پرامپت‌نویسی۷ دقیقه مطالعه

چرا ویدیوهای AI شما بی‌کیفیت درمی‌آید؟ ۷ اشتباه رایج و راه رفع آن

بیشتر ویدیوهای AI به‌خاطر پرامپت بی‌ساختار، نبود دستور دوربین، حرکت زیاد، شخصیت ناپایدار، تصویر ورودی ضعیف، نسبت تصویر غلط و نبود تدوین و صدا بی‌کیفیت می‌شوند.

چرا ویدیوهای هوش مصنوعی بی‌کیفیت می‌شوند؛ مقایسهٔ فریم خراب و فریم تمیز ویدیو AI

ویدیوی AI معمولاً به‌خاطر خود مدل بی‌کیفیت نمی‌شود؛ مقصر اصلی پرامپت بی‌ساختار، نبود دستور دوربین، حرکت بیش از حد و تصویر ورودی ضعیف است. اگر این هفت اشتباه رایج را بشناسید و درست کنید، با همان ابزارهای فعلی مثل Kling، Veo یا Seedance خروجی چند برابر حرفه‌ای‌تری می‌گیرید.

برای هر اشتباه توضیح می‌دهم چرا رخ می‌دهد، یک پرامپت ضعیف و نسخه‌ی اصلاح‌شده‌اش را می‌آورم و راه‌حل عملی را می‌گویم.

اگر تازه سراغ ویدیوسازی آمده‌اید، پیشنهاد می‌کنم قبل از این مقاله آموزش کامل پرامپت‌نویسی را بخوانید، چون بیشتر این هفت اشتباه ریشه در پرامپت دارند. مسیر کامل ساخت ویدیو را هم در آموزش ساخت ویدیو با هوش مصنوعی از صفر تا صد توضیح داده‌ام.

اشتباه ۱: چرا پرامپت کوتاه و بی‌ساختار خروجی ضعیف می‌دهد؟

وقتی پرامپت فقط چند کلمه است، مدل جاهای خالی را با حدس پر می‌کند. نتیجه یک صحنه‌ی عمومی و بی‌هویت است که شبیه هزاران ویدیوی دیگر می‌شود.

پرامپت ضعیف:

a girl drinking coffee in a cafe

پرامپت اصلاح‌شده:

Medium close-up of a young woman with curly dark hair sitting by a rainy window in a cozy wooden cafe, she slowly lifts a white ceramic cup and takes a sip, steam rising, warm tungsten light, soft rain sounds and quiet cafe ambience, 35mm film look, shallow depth of field.

راه‌حل: هر پرامپت را با یک قالب ثابت بنویسید: سوژه، کنش، محیط، نور، دوربین، سبک و صدا. لازم نیست طولانی باشد، فقط باید کامل باشد. برای قالب‌های آماده، بانک پرامپت فارسی را ببینید.

اشتباه ۲: چرا بدون دستور دوربین ویدیو آماتوری می‌شود؟

وقتی نوع نما و حرکت دوربین را مشخص نکنید، مدل یا دوربین را ثابت و بی‌روح نگه می‌دارد یا حرکت‌های تصادفی می‌سازد. حس سینمایی بیشتر از زبان دوربین می‌آید تا از سوژه.

پرامپت ضعیف:

a sports car on a mountain road, cinematic

پرامپت اصلاح‌شده:

Low-angle tracking shot following a silver sports car along a winding mountain road at sunset, camera moves smoothly alongside the car at the same speed, then slowly rises into an aerial view, anamorphic lens flare, engine roar and wind sound.

راه‌حل: سه چیز را همیشه بنویسید: اندازه‌ی نما (close-up، medium، wide)، زاویه (low-angle، eye-level، top-down) و حرکت (dolly-in، pan، tracking، crane). کلمه‌ی cinematic به‌تنهایی چیزی را مشخص نمی‌کند.

اشتباه ۳: چرا حرکت زیاد ویدیو را خراب می‌کند؟

وقتی در یک کلیپ چندثانیه‌ای چند کنش پشت سر هم می‌خواهید، مدل همه را با عجله و درهم اجرا می‌کند. نتیجه‌اش دست‌وپای کش‌آمده، اجسامی که ناپدید می‌شوند و بدن‌هایی است که شکلشان به‌هم می‌ریزد.

پرامپت ضعیف:

a man runs, jumps over a car, does a backflip, catches a ball and dances while the camera spins around him

پرامپت اصلاح‌شده:

A man in a grey hoodie sprints down an empty street and leaps over a parked car in one smooth motion, slow motion at the peak of the jump, camera tracks him from the side at a steady pace.

راه‌حل: در هر کلیپ فقط یک کنش اصلی و یک حرکت دوربین بخواهید. اگر داستان چند مرحله دارد، آن را به چند شات جدا تقسیم کنید. راهنمای رسمی Kling 3.0 هم برای حالت چندشات پیشنهاد می‌کند شات‌ها را به‌ترتیب و با برچسب «Shot 1، Shot 2» بنویسید و حتی زمان هر کنش را با ثانیه مشخص کنید.

