رفتن به محتوا

راهنما · پرامپت‌نویسی · به‌روزرسانی: مهر ۱۴۰۵

راهنمای پرامپت OmniHuman 2: کارگردانی ژست، احساس و دوربین

یک پرامپت خوب برای OmniHuman 2 کوتاه، فیزیکی و دقیق است. صدا از قبل تعیین کرده فرد چه می‌گوید و لب‌هایش کی حرکت می‌کنند؛ پرامپت همه‌چیزِ اطراف آن را تعیین می‌کند — بدنش را چطور نگه دارد، کجا را نگاه کند، کدام ژست روی کدام جمله بنشیند و دوربین چه کند.

عکس+صدا=ویدیو

صدا
عکس ندارید؟ امتحان کنید:
  • پیش‌نمایش رایگان
  • ورود با Google
  • آپلودهای خصوصی
تبلیغات UGC
آواز
چندنفره
برای هر ویدیو
۵ دقیقه
خروجی
720p
صحنه‌های گروهی
چندنفره
زبان
۶

این راهنما یک ساختار ساده، واژه‌هایی که مدل به آن‌ها واکنش نشان می‌دهد و نمونه‌های آماده برای قالب‌های رایج را در اختیارتان می‌گذارد. هر نمونه طوری طراحی شده که در فیلد کارگردانی استودیو بچسبانید و با عکس خودتان تنظیمش کنید.

ساختار پرامپت OmniHuman 2

به سه بخش فکر کنید: اجرا، ژست و دوربین. اجرا حال‌وهوای کلی است («warm and confident» (گرم و با اعتمادبه‌نفس)، «playful» (بازیگوش)، «serious newsreader» (گویندهٔ جدی خبر)). ژست یکی دو حرکت مشخص است («counts on fingers» (با انگشت می‌شمارد)، «points at the viewer» (به بیننده اشاره می‌کند)، «holds the jar up to the lens» (شیشه را جلوی لنز بالا می‌گیرد)). دوربین یک حرکت یا کادربندی واحد است («static medium shot» (نمای متوسط ثابت)، «slow push-in» (زوم آرام به جلو)، «gentle orbit to the left» (چرخش ملایم به چپ)).

آن را زیر حدود ۴۰ کلمه نگه دارید. پرامپت‌های طولانی با حرکت‌های رقیب زیاد معمولاً حرکتی شلوغ و غیرطبیعی می‌سازند؛ بهتر است دو بار با دو پرامپت متمرکز رندر بگیرید تا یک بار با پرامپتی پربار.

دستورهای دوربین

در هر کلیپ فقط یک حرکت دوربین به کار ببرید. این عبارت‌ها واضح‌اند و به‌خوبی فهمیده می‌شوند:

  • «static medium shot» (نمای متوسط ثابت) — آرام، به سبک مجری؛ بهترین گزینه برای ویدیوهای توضیحی طولانی.
  • «slow push-in» (زوم آرام به جلو) — شدت را بالا می‌برد؛ عالی برای هوک تبلیغات و جمله‌های احساسی.
  • «gentle orbit around the subject» (چرخش ملایم دور سوژه) — به آهنگ‌ها جلوهٔ حرفه‌ای‌تری می‌دهد.
  • «handheld feel, slight sway» (حس دوربین روی دست، تکان جزئی) — کلیپ‌های سبک UGC را شبیه فیلم گوشی می‌کند.
  • «wide shot, then slow zoom on the speaker» (نمای باز، بعد زوم آرام روی گوینده) — در صحنه‌های گروهی به کار می‌آید.

ژست و زبان بدن

ژست را نام ببرید و اگر مهم است، زمانش را هم بگویید: «raises an eyebrow at the question» (هنگام سؤال ابرویش را بالا می‌برد)، «opens both hands on ‘everyone’» (روی کلمهٔ ”همه“ هر دو دست را باز می‌کند)، «nods while listening» (هنگام گوش دادن سر تکان می‌دهد). نمای محصول وقتی بهترین نتیجه را می‌دهد که محصول از قبل در عکس باشد؛ آن‌وقت پرامپت می‌تواند از فرد بخواهد آن را بالا بیاورد، کج کند یا به آن اشاره کند.

برای آواز، به‌جای شکل دهان، نفس و حرکت را توصیف کنید — «closes eyes on long notes, sways with the beat, hand on chest in the chorus» (روی نت‌های کشیده چشم‌ها را می‌بندد، با ضرب تاب می‌خورد، در کُر دست روی سینه) — و بگذارید صدا لب‌ها را هدایت کند.

نمونه پرامپت بر اساس قالب

جزئیات را با عکس و صدای خودتان جایگزین کنید. پرامپت را به انگلیسی بنویسید؛ فارسی پشتیبانی نمی‌شود و ترجمهٔ داخل پرانتز فقط برای راهنمایی است.

