro، 720p | ۵ ثانیه ≈ ۸۴ اعتبار، حدود ۲۱۸ هزار تومان |
| Grok Imagine Video 1.5 | xAI | ۲ | ۱ تا ۸ ثانیه | ارزان‌ترین؛ از متن یا عکس، تا 1080p، بدون صدا | ۵ ثانیه ≈ ۱۰ اعتبار، حدود ۲۶ هزار تومان |
Kling 3.0 Standard و Pro یک خانواده‌اند و در انتخابگر یک ردیف دارند؛ با اسلایدر بین نسخه‌ی سبک‌تر و قوی‌تر جابه‌جا می‌شوی. اگر مدلی در فهرستت نیست، با سوئیچ کنارش روشنش کن. دکمه‌ی «راهنما» کنار انتخابگر هم مدل‌های فعال را با نقطه‌ی قوت، ضعف و هزینه مقایسه می‌کند. مقایسه‌ی کامل‌تر را در بهترین مدل ویدیو برای ریلز و فهرست همه‌ی مدل‌ها را در راهنمای مدل‌های ساخت ویدیو ببین. قیمت‌ها تا ۱۹ مهر ۱۴۰۵ است و هر اعتبار امروز حدود ۲٬۶۰۰ تومان؛ عدد به‌روز در مدل‌ها و قیمت‌ها هست.
قدم ۳: کلیپ اول ۵ ثانیه‌ای را بساز
کلیپ اول مهم‌ترین کلیپ است، چون بقیه از فریم آخر آن ادامه پیدا می‌کنند. پرامپت ویدیو چهار بخش دارد: سوژه، حرکت، دوربین، نور و حال‌وهوا. مدت را روی ۵ ثانیه بگذار و برای پرده‌ی اول بنویس:
پرامپت پرده‌ی اول: قلاب
نمای خیلی نزدیک از یک لیوان شیشه‌ای قهوه‌ی سرد روی پیشخوان چوبی کافه؛ یک تکه یخ از بالا داخل لیوان می‌افتد و قهوه موج برمی‌دارد؛ قطره‌های آب روی شیشه می‌درخشد؛ دوربین ثابت و کمی پایین‌تر از لیوان؛ نور گرم عصر از پنجره؛ کادر عمودی، سینمایی، حرکت آهسته
Extreme close-up of a glass of iced coffee on a wooden café counter; an ice cube drops into the glass and the coffee ripples; water droplets glisten on the glass; static camera slightly below the glass; warm late-afternoon window light; vertical frame, cinematic, slow motion
اگر عکس واقعی لیوان کافه را داری، آن را در جای «فریم اول» بگذار تا مدل همان لیوان و همان پیشخوان را متحرک کند؛ این برای فروشگاه و کافه از ساختن صحنه از صفر وفادارتر است. قبل از شروع، قیمت تقریبی را می‌بینی و بعد از ساخت هزینه‌ی واقعی کسر می‌شود.
اول همین پرامپت را با Grok Imagine Video 1.5 تست کن: ۵ ثانیه حدود ۱۰ اعتبار، یعنی تقریباً همان اعتبار رایگان روزانه. وقتی حرکت و قاب درست شد، نسخه‌ی نهایی را با مدل اصلی بساز. «مقایسه‌ی مدل‌ها» کنار دکمه‌ی ساخت هم یک پرامپت را هم‌زمان روی تا ۳ مدل اجرا می‌کند تا نتیجه‌ها را کنار هم ببینی.
قدم ۴: با «ادامه‌ی همین ویدیو» به ۱۵ ثانیه برس
«ادامه‌ی همین ویدیو» فریم آخر کلیپ ساخته‌شده را فریم اول ساخت بعدی می‌کند، پس سه کلیپ ۵ ثانیه‌ای بدون پرش پشت هم می‌نشینند. روی کلیپ اول این گزینه را بزن، پرامپت پرده‌ی دوم را بنویس و بساز؛ بعد روی کلیپ دوم همین کار را برای پرده‌ی سوم تکرار کن.