Shot 1: wide shot, a man sprints down an empty street. Shot 2: side tracking shot, he leaps over a parked car in slow motion. Shot 3: close-up, he lands and looks back at the camera.

اشتباه ۴: چرا شخصیت در هر کلیپ عوض می‌شود؟

اگر هر کلیپ را فقط با متن بسازید، مدل هر بار چهره، لباس و مدل موی تازه‌ای خلق می‌کند. وقتی این کلیپ‌ها کنار هم تدوین شوند، بیننده فکر می‌کند با چند آدم مختلف طرف است.

پرامپت ضعیف:

the same woman from before now walks into the office

پرامپت اصلاح‌شده (همراه با تصویر مرجع):

Use the woman from the reference image: shoulder-length black hair, navy blazer, white shirt, small silver earrings. She walks into a bright modern office and smiles at a colleague. Keep her face, hair and outfit exactly the same as the reference.

راه‌حل: اول یک تصویر مرجع از شخصیت بسازید و در همه‌ی کلیپ‌ها از حالت تصویر به ویدیو یا مرجع شخصیت استفاده کنید. مدل‌های فعلی برای همین کار امکان مرجع دارند: Seedance 2.0 تا ۹ تصویر ورودی می‌گیرد و Kling 4.0 با Omni Reference تا ۱۵ مرجع. یک توصیف ثابت از لباس و ظاهر هم بنویسید و در همه‌ی پرامپت‌ها کپی کنید.

اشتباه ۵: چرا تصویر ورودی بد ویدیوی بد می‌سازد؟

در حالت تصویر به ویدیو، فریم اول همه‌چیز را تعیین می‌کند. اگر تصویر تار، کم‌نور، فشرده یا پر از ایراد باشد، مدل همان ایرادها را در کل ویدیو تکثیر می‌کند و حتی بزرگ‌ترشان می‌کند.

پرامپت ضعیف (روی یک اسکرین‌شات تار):

make this photo move

پرامپت اصلاح‌شده (روی تصویر تمیز و باکیفیت):

The woman in the image slowly turns her head toward the window and smiles softly, her hair moves gently in the breeze, static camera, natural daylight, keep the composition and colors unchanged.

راه‌حل: قبل از ساخت ویدیو، تصویر ورودی را بررسی کنید: وضوح کافی، دست‌ها و صورت سالم، نور تمیز و بدون متن یا واترمارک اضافه. اگر تصویر را با AI ساخته‌اید، ایرادهای آن را همان‌جا ادیت کنید؛ اصلاح یک عکس خیلی ارزان‌تر از ساخت دوباره‌ی ویدیوست. در پرامپت هم فقط حرکت را توصیف کنید، نه دوباره کل صحنه را.

اشتباه ۶: چرا نسبت تصویر و رزولوشن اشتباه کیفیت را می‌کشد؟

خیلی‌ها ویدیو را افقی ۱۶:۹ می‌سازند و بعد برای ریلز آن را عمودی کراپ می‌کنند. با این کار بخش بزرگی از کادر و وضوح از دست می‌رود و سوژه هم معمولاً از کادر بیرون می‌افتد.

پرامپت ضعیف (ساخت افقی برای استفاده‌ی عمودی):

a chef plating a dish in a restaurant kitchen, wide shot, 16:9

پرامپت اصلاح‌شده:

Vertical 9:16 frame, medium shot of a chef plating a colorful dish, the plate centered in the lower third, his hands and face fully in frame, overhead warm kitchen lights, slow push-in.

راه‌حل: نسبت تصویر را از اول بر اساس مقصد انتخاب کنید: ۹:۱۶ برای ریلز و استوری، ۱۶:۹ برای یوتیوب و ۱:۱ یا ۴:۵ برای فید. بیشتر مدل‌های فعلی مثل Gemini Omni Flash و Seedance خروجی عمودی ۹:۱۶ دارند. نسخه‌ی نهایی را هم با بالاترین رزولوشنی که مدل می‌دهد بسازید؛ مثلاً Kling 3.0 هر دو حالت 720p و 1080p را دارد و 720p را برای تست نگه دارید.

اشتباه ۷: چرا ویدیوی بدون تدوین، آپ‌اسکیل و صدا خام به نظر می‌رسد؟

خروجی مستقیم مدل، ماده‌ی خام است، نه محصول نهایی. ویدیویی که بدون برش، اصلاح رنگ، صدای درست و زیرنویس منتشر شود، حتی اگر تصویرش خوب باشد، آماتوری دیده می‌شود.

پرامپت ضعیف:

a product ad with music

پرامپت اصلاح‌شده (فقط برای لایه‌ی صدای ساخت):

Close-up of a glass bottle being opened on a marble counter, crisp cap pop sound, gentle fizz, soft room tone, no music, no voice.

