بالاخره راهشو پیدا کردم!
با این روش میتونی با Seedance 2.5 ویدیوهای طولانیتر و داستانی بسازی و حتی کاری کنی شخصیتهات فارسی حرف بزنن.
نکته جالبش اینه که لازم نیست کل ویدیو رو دوباره بسازی.
اول صحنه و اکشن رو با Seedance میسازیم، بعد فقط قسمتهایی که دیالوگ دارن رو جدا میکنیم و با Gemini Omni 1.1 Flash فارسیشون میکنیم.
قدمبهقدم بریم جلو.
مرحله ۱ — ساخت عکس مرجع کاراکتر
Create a professional character reference sheet of the same man from the first reference image, with identical face, identity, facial features, hairstyle, expression, body, and proportions in every panel. Change only his clothing to an elegant high-end matte black outfit with Matrix-inspired structured futuristic tailoring; preserve the AI4STUDY logo on the chest exactly as in the reference, with the 4 blue and all other letters unchanged. Include exactly six panels: straight-on face close-up, side-profile face close-up, half-body front, full-body front, full-body side, and full-body back, arranged in a 3-column by 2-row grid with a clean light-grey studio background and even neutral lighting; keep hair and clothing consistent in the back view. Keep the original identity, pose, camera perspective, composition, background, lighting, logo, and photorealistic appearance exactly as specified. Make no other changes.یک شیت مرجع حرفهای از همان مرد موجود در اولین تصویر مرجع بساز.در تمام پنلها، چهره، هویت، ویژگیهای صورت، مدل مو، حالت چهره، فرم بدن و تناسبات او باید کاملاً یکسان و مطابق تصویر مرجع باقی بماند.فقط لباس او را تغییر بده:یک لباس کاملاً مشکی مات، شیک و سطحبالا با طراحی ساختاریافته و آیندهنگر الهامگرفته از استایل Matrix بپوشد.لوگوی AI4STUDY روی سینه را دقیقاً مطابق تصویر مرجع حفظ کن؛ عدد 4 باید آبی باقی بماند و تمام حروف دیگر نیز بدون هیچ تغییری حفظ شوند.تصویر باید دقیقاً شامل ۶ پنل باشد:1. نمای کلوزآپ مستقیم و روبهروی صورت2. نمای کلوزآپ نیمرخ صورت3. نمای روبهرو از نیمتنه4. نمای تمامقد از روبهرو5. نمای تمامقد از کنار6. نمای تمامقد از پشتاین ۶ تصویر را در یک چیدمان منظم ۳ ستون × ۲ ردیف قرار بده.پسزمینه تمام پنلها یک استودیوی ساده و تمیز به رنگ خاکستری روشن باشد.نورپردازی یکنواخت، خنثی و استودیویی باشد.در نمای پشت نیز مدل مو، لباس و تمام جزئیات ظاهری باید کاملاً با سایر نماها هماهنگ و یکسان باقی بمانند.هویت اصلی شخص، چهره، فرم بدن، ژست، زاویه و پرسپکتیو دوربین، ترکیببندی، پسزمینه، نورپردازی، لوگوی AI4STUDY و ظاهر فوتورئالیستی را دقیقاً مطابق توضیحات حفظ کن.هیچ تغییر دیگری ایجاد نکن.
اول به بخش تصویر AI4STUDY میریم و مدل GPT Image 2 رو انتخاب میکنیم.
برای اینکه کاراکتر در ویدیوهای بعدی ثابت بمونه، اول یک عکس مرجع از خودمون میسازیم.
من یک عکس از خودم آپلود کردم و خواستم با لباس کامل قرمز پرسپولیس و شماره ۷، یک Character Reference چندزاویهای برام بسازه.
نکته مهم اینه که عکس مرجع بهتره حداقل شامل این زاویهها باشه:
نمای روبهرو
نیمرخ
کل بدن از روبهرو
کل بدن از کنار
نمای پشت
نمای واضح صورت
این کار باعث میشه مدل ویدیویی بعداً هویت شخصیت رو خیلی بهتر حفظ کنه.
مرحله ۲ — ساخت شات اصلی مسابقه با GPT Image 2
حالا همون عکس مرجع کاراکتر رو داخل بخش تصویر آپلود میکنیم.
میخوایم یک مسابقه پرسپولیس و استقلال بسازیم که استقلال واقعاً «اتوبوس پارک کرده» جلوی دروازه!
کاراکتر شماره ۷ پشت توپ برای یک ضربه ایستگاهی ایستاده و اتوبوس استقلال جلوی دروازه پارک شده.
