Skip to content

تدوین ویدئو با هوش مصنوعی: چگونه بدون مهارت‌های ویرایش محتوا بسازیم؟

14 دقیقه مطالعه
AI-видеомонтаж: как создать контент без навыков редактирования? — illustration 1

تدوین ویدئو با هوش مصنوعی فقط یک ترند نیست، بلکه انقلابی است که امکان تولید محتوای ویدئویی در مقیاس غیرقابل تصور را فراهم می‌کند. اگر با این مشکل مواجه هستید که تدوین ویدئو به گلوگاهی تبدیل شده و مانع از انتشار ویدئوهای بیشتر در YouTube و شبکه‌های اجتماعی می‌شود، این مقاله برای شماست. بیاموزید که چگونه از Claude Code یا ChatGPT Codex برای ویرایش ویدئو، افزودن موشن‌گرافیک و انتخاب موسیقی بدون نیاز به یادگیری نرم‌افزارهای پیچیده استفاده کنید.

در این مقاله، ما نحوه راه‌اندازی یک فرآیند کاری مؤثر برای تدوین ویدئو با هوش مصنوعی را آشکار خواهیم کرد که مواد خام ضبط شده را به ویدئویی آماده با موشن‌گرافیک، زیرنویس و موسیقی تبدیل می‌کند. این به شما امکان می‌دهد تا کارایی هوش مصنوعی در مقابل UGC واقعی را به طور قابل توجهی افزایش داده و صدها ویدئو تولید کنید، بدون اینکه هفته‌ها صرف تدوین کنید.

تسریع تولید ویدئو با هوش مصنوعی: تجربه جاستین براون

جاستین براون، که کانال YouTube خود را به مدت 14 سال اداره می‌کند، قبلاً هر هفته با انتشار ویدئو، 14 تا 22 ساعت برای ساخت یک ویدئو صرف می‌کرد. با پیاده‌سازی فرآیند کاری تدوین ویدئو با هوش مصنوعی، تیم او اکنون می‌تواند ویدئوها را در کمتر از یک ساعت منتشر کند، و در مواردی که نیاز به ویرایش اضافی نیست، حتی سریع‌تر. ویدئوهای طولانی‌تر تقریباً در 40 دقیقه منتشر می‌شوند.

به گفته جاستین، بزرگترین تغییر، کاهش آستانه ورود است. سازندگان دیگر نیازی به یادگیری برنامه‌های ویرایش مانند Adobe Premiere، Final Cut Pro یا DaVinci Resolve، و همچنین درک سطوح صدا و ترکیب موسیقی ندارند. در عوض، آنها می‌توانند بر روی پرامپت‌نویسی و جنبه انسانی ویدئو تمرکز کنند: داستان‌گویی، پیام‌رسانی و ارتباطات.

چرا تدوین با هوش مصنوعی کار می‌کند: از درخواست ساده تا دستورالعمل‌های پیچیده

بسیاری به اشتباه تصور می‌کنند که هوش مصنوعی در تدوین ویدئو ضعیف عمل می‌کند. جاستین ادعا می‌کند که این به دلیل تلاش برای دریافت یک تدوین آماده با یک درخواست ساده مانند «ویدئوی من را ویرایش کن» و امید به بهترین نتیجه است. با این حال، همانند یک ویرایشگر انسانی، هوش مصنوعی نیز به دستورالعمل‌ها و راهنمایی‌های واضح برای دستیابی به موفقیت نیاز دارد.

دستورالعمل‌های واضح به شما امکان می‌دهند سریع‌تر به نتیجه خوبی برسید، بدون اینکه توکن، زمان و پول را برای تکرارهای اضافی هدر دهید.

تنظیم گردش کار ویرایش ویدیوی هوش مصنوعی

اساس ویرایش ویدیوی هوش مصنوعی کارآمد، یک برنامه دسکتاپ با دسترسی به فایل‌های روی رایانه شما است. این به معنای دانلود برنامه Claude با استفاده از Code یا برنامه ChatGPT با انتخاب Codex است که اکنون در همان برنامه کار می‌کند. این ابزارها می‌توانند یک پوشه را در هارد دیسک مدیریت کنند، بنابراین ویرایش به صورت محلی و نه در فضای ابری انجام می‌شود که توکن‌های کمتری مصرف می‌کند.

