Kling AI چیست؟ آموزش ساخت ویدیو با متن و تصویر از صفر
راهنمای کاربردی Kling AI برای ساخت ویدیوی کوتاه از متن یا تصویر؛ از انتخاب حالت و طراحی شات تا نوشتن Prompt حرکتی، حفظ سوژه، کنترل Start و End Frame و ارزیابی خروجی.
Kling AI یک استودیوی تولید محتوای مولد است که ابزارهای Text-to-Video، Image-to-Video، کنترل حرکت، تصویر و قابلیت‌های چندشاتی را کنار هم قرار می‌دهد. کاربرد آن فقط ساخت کلیپ چشمگیر با یک جمله نیست؛ وقتی ورودی، حرکت دوربین، رفتار سوژه و معیار پذیرش را مشخص کنید، می‌توانید خروجی را مثل یک شات واقعی طراحی و مرحله‌به‌مرحله اصلاح کنید.
بیشتر خروجی‌های ضعیف از Prompt کوتاه یا مبهم، تصویر مرجع نامناسب و تغییر هم‌زمان چند متغیر ناشی می‌شوند. در این راهنما یک مسیر عملی می‌سازیم: هدف را تعریف می‌کنیم، حالت مناسب را انتخاب می‌کنیم، Prompt را به اجزای تصویری و حرکتی می‌شکنیم و قبل از مصرف اعتبار بیشتر، یک نسخه کوتاه را ارزیابی می‌کنیم.
Kling AI چیست و برای چه کاری مناسب است؟
Kling AI ابزار تحت وب و اپلیکیشن ساخت تصویر و ویدیو با هوش مصنوعی است. در بخش ویدیو می‌توانید فقط با متن شروع کنید، یک تصویر را به حرکت درآورید، فریم شروع و پایان بدهید یا از مرجع سوژه برای حفظ تداوم استفاده کنید. امکانات دقیق به مدل، منطقه، حساب و طرح فعال وابسته‌اند و ممکن است تغییر کنند؛ صفحه رسمی مدل را پیش از پروژه نهایی کنترل کنید.
این ابزار برای Prototype شات تبلیغاتی، B-roll مفهومی، Reel کوتاه، پیش‌نمایش Storyboard و آزمایش حرکت دوربین مفید است. خروجی مولد جای فیلم‌برداری، تدوین و بررسی حقوقی را به‌صورت خودکار نمی‌گیرد. برای استفاده تجاری باید مجوز ورودی‌ها، چهره‌ها، موسیقی، علامت تجاری و شرایط حساب را جداگانه بررسی کنید.
| حالت | ورودی اصلی | بهترین کاربرد | کنترل مهم |
|---|---|---|---|
| Text-to-Video | شرح متنی | ایده و صحنه‌ای که مرجع ثابت ندارد | سوژه، قاب و حرکت |
| Image-to-Video | تصویر شروع | متحرک‌سازی محصول یا Artwork | حفظ فرم و حرکت محدود |
| Start & End Frames | دو فریم | گذار میان دو وضعیت | سازگاری ترکیب دو تصویر |
| Element Reference | چند مرجع سوژه | تداوم شخصیت یا شیء | زاویه‌ها و ویژگی ثابت |
| Motion Control | مرجع حرکت | انتقال الگوی حرکت | قاب‌بندی و تناسب بدن |
| Multi-Shot | شرح چند نما | روایت کوتاه با تغییر قاب | ترتیب، مدت و اتصال نماها |
قبل از ساخت ویدیو یک Shot Brief بنویسید
Prompt خوب بعد از تعریف شات نوشته می‌شود. یک Brief یک‌خطی باید بگوید مخاطب چه چیزی می‌بیند، چه حرکتی رخ می‌دهد و در پایان چه حسی یا اطلاعاتی باقی می‌ماند. برای Reel محصول، نتیجه ممکن است «نمای نزدیک محصول روی میز، حرکت آرام دوربین به جلو و پایان روی لوگویی که بعداً در تدوین اضافه می‌شود» باشد.
- هدف: معرفی، آموزش، فضای احساسی یا B-roll
- سوژه: شکل، جنس، لباس یا ویژگی‌هایی که باید ثابت بماند
- محیط: محل، زمان روز، آب‌وهوا و عمق صحنه
- حرکت سوژه: یک فعل روشن و قابل‌مشاهده
- حرکت دوربین: ثابت، Pan، Tilt، Dolly، Tracking یا Orbit
- قاب: نمای باز، متوسط، Close-up و زاویه دوربین
- پایان: وضعیت نهایی و فضای مناسب برای متن تدوین
در یک کلیپ کوتاه فقط یک حرکت اصلی سوژه و یک حرکت اصلی دوربین را آزمایش کنید. درخواست هم‌زمان چرخش، دویدن، تعویض لباس، تغییر فصل و حرکت سریع دوربین احتمال اعوجاج و گسست را بالا می‌برد.
ساخت ویدیو با Text-to-Video
- وارد Creative Studio شوید و Video Generation را باز کنید.
- حالت Text-to-Video و مدل مناسب حساب را انتخاب کنید.
- نسبت تصویر را براساس مقصد تعیین کنید؛ برای Reel معمولاً قاب عمودی و برای YouTube قاب افقی لازم است.
- Prompt را با صحنه ثابت شروع و سپس حرکت سوژه و دوربین را اضافه کنید.
- مدت و کیفیت را برای آزمایش اولیه پایین و کوتاه نگه دارید.
- Generate را اجرا و نتیجه را با Shot Brief مقایسه کنید.
- در نسخه دوم فقط عامل اصلی خطا را اصلاح کنید.
فرمول عملی Prompt چنین است: «سوژه + محیط + عمل + نوع قاب + حرکت دوربین + نور و سبک + محدودیت». لازم نیست واژه‌های تزئینی زیادی اضافه کنید. هر بخش باید یک تصمیم بصری قابل مشاهده بسازد.
یک فنجان سرامیکی فیروزه‌ای روی میز چوبی کنار پنجره در صبح بارانی؛ بخار آرام از فنجان بالا می‌رود؛ نمای نزدیک در سطح میز؛ دوربین با Dolly بسیار آهسته به جلو حرکت می‌کند؛ نور نرم طبیعی و عمق میدان کم؛ شکل فنجان ثابت بماند، بدون نوشته و بدون حضور دست.
این Prompt نسبت به «یک ویدیوی سینمایی از قهوه» قابل‌کنترل‌تر است، زیرا سوژه، عمل، قاب، حرکت، نور و محدودیت را جدا می‌کند.
ساخت ویدیو از تصویر با Image-to-Video
در Image-to-Video، تصویر اولیه بخش بزرگی از تصمیم‌های سبک و ترکیب را گرفته است. بنابراین Prompt نباید همان تصویر را دوباره توصیف کند؛ روی حرکت موردنظر، حرکت دوربین و عناصر ثابت تمرکز کنید.
- تصویری با رزولوشن کافی، لبه‌های تمیز و سوژه واضح انتخاب کنید.
- فضای اطراف سوژه را برای حرکت احتمالی در نظر بگیرید.
- از تصویری که دست، چهره یا نوشته ناقص دارد شروع نکنید؛ حرکت معمولاً نقص پایه را تشدید می‌کند.
- در Prompt یک حرکت کوتاه و طبیعی تعریف کنید.
- ویژگی‌هایی را که نباید تغییر کنند صریح نام ببرید.
- خروجی کوتاه بگیرید و فریم‌به‌فریم بررسی کنید.
برگ‌های گیاه به‌آرامی با نسیم حرکت می‌کنند و انعکاس نور روی بدنه محصول کمی جابه‌جا می‌شود؛ دوربین ثابت است؛ محصول، برچسب، نسبت بسته‌بندی، رنگ برند و پس‌زمینه بدون تغییر بمانند؛ بدون اضافه‌شدن شیء جدید.
اگر دوربین هم حرکت می‌کند، ابتدا نسخه‌ای با سوژه ثابت بسازید. پس از تأیید، حرکت دوربین را اضافه کنید. این تفکیک مشخص می‌کند خطا از Animation سوژه است یا بازسازی فضای سه‌بعدی.
