تبدیل متن به ویدیو شروع از صفر است: نه عکسی، نه مرجعی، فقط یک توضیح نوشتاری که وارد میشود و کلیپی که بیرون میآید. همه مدلهای ربات آن را قبول میکنند، و تفاوت بین یک نتیجه قابل استفاده و یک نتیجه گلآلود بیشتر در نحوه نوشتن پرامپت است.
برای دوربین بنویسید، نه برای کادر جستجو
عادتی که کاربران از ابزارهای تصویری میآورند انباشتن صفتهاست. ویدیو چیز دیگری را پاداش میدهد: بگویید در نما چه هست، بعد بگویید نما چه میکند. یک سوژه، یک محیط، یک جای دوربین و یک حرکت کلیپ را خیلی بیشتر از فهرستی از کلمات سبکی جلو میبرد.
پرامپتی مثل «slow push in on a woman reading by a rain-streaked window, warm lamplight, quiet evening» چهار چیز به مدل میدهد که میتواند بر اساسشان عمل کند. «Beautiful cinematic masterpiece 8k detailed» هیچ چیزی به آن نمیدهد.
بگویید چه چیزی حرکت میکند
ویدیو یک محور دارد که تصویر ندارد، و همان است که کاربران یادشان میرود بنویسند. اگر در پرامپت هیچ چیزی حرکت نکند، مدل خودش حرکت اختراع میکند، و حرکت اختراعی همان جایی است که کلیپها عجیب به نظر میرسند. حرکتی را که میخواهید نام ببرید، چه مال سوژه باشد، چه مال دوربین و چه مال نور.
ارزان امتحان کنید، بعد تصمیم بگیرید
عبارتها را اول روی مدل ورودی با 480p اجرا کنید. یک پیشنویس ششثانیهای 12 اعتبار است، پس میتوانید سه عبارتبندی را با کسری از هزینه یک کلیپ نهایی امتحان کنید. وقتی عبارتها همان نمایی را ساختند که در ذهن داشتید، آن را با رزولوشن بالاتر روی مدل قویتری دوباره اجرا کنید. ربات را باز کنید و انتخاب مدل فقط یک ضربه با پیشنویس فاصله دارد. راهنمای استفاده قدم به قدم بقیه مراحل را توضیح میدهد.
انتخاب مدل برای پرامپت نوشتاری
سطح سینمایی همان است که وقتی نما به حرکت دوربین یا کات بین زاویهها نیاز دارد سراغش میروید. سطح کیفیت جزئیات ریز را بهتر حفظ میکند و وقتی سوژه باید از نزدیک هم خوب دیده شود انتخاب درست است. مدل ورودی فقط ارزانتر نیست، همیشه صدا هم برمیگرداند، که باعث میشود کلیپی که فقط از متن ساخته شده بدون قدم دوم کامل به نظر برسد. هر پنج مدل پرامپت نوشتاری قبول میکنند و صفحه قیمتها میگوید هزینه هر ثانیه چقدر است.
اگر تصویر را از قبل دارید و میخواهید آن را متحرک کنید، سراغ تبدیل عکس به ویدیو بروید.