پرامپت عکس
یک تصویر ثابت از پخش زنده و واقعی تلویزیونی یک مسابقه فوتبال حرفهای بین پرسپولیس و استقلال تهران بساز.از عکس مرجع آپلودشده بهعنوان مرجع دقیق هویت بازیکن شماره ۷ پرسپولیس استفاده کن.قفل هویت شخصیت:شخص موجود در عکس مرجع دقیقاً بازیکن شماره ۷ پرسپولیس است.چهره، فرم صورت، مدل و رنگ مو، رنگ پوست، سن ظاهری، فرم بدن و هویت قابل تشخیص او را دقیقاً حفظ کن.او باید لباس کامل قرمز تیم پرسپولیس را پوشیده باشد و شماره سفید ۷ بهوضوح روی لباس او دیده شود.چهره یا ظاهر شخصیت را بازطراحی یا جایگزین نکن.صحنه:این یک ضربه ایستگاهی مستقیم برای پرسپولیس مقابل استقلال است.بازیکن شماره ۷، یعنی دقیقاً همان شخص عکس مرجع، پشت توپ ثابت ایستاده و آماده زدن ضربه آزاد است.توپ باید درست بیرون محوطه جریمه استقلال قرار داشته باشد، حدود ۱ تا ۲ متر پشت خط محوطه ۱۸ قدم و تقریباً روبهروی مرکز دروازه.بازیکن شماره ۷ حدود ۲ تا ۳ متر پشت توپ در حالت طبیعی آمادهشدن برای ضربه ایستگاهی ایستاده و مستقیم به دروازه استقلال نگاه میکند.فاصله بسیار مهم:این ضربه از وسط زمین نیست.توپ باید بسیار نزدیک به محوطه جریمه باشد.خط محوطه ۱۸ قدم باید کمی جلوتر از توپ و کاملاً مشخص دیده شود.فاصله توپ تا دروازه باید شبیه یک ضربه آزاد خطرناک حرفهای از حدود ۱۹ تا ۲۲ متر باشد.زاویه دوربین:از زاویه کلاسیک پخش زنده تلویزیونی فوتبال هنگام یک ضربه ایستگاهی خطرناک پشت محوطه جریمه استفاده کن.دوربین در ارتفاع بالای جایگاه اصلی ورزشگاه و در کنار زمین قرار گرفته و بهصورت مورب به سمت دروازه استقلال نگاه میکند.دوربین نباید خیلی دور باشد.فقط یکسوم هجومی زمین را در کادر نشان بده.در کادر باید کاملاً مشخص باشند:- بازیکن شماره ۷ پرسپولیس پشت توپ- توپ ثابت- خط محوطه جریمه- بخش اصلی محوطه ۱۸ قدم- دروازه استقلال- اتوبوس آبی استقلال جلوی دروازه- بازیکنان مدافع استقلال- چند بازیکن پرسپولیسکل زمین فوتبال را نشان نده.دروازه سمت مقابل را نشان نده.بازیکن شماره ۷ باید در تصویر بهاندازه کافی واضح و قابل تشخیص باشد، اما تصویر همچنان حس واقعی پخش تلویزیونی فوتبال را داشته باشد.اتوبوس استقلال:یک اتوبوس واقعی و بزرگ آبیرنگ تیم استقلال دقیقاً جلوی دروازه خود استقلال پارک شده است.اتوبوس بهصورت افقی و موازی با خط دروازه قرار گرفته و عملاً دهانه دروازه را مسدود کرده است.اتوبوس باید داخل زمین فوتبال و دقیقاً جلوی خط دروازه باشد.اتوبوس نباید پشت دروازه یا بیرون زمین قرار بگیرد.اندازه آن باید نسبت به بازیکنان و دروازه کاملاً واقعی باشد.روی بدنه اتوبوس به زبان فارسی و کاملاً خوانا نوشته شده باشد:«پارکینگ اتوبوستیم استقلال»چند بازیکن استقلال با لباس آبی اطراف اتوبوس حضور دارند.بعضی از بازیکنان استقلال روی سقف اتوبوس نشسته یا ایستادهاند و منتظر ضربه شماره ۷ هستند.چند مدافع آبی نیز بهشکل طبیعی داخل محوطه جریمه ایستادهاند.بازیکنان پرسپولیس:تمام بازیکنان پرسپولیس لباس قرمز دارند.شخص عکس مرجع با شماره ۷، بازیکن اصلی ضربه ایستگاهی است و مستقیماً پشت توپ ایستاده.چند بازیکن دیگر پرسپولیس نیز اطراف محوطه جریمه منتظر ضربه هستند.داور:داور چند متر کنار توپ و در موقعیت طبیعی مسابقه ایستاده و آماده اجرای ضربه است.مسابقه:پرسپولیس مقابل استقلال تهران، دربی تهران.نتیجه:PER 0-0 ESTگرافیک تلویزیونی:در گوشه بالا سمت چپ یک اسکوربرد واقعی و ساده پخش زنده فوتبال قرار بده:PER 0-0 ESTیک زمان واقعی مسابقه و علامت کوچک LIVE / زنده نیز نمایش داده شود.ظاهر تصویر:کاملاً شبیه اسکرینشات واقعی پخش زنده مسابقه فوتبال ایران باشد.کیفیت عادی HD تلویزیونی.کمی افت کیفیت و فشردهسازی تصویر.رنگ طبیعی استادیوم.چمن کمی کماشباع.نور واقعی ورزشگاه.جمعیت واقعی در جایگاهها.تصویر نباید سینمایی باشد.بدون نورپردازی فیلمی.بدون عمق میدان سینمایی.بدون لنز فلر.بدون ظاهر تبلیغات 8K.بدون زاویه پایین سینمایی.بدون نمای بسیار نزدیک.اولویت ترکیببندی:۱. بازیکن شماره ۷ عکس مرجع پشت توپ.۲. توپ درست بیرون خط محوطه ۱۸ قدم.۳. محوطه جریمه استقلال.۴. اتوبوس آبی استقلال دقیقاً جلوی دروازه.۵. بازیکنان استقلال اطراف و روی اتوبوس.قفل موقعیت:توپ حدود ۱ تا ۲ متر بیرون محوطه جریمه است.بازیکن شماره ۷ حدود ۲ تا ۳ متر پشت توپ ایستاده.دروازه مستقیم روبهروی اوست.اتوبوس آبی دقیقاً جلوی همان دروازه قرار دارد.تصویر باید فوراً شبیه لحظهای از پخش زنده دربی تهران باشد که درست یک ثانیه قبل از زدن ضربه ایستگاهی توسط بازیکن شماره ۷ متوقف شده و استقلال به معنای واقعی کلمه یک اتوبوس جلوی دروازه خودش پارک کرده است.
خروجی این مرحله، میشه عکس اصلی صحنه که قرار است وارد Seedance بشه.
مرحله ۳ — رفتن به بخش Video
حالا وارد بخش ویدیو AI4STUDY میشیم.
مدل رو روی:
Seedance 2.5
میذاریم.
برای این ویدیو سه مرجع داریم:
@image1: عکس زمین، دروازه و اتوبوس
@image2: عکس مرجع بازیکن شماره ۷
@image3: عکس مرجع داور
حالا Seedance میتونه هم محیط رو بفهمه، هم بازیکن اصلی و هم داور رو.
مرحله ۴ — ساخت ویدیوی ۱۵ ثانیهای Seedance 2.5
سناریوی ما اینه:
بازیکن شماره ۷ ضربه ایستگاهی میزنه توپ به اتوبوس برخورد میکنه بازیکن عصبانی میشه میره سمت داور با داور اعتراض میکنه.
پرامپت Seedance 2.5
Live sports television broadcast, authentic real-time Iranian football match retransmission between Persepolis FC and Esteghlal FC. Natural stadium daylight, slight haze, real crowd, live match atmosphere, scoreboard PER 0-0 EST with LIVE indicator and match clock. Pure professional sports-TV camera language with natural broadcast zoom, subtle lens shake and genuine live-feed texture. No cinematic polish.REFERENCE LOCK:@image1 = exact reference for the stadium, camera perspective, football pitch, Esteghlal goal, blue Esteghlal team bus parked directly across the goalmouth, player positions and overall match scene.@image2 = exact identity reference for Persepolis player #7. Preserve exactly the same face, hairstyle, body proportions and recognizable identity. He wears the red Persepolis football kit with number 7 and is the free-kick taker.@image3 = exact identity and appearance reference for the referee. Preserve his face, hairstyle, body proportions and overall appearance consistently.The blue Esteghlal bus remains parked horizontally directly in front of Esteghlal's goal throughout the sequence.On the side of the bus, clearly visible Persian writing reads:«پارکینگ اتوبوستیم استقلال»0–4s — HIGH ELEVATED FREE-KICK BROADCAST SHOTStart exactly from the dangerous free-kick setup shown in @image1, just outside the 18-yard penalty area.Persepolis player #7 from @image2 is already standing 2–3 meters directly behind the stationary ball.The ball is approximately 1–2 meters outside the penalty-area line.Use a realistic elevated TV broadcast framing of the attacking third — NOT the entire pitch.Clearly show player #7, the ball, penalty area, Esteghlal goal and blue bus together.Player #7 takes a fast short run-up and strikes a spectacular, powerful direct free kick.The ball rises rapidly toward the goal.As the ball approaches the bus, create a very brief dramatic FREEZE-FRAME / FREEZE-MOTION moment:the football is suspended in the air immediately before impact while the broadcast camera remains locked on the action.Motion instantly resumes.BANG — the ball violently strikes the SIDE BODY of the blue Esteghlal bus blocking the goal and rebounds naturally back onto the pitch.Player #7 immediately throws his arms open in disbelief and turns angrily toward the referee.4–8s — MEDIUM LIVE BROADCAST TRACKINGThe TV director cuts to a closer live sports camera.The EXACT SAME Persepolis player #7 from @image2 angrily walks toward the referee from @image3.Camera tracks them naturally like a real live football broadcast.Player #7 reaches the referee and begins a heated verbal argument.He repeatedly points toward the blue bus and the blocked goal, opens both arms in disbelief and protests intensely.The referee responds firmly with animated hand gestures.Keep both reference identities perfectly stable.8–12s — TIGHT LIVE BROADCAST ANGLECut to a tighter television broadcast shot of the confrontation.Player #7 and the referee are face-to-face having an intense football argument.Player #7 angrily points back toward the bus and demands an explanation with expressive hand gestures.The referee becomes increasingly frustrated and firmly gestures for player #7 to move away and calm down.No physical fight — intense verbal confrontation and expressive football gestures only.The blue bus and parts of the penalty area remain naturally visible in the background whenever composition allows.12–15s — WIDE REACTION BROADCAST SHOTCut back to a wider elevated broadcast view.Player #7 is still furious and continues protesting while walking backward away from the referee, pointing one final time toward the absurd blue bus blocking the goal.Nearby Persepolis players react with disbelief.Esteghlal players remain around and on top of the blue bus watching the confrontation.The blue bus remains directly across the Esteghlal goalmouth with the Persian writing:«پارکینگ اتوبوستیم استقلال»REAL BROADCAST AUDIO:Real stadium crowd reaction.Strong natural kick impact sound.Brief crowd anticipation as the ball travels.Loud metallic THUD when the football hits the bus.Immediate surprised crowd reaction.Natural distant player shouting and referee whistle.No music.No cinematic sound design.VISUAL RULES:Authentic Iranian live football TV broadcast.Natural sports-camera tracking and quick operator zooms.Realistic broadcast motion blur.Coherent football physics.Natural ball trajectory and rebound.Realistic player movement and reactions.Stable @image2 identity throughout every shot.Stable @image3 identity throughout every shot.Consistent stadium geography.Mild television compression and live-feed texture.No cinematic lighting.No shallow depth of field.No movie-style camera.No slow-motion sequence except the single brief freeze-motion moment immediately before the ball hits the bus.CRITICAL CONTINUITY:@image2 player #7 starts BEHIND THE BALL.Player #7 takes the free kick.The ball travels toward the Esteghlal goal.The ball physically hits the BLUE BUS blocking the goal.Only AFTER the impact does player #7 become angry and confront @image3 referee.The same #7 player must remain recognizable throughout the entire sequence.The same referee from @image3 must remain recognizable throughout the argument.
مرحله ۵ — مشکل فارسی Seedance 2.5
اینجا نکته اصلی آموزش شروع میشه.
Seedance 2.5 برای ساخت اکشن، حرکت دوربین، فیزیک ویدیو و حفظ صحنه خیلی خوب عمل میکنه، اما اگر بخوای کاراکتر فارسی حرف بزنه ممکنه خروجی صوتی مناسب نگیری.
پس قرار نیست کل ویدیو رو دور بندازیم.
فقط بخشهایی که شخصیت در حال صحبت کردنه رو جدا میکنیم.
مثلاً در این ویدیو، قسمت اعتراض بازیکن به داور حدود ۱۰ ثانیه است.
همون ۱۰ ثانیه رو Export یا Cut میکنیم.
مرحله ۶ — آپلود همان ویدیو در Gemini Omni 1.1 Flash
دوباره وارد بخش ویدیو میشیم.
این بار بهجای Seedance 2.5، مدل:
Gemini Omni 1.1 Flash
رو انتخاب میکنیم.
حالا نکته مهم:
اینجا دیگه عکس تولید نمیکنیم و حتی نمیخوایم ویدیومون دوباره ساخته بشه.
خود فایل ویدیوی ساختهشده با Seedance رو آپلود میکنیم.
هدف اینه که:
تصویر حفظ بشه حرکت حفظ بشه تدوین حفظ بشه فقط دیالوگ فارسی جایگزین بشه.
مرحله ۷ — فارسیکردن مکالمه و Lip Sync
در پرامپت دقیقاً مشخص میکنیم که هیچ تغییری در ویدیو ایجاد نشه و فقط بازیکن جملههای فارسی ما رو بگه.
پرامپت Gemini Omni 1.1 Flash
این ویدیوی ۱۰ ثانیهای را دقیقاً بدون هیچ تغییری در تصویر، حرکت، تدوین، دوربین، شخصیتها و زمانبندی حفظ کن.فقط صداگذاری و دیالوگ بازیکنی که با داور اعتراض میکند را جایگزین کن.بازیکن باید خیلی سریع، عصبانی و کاملاً طبیعی به زبان فارسی ایرانی بگوید:«این چه وضعشه داور!بابا اتوبوس پارک کردن تو دروازه!بگو اتوبوس رو بردارن، اینجوری نمیشه بازی کرد، چه وضعشه آخه!»دیالوگ باید کامل در همین ۱۰ ثانیه گفته شود.سرعت صحبت بالا و حالت آن اعتراض عصبانی وسط مسابقه فوتبال باشد.تلفظ کاملاً فارسی و طبیعی باشد.صدای بازیکن با حرکت دهان او هماهنگ باشد.هیچ جملهای اضافه نکن.دیالوگ را ترجمه یا تغییر نده.صدای طبیعی تماشاگران و استادیوم را حفظ کن.هیچ موسیقی اضافه نکن.مهم:فقط صدا و دیالوگ را اصلاح کن.خود ویدیوی اصلی باید بدون تغییر باقی بماند.
مرحله ۸ — اتصال دوباره ویدیوها
حالا ویدیوی فارسیشده رو میگیریم.
اون قسمت قبلی Seedance که دیالوگ نداشت رو نگه میداریم.
قسمتی که دیالوگ داشت رو با نسخه جدید Gemini جایگزین میکنیم.
یعنی ساختار نهایی میشه:
Seedance 2.5
ضربه ایستگاهی
حرکت توپ
Freeze Motion
برخورد با اتوبوس
سپس:
Gemini Omni 1.1 Flash
اعتراض بازیکن
مکالمه فارسی
Lip Sync فارسی
و دوباره این دو بخش رو پشت سر هم قرار میدیم.
راز اصلی ساخت ویدیوی طولانیتر
اینجا حتی میتونی آموزش رو یک مرحله جذابتر کنی و بگی:
حالا متوجه شدید چرا گفتم با این روش میشه ویدیوهای طولانیتر ساخت؟
لازم نیست از یک مدل بخوای یک ویدیوی ۳۰ یا ۶۰ ثانیهای رو یکجا بسازه.
ویدیو رو به سکانسهای ۱۰ یا ۱۵ ثانیهای تقسیم میکنی.
برای هر سکانس Reference ثابت داری.
مثلاً:
سکانس ۱: ضربه ایستگاهی — Seedance
سکانس ۲: بحث با داور — Seedance + Gemini
سکانس ۳: ادامه مسابقه — Seedance
سکانس ۴: دیالوگ بعدی — Gemini
بعد همه رو پشت سر هم تدوین میکنی.
این روش سه مشکل رو همزمان حل میکنه:
Continuity + Long Video + Persian Dialogue
جمعبندی پایان آموزش
برای پایان ویدیو میتونی این متن رو بگی:
پس فرمول خیلی سادهست.
اول عکس مرجع درست بساز.
بعد اکشن و کارگردانی رو با Seedance 2.5 بساز.
قسمتهایی که دیالوگ فارسی دارن رو جدا کن.
همون ویدیو رو بده به Gemini Omni 1.1 Flash و فقط صدا و Lip Sync رو عوض کن.
بعد همه سکانسها رو به هم وصل کن.
با همین روش دیگه محدود به یک کلیپ کوتاه نیستی؛ میتونی داستانهای چندسکانسی با شخصیت ثابت و مکالمه فارسی بسازی.