Start Frame و End Frame چه زمانی مفید است؟
دو فریم برای کنترل نقطه شروع و پایان مناسب‌اند؛ مثلاً نمای بسته جعبه در ابتدا و جعبه بازشده در پایان. دو تصویر باید از نظر سبک، نسبت، نور، زاویه و هویت سوژه به هم نزدیک باشند. اگر اختلاف بسیار زیاد باشد، مدل ناچار است در میانه تغییرهای پیش‌بینی‌نشده بسازد.
| معیار | فریم شروع | فریم پایان | کنترل |
|---|---|---|---|
| نسبت تصویر | مثلاً 9:16 | همان نسبت | Crop یکسان |
| سوژه | اندازه و هویت مشخص | همان ویژگی‌ها | مرجع ثابت |
| دوربین | زاویه اول | زاویه منطقی بعدی | مسیر قابل تصور |
| نور | جهت و رنگ معین | تغییر محدود | پرهیز از جهش |
| پس‌زمینه | عناصر اصلی مشخص | چیدمان سازگار | ثبات هندسی |
حفظ ثبات سوژه با Element Reference
راهنمای رسمی Kling Video 3.0 توضیح می‌دهد که Element می‌تواند از چند تصویر مرجع یا در برخی حالت‌ها از ویدیو ساخته شود و برای حفظ ویژگی سوژه در حرکت و نماهای مختلف به کار رود. مرجع خوب باید اطلاعات مکمل بدهد، نه چند تصویر ناسازگار.
- یک نمای روبه‌رو، یک سه‌رخ و یک نمای جانبی روشن انتخاب کنید.
- لباس، رنگ مو، اکسسوری و نسبت بدن میان مرجع‌ها ثابت باشد.
- پس‌زمینه ساده و نور متعادل، استخراج ویژگی را آسان‌تر می‌کند.
- تصویر تار، فیلترشده یا با پوشیدگی شدید را حذف کنید.
- در Prompt سوژه را با همان نام یا برچسب Element فراخوانی کنید.
- ویژگی هویتی را با سبک یا لباس تازه در همان مرحله عوض نکنید.
ثبات کامل تضمین نمی‌شود. چهره، دست، نوشته، الگوی لباس و اشیای کوچک را در همه فریم‌ها بررسی کنید. برای شخصیت واقعی فقط با رضایت و حق استفاده روشن اقدام کنید.
طراحی Multi-Shot بدون روایت آشفته
در مدل‌های دارای Multi-Shot می‌توان برنامه‌ریزی نما را به مدل سپرد یا Custom Multi-Shot ساخت. برای تبلیغ کوتاه، سه نما معمولاً کافی است: Establishing برای معرفی فضا، Detail برای ویژگی و Hero Shot برای پایان.
| نما | هدف | قاب و حرکت | اتصال |
|---|---|---|---|
| ۱ | معرفی میز کار | نمای باز، Pan آرام | حرکت به سمت محصول |
| ۲ | نمایش بافت محصول | Close-up، Dolly in | نور هم‌جهت با نمای قبل |
| ۳ | پایان برندپذیر | Hero Shot ثابت | فضای خالی برای تدوین |
مدت هر نما را متناسب با عمل تعیین کنید. شات یک‌ثانیه‌ای برای عمل پیچیده کافی نیست و شات طولانی بدون تغییر، ریتم را کند می‌کند. متن و لوگوی دقیق را بهتر است پس از تولید در Editor اضافه کنید تا کنترل تایپوگرافی حفظ شود.