  1. 1هوک UGC محصول مراقبت پوستexcited, talks fast, holds the bottle close to the camera on the first line, handheld feel (هیجان‌زده، تند حرف می‌زند، در جملهٔ اول بطری را نزدیک دوربین نگه می‌دارد، حس دوربین روی دست)
  2. 2اطلاعیهٔ بنیان‌گذارcalm and confident, open hand gestures, static medium shot, small smile at the end (آرام و با اعتمادبه‌نفس، ژست‌های باز دست، نمای متوسط ثابت، لبخند کوچک در پایان)
  3. 3بالادeyes closed on long notes, gentle sway, slow orbit, soft emotional expression (روی نت‌های کشیده چشم‌ها بسته، تاب ملایم، چرخش آرام دوربین، حالت چهرهٔ لطیف و احساسی)
  4. 4پادکست دومجریleft host speaks, right host nods and reacts, static wide shot, relaxed conversation (مجری سمت چپ حرف می‌زند، مجری سمت راست سر تکان می‌دهد و واکنش نشان می‌دهد، نمای باز ثابت، گفت‌وگوی خودمانی)
  5. 5درسteacher tone, counts points on fingers, glances down as if at notes, static shot (لحن معلم، نکته‌ها را با انگشت می‌شمارد، گاهی پایین را نگاه می‌کند انگار به یادداشت‌ها، نمای ثابت)
  6. 6خوشامدگویی ماسکوتcheerful, waves at the start, bounces slightly, slow push-in (شاد، اول کار دست تکان می‌دهد، کمی بالا و پایین می‌پرد، زوم آرام به جلو)

زبان‌ها و رفع اشکال

می‌توانید دستور کارگردانی را به انگلیسی، چینی، ژاپنی، کره‌ای، اسپانیایی (مکزیک) یا اندونزیایی بنویسید. صدای گفتار می‌تواند به هر زبانی باشد — لیپ‌سینک از صدا پیروی می‌کند، نه از پرامپت.

اگر حرکت اغراق‌آمیز به نظر می‌رسد، صفت‌هایی مثل «very» (خیلی) و «dramatic» (دراماتیک) را حذف کنید. اگر به نظر می‌رسد اتفاقی نمی‌افتد، بررسی کنید ژست در آن کادربندی از نظر فیزیکی ممکن باشد: اگر عکس فقط کادر بستهٔ صورت است، دست‌ها نمی‌توانند ژست بگیرند.

اشتباهات رایج در پرامپت‌نویسی

رایج‌ترین اشتباه توصیف متن به‌جای اجراست. نوشتن «she explains our new pricing» (او قیمت‌های جدیدمان را توضیح می‌دهد) چیزی اضافه نمی‌کند، چون کلمات از قبل در صدا هست؛ اما «leans forward and taps the table on each price» (به جلو خم می‌شود و روی هر قیمت به میز ضربه می‌زند) به مدل کاری برای انجام دادن می‌دهد.

اشتباه دوم تناقض است: درخواست نمای ثابت و چرخش دوربین، یا اجرای آرام و پریدن پرانرژی، در یک کلیپ. وقتی دستورها با هم درگیر شوند، حرکت گل‌آلود می‌شود. برای هر رندر یک حال‌وهوا و یک رفتار دوربین انتخاب کنید.

  • از احساسات افراطی پرهیز کنید مگر اینکه صدا هم همان‌طور باشد — جمله‌ای که زمزمه شده با «shouting angrily» (با عصبانیت فریاد می‌زند) خراب به نظر می‌رسد.
  • نخواهید اشیایی که در عکس نیستند ظاهر شوند؛ به‌جایش آن‌ها را به تصویر اضافه کنید.
  • از اصطلاحات فنی فیلم‌سازی که مدل دلیلی برای دانستنشان ندارد، مثل برند لنزهای خاص، بگذرید.

آزمون و اصلاح بدون هدر دادن اعتبار

اول عکس و صدا را ثابت کنید، بعد بین رندرهای تستی فقط پرامپت را تغییر دهید. یک گزیدهٔ پنج‌ثانیه‌ای از مهم‌ترین جمله را با دو یا سه نسخهٔ مختلف پرامپت کنار هم رندر بگیرید — با ۵۰ اعتبار برای هر کدام، این مقایسه از یک رندر طولانی که به هدف نخورد ارزان‌تر است.

وقتی پرامپتی جواب داد، آن را همراه پروژه به‌عنوان یک «پیش‌تنظیم کارگردانی» قابل‌استفادهٔ مجدد برای آن مجری ذخیره کنید. وقتی هر قسمت از همان متن کارگردانی شروع شود، مجموعه یکدست‌تر به نظر می‌رسد.

سؤالات متداول

نوشتن پرامپت الزامی است؟

نه. بدون پرامپت، OmniHuman 2 حرکت طبیعی را از روی صدا انتخاب می‌کند. پرامپت وقتی به کار می‌آید که ژست یا حرکت دوربین مشخصی بخواهید.

پرامپتم چقدر باید طولانی باشد؟

یکی دو جمله، زیر حدود ۴۰ کلمه. پرامپت‌های متمرکز حرکت تمیزتری می‌دهند.

پرامپت می‌تواند حرف‌های فرد را تغییر دهد؟

نه. گفتار و حرکت لب از صدا می‌آیند؛ پرامپت اجرا و دوربین را کنترل می‌کند.

می‌توانم چند نفر را کارگردانی کنم؟

بله. هر نفر را با جایگاهش توصیف کنید، مثلاً «left person speaks, right person reacts» (فرد سمت چپ حرف می‌زند، فرد سمت راست واکنش نشان می‌دهد).

پرامپت به چه زبان‌هایی کار می‌کند؟

انگلیسی، چینی، ژاپنی، کره‌ای، اسپانیایی (مکزیک) و اندونزیایی به‌عنوان زبان‌های پشتیبانی‌شده اعلام شده‌اند.

چرا ژستی که خواستم دیده نمی‌شود؟

معمولاً کادربندی دست‌ها را پنهان کرده یا پرامپت حرکت‌های زیادی خواسته است. از عکس بازتر و دستورهای کمتر استفاده کنید.

بیشتر بخوانید

عکستان را به حرف بیاورید.

پیش‌نمایش رایگان.