راهنمای استودیوی جدید؛ تصویر، ویدیو، گفتار و موسیقی

از کجا شروع کنم؟

در استودیو، از «ساخت تازه» در نوار کناری شروع کن. زیر خوش‌آمدگویی یکی از «تصویر»، «ویدیو»، «گفتار» یا «موسیقی» را انتخاب کن تا کادر نوشتن باز شود. در موبایل، دکمهٔ منو در بالای صفحه نوار کناری را باز می‌کند.

در یک دفتر باز، «نوع ساخت» کنار کادر نوشتن برای عوض‌کردن نوع خروجی است. گزینهٔ «صدا» در این منو همان مسیر گفتار و کارهای صوتی است. دکمهٔ میکروفون فقط درخواستت را به متن تبدیل می‌کند و جای انتخاب صدای خروجی نیست.

صدای چندنفره کجاست؟

مسیر کوتاه: گفتار ← نام مدل یا آیکون تنظیمات کنار کادر ← متن به گفتار ← Gemini TTS ← چند گوینده. لازم نیست بوم حرفه‌ای را باز کنی.

1. گفتار را انتخاب کن

   از «ساخت تازه»، «گفتار» را بزن. در دفتر باز می‌توانی از «نوع ساخت»، گزینهٔ «صدا» را انتخاب کنی.

2. مدل و تنظیمات ساخت را باز کن

   پایین کادر روی نام مدل یا آیکون تنظیمات کنارش بزن. پنجرهٔ «ابزارها و تنظیمات» باز می‌شود. دستهٔ «متن به گفتار» و مدل Gemini 3.8 Flash TTS را انتخاب کن.

3. چند گوینده را فعال کن

   روی «چند گوینده» بزن. برای هر نفر یک صدا انتخاب کن؛ با دکمهٔ پخش کنار صداها می‌توانی نمونه‌ها را رایگان بشنوی. «افزودن گوینده» تا ۸ صدای متفاوت اضافه می‌کند.

4. نوبت‌ها را بنویس

   در «متن گفت‌وگو»، گویندهٔ هر نوبت را انتخاب کن و جمله‌اش را بنویس. «افزودن نوبت گفت‌وگو» ادامهٔ مکالمه را اضافه می‌کند. لحن هر نوبت اختیاری است.

5. ساخت را شروع کن

   «انجام شد» را بزن و بعد دکمهٔ ساخت در کادر اصلی را انتخاب کن. همهٔ نوبت‌ها به ترتیب در یک فایل صوتی تحویل می‌شوند. برای تغییر متن‌ها، روی خلاصهٔ گفت‌وگو در کادر بزن.

• برای ۳ تا ۸ گوینده: حداکثر ۱۲ نوبت و مجموع ۴٬۰۰۰ نویسه. برای یک یا دو صدا: تا ۴۰ نوبت و ۱۲٬۰۰۰ نویسه.
• گفت‌وگوهای سه‌گوینده و بیشتر از نوبت‌های جداگانه ترکیب می‌شوند؛ زمان ساخت و پیوستگی لحن می‌تواند متفاوت باشد.
• مدل استاندارد Gemini TTS و انتخاب گوینده به پرو نیاز ندارند؛ اعتبار کافی برای ساخت لازم است. اگر «چند گوینده» دیده نمی‌شود، دسته و مدل را دوباره بررسی کن.

تنظیمات هر نوع ساخت

نام مدل یا آیکون تنظیمات کنار کادر، پنجرهٔ «ابزارها و تنظیمات» را باز می‌کند. گزینه‌ها به مدل بستگی دارند؛ پیش از ساخت، قابلیت‌ها و برآورد اعتبار را بررسی کن.

گفتن درخواست، پیاده‌سازی فایل و پاسخ صوتی

میکروفون «گفتن درخواست» کنار کادر، صدایت را به متن درخواست تبدیل می‌کند. متن را بررسی و سپس خودت ارسال کن. این دکمه حالت مکالمهٔ زندهٔ صوتی نیست.

برای تبدیل یک فایل به نوشته، از «گفتار» وارد تنظیمات شو و «صدا به متن» را انتخاب کن؛ فایل حداکثر ۱۴ مگابایتی اضافه کن. متن خروجی در دفتر و گالری ذخیره می‌شود و قابل کپی و دریافت است.

برای تولید پاسخ گفتاری به یک دستور، در همان تنظیمات «پاسخ صوتی» را انتخاب کن. این دسته از «متن به گفتار»، که متن نوشته‌شده را می‌خواند، جداست؛ بسته به مدل می‌توانی فایل MP3 یا WAV هم اضافه کنی.

دفترها و ادامهٔ یک ایده

با «ساخت تازه» یک دفتر جدا برای ایدهٔ بعدی شروع کن. دفترهای قبلی در نوار کناری می‌مانند و درخواست‌ها و خروجی‌های هر کدام کنار هم نمایش داده می‌شوند.

بعد از ساخت تصویر، در همان دفتر تغییر بعدی را بنویس؛ تصویرهای قبلی به‌عنوان زمینهٔ ویرایش در نظر گرفته می‌شوند. برای خروجی نامرتبط، «ساخت مستقل» یا یک دفتر تازه را انتخاب کن.