  • انتخاب ابزارها: جاستین نتایج عالی از هر دو ChatGPT و Claude می‌گیرد. مورد علاقه فعلی او آخرین مدل ChatGPT در Codex است. او همچنین به Google Antigravity اشاره می‌کند، اگرچه آن را به طور قابل توجهی عقب‌تر می‌داند.
  • شروع به کار: نیازی نیست که در هوش مصنوعی متخصص باشید. بهترین سوالات برای شروع، به گفته جاستین، «چگونه می‌توانم این کار را انجام دهم؟» و «چه چیزی ممکن است؟» هستند. درخواست از هوش مصنوعی برای «ساختن یک ویدیوی خوب» کارساز نخواهد بود، زیرا «ویدیوی خوب» برای هر حوزه و هر سازنده‌ای معنای متفاوتی دارد.
  • آموزش هوش مصنوعی: جاستین با آموزش هوش مصنوعی شروع می‌کند که یک ویدیوی خوب از نظر او چگونه به نظر می‌رسد، بر اساس هدف ویدیو: آگاهی، سرنخ، مشترکین یا فروش. هر ویدیو یک آزمایش است. اگر او مطمئن نباشد که دقیقاً چه چیزی را آزمایش کند، به هوش مصنوعی نمونه‌هایی از ویدیوهای برجسته از رهبران حوزه را ارائه می‌دهد که قبلاً به این هدف دست یافته‌اند. هوش مصنوعی تحلیل می‌کند که چه چیزی کار می‌کند: سرعت، تعداد زیرنویس‌ها، آنچه روی صفحه نمایش داده می‌شود، استفاده از جلوه‌های صوتی و موسیقی. این تحلیل قبل از اینکه هوش مصنوعی به محتوای خودش نگاه کند، انجام می‌شود.

بهینه‌سازی فیلمبرداری برای ویرایش هوش مصنوعی: «برای ویرایش فیلمبرداری کن»

ویرایش ویدیوی هوش مصنوعی از مرحله فیلمبرداری آغاز می‌شود. جاستین این را «فیلمبرداری برای ویرایش» می‌نامد: فکر کردن به محصول نهایی قبل از ضبط، تا مواد به راحتی توسط هوش مصنوعی (یا انسان) برش داده شوند. مواد لزوماً نباید به صورت متوالی فیلمبرداری شوند، اگر پرامپت نحوه پخش ویدیو را توصیف کند.

  • ضبط مداوم: جاستین یک فایل پیوسته را ضبط می‌کند، بدون توقف و شروع ضبط. این خطر فراموش کردن دوباره فشار دادن دکمه ضبط را از بین می‌برد و به هوش مصنوعی یک فایل برای پردازش می‌دهد. هوش مصنوعی می‌تواند با فایل‌های بزرگ کار کند، و از آنجایی که ویرایش به صورت محلی روی رایانه انجام می‌شود، نیازی به آپلود چیزی در فضای ابری نیست.
  • آخرین برداشت به طور پیش‌فرض: قانون جاستین، هم برای ویرایشگران انسانی و هم برای هوش مصنوعی، این است که همیشه از آخرین برداشت استفاده شود. رفتن به بخش بعدی نشان می‌دهد که تلاش قبلی موفقیت‌آمیز بوده است. اگر برداشت دیگری بهتر باشد، او آن را با صدای بلند در حین ضبط بیان می‌کند، مثلاً: «در واقع، از برداشت اول استفاده کن.» ویرایشگران انسانی اغلب دست زدن‌ها و دست‌های بالا برده او را نادیده می‌گرفتند، اما هوش مصنوعی به طور قابل اعتمادی از این دستورالعمل‌های شفاهی پیروی می‌کند.
  • مکث بین جملات: یک مکث کوتاه بین جملات به هوش مصنوعی فرصت می‌دهد تا یک ویرایش تمیز انجام دهد. رفتن مستقیم از یک فکر به فکر دیگر، زمان‌بندی صحیح را دشوار می‌کند.
  • شروع مجدد جملات کامل: وقتی یک عبارت اشتباه می‌شود، جاستین کل جمله را دوباره شروع می‌کند، به جای اینکه از نیمه راه آن را ادامه دهد. این به او اجازه می‌دهد تا به هوش مصنوعی دستورالعمل واضحی بدهد: جملات را نصف نکنید مگر اینکه کاملاً ضروری باشد.
  • B-roll و تعامل بصری

