ساخته شده با این اپلیکیشن
Gemini Omni Flash 1.1 مدل ویدیویی چندرسانهای گوگل است که در اینجا به عنوان یک برنامه متمرکز برای تولید و ویرایش ویدیوهای کوتاهمدت در دسترس است. این مدل یک متن توصیفی، یک تصویر ثابت، یک فریم پایانی اختیاری، تا ده تصویر مرجع یا سه کلیپ مرجع را میپذیرد و میتواند یک ویدیوی موجود را بر اساس دستورالعمل متنی ویرایش کند. خروجی از 360p تا 4K در محدوده سه تا ده ثانیه قابل دسترس است و صدای همزمان درونی را شامل میشود. این برنامه برای سازندگان محتوا، بازاریابان و توسعهدهندگانی مناسب است که به تداوم بصری دقیق، متن خوانا روی صفحه و صدای پالایششده بدون مرحله صوتی جداگانه نیاز دارند.
نحوه استفاده از این اپلیکیشن
- 1
آنچه را میخواهید ایجاد کنید توصیف کنید یا فایل منبع خود را آپلود کنید.
- 2
گزینههای خود را انتخاب کنید، سپس تولید را فشار دهید.
- 3
نتیجه خود را در گالری در چند لحظه ببینید.
- 4
دانلود کنید، به اشتراک بگذارید یا با ایده جدیدی دوباره تولید کنید.
آنچه میتوانید بسازید
نمای نزدیک محصول با صدا
یک محصول را توصیف کنید، یک عکس ثابت به عنوان فریم شروع ارائه دهید و اجازه دهید مدل آن را در 4K با صدای محیطی یا سبک گفتار همزمان متحرک کند. دانش جهانی مدل برچسبها و متن روی بستهبندی را در هر فریم خوانا نگاه میدارد و یک مشکل رایج در ویدیوی محصول تولید شده توسط هوش مصنوعی را حذف میکند.
تداوم شخصیت تحت کنترل تصاویر مرجع
تا ده تصویر مرجع از یک شخصیت یا مکان را آپلود کنید تا تولید را هدایت کنید. Gemini Omni Flash 1.1 هویت بصری را در تمام برشها ثابت نگاه میدارد و آن را برای دنبالههای سبک فیلمنامه، ماسکتهای برند یا تنظیمات صحنه تکراری که باید یکسان به نظر برسند عملی میکند.
ویرایش یک کلیپ موجود بر اساس دستورالعمل
یک ویدیوی منبع را وارد کنید و یک دستورالعمل ویرایش متنی مانند 'آسمان را ابری کن' یا 'پسزمینه را پاک کن' تایپ کنید. مدل تغییر را بدون یک مرحله ترکیب جداگانه اعمال میکند و برای دورهای بازنگری سریع روی فوتیجی که در غیر این صورت تمام شده است مفید است.
گرافیکهای متحرک با متن روی صفحه
از آنجایی که این مدل بر اساس دانش جهانی Gemini است، متن روی صفحه به درستی رندر میشود و در طول حرکت تیز میماند. این را برای عناوین متحرک، خطوط پایین یا فراخوانهای داده استفاده کنید جایی که مدلهای تولیدی دیگر معمولاً حروف گیجشده یا بیثبات تولید میکنند.
تبدیل تصویر به ویدیو برای بخشهای داستان
یک تصویر شروع و یک فریم پایانی اختیاری را ارائه دهید تا لحظات اول و آخر یک صحنه را تعریف کنید، سپس اجازه دهید مدل عمل را در میانها درونیابی کند. این برای ارائههای مفهومی، انیماتیکها و پیچهای فروش مناسب است جایی که به حرکت کنترلشده از آثار ایستا نیاز دارید.
ایدههای پرامپت برای امتحان
چرا خلاقان از این اپلیکیشن استفاده میکنند
- صدای همگامسازیشده بومی
- خروجی 360p تا 4K
- مدت زمان 3 تا 10 ثانیه
- ورودی متن، تصویر و مرجع
- هدایت با ویدیوی مرجع
- ویرایش ویدیو با دستورالعمل
نکاتی برای نتایج بهتر
متن را با یک متن توصیفی تثبیت کنید
هنگامی که ویدیوی شما به کلمات خوانا نیاز دارد، آنها را دقیقاً در متن توصیفی بنویسید. Gemini Omni Flash 1.1 بر اساس دانش جهانی است، که به آن یک برتری در دقت شکل حروف میدهد، اما یک متن توصیفی صریح همچنان بیثباتی را کاهش میدهد و اطمینان میدهد که مدل این عنصر را اولویت میدهد.
از فریم پایانی برای کنترل استفاده کنید
ارائه هر دو تصویر شروع و فریم پایانی به مدل دو نقطه تکیهگاه برای درونیابی میدهد. این قابلاعتمادترین راه برای کنترل قوس و ترکیببندی است هنگامی که به یک پاداش بصری خاص در پایان کلیپ نیاز دارید تا حرکت باز.
ورودیهای مرجع را به صورت استراتژیک لایهبندی کنید
مدل تا ده تصویر مرجع و سه کلیپ مرجع را به طور همزمان میپذیرد. از شکافهای تصویر برای تداوم شخصیت یا شی و از شکافهای کلیپ برای تعریف سبک حرکت یا رفتار دوربین استفاده کنید. ترکیب هر دو نوع ورودی در یک تولید به شما هدایت دقیقتری نسبت به هر یک به تنهایی میدهد.
دستورالعملهای ویرایش را دقیق بنویسید
هنگام استفاده از حالت ویرایش ویدیو، آنچه را که باید تغییر کند و آنچه را که باید حفظ شود در همان دستورالعمل توصیف کنید. عبارتی مانند 'رنگ دیوار را به سبز تیره تغییر دهید، مبلمان و روشنایی را یکسان نگاه دارید' بسیار موثرتر از یک دستورالعمل مبهم است، زیرا محدودیتهای صریح را روی ویرایش و عناصر بدون تغییر تعیین میکند.
زمانی که این اپ را انتخاب کنید
این برنامه را انتخاب کنید هنگامی که اولویت شما 4K وضوح با صدای همزمان درونی از یک مرحله تولید واحد، تداوم بصری کنترلشده توسط مرجع در تمام داراییها، متن خوانا روی صفحه یا توانایی ویرایش یک کلیپ موجود از طریق یک دستورالعمل تایپشده است. Seedance 2.5 اجراهای طولانیتر تا 30 ثانیه را پوشش میدهد و مواد مرجع بسیار بیشتری را میپذیرد، که هنگامی که مدت یا عمق مرجع مهمتر از سطح وضوح است انتخاب بهتری است. Wan 3.0 ویدیوی 30 ثانیهای تکمرحلهای با مرجع همهجانبه را ارائه میدهد و برای صحنههای طولانیتر انتخاب قویتری است. Gemini Omni Flash 1.1 انتخاب صحیح است هنگامی که به بالاترین وضوح خروجی از بین سه مورد نیاز دارید یا میخواهید یک کلیپ موجود را با تایپ یک دستورالعمل تجدید کنید تا اینکه آن را دوباره تولید کنید.
سوالات متداول
آیا میتوانم ویدیو را بدون ارائه هیچ تصویری تولید کنم؟
بله. برنامه یک متن توصیفی به تنهایی را میپذیرد. تصاویر، فریمهای پایانی، تصاویر مرجع و کلیپهای مرجع همگی ورودیهای اختیاری هستند. شما فقط باید آنها را ارائه دهید هنگامی که میخواهید تداوم بصری را هدایت کنید، نقاط پایانی حرکت را تعریف کنید یا یک شخصیت یا مکان خاص را با مواد منبع خود مطابقت دهید.
صدای همزمان درونی در خروجی چگونه کار میکند؟
Gemini Omni Flash 1.1 صدا را به عنوان بخشی از همان مرحله مدل که ویدیو را تولید میکند تولید میکند، بنابراین صدا به جای اینکه به عنوان یک مسیر عام بعداً اضافه شود با تصاویر هماهنگ است. MP4 حاصل قبلاً کانال صدا را درونریخته شده دارد و بدون یک مرحله ترکیب جداگانه برای استفاده آماده است.
حداکثر تعداد ورودیهای مرجع که میتوانم ارائه دهم چقدر است؟
میتوانید تا ده تصویر مرجع و تا سه کلیپ ویدیویی مرجع را در یک تولید واحد ارائه دهید. این ورودیها مدل را به سمت هویت بصری ثابت برای شخصیتها، اشیاء، مکانها یا سبک حرکت دوربین هدایت میکنند، بسته به آنچه مراجع نشان میدهند.
آیا حالت ویرایش ویدیو روی هر کلیپ آپلودشده کار میکند؟
حالت ویرایش یک ویدیوی موجود را به عنوان منبع میگیرد و یک دستورالعمل متنی ساده برای تغییر آن اعمال میکند. مدل زبان طبیعی را تفسیر میکند، بنابراین نیازی به تعیین پارامترهای فنی ندارید. نتایج زمانی که دستورالعمل به وضوح بیان میکند چه چیزی باید تغییر کند و چه چیزی باید یکسان بماند بیشتر ثابت است.
برای تحویل شبکههای اجتماعی یا وب باید کدام وضوح را انتخاب کنم؟
برای اکثر پلتفرمهای شبکههای اجتماعی، 1080p یک پیشفرض عملی است زیرا کیفیت بصری را با اندازه فایل و الزامات آپلود متعادل میکند. از 4K استفاده کنید هنگامی که مقصد آن را پشتیبانی میکند، مانند نمایش دمو با وضوح بالا یا پلتفرمی که از منبع بالاتر با لطف کاهش میدهد. 720p برای پیشنمایشها یا پیشنویسها مناسب است. 360p برای تکرار سریع قبل از تعهد به یک وضوح نهایی مفید است.
چگونه میتوانم یک شخصیت را در چندین تولید جداگانه ثابت نگاه دارم؟
تصاویر مرجع خود را از یک تولید ذخیره کنید و آنها را به عنوان ورودیهای مرجع در تولید بعدی ارائه دهید. مدل تا ده تصویر مرجع در هر اجرا را میپذیرد، بنابراین میتوانید زوایای یا عبارات متعددی از همان شخصیت را برای تقویت تداوم شامل کنید. ترکیب مراجع تصویر با یک متن توصیفی که نام شخصیت و ویژگیهای متمایز کننده آن را نام میبرد تداوم را بیشتر بهبود میبخشد.
کدام مدل هوش مصنوعی این اپلیکیشن را تشغیل میکند؟
این برنامه بر روی Gemini Omni Flash 1.1 اجرا میشود که از طریق Arteza در دسترس است بدون نیاز به حساب یا تنظیمات جداگانه.
آیا میتوانم از نتایج بهصورت تجاری استفاده کنم؟
بله. محتوای تولیدی شما برای استفاده شما است، مشروط بر شرایط مجوزهای محتوای ما.
تولید چقدر طول میکشد؟
اکثر تولیدات کمتر از یک دقیقه تمام میشوند و شما میتوانید پیشرفت را بهصورت زنده در گالری مشاهده کنید.