کنار پیام خودت، دکمه‌های ویرایش و کپی با قرارگرفتن نشانگر ظاهر می‌شوند؛ در موبایل در دسترس لمس‌اند. ویرایش یک پیام ادامهٔ آن شاخه را از دفتر کنار می‌گذارد، اما فایل‌های ساخته‌شده در گالری باقی می‌مانند.

ویرایش تصویر و تبدیل آن به ویدیو

خروجی را باز کن تا تصویر بزرگ و ابزارهای مرتبط با آن دیده شوند. از «تغییر با دستور»، «حذف پس‌زمینه» یا «تصویر به ویدیو» برای ادامهٔ کار استفاده کن. ابزارهای تغییر اندازه، برش و انتخاب ناحیه در نمای ویرایش تصویر قرار دارند.

برای تغییر یک بخش، ناحیه را علامت بزن و در کادر زیر تصویر بنویس چه تغییری می‌خواهی. پیش از ساخت، مرجع‌ها و مدل انتخاب‌شده را بررسی کن؛ این کار یک درخواست ساخت تازه است و می‌تواند اعتبار مصرف کند.

کارهای هم‌زمان و فعالیت‌ها

از «فعالیت‌ها» در بالای صفحه وضعیت کارهای در حال ساخت و صف را ببین. می‌توانی هنگام آماده‌شدن یک خروجی، دفتر تازه‌ای باز کنی و ایدهٔ دیگری را شروع کنی. هر نتیجه در دفتر مربوط به خودش قرار می‌گیرد.

اگر ساخت زمان برد، ابتدا فعالیت همان کار را بررسی کن. برای ویدیوی قابل بازیابی، «ادامهٔ دریافت» نتیجهٔ همان درخواست را پیگیری می‌کند. ارسال دوبارهٔ درخواست ممکن است ساخت و هزینهٔ دیگری ایجاد کند.

ساخته‌های قبلی، دریافت و اشتراک‌گذاری

«گالری من» در بالای صفحه یا نوار کناری، ساخته‌های قدیمی و جدید حسابت را نشان می‌دهد. با جست‌وجو و فیلتر تصویر، ویدیو، صدا یا متن آن‌ها را پیدا کن؛ برای ادامهٔ فهرست «نمایش ساخته‌های قدیمی‌تر» را بزن.

هر خروجی را باز کن تا پخش، نمایش بزرگ، دریافت و گزینهٔ اشتراک‌گذاری آن را ببینی. بایگانی با حذف ادامهٔ یک دفتر فرق دارد؛ بعد از بایگانی، گزینهٔ «واگرد» برای برگرداندن همان مورد نمایش داده می‌شود.

شروع از نمونه‌ها و مرور دوبارهٔ راهنما

نمونه‌های زیر کادر ترکیبی از تصویر، ویدیو، گفتار و موسیقی‌اند. یک نمونه را باز کن و با «ساخت با این ایده» درخواست و تنظیماتش را در دفتر خودت آماده کن؛ انتخاب نمونه به‌تنهایی ساخت را شروع نمی‌کند. قبل از ارسال، متن و مرجع‌های لازم را تغییر بده.

«راهنمای شروع» در نوار کناری، کنترل‌های واقعی صفحه را نشان می‌دهد. در موبایل ابتدا منوی بالای صفحه را باز کن. برای چیدن مراحل وابسته کنار هم، «بوم حرفه‌ای» در بالای استودیو همچنان در دسترس است.

اگر از API استفاده می‌کنی، راهنمای صوتی توسعه‌دهندگان انتخاب صدا و قالب درخواست چندنفره را توضیح می‌دهد.

تمرین قدم‌به‌قدم

یک تصویر یا نمای کوتاه را با مرجع روشن و یک تغییر کنترل‌شده آماده می‌کنی.

1. نوع خروجی و مسیر را انتخاب کن

   از «ساخت تازه»، تصویر، ویدیو، گفتار یا موسیقی را انتخاب کن. روی نام مدل کنار کادر بزن تا تنظیمات باز شود؛ برای صدای چندنفره، متن به گفتار، Gemini TTS و سپس چند گوینده را انتخاب کن.

2. موضوع و مرجع را تعریف کن

   سوژه، نسبت تصویر، نور و موارد ثابت را بنویس. اگر مرجع می‌دهی مشخص کن رنگ، فرم، ترکیب یا هویت کدام بخش باید حفظ شود.

3. یک نمونه بگیر و جهت را تأیید کن

   با یک خروجی شروع کن. قبل از تکرار، وضعیت همان درخواست را بررسی کن. نتیجهٔ نامطلوب را با یک اصلاح دقیق دنبال کن، نه چند تغییر متناقض.

4. نسخهٔ نهایی را باز کن

   برای تصویر، جزئیات و نوشته‌ها؛ برای ویدیو، ابتدا و وسط و پایان؛ برای صدا، تلفظ و مکث‌ها را بررسی کن. فایل را دریافت و خارج از پیش‌نمایش هم باز کن.

رفع مشکل: از نشانه تا راه‌حل

از نشانهٔ مشخص شروع کن و هر بار یک علت را بررسی کن. این راه‌ها را پیش از تکرار کامل کار امتحان کن.

نمونهٔ درخواست برای این تمرین

این متن را با اطلاعات و محدودیت‌های خودت کامل کن.