حرکت دوربین را دقیق بنویسید
واژه «سینمایی» نوع حرکت را تعیین نمی‌کند. اصطلاح حرکت را همراه سرعت، جهت و سوژه هدف بنویسید. «دوربین آرام به جلو نزدیک می‌شود و فوکوس روی محصول می‌ماند» از «حرکت دوربین حرفه‌ای» روشن‌تر است.
| حرکت | اثر بصری | نمونه دستور |
|---|---|---|
| Static | ثبات و تمرکز بر سوژه | دوربین ثابت، فقط بخار حرکت کند |
| Pan | کشف افقی صحنه | Pan آرام از چپ به راست |
| Tilt | کشف عمودی | Tilt از پایه تا بالای ساختمان |
| Dolly in | نزدیک‌شدن فضایی | Dolly آهسته به سمت محصول |
| Tracking | همراهی با سوژه | دوربین از کنار دونده را دنبال کند |
| Orbit | نمایش حجم و اطراف | Orbit کوتاه ۳۰ درجه دور شیء |
Zoom با Dolly یکسان نیست؛ Zoom فاصله کانونی را تغییر می‌دهد، اما Dolly موقعیت دوربین را جابه‌جا می‌کند و Parallax می‌سازد. اگر نتیجه فضایی می‌خواهید، واژه مناسب را انتخاب کنید.
Prompt منفی و محدودیت‌ها
فهرست بسیار بلند از نقص‌ها لزوماً خروجی را بهتر نمی‌کند. ابتدا محدودیت‌هایی را بنویسید که به شات شما مرتبط‌اند: تغییر نکردن هویت، نداشتن متن، نبود شیء جدید، ثابت‌ماندن دوربین یا جلوگیری از Cut.
- سوژه و لباس در طول شات ثابت بماند.
- بدون تغییر چهره، دست اضافی یا شیء تازه.
- بدون نوشته و زیرنویس تولیدشده داخل تصویر.
- حرکت آهسته و طبیعی، بدون لرزش ناگهانی.
- یک شات پیوسته، بدون Cut یا تغییر زاویه.
- رنگ و نسبت محصول بدون تغییر بماند.
اگر محدودیت اجرا نشد، Prompt را طولانی‌تر نکنید. حرکت را ساده، Duration را کوتاه و تصویر مرجع را واضح‌تر کنید.
ساخت Reel عمودی با Kling AI
- پیام Reel را در یک جمله بنویسید.
- سه Shot Brief کوتاه برای Hook، نمایش و پایان بسازید.
- هر Shot را جدا و با نسبت عمودی تولید کنید.
- در Kling متن و لوگوی حساس نسازید؛ آن‌ها را در مرحله تدوین اضافه کنید.
- بهترین Take هر شات را انتخاب و Cutهای اضافی را حذف کنید.
- موسیقی یا Voice-over دارای مجوز اضافه کنید.
- Subtitle فارسی را حرف‌به‌حرف بازبینی کنید.
- خروجی را روی صفحه موبایل و بدون صدا آزمایش کنید.
برای Hook، تغییر قابل‌مشاهده باید در ثانیه‌های ابتدایی رخ دهد؛ اما شلوغی تصویری جای پیام روشن را نمی‌گیرد. اگر Reel آموزشی است، حرکت AI را برای توضیح مفهوم به کار ببرید، نه فقط تزئین.
کنترل کیفیت فریم‌به‌فریم
پخش عادی بعضی خطاها را پنهان می‌کند. ویدیو را یک بار بدون صدا، یک بار با سرعت کم و یک بار فریم‌به‌فریم ببینید. فریم آغاز، میانه و پایان را جدا Export و مقایسه کنید.
| محور | سؤال | اقدام در صورت خطا |
|---|---|---|
| هویت | سوژه در همه فریم‌ها همان است؟ | مرجع بهتر و حرکت کمتر |
| هندسه | دست، چهره و محصول سالم‌اند؟ | شات کوتاه‌تر یا قاب بسته‌تر |
| حرکت | شتاب و مسیر طبیعی است؟ | فعل و سرعت دقیق‌تر |
| دوربین | حرکت با Brief هماهنگ است؟ | یک حرکت اصلی |
| متن | نوشته ناخواسته وجود دارد؟ | نسخه بدون متن و تدوین دستی |
| اتصال | Cut و نور میان نماها سازگار است؟ | اصلاح Color و Transition |
| حقوق | برای همه ورودی‌ها مجوز دارید؟ | تعویض Asset یا کسب اجازه |
حریم خصوصی و حقوق استفاده
آپلود تصویر یا ویدیوی مرجع یعنی انتقال آن به سرویس. اطلاعات شخصی، سند داخلی، چهره مشتری یا Asset محرمانه را بدون مجوز وارد نکنید. شرایط استفاده و Privacy Policy فعال برای منطقه و حساب خود را پیش از کار سازمانی بخوانید.