    A-roll مسیر اصلی دوربین است: تصویر اصلی فردی که صحبت می‌کند. B-roll هر چیزی است که روی این مسیر اصلی قرار می‌گیرد، از جمله گرافیک، انیمیشن، عکس‌ها و سایر فیلم‌ها. این نشان می‌دهد که چه چیزی گفته می‌شود، که ویدئو را قابل فهم‌تر و جذاب‌تر می‌کند.

    AI-видеомонтаж: как создать контент без навыков редактирования? — illustration 2
    • برای ویدئوهای کوتاه و ریلزها، فیلمبرداری B-roll که قرار است روی A-roll قرار گیرد، به هوش مصنوعی مواد لازم برای کار را می‌دهد. عکس‌های ثابت نیز مناسب هستند، که می‌توانند یک زوم آهسته به سبک کن برنز داشته باشند.
    • وقتی جاستین مطمئن نیست که چه B-roll برای ویدئو لازم است، از هوش مصنوعی به عنوان منبع ایده‌ها استفاده می‌کند. هوش مصنوعی می‌تواند پیشنهاد دهد که چه چیزی فیلمبرداری شود، یا خودش گرافیک را برای هر لحظه‌ای که نمایش چیزی به بیننده کمک می‌کند، ایجاد کند.
    • نکته حرفه‌ای: ویرایشگر هوش مصنوعی می‌تواند نشان دهد که ویدئو فاقد یک «قلاب» قوی است. سپس می‌تواند به سازنده پیشنهاد دهد که چندین گزینه «قلاب» را ضبط کند، که به عنوان برداشت یک، برداشت دو و برداشت سه برچسب‌گذاری شده‌اند، و بهترین را به ویدئوی نهایی اضافه کند.

    سازماندهی فایل‌ها: راهی برای ویرایش بی‌وقفه هوش مصنوعی

    مهم است که همه فایل‌ها در یک مکان باشند تا هوش مصنوعی بداند هر چیزی کجاست. نگهداری همه چیز در کنار هم از پراکندگی فایل‌ها جلوگیری می‌کند و اجازه نمی‌دهد هوش مصنوعی چیزی را از دست بدهد.

    • جاستین یک پوشه برای هر ویدئو یا سری ویدئو، با زیرپوشه‌هایی برای مواد اولیه دوربین، B-roll (مانند فیلم محصول یا مناظر)، موسیقی، عکس‌ها و گرافیک توصیه می‌کند. یک سری همچنین می‌تواند یک پوشه برای دارایی‌های مشترک، مانند موسیقی دارای مجوز و تیتراژ نمایش داشته باشد.
    • نکته حرفه‌ای: قبل از اینکه هوش مصنوعی شروع به ویرایش کند، جاستین به آن پیشنهاد می‌دهد که ابتدا همه چیز را در پوشه مرور کند و ارزیابی کند که چه چیزی در آنجا وجود دارد. مدل‌های مدرن اغلب این کار را به تنهایی انجام می‌دهند، اما او می‌خواهد مطمئن شود که هوش مصنوعی هر فایل را دیده است.

    رونویسی دقیق: اساس ویرایش بی‌نقص

    پس از اینکه هوش مصنوعی پوشه پروژه را مرور می‌کند، مواد را رونویسی می‌کند. جاستین این را مهمترین گام در فرآیند می‌نامد. اگر رونویسی دقیق نباشد، ویرایش و زمان‌بندی اشتباه خواهد بود.