این‌جا عمداً موسیقی را حذف کرده‌ایم تا موسیقی و صداگذاری را در تدوین کنترل کنیم.

راه‌حل:

  • تدوین: یکی دو فریم ابتدا و انتهای هر کلیپ را که معمولاً ایراد دارند ببُرید و ریتم را با موسیقی تنظیم کنید.
  • آپ‌اسکیل: اگر خروجی 720p است، با ابزار آپ‌اسکیل کیفیت را بالا ببرید. برای نمونه Gemini Omni Flash در API خروجی 1080p و 4K را به‌صورت آپ‌اسکیل‌شده ارائه می‌دهد.
  • صدا: صدای فارسی را جدا بسازید؛ طبق مستندات ElevenLabs، مدل‌های Eleven v3 و v4 فارسی را پشتیبانی می‌کنند. صفحه‌ی ElevenLabs را ببینید.
  • زیرنویس: برای ریلز حتماً زیرنویس بگذارید.

جمع‌بندی: کدام اشتباه را اول درست کنیم؟

اشتباهنشانه در خروجیاصلاح سریع
پرامپت بی‌ساختارصحنه‌ی عمومی و بی‌هویتقالب سوژه، کنش، محیط، نور، دوربین، سبک، صدا
نبود دستور دوربیندوربین ثابت و بی‌روح یا حرکت تصادفینما، زاویه و حرکت را مشخص کنید
حرکت بیش از حداندام کش‌آمده و اجسام ناپدیدشوندهیک کنش در هر کلیپ، چندشات برای داستان
شخصیت ناپایدارچهره‌ی متفاوت در هر کلیپتصویر مرجع و توصیف ثابت
تصویر ورودی ضعیفتاری و ایراد تکثیرشدهاول عکس را اصلاح کنید
نسبت و رزولوشن اشتباهسوژه‌ی بریده و کیفیت پاییناز اول ۹:۱۶ برای ریلز بسازید
بدون تدوین و صداحس خام و آماتوریبرش، آپ‌اسکیل، صداگذاری و زیرنویس

اگر وقت کم دارید، از اشتباه ۱ و ۲ شروع کنید؛ بیشترین تفاوت را همین دو می‌سازند. مهندسی پرامپت و مونتاژ دو بخش جدا در دوره‌ی دانشگاه تولید محتوا هستند و همین خطاها را روی پروژه‌های واقعی بررسی می‌کنند.

مطالعهٔ بیشتر: آموزش ساخت عکس با هوش مصنوعی · اشتراک هوش مصنوعی خارجی یا ایرانی؟

سؤالات متداول

آیا پرامپت فارسی برای ویدیوسازی جواب می‌دهد؟

برای دقت بیشتر، پرامپت را انگلیسی بنویسید. ایده را می‌توانید فارسی بنویسید و با ChatGPT یا Gemini به انگلیسی دقیق تبدیل کنید.

پرامپت ویدیو چقدر باید طولانی باشد؟

معمولاً یک تا سه جمله که سوژه، کنش، محیط، نور، دوربین، سبک و صدا را پوشش دهد کافی است. کامل بودن مهم‌تر از طول است.

چرا دست‌ها و انگشت‌ها در ویدیو خراب می‌شوند؟

بیشتر به‌خاطر حرکت زیاد یا تصویر ورودی ایراددار. کنش را ساده کنید و قبل از ساخت ویدیو، دست‌ها را در عکس ورودی اصلاح کنید.

بهتر است متن به ویدیو بسازم یا تصویر به ویدیو؟

برای تبلیغ و کار برند، تصویر به ویدیو کنترل بیشتری می‌دهد؛ چون ترکیب‌بندی، چهره و محصول را از قبل تأیید کرده‌اید.

چطور هزینه‌ی تست‌های ناموفق را کم کنم؟

تست‌ها را با رزولوشن پایین‌تر و بدون صدا بسازید و فقط نسخه‌ی تأییدشده را با کیفیت کامل خروجی بگیرید. در Kling 3.0 این کار هزینه‌ی هر ثانیه را تا نصف کم می‌کند.

کدام مدل ویدیوساز برای شروع مناسب‌تر است؟

جواب به نوع کارتان بستگی دارد؛ برای تیزر تبلیغاتی، ویدیوی محصول یا کلیپ شخصیت‌محور مدل‌های متفاوتی جلو هستند و این بازار هر چند ماه عوض می‌شود. مقایسهٔ به‌روز را در مقایسهٔ مدل‌های ویدیوساز هوش مصنوعی و فهرست ابزارها را در دایرکتوری ابزارها ببینید.

قدم بعدی

همین کار را قدم‌به‌قدم یاد بگیر

دورهٔ جامع تولید محتوا با هوش مصنوعی.

مشاهدهٔ دوره