برای فرد واقعی، رضایت روشن و قابل‌ثبت بگیرید؛ مخصوصاً اگر صدا، چهره یا حرکت او شبیه‌سازی می‌شود. خروجی گمراه‌کننده را به‌عنوان فیلم واقعی معرفی نکنید. برای موسیقی، Stock، فونت و نشان تجاری نیز مجوز مستقل لازم است.
اشتباه‌های رایج در Kling AI
Prompt پر از صفت اما بدون حرکت
سبک بصری را کوتاه و فعل را روشن کنید. مدل باید بداند چه چیزی، در چه جهتی و با چه سرعتی حرکت می‌کند.
شروع از تصویر مرجع ضعیف
لبه بریده، دست ناقص و متن خراب در ویدیو اصلاح تضمینی نمی‌شود. ابتدا تصویر پایه را تمیز کنید.
تغییر چند متغیر در هر Take
وقتی Prompt، مدل، Duration و نسبت را هم‌زمان تغییر دهید، علت بهبود یا افت مشخص نیست. هر بار فقط یک عامل را عوض کنید.
مصرف اعتبار روی خروجی نهایی
ابتدا Draft کوتاه با تنظیم اقتصادی بگیرید. پس از تأیید حرکت و هویت، کیفیت یا مدت را افزایش دهید. قیمت و اعتبار مدل‌ها ممکن است تغییر کند؛ صفحه رسمی حساب را مرجع قرار دهید.
اعتماد به متن داخل تصویر
حتی اگر مدل قابلیت متن داشته باشد، نام برند، قیمت و Subtitle را در تدوین نهایی اضافه و بازبینی کنید.
چک‌لیست تحویل نهایی
- هدف، مخاطب و مقصد ویدیو مشخص است.
- نسبت تصویر از ابتدا با Reel، Story یا YouTube هماهنگ است.
- هر شات یک عمل و یک حرکت دوربین اصلی دارد.
- ورودی‌ها کیفیت و مجوز کافی دارند.
- هویت سوژه و هندسه فریم‌به‌فریم بررسی شده است.
- متن و لوگو در مرحله تدوین با فایل مرجع اضافه شده‌اند.
- Voice-over، موسیقی و تصویر مجوز دارند.
- نسخه بدون صدا نیز پیام اصلی را منتقل می‌کند.
- ادعای غیرواقعی درباره محصول یا رویداد وجود ندارد.
- فایل خروجی روی موبایل مقصد آزمایش شده است.
مسیرهای مکمل
اگر ابتدا به یک تصویر پایه کنترل‌شده نیاز دارید، راهنمای Nano Banana روش ساخت و ویرایش مرحله‌ای تصویر را توضیح می‌دهد. برای تولید محلی و طراحی Workflowهای تصویری نیز آموزش نصب و کار با ComfyUI مسیر مناسبی است. اگر موضوع را به سناریوی آموزشی تبدیل می‌کنید، راهنمای NotebookLM در سازمان‌دهی منابع کمک می‌کند.
جمع‌بندی
Kling AI زمانی نتیجه قابل‌استفاده می‌دهد که با آن مثل ابزار کارگردانی رفتار کنید. یک Brief کوتاه بنویسید، حالت Text-to-Video یا Image-to-Video را براساس ورودی انتخاب کنید و Prompt را به سوژه، عمل، قاب، دوربین، نور و محدودیت بشکنید.
با Draft کوتاه شروع کنید، هر بار یک متغیر را اصلاح کنید و خروجی را فریم‌به‌فریم ببینید. تداوم سوژه، هندسه، متن، صدا و حقوق استفاده بخشی از کیفیت‌اند؛ نه کارهایی که پس از Generate می‌توان نادیده گرفت.
امروز یک Shot Brief سه‌خطی بنویس، یک ویدیوی کوتاه آزمایشی بساز و فقط با تغییر حرکت دوربین نسخه دوم را مقایسه کن.