    • برای ویرایش، زمان‌بندی در رونویسی مهم‌تر از خود کلمات است. هوش مصنوعی باید دقیقاً بداند هر کلمه چه زمانی شروع می‌شود و چقدر طول می‌کشد تا بتواند بین کلمات ویرایش کند، نه اینکه ابتدا یا انتهای یک کلمه را قطع کند.
    • جاستین ادعا می‌کند که بسیاری از ابزارهای ویرایش، از جمله قابلیت‌های هوش مصنوعی در DaVinci Resolve، با مشکل مواجه هستند زیرا زمان‌بندی رونویسی آن‌ها دقیق نیست. زمان‌بندی دقیق برای حذف کلمات پرکننده مانند «ام» و «آه» از یک برداشت عالی نیز مهم است.
    • ویدئوهای طولانی: برای محتوای کوتاه، رونویسی داخلی ChatGPT یا Claude معمولاً به اندازه کافی دقیق است. در یک ویدیوی طولانی‌تر، خطای زمان‌بندی یک یا دو ثانیه به مرور زمان انباشته می‌شود، بنابراین ویرایش در انتهای ویدئو به شدت جابجا می‌شود و صدا با حرکت لب‌ها ناهماهنگ می‌شود. جاستین هشدار می‌دهد که هوش مصنوعی می‌تواند کاربر را «گازلایت» کند و ادعا کند که همه چیز را رونویسی کرده است، در حالی که بی‌سروصدا بخش‌هایی را نادیده می‌گیرد.
    • ابزارهای رونویسی توصیه شده: Wispr، که هوش مصنوعی می‌تواند در پشت صحنه از آن استفاده کند، یکی از قابل اعتمادترین مدل‌های رونویسی است. اعتبارات Gemini API گزینه دیگری است. برای محتوای طولانی، جاستین بیشترین موفقیت را با Deepgram داشته است، یک سرویس ابری که هزینه کمی دریافت می‌کند.
    • نکته حرفه‌ای: برای آزمایش این گردش کار، یک ویرایش ساده از فیلم موجود انجام دهید و رونویسی آن قسمت پادکست را به عنوان راهنما به هوش مصنوعی ارائه دهید. هوش مصنوعی شما را گام به گام در راه‌اندازی ابزارهایی مانند Deepgram و اتصال به Google راهنمایی می‌کند.

    ویرایش دو مرحله‌ای: داستان و پرداخت نهایی

    جاستین ویدئوهای طولانی را در دو مرحله ویرایش می‌کند: یک مرحله داستانی که A-roll را می‌سازد، و سپس یک مرحله پرداخت نهایی که عنوان‌ها، گرافیک و موسیقی را اضافه می‌کند. این کار به کارایی هوش مصنوعی در مقابل UGC واقعی منجر می‌شود و فرآیند را به طور قابل توجهی سرعت می‌بخشد.

    مرحله اول: مونتاژ A-roll و بررسی داستان

    برای محتوای طولانی، مرحله اول ویرایش جاستین، داستان A-roll را می‌سازد، که او آن را مهم‌ترین بخش هر ویرایش می‌داند، چه توسط انسان انجام شود و چه توسط هوش مصنوعی. هوش مصنوعی برداشت‌های بد و اشتباهات را حذف می‌کند، سپس محتوای اصلی را قبل از افزودن هرگونه عنوان، گرافیک یا سایر پرداخت‌ها جمع‌آوری می‌کند.

    یک راه سریع برای بررسی داستان این است که از هوش مصنوعی بخواهید یک اسکریپت زمان‌بندی شده، تولید شده از رونویسی، ایجاد کند که نشان دهد چه چیزی را حذف کرده و چه چیزی را نگه داشته است.