پرامپت پرده‌ی دوم: نمایش
دستی لیوان قهوه‌ی سرد را از روی پیشخوان برمی‌دارد و دوربین آرام همراه لیوان بالا می‌آید؛ لایه‌ی شیر روی قهوه آهسته پخش می‌شود؛ پس‌زمینه‌ی محو کافه با چند گلدان؛ همان نور گرم عصر؛ کادر عمودی، حرکت نرم و طبیعی
A hand lifts the iced coffee glass from the counter and the camera slowly rises with it; a layer of milk swirls gently into the coffee; blurred café background with a few plants; the same warm late-afternoon light; vertical frame, smooth natural motion
پرامپت پرده‌ی سوم: پایان
لیوان روی میز کنار پنجره گذاشته می‌شود و دوربین آرام عقب می‌کشد؛ قاب ساده و تمیز با فضای خالی در یک‌سوم بالای کادر برای متن؛ نور گرم، حس آرامش تابستانی؛ کادر عمودی، پایان آرام
The glass is placed on a table by the window and the camera slowly pulls back; clean, simple composition with empty space in the top third of the frame for text; warm light, calm summer mood; vertical frame, gentle ending
با Kling 3.0 یک راه دیگر هم داری: عکس لوگو یا عکس منوی کافه را در جای «فریم آخر» پرده‌ی سوم بگذار تا کلیپ دقیقاً روی همان تصویر تمام شود. Veo 3.1 Fast در ۴، ۶ یا ۸ ثانیه می‌سازد، نه ۵؛ برای ترکیب سه‌پرده‌ای با آن، پرده‌ها را ۶ و ۶ و ۴ ثانیه بگیر و در هر پرامپت همان لیوان، همان پیشخوان و همان نور را دوباره توصیف کن تا سه کلیپ به هم بخورند.
قدم ۵: نریشن را با ElevenLabs یا GPT Audio اضافه کن
نریشن ۱۵ ثانیه‌ای یعنی حدود ۳۰ تا ۴۰ کلمه؛ بیشتر از این تند و نفس‌گیر می‌شود. حالت «صدا» را در استودیو بزن، متن را بنویس و مدل را انتخاب کن. Grok Imagine Video 1.5 و Kling 3.0 در این جدول صدا نمی‌سازند و نریشن را خودت در ادیتور روی ویدیو می‌گذاری؛ Veo 3.1 Fast صدای همگام دارد و نریشن برایش اختیاری است.
- ElevenLabs Multilingual v2 (حدود ۷٫۲ اعتبار هر قطعه): طبیعی‌ترین و احساسی‌ترین صدا با ده‌ها صدای آماده و تنظیم ثبات، شباهت و سرعت. برای تیزر و ریلز تبلیغاتی. لحن در جمله‌های پیچیده‌ی فارسی گاهی تنظیم می‌خواهد؛ جمله‌ها را کوتاه بنویس.
- GPT Audio (حدود ۳٫۱ اعتبار): گفتار طبیعی با ثبات صدا و ۸ صدای آماده (مثل coral، sage و verse). موسیقی نمی‌سازد.
- GPT Audio Mini (حدود ۰٫۷۴ اعتبار): نسخه‌ی ارزان و سریع برای ریلزهای پرتکرار روزانه.
نمونه‌ی متن نریشن برای همین کافه: «تابستون رو با یه لیوان قهوه‌ی سرد شروع کن. دانه‌ی تازه، یخ درشت، شیر خنک. امروز عصر، کافه‌ی ما منتظرته.» راهنمای کامل صداها و دوبله را در راهنمای مدل‌های صدا بخوان.
هزینه‌ی ساخت ریلز با هوش مصنوعی: سه ترکیب مدل
یک ریلز ۱۵ ثانیه‌ای کامل با نریشن، بسته به مدل، از حدود ۳۱ تا ۴۲۰ اعتبار هزینه دارد. در دو ترکیب گران‌تر، ۳ پرده‌ی تست با Grok Imagine Video 1.5 هم حساب شده، چون پیدا کردن پرامپت درست با مدل ارزان عاقلانه است.
| ترکیب | ویدیو | نریشن | تست با Grok | جمع (اعتبار) | با نرخ امروز حدود |
|---|---|---|---|---|---|
| اقتصادی: Grok Imagine Video 1.5 + GPT Audio Mini | ۳ × ۵ ثانیه = ۳۰ | ۰٫۷۴ | — | ≈ ۳۱ | ۸۰ هزار تومان |
| متعادل: Kling 3.0 Standard + ElevenLabs | ۳ × ۵ ثانیه = ۲۵۲ | ۷٫۲ | ۳۰ | ≈ ۲۸۹ | ۷۵۲ هزار تومان |
| با صدای همگام: Veo 3.1 Fast + GPT Audio | ۶ + ۶ + ۴ ثانیه = ۳۸۴ | ۳٫۱ | ۳۰ | ≈ ۴۱۷ | ۱٫۰۸ میلیون تومان |
اگر کیفیت بالاتر Kling می‌خواهی، با اسلایدر روی Kling 3.0 Pro برو: سه کلیپ ۵ ثانیه‌ای ۳۳۶ اعتبار، با نرخ امروز حدود ۸۷۴ هزار تومان، بدون نریشن و تست. برای فروشگاهی که هفته‌ای چند ریلز می‌گذارد، ترکیب اقتصادی برای ریلزهای روزانه و ترکیب متعادل برای کمپین‌ها منطقی است.
قیمت هر ساخت را قبل از زدن دکمه می‌بینی، کار ناموفق هیچ اعتباری کم نمی‌کند و اعتبار خریداری‌شده منقضی نمی‌شود. توضیح کامل حساب‌وکتاب را در راهنمای اعتبار چراغ و خرید اعتبار را در صفحه‌ی اعتبار ببین.
چک‌لیست قبل از انتشار ریلز
ریلز ساخته‌شده با هوش مصنوعی وقتی آماده‌ی انتشار است که از این هفت آزمون رد شود:
- کادر: عمودی ۹:۱۶ است و سوژه زیر متن‌ها و دکمه‌های اینستاگرام پنهان نمی‌شود؟
- ثانیه‌ی اول: پرده‌ی اول بدون مقدمه شروع می‌شود و در یک ثانیه چیزی برای دیدن دارد؟
- درز بین کلیپ‌ها: رنگ، نور و جای اشیا بین سه پرده یکی است؟ اگر پرش دارد، آن پرده را با «ادامه‌ی همین ویدیو» از نو بساز.
- دست‌ها و اشیا: انگشت اضافه، لیوان دوبله یا متن بی‌معنی در کادر نیست؟
- صدا: نریشن با تصویر هم‌زمان است و از ۱۵ ثانیه بیرون نمی‌زند؟ صدای همگام Veo با نریشن قاطی نشده؟
- متن روی ویدیو: نام، قیمت یا پیشنهاد را در ادیتور روی پرده‌ی سوم اضافه کرده‌ای، نه این‌که از مدل ویدیو خواسته باشی خط فارسی بنویسد؟
- صداقت: ریلز همان محصول واقعی را نشان می‌دهد، نه نسخه‌ی خیالی بهترش را؟
همه‌ی کلیپ‌ها تا یک سال در گالری چراغ می‌مانند. وقتی ترکیبی جواب داد، با «اشتراک دستور پخت» یک لینک عمومی با پرامپت، مدل و تنظیمات بساز تا ریلز بعدی، یا همکارت، همان را با عکس محصول دیگر بسازد.
سؤال‌های رایج
ساخت ریلز با هوش مصنوعی چقدر وقت می‌برد؟
اگر سناریو آماده باشد، معمولاً کمتر از یک ساعت: چند تست ارزان، سه کلیپ نهایی، یک نریشن و چسباندن در ادیتور. نوار پیشرفت هر ساخت زمان تقریبی را نشان می‌دهد.
چرا یک کلیپ ۱۵ ثانیه‌ای یک‌جا نسازم؟
مدت هر ساخت محدود است: Kling 3.0 تا ۱۰ ثانیه، Veo 3.1 Fast و Grok Imagine Video 1.5 تا ۸ ثانیه. سه کلیپ ۵ ثانیه‌ای با «ادامه‌ی همین ویدیو» هم این محدودیت را دور می‌زند و هم هر پرده را جدا کنترل می‌کنی.
با اعتبار رایگان روزانه می‌شود ریلز ساخت؟
اعتبار رایگان روزانه در حد ۱۰ اعتبار است؛ برای یک کلیپ تست ۵ ثانیه‌ای با Grok Imagine Video 1.5 کافی است. برای یک ریلز کامل باید اعتبار بخری.
کدام مدل خودش صدا می‌سازد؟
از مدل‌های این آموزش فقط Veo 3.1 Fast صدای همگام دارد. برای Kling 3.0 و Grok Imagine Video 1.5 نریشن را با ElevenLabs یا GPT Audio بساز و در ادیتور اضافه کن.
اگر کلیپ خراب شد، اعتبارم برمی‌گردد؟
کار ناموفق (خطا) هیچ اعتباری کم نمی‌کند. کلیپ موفقی که دوستش نداری هزینه دارد؛ برای همین اول با مدل ارزان تست کن.
سناریوی سه‌پرده‌ای‌ات را بنویس، کادر را عمودی کن و پرده‌ی اول را با Grok Imagine Video 1.5 تست کن.
