راهنمای گردش‌کار Jimeng (Dreamina) (قابلیت آزمایشی)
فقط «تصویر + صدای اصلی» به Jimeng (Dreamina، پلتفرم ویدئوی هوش مصنوعی ByteDance) سپرده می‌شود؛ استوری‌بورد، دیالوگ، زیرنویس و پیوند همچنان کار همین پروژه است — مسیری جایگزین وقتی API آگنس پیاپی 503 برمی‌گرداند.
در ساعات پیک، صف رایگان ویدئوی آگنس به‌طور مستمر HTTP 503 (video queue is full) برمی‌گرداند، انتظار از ده دقیقه می‌گذرد و حالت خودکار غالباً دقیقاً در مرحله تولید ویدئو گیر می‌کند. Jimeng (Dreamina) راه دیگری پیشنهاد می‌کند: اعتبار رایگان روزانه، مدلهای ویدئویی سری Seedance از صدای اصلی پشتیبانی می‌کنند و تصویر هم پایدار است. به همین دلیل نسخه v7.6 «حالت مواد بیرونی» را اضافه کرد — کل خط تولید استوری‌بورد → گفتار → زیرنویس → پیوند دست‌نخورده می‌ماند و تنها مرحله تولید ویدئو به Jimeng منتقل می‌شود. Jimeng تصویر و صدای اصلی را می‌سازد و این پروژه هماهنگی، یکسان‌سازی، زیرنویس و ترکیب را. این قابلیت هنوز در مرحله آزمایشی است؛ امتحان کنید و کارهایی که با این روش می‌سازید را هم برای ما بفرستید.
درباره این قابلیت آزمایشی
حالت مواد بیرونی از v7.6 ارائه شده و هنوز در حال اصلاح است (پرامپت‌های نقاط بررسی، ورود دسته‌ای و هم‌ترازی زیرنویس ممکن است تغییر کنند). اگر با مشکلی روبه‌رو شدید با شناسه وظیفه گزارش دهید؛ اگر ابزار رایگان و راحت‌تری برای تولید ویدئو می‌شناسید هم به ما بگویید، پشتیبانی از آن را بررسی می‌کنیم.
نقاط قوت و ضعف Jimeng
👍
- ✓اعتبار رایگان روزانه، پس می‌توانید ابتدا ویدئوی آماده را بدون هزینه امتحان کنید
- ✓صدای اصلی: دیالوگ و صدای محیط هم‌زمان با تصویر ساخته می‌شوند و یک مرحله TTS حذف می‌شود
- ✓تولید ویدئو پایدار است — شانس گرفتن کلیپی قابل استفاده بسیار بیشتر از شانس آوردن در صف است
⚠️
- –اعتبار رایگان کم است؛ پس از اتمام باید پول بدهید یا منتظر بازنشانی روز بعد بمانید
- –نسخه رایگان فقط مدلهای سطح پایین‌تر را در اختیار می‌گذارد، بنابراین کیفیت و جزئیات از سطح پولی کمتر است
- –زیرنویس‌هایی که Jimeng داخل تصویر می‌کشد غالباً خراب می‌شوند (غلط املایی، شکل حرف‌های شکسته)؛ روی آن برای زیرنویس روی تصویر حساب نکنید
در مقایسه با حالت خودکار و دستی، تنها یک جا تفاوت دارد
| مرحله | حالت خودکار / دستی | حالت مواد بیرونی (Jimeng) |
|---|---|---|
| استوری‌بورد و پرامپت | این پروژه می‌سازد | این پروژه می‌سازد، به‌علاوه مجموعه پرامپت هر صحنه که می‌توانید مستقیم در Jimeng بچسبانید |
| تصویر و صدا | مدلهای ویدئویی آگنس (API مکرراً 503 میدهد؛ فقط گفتار را edge_tts این پروژه می‌سازد) | Jimeng می‌سازد (با صدای اصلی)، برای هر صحنه mp4 خروجی بگیرید و دسته‌ای وارد کنید |
| زیرنویس | هم‌ترازی با مهرهای زمانی سطح واژه از گفتار (دقیق‌تر) | هم‌ترازی تخمینی بر اساس مدت واقعی هر استوری‌بورد (ممکن است جابه‌جا شود، در نقطه بررسی زیرنویس بازبینی کنید) |
| پیوند و ویدئوی نهایی | این پروژه پیوند میدهد | این پروژه: یکسان‌سازی + پیوند با حفظ قطعه صوتی اصلی + چاپ زیرنویس |
فرایند از ابتدا تا انتها
هنگام ساخت «🌐 مواد بیرونی» را انتخاب کنید، «ابزار ویدئو = Jimeng» را تنظیم کنید و سپس خط تولید را به حالت خودکار و تولید را به Jimeng بسپارید:
وظیفه بسازید و «مواد بیرونی» را انتخاب کنید
سه حالت اجرا وجود دارد: ⚡ خودکار / ✋ دستی / 🌐 مواد بیرونی. سومی را انتخاب کنید و در گزینه‌های بازشده مطمئن شوید ابزار ویدئو «Jimeng (Dreamina)» است.
منبع صدا و منبع زیرنویس را تنظیم کنید
منبع صدا: از صدای خود ویدئو استفاده شود (توصیه می‌شود — قطعه صوتی اصلی Jimeng حفظ می‌شود و این پروژه دیگر TTS نمی‌سازد) یا از گفتار این پروژه استفاده شود (گفتار edge_tts جای قطعه اصلی را می‌گیرد). منبع زیرنویس: گفتار (پیش‌فرض) یا دیالوگ شخصیت‌ها (متن زیرنویس از دیالوگ هر صحنه گرفته می‌شود).
پرامپت‌ها را در نقطه بررسی استوری‌بورد به Jimeng منتقل کنید
این پروژه ابتدا استوری‌بورد را کامل می‌کند. کارت «🎬 همکاری Jimeng» یک دستور خلاقانه با محدودیت تصویر، صدا و مدت میدهد؛ در نقطه بررسی «کلیپ‌های ویدئو (videos)» پرامپت‌های کارت همان متن نهایی استوری‌بورد این پروژه‌اند که با قالب [صحنه i/N · مدت] شماره‌گذاری شده‌اند، پس می‌توانید مستقیم در Jimeng بچسبانید و بخش‌به‌بخش بسازید.
ویدئوها را صحنه‌به‌صحنه خروجی بگیرید
هر بخش را پس از ساخت در Jimeng به صورت mp4 خروجی بگیرید. مدت ویدئوهای استوری‌بورد Jimeng برابر 5s / 10s است؛ اگر با مدت‌های این پروژه (4 / 5 / 6 / 8 / 10 / 12 ثانیه) یکی نباشد، پس از ورود بر اساس مدت واقعی هم‌تراز می‌شود و ویدئوی نهایی بریده نمی‌شود.
ورود دسته‌ای
در نقطه بررسی کلیپ‌های ویدئو با «ورود دسته‌ای» چند فایل mp4 را با هم انتخاب کنید. سیستم آن‌ها را خودکار به تفکیک‌پذیری وظیفه، 30fps و H.264/AAC یکسان می‌کند و برای هر فایل مدت، تفکیک‌پذیری، نرخ فریم و وجود یا نبود قطعه صوتی را نشان میدهد (اگر صوت نباشد هشدار زرد میآید ولی مانع شما نمی‌شود).
در نقطه بررسی زیرنویس بازبینی کنید، سپس پیوند بزنید
با «استفاده از صدای خود ویدئو»، نقطه بررسی گفتار خودکار می‌گذرد (بدون توقف) و زیرنویس‌ها با برون‌آهنگ انباشته بر اساس مدت واقعی هر استوری‌بورد ساخته می‌شوند. شکستن جمله‌ها و خط زمان را در نقطه بررسی زیرنویس بازبینی کنید؛ پس از تأیید این پروژه با حفظ قطعه صوتی اصلی پیوند می‌زند و زیرنویس را چاپ می‌کند و final_video.mp4 را می‌سازد.
هر یک از پنج نقطه بررسی چه می‌کند
- 1
استوری‌بورد scenes
متن استوری‌بورد و گفتار را تأیید کنید؛ کارت «🎬 همکاری Jimeng» دستور خلاقانه‌ای با محدودیت تصویر + صدا + مدت میدهد که می‌توانید مستقیم به Jimeng یا هر LLM دیگری برای ریز شدن بدهید.
- 2
تصاویر مرجع references
اختیاری. تصاویر استوری‌بورد ساخته‌شده در Jimeng را وارد کنید (با نام‌هایی مثل scene_1.png)؛ خودکار به تفکیک‌پذیری وظیفه تغییر مقیاس می‌یابند و حاشیه با مرکزچینی پر می‌شود. در ویدئوهای بلند خلاقانه، تصویر واردشده به‌عنوان تصویر مرجع آن صحنه ثبت می‌شود.
- 3
کلیپ‌های ویدئو videos
گام اصلی. پرامپت‌های کارت همان متن استوری‌بوردی است که مستقیم در Jimeng چسبانده می‌شود؛ پس از ساخت، mp4ها را دسته‌ای وارد کنید. پیش از تأیید، سیستم بررسی می‌کند هر صحنه ویدئو دارد یا نه و در صورت کمبود اجازه ادامه نمی‌دهد.
- 4
گفتار audio
با «استفاده از صدای خود ویدئو» متوقف نمی‌شود و خودکار می‌گذرد؛ با «استفاده از گفتار این پروژه» مانند حالت دستی عمل می‌کند — اینجا گفتار را گوش می‌دهید و دوباره می‌سازید.
- 5
زیرنویس subtitle
شکستن جمله‌ها و خط زمان SRT را بررسی کنید: ردیف آخر نباید از قطعه صوتی جلو بزند، ردیف‌های مجاور نباید هم‌پوشانی داشته باشند و خط چینی نباید بیش از 18 نویسه باشد. این نقطه در مسیر Jimeng بیشترین نیاز به نگاه انسانی را دارد.
نام‌گذاری فایل‌های خروجی طوری که خطا پیش نیاید
هنگام ورود، سیستم هر فایل را بر اساس «اولین عدد N» در نام فایل به صحنه Nم متصل می‌کند. مثلاً اگر scene_1.mp4 خروجی بگیرید، در بخش 1 قرار می‌گیرد (scene_0/video.mp4)؛ اگر scene_3.mp4 بگیرید، در بخش 3 قرار می‌گیرد (scene_2/video.mp4).
- →scene_1.mp4 → بخش 1 (scene_0/video.mp4)
- →scene_3.mp4 → بخش 3 (scene_2/video.mp4)
به دو نکته توجه کنید: عدد فقط وقتی در بازه 1 تا تعداد صحنه‌ها باشد پذیرفته می‌شود، بنابراین نامی که سال یا مهر زمانی دارد (مثل 20261015.mp4) به‌اشتباه صحنه 2026 شمرده نمی‌شود؛ فایل‌هایی که عدد قابل‌استفاده ندارند به ترتیب بارگذاری متصل می‌شوند. برای تعیین دستی، هنگام درون‌ریزی یک نگاشت صریح بدهید (مثلاً 1 → scene_2) تا نخستین فایل در صحنه سوم قرار گیرد. وظیفه‌های نوع متن از پوشه para_N استفاده می‌کنند و وظیفه‌های مجری دیجیتال تنها یک clip/clip.mp4 دارند.
- •هنگام خروجی گرفتن حتماً قطعه صوتی را نگه دارید: کلید «ساخت صدا» در Jimeng را روشن کنید و بعد خروجی بگیرید، وگرنه ویدئوی نهایی بی‌صدا می‌شود.
- •این پروژه می‌خواهد تفکیک‌پذیری همه استوری‌بوردها یکسان باشد؛ اینکه Jimeng در اندازه‌های گوناگون خروجی بدهد مهم نیست، هنگام ورود همه یکسان مقیاس می‌شوند و حاشیه با مرکزچینی پر می‌شود.
- •آسان‌ترین راه جابه‌جا شدن، مخلوط کردن فایل‌های وظیفه دیگر در همان دسته است؛ پس پس از ورود نگاشت صحنه‌های نمایش داده‌شده را ببینید و بعد تأیید کنید.
چهار دام رایج
1کلیپ صدا ندارد: در نه مورد از ده مورد خروجی Jimeng صدا نداشت یا نسخه بی‌صدا خروجی گرفته‌اید. فقط mp4 دارای صدا را دوباره خروجی بگیرید و وارد کنید؛ صفحه ورود با has_audio مستقیم می‌گوید.
2زیرنویس در کل یک-دو ثانیه زودتر یا دیرتر است: زیرنویس‌ها با برون‌آهنگ انباشته بر اساس «مدت واقعی» هر استوری‌بورد تخمین زده می‌شوند، پس هر تفاوت در سرعت گفتار یا طول جملات Jimeng جمع می‌شود. ساده‌ترین کار اصلاح دستی SRT در نقطه بررسی زیرنویس است، یا ادغام زیرنویس‌های خروجی Jimeng و وارد کردن دوباره.
3زیرنویس خراب روی تصویر افتاده است: زیرنویس داخل تصویر Jimeng غالباً خراب می‌شود، پس زیرنویس را به آن نسپارید. متن زیرنویس را از پرامپت بردارید تا فقط همان یک لایه‌ای بماند که پروژه یکسان چاپ می‌کند و تصویر تمیز شود.
4اعتبار کافی نیست: ابتدا یک وظیفه کوتاه 2–3 صحنه‌ای را تا انتها اجرا کنید و مطمئن شوید پرامپت‌ها، نام‌گذاری خروجی و ورود بی‌مشکل است، بعد سراغ وظیفه‌های بلند بروید.
امتحان کنید و کارتان را به اشتراک بگذارید
این روش هنوز آزمایشی است و بیشتر از همه به نمونه‌های واقعی نیاز دارد. یک ویدئوی بلند خلاقانه یا ویدئوی از نوع متن کوتاه را کامل بسازید و ویدئو یا تصویر صفحه را در «Show and tell» در GitHub Discussions منتشر کنید: آن را به بخش نمایش نمونه‌های سایت اضافه می‌کنیم (پرامپت‌های استوری‌بورد و تنظیمات Jimeng را پیوست کنید تا دیگران هم بتوانند تکرار کنند).
اگر جزئیات می‌خواهید
شرح کامل حالت مواد بیرونی (ماتریس خروجی هر نقطه بررسی، رابط ورود دسته‌ای، قواعد یکسان‌سازی) در بخش پنجم راهنمای حالت دستی در مخزن پروژه آمده است؛ کارت‌های هر نقطه بررسی هم پرامپت‌های قابل کپی و راهنمای وارد کردن دوباره را در خود دارند.
راهنمای حالت دستی را ببینید →در صورت دیدن 503 چه کنیم
به این ترتیب امتحان کنید — در بیشتر موارد ظرف سه گام ویدئو آماده می‌شود:
پرسش‌های رایج گردش‌کار Jimeng (شامل راه‌حل Agnes 503 / queue is full) →ابزار رایگان دیگری برای تولید ویدئو می‌شناسید؟ پیشنهادها خوش‌آمد است
فهرست ابزارهای این پروژه یک رجیستری قابل توسعه است: افزودن ابزار جدید فقط به یک مجموعه قالب پرامپت و راهنمای وارد کردن دوباره نیاز دارد و خط تولید یا لایه ترکیب تغییر نمی‌کند. اگر کانال رایگان بهتری برای تولید ویدئو دارید (Kling، Hailuo، مدلