آموزشها
Vidu Q3 Image-to-Video در عمل: از مواد ثابت تا شات تبلیغاتی پویا ۱۶ ثانیهای
بسیاری از تیمهایی که «Vidu Q3 Image-to-Video»، «Vidu Q3 Image to Video» یا «Vidu AI product video» را جستجو میکنند، از قبل رندر محصول، KV برند یا فریم ثابت استوریبورد دارند. آنچه کم است مسیر از مواد ثابت به شات پویا قابل انتشار است. Vidu Q3 در ۳۰ ژانویه ۲۰۲۶ منتشر شد و از تا ۱۶ ثانیه ویدیوی پیوسته 1080P و همگامسازی بومی صدا و تصویر پشتیبانی میکند؛ Image-to-Video نقطه ورود پرتکرار برای اتصال داراییهای بصری موجود به قابلیت شات بلند Vidu Q3 است.
این آموزش برای تیمهای محتوا و رسانهای است که Vidu Q3 را در workbench Vidu AI استفاده میکنند و میخواهند بدون بازسازی کتابخانه مواد، یک گردشکار Vidu Q3 Image-to-Video قابل استفاده مجدد بسازند.
۱. چرا Image-to-Video شایسته SOP جداگانه است
در پروژههای واقعی، Image-to-Video اغلب زودتر از Text-to-Video خالص وارد تولید میشود:
- تجارت الکترونیک و برند: عکس محصول و صحنه از قبل تأیید شده—حرکت فقط باید «عناصر درست را زنده کند»؛
- IP بازی و انیمه: هنر شخصیت و صحنه مفهومی لنگر بصری میشود و انحراف شخصیت کم میشود؛
- آژانسهای تبلیغاتی: KV مشتری یا فریم Moodboard باید ظرف ۴۸ ساعت نمونه پویا بگیرد؛
- شبکههای اجتماعی: کاور عمودی و تصویر اصلی گرید به حرکت سبک ۳–۱۶ ثانیهای برای فید تبلیغاتی نیاز دارد.
ارزش اصلی Vidu Q3 Image-to-Video «تصادفی حرکت دادن تصویر» نیست، بلکه حفظ اطلاعات کلیدی مرجع در حالی که شاتی با روایت یا هدف تبدیل در ۱۶ ثانیه تکمیل میشود است.
۲. Image-to-Video در برابر Text-to-Video در برابر Reference-to-Video: چگونه انتخاب کنیم
| قابلیت | ورودی اصلی | سناریوی مناسب | ارتباط با ۱۶ ثانیه Vidu Q3 |
|---|---|---|---|
| Image-to-Video | ۱ تصویر اصلی (بهعلاوه متن کوتاه) | حرکت محصول، میکرو-حرکت KV، کلیپ تکشات جو | تصویر بهعنوان شروع بصری؛ گسترش حرکت و صدا در ۱۶ ثانیه |
| Text-to-Video | فقط پرامپت متنی | ایدهپردازی صحنه از صفر، آزمایش سریع خلاقیت | تصویر کاملاً متنی وقتی مواد نیست |
| Reference-to-Video | چند تصویر/ویدیوی مرجع، تمرکز بر یکنواختی | سریال کوتاه، IP چند اپیزود، فریم چند موضوعی | قفل یکنواختی شخصیت/سبک در شات ۱۶ ثانیهای |
توصیه عملی:
- فقط یک فریم ثابت تأییدشده → اولویت Vidu Q3 Image-to-Video؛
- نیاز به همان شخصیت در چند اپیزود → پس از اولین شات Image-to-Video، سری را با Reference-to-Video گسترش دهید؛
- اصلاً مواد ندارید → از Text-to-Video شروع کنید، سپس فریم بگیرید برای تکرار Image-to-Video.
اگر با تقسیم روایت ۱۶ ثانیهای آشنا نیستید، ابتدا «شروع سریع با Vidu Q3: از پرامپت تا کلیپ ۱۶ ثانیهای» را بخوانید.
۳. آمادهسازی مواد ورودی: گام قبل از پرامپت
سقف کیفیت Image-to-Video اغلب قبل از آپلود تعیین میشود. پیش از آپلود در workbench Vidu AI این موارد را بررسی کنید:
۳.۱ رزولوشن و وضوح موضوع
- لبههای موضوع (محصول، شخص، لوگو) واضح—از فشردهسازی سنگین JPEG پرهیز کنید؛
- لبه بلند حدود 1080P توصیه میشود؛ رزولوشن پایینتر بافت را «صاف» میکند؛
- از موضوع خیلی کوچک پرهیز کنید: اگر محصول فقط ۱۰٪ فریم را میگیرد، مدل ممکن است نداند چه چیزی را متحرک کند.
۳.۲ ترکیببندی و فضای خالی
- نمایش محصول: فضای حرکت بگذارید—مثلاً یک طرف خالی برای چرخش محصول؛
- شات شخصیت: صورت و بالاتنه کامل، برای لبخوانی و حالت چهره بعدی؛
- تحویل عمودی: برای 9:16، تصویر عمودی از پیش برشخورده استفاده کنید تا reframe شکست نخورد.
۳.۳ جهت نور یکنواخت
- جهت نور کلیدی را مشخص کنید (نور نرم از بالا-چپ، rim light از راست و غیره)؛
- از منابع نور متناقض در یک تصویر پرهیز کنید، وگرنه فریمهای میانی نور پرش میکند؛
- مواد بازتابنده (شیشه، فلز) به highlight واضح نیاز دارند تا چرخش واقعی به نظر برسد.
۳.۴ جداسازی پسزمینه و موضوع
- پسزمینه یکدست یا محو برای «محصول میچرخد، پسزمینه ثابت» کمک میکند؛
- برای صحنه پیچیده، کدام لایهها حرکت و کدام ثابت را بنویسید (بخش ۴).
نکته: ابتدا روی همان تصویر کلیپ آزمایشی ۴–۶ ثانیهای بگیرید. قبل از گسترش به ۱۶ ثانیه کامل، تأیید کنید موضوع deform نمیشود—این بازکار را بهشدت کم میکند.
۴. پرامپت سهبخشی: حفظ، حرکت، صدا
برای Vidu Q3 Image-to-Video، پرامپت را در سه بخش ثابت کنید تا تیم کپی کند:
۴.۱ حفظ (Preserve)
صراحتاً بنویسید از تصویر مرجع چه باید حفظ شود:
شکل محصول، جایگاه لوگو، نور جانبی گرم و پسزمینه عمق کم از مرجع حفظ شود؛ رنگ بستهبندی و متن برچسب تغییر نکند.
۴.۲ حرکت (Motion)
توصیف کنید چه چیزی، چگونه، و آیا دوربین حرکت میکند:
محصول آهسته ۳۰ درجه clockwise میچرخد؛ highlight روی لوگو میگذرد؛ دوربین کمی push-in؛ bokeh پسزمینه آرام جریان مییابد.
از حرکتهای متضاد زیاد در یک شات ۱۶ ثانیهای پرهیز کنید (چرخش وحشی + orbit تهاجمی + بلند شدن شخص). یک حرکت اصلی + یک حرکت فرعی پایدارتر است.
۴.۳ صدا (Sound)
با همگامسازی بومی صدا و تصویر Vidu Q3، بخش صدا به اندازه تصویر مهم است:
محیط: reverb نمایشگاه نرم؛ ثانیه ۲–۸، VO زن ماندarin «یک لمس برای شروع، همراهی تمام روز»؛ ثانیه ۹–۱۶، BGM lo-fi بالا میآید، اولویت دیالوگ با duck BGM.
برای نوشتن دقیق همگامسازی بومی، «همگامسازی بومی صدا و تصویر Vidu Q3 در عمل: راهنمای یکپارچه لبخوانی، دیالوگ، BGM و جلوههای صوتی» را ببینید.
نمونه اسکلت کامل:
حفظ: ظاهر محصول، پالت آبی، لوگوی بالا از مرجع.
حرکت: چرخش خود محصول، push-in آهسته، پسزمینه ثابت.
صدا: SFX کلیک دکمه سبک، VO ماندarin ثانیه ۳–۷، BGM نرم پایه.
سبک: تبلیغ فناوری premium، 1080P، one-shot ۱۶ ثانیه.
۵. سه قالب سناریوی پرتکرار
۵.۱ عکس محصول تجارت الکترونیک → نمایش ۱۶ ثانیهای
ماده: عکس محصول پسزمینه سفید یا lifestyle.
هدف: برجستهسازی ویژگی + VO + شعار پایانی.
| ثانیه | تصویر | تمرکز پرامپت |
|---|---|---|
| ۰–۴ | نمای کامل محصول | حفظ جزئیات بسته، push-in آهسته |
| ۴–۱۰ | نمای نزدیک ویژگی | «دوربین به پورت/جزئیات ماده برود» |
| ۱۰–۱۴ | اشاره استفاده | silhouette عمق کم اختیاری (محصول را زیاد تغییر ندهید) |
| ۱۴–۱۶ | لوگو + شعار | حرکت کم میشود، VO جمع میشود |
جاسازی طبیعی کلیدواژه: Vidu Q3 Image-to-Video، Vidu Q3 product video، Vidu AI e-commerce motion.
۵.۲ تصویرسازی / هنر IP → پوستر پویا
ماده: هنر شخصیت انیمه یا KV بازی.
هدف: حرکت سبک برای اشتراک اجتماعی با حفظ on-model شخصیت.
- حفظ: مدل مو، رنگ لباس، جای سلاح/لوازم؛
- حرکت: میکرو-حرکت مو و پارچه، چشم آهسته به دوربین، افکت ذره؛
- پرهیز: تغییر بزرگ pose یا اندامهایی که در مرجع نیست.
برای IP چند اپیزودی، پس از رضایت از اولین Image-to-Video، به «راهاندازی Vidu Q3 Reference-to-Video: از موضوع تکی تا ترکیب چند موضوع» بروید.
۵.۳ فریم استوریبورد → گذار جو
ماده: استوریبورد تبلیغ یا فریم Moodboard ترکیبی.
هدف: گذار بین دو حالت، یا گسترش جو از یک فریم.
- اگر شروع و پایان دارید (مثلاً در بسته → باز)، با «کنترل فریم شروع-پایان Vidu Q3 برای تولید شاتهای گذار» ترکیب کنید؛
- با یک فریم، در Motion زمانبندی «ثابت → میکرو-حرکت → فرود» را بنویسید.
۶. برنامهریزی «ثابت—حرکت—فرود» در ۱۶ ثانیه
اشتباه رایج Image-to-Video: تصویر حرکت میکند اما در ۱۶ ثانیه قوس روایی نیست. با قابلیت شات بلند Vidu Q3 همراستا شوید:
| فاز | ثانیه | استراتژی Image-to-Video |
|---|---|---|
| ثابت | ۰–۳ | ترکیببندی مرجع را حفظ کنید، شناخت بسازید |
| حرکت | ۳–۱۲ | حرکت اصلی (چرخش، push-in، میکرو-حالت) |
| فرود | ۱۲–۱۶ | حرکت کند میشود؛ روی لوگو، شعار یا close-up حالت |
محور زمانی صدا را موازی برنامهریزی کنید تا «تصویر ایستاد، BGM هنوز اوج است» رخ ندهد.
۷. ترکیب با سایر قابلیتهای Vidu Q3
۷.۱ + همگامسازی بومی صدا و تصویر
Image-to-Video تصویر را قفل میکند؛ همگامسازی بومی VO و BGM اضافه میکند. مناسب:
- عکس محصول + VO توضیحی؛
- تصویرسازی شخصیت + دیالوگ لبخوان؛
- صحنه فروشگاه + محیط و دیالوگ.
۷.۲ + Reference-to-Video
پس از تأیید ظاهر شخصیت/محصول در اولین Image-to-Video، کلیپ یا فریم کلید را به کتابخانه مرجع اضافه و سری ۱۶ ثانیهای همان IP را batch تولید کنید.
۷.۳ + کنترل فریم شروع-پایان
وقتی حالت طراحی A و B دارید (مثلاً بسته → باز)، فریم شروع-پایان قید سخت میگذارد؛ Image-to-Video حرکت را از نقطه شروع تکفریم refine میکند.
۷.۴ + Vidu Agent و پستولید
در سناریوهای بازاریابی قوی، ابتدا Vidu Agent rough cut چندشات بدهد، سپس KV کلیدی را با Vidu Q3 Image-to-Video refine کنید. «گردشکار تبلیغ یککلیکی Vidu Agent: از استوریبورد تا دوبله چندزبانه» و «از «کلیپهای خام» تا «ویدیوی نزدیک به نسخه نهایی»: Vidu Q3 چگونه ساخت ویدیوی هوش مصنوعی را تغییر میدهد؟» را ببینید.
۸. چکلیست A/B در Workbench (۳ نمونه توصیهشده)
در workbench Vidu AI با Vidu Q3 Image-to-Video، تصویر مرجع ثابت و فقط پرامپت را عوض کنید:
گروه A: فقط «تصویر را متحرک کن»، بدون Preserve → deform موضوع و drift لوگو را ببینید.
گروه B: Preserve + Motion کامل، بدون صدا → آیا حرکت ۱۶ ثانیه طبیعی است.
گروه C: Preserve + Motion + صدا همگامسازی بومی + محور ثابت—حرکت—فرود → کاندید انتشار.
مقایسه بر:
- تطابق محصول/شخصیت با مرجع؛
- فیزیک حرکت (بدون پرواز/چرخش تصادفی)؛
- فرود واضح ۱۶ ثانیه؛
- اگر VO هست: لبخوانی و وضوح BGM؛
- ماندن موضوع در safe area پس از crop عمودی/افقی.
۹. مشکلات رایج و استراتژی تکرار
۹.۱ deform موضوع یا تار شدن لوگو
- دامنه حرکت هر بخش را کم کنید؛
- لوگو و بافت کلیدی را در Preserve تکرار کنید؛
- به مرجع رزولوشن بالاتر با occlusion کمتر بروید.
۹.۲ پسزمینه «زنده میشود» اما محصول ثابت
- صریح بنویسید «میکرو-حرکت bokeh پسزمینه، محصول تیز بهعنوان focal point»؛
- ترکیببندی شلوغ را بررسی کنید—مدل ممکن است پسزمینه را موضوع بگیرد.
۹.۳ حرکت خیلی سریع یا آشفته
- کلمات ریتم مثل «آهسته»، «ملایم»، «one-shot» اضافه کنید؛
- در ۱۶ ثانیه به یک حرکت اصلی کاهش دهید.
۹.۴ مقایسه با Text-to-Video
اگر Image-to-Video برای همان ایده ناپایدار ماند:
- با Text-to-Video یک فریم ثابت رضایتبخش بسازید؛
- Image-to-Video روی آن فریم تکرار کنید؛
- یا به Reference-to-Video برای قفل سبک بروید.
۱۰. تنظیم انتظار از benchmark و مرز قابلیت
برای درک جایگاه Vidu Q3 در 1080P، ۱۶ ثانیه، همگامسازی صدا و تصویر از benchmark شخص ثالث، «تحلیل عمیق Artificial Analysis: چرا Vidu Q3 از Runway و Veo پیشی میگیرد» را بخوانید. benchmark انتظار را تنظیم میکند؛ Image-to-Video سطح انتشار همچنان به استاندارد مواد و پرامپت سهبخشی این آموزش وابسته است.
نکات
- هنگام آپلود عکس محصول، پرتره واقعی یا لوگوی برند، حق نسخهبرداری و مجوز مناسب داشته باشید.
- پیشفرض workbench برای ورود Image-to-Video، مدت پیشفرض، فعالسازی صوت بومی ممکن است متفاوت باشد—مستندات رسمی Vidu Q3 در حساب خود را دنبال کنید.
- Image-to-Video برای پویا کردن سریع KV مناسب است؛ روایت چندشات پیچیده همچنان از Agent یا خط تحریر سود میبرد.
- برای چندزبانه، یک کلیپ ۱۶ ثانیهای per زبان تولید کنید و زبان دیالوگ را در پرامپت مشخص کنید.
گام بعدی
در workbench Vidu AI، Vidu Q3 Image-to-Video را انتخاب کنید، عکس محصول یا KV تأییدشده آپلود کنید، پرامپت سهبخشی طبق بخش ۴ بنویسید و پشت سر هم نمونههای A/B/C ۱۶ ثانیهای بگیرید. وقتی نسخهای با موضوع پایدار، ریتم حرکت و صدای متعادل پیدا کردید، آن را قالب Image-to-Video تیم ذخیره کنید. با Reference-to-Video و کنترل فریم شروع-پایان ترکیب کنید تا حرکت hero تجارت الکترونیک، پوستر IP پویا و مواد تبلیغ اجتماعی را batch گسترش دهید.