    • اسکریپت هر گوینده، مهر زمانی و آنچه گفته می‌شود را فهرست می‌کند. تولید آن تقریباً هیچ هزینه‌ای ندارد و بررسی آن راهی سریع برای حذف بخش‌ها، مشارکت دادن افراد دیگر یا شناسایی مشکلات قبل از افزودن هرگونه پرداخت است.
    • قوانین فیلم‌برداری در اینجا نتیجه می‌دهد. بدون دستورالعمل‌هایی مانند «همیشه از آخرین برداشت استفاده کن» و «جملات من را نصف نکن مگر اینکه کاملاً ضروری باشد»، هوش مصنوعی تمایل دارد کلمات جداگانه را از برداشت‌های مختلف به هم بچسباند. نتیجه یک ویرایش پرش‌دار تقریباً بعد از هر کلمه است.
  • وقتی ویرایش اشتباه از آب در می‌آید، جاستین آن را به یکی از دو دلیل نسبت می‌دهد: دستورالعمل به اندازه کافی واضح نبوده یا محتوا به گونه‌ای فیلم‌برداری شده که تصمیم‌گیری را دشوار کرده است. هر اصلاحی به بخشی از مجموعه‌ای از قوانین تبدیل می‌شود که با گذشت زمان ساخته و بهبود می‌یابد.
  • نکته حرفه‌ای: برای ویدئوهای کوتاه، او مرحله A-roll و B-roll (که در ادامه توضیح داده شده است) را در یک مرحله ترکیب می‌کند، زیرا محتوا آنقدر کم است که داستان بلافاصله شکل می‌گیرد. حذف برداشت‌های بد، «ام» و «آه» یک ویدئوی تمیز ایجاد می‌کند.
  • مرحله دوم: پرداخت نهایی با گرافیک، موسیقی و افکت‌ها

    B-roll، موشن گرافیک، تایتل‌ها، جلوه‌های صوتی و موسیقی ویدئو را جذاب می‌کنند و این همان پرداخت نهایی است که معمولاً یک شرکت تولیدی اضافه می‌کند. تولید 100 ویدئو با این سطح از کیفیت اکنون به لطف هوش مصنوعی امکان‌پذیر است.

    • B-roll: هوش مصنوعی می‌تواند آموزش ببیند تا به نسبت B-roll خاصی دست یابد، مثلاً 45% B-roll و 55% سوژه در کادر، اگر کتابخانه‌ای از B-roll برای استفاده داشته باشد. بدون درصد مشخص، جاستین به آن می‌گوید که می‌خواهد ویدئو در هر جایی که چیزی را توضیح می‌دهد، جذاب و واضح باشد. عکس این نیز صادق است. وقتی ویدئو به یک نقطه کلیدی می‌رسد که بیننده باید اقدامی انجام دهد، اغلب بهتر است به فرد در کادر بازگردد. هوش مصنوعی بهترین شیوه‌های داستان‌گویی و قوس داستانی را می‌داند و می‌تواند این تصمیم را بگیرد.
    • موشن گرافیک و تایتل‌ها: Claude اکنون یک قابلیت داخلی دارد که گرافیک را بدون نیاز به چیز دیگری ایجاد و متحرک می‌کند. جاستین می‌گوید که یک پرامپت مانند «به من کمک کن این ویدئو را جذاب کنم، موشن گرافیک اضافه کن، تایتل اضافه کن، زیرنویس اضافه کن» برای شروع کافی است. اشاره به یک برندبوک، PDF یا وب‌سایت به طور خودکار گرافیک را با فونت‌ها و رنگ‌های موجود برند مطابقت می‌دهد.
    • HyperFrames: برای کارهای پیشرفته‌تر، ابزار برجسته جاستین HyperFrames است، یک چارچوب متن‌باز از HeyGen که با مدل‌های مختلف هوش مصنوعی کار می‌کند. می‌توان به Codex یا Claude Code دستور داد که از HyperFrames در طول ویرایش برای افزودن موشن گرافیک و دادن ظاهری شبیه به یک تبلیغ با کیفیت بالا به ویدئو استفاده کنند. جاستین از آواتارهای هوش مصنوعی HeyGen استفاده نمی‌کند. HyperFrames صرفاً ابزاری برای بهبود محتوای واقعی است.
    • قرار دادن متن پشت سر سخنران: HyperFrames حذف پس‌زمینه را انجام می‌دهد و تایتل‌ها را پشت سر فرد سخنران قرار می‌دهد. جاستین می‌گوید که متنی که کمی پشت سر سخنران ظاهر می‌شود، یک روند فعلی است که نشان‌دهنده یک پرداخت نهایی اضافی فراتر از یک عنوان ثابت است.
    • تولید گرافیک از رونویسی: در یک ویدئو، جاستین به یک نمودار ون اشاره کرد. بدون هیچ دستورالعملی جز «با استفاده از HyperFrames، این را جذاب کن»، هوش مصنوعی یک نمودار ون متحرک ایجاد کرد که پشت سر او ظاهر شد. این کار می‌کند زیرا هوش مصنوعی رونویسی را دارد و همه چیزهایی را که در ویدئو گفته شده است، می‌داند.
  • بهبود آموزش‌ها با ضبط صفحه: برای آموزش‌ها، HyperFrames می‌تواند وب‌سایت‌ها را از صفحه ضبط کند و فریم‌های پیمایشی را به عنوان B-roll اضافه کند. وقتی جاستین در حالت تصویر در تصویر در گوشه ظاهر می‌شود، ماوس را ردیابی می‌کند و اگر جلوی عملی را بگیرد، او را جابجا می‌کند. همچنین وقتی متن خیلی کوچک است یا چیزی روی صفحه برای بیننده واضح نیست، به طور خودکار بزرگنمایی می‌کند.
  • برجسته کردن نکات کلیدی: هوش مصنوعی می‌تواند به آرامی روی سخنران زوم کند، زمانی که او یک بیانیه کلیدی می‌دهد، شبیه به اینکه چگونه یک کارگردان فیلم در طول یک دیالوگ مهم به صورت نزدیک می‌شود. همچنین می‌تواند تصاویر کوچک ایجاد کند.
  • موسیقی و جلوه‌های صوتی: موسیقی و جلوه‌های صوتی بخش‌های کلیدی یک ویدیوی جذاب هستند، اما انتخاب آهنگ مناسب از سایت‌های موسیقی استوک می‌تواند هفته‌ها طول بکشد. کتابخانه‌های موسیقی پیشرو مانند Artlist و Epidemic Sound اکنون اتصال MCP را ارائه می‌دهند که مستقیماً با هوش مصنوعی ارتباط برقرار می‌کند. جاستین برای ویدیوهای خود از Epidemic Sound استفاده می‌کند.
  • زمان‌بندی موسیقی: به محض اینکه هوش مصنوعی رونوشت را دریافت می‌کند، متوجه می‌شود که ویدیو در مورد چیست و چه حال و هوایی دارد. سپس موسیقی و جلوه‌های صوتی مناسب را پیدا می‌کند و بدون هیچ کار دستی، آنها را روی جدول زمانی قرار می‌دهد. اگر آهنگی مناسب نباشد، درخواستی مانند «چیزی پویاتر» منجر به جایگزینی می‌شود که در ویدیو قرار می‌گیرد. موسیقی در ویدیوی نهایی پخش می‌شود که اهمیت دارد.
  • ChatCut: رابط بصری برای ویرایش ویدیوی هوش مصنوعی

    ChatCut یک ابزار رایگان برای Mac و Windows است که دارای یک رابط بصری برای ویرایش ویدیوی هوش مصنوعی و مشاهده است. این ابزار برای سازندگانی مناسب است که تجربه ویرایش دارند و می‌خواهند جدول زمانی کلیپ‌ها را ببینند یا متن ویدیو را مانند یک سند Word ویرایش کنند، در حالی که هوش مصنوعی کار را انجام می‌دهد. این ابزار با Claude Code و Codex ادغام می‌شود و به مدل‌های تولید ویدیوی هوش مصنوعی مانند Seedance متصل می‌شود تا کلیپ‌های جدید ایجاد کند. جاستین ChatCut را با Adobe Premiere یا Final Cut Pro مقایسه می‌کند، با این تفاوت که جدول زمانی قابل مشاهده است و نیازی به لمس ندارد.

    • برای ویدیوهای کوتاه

    ← بازگشت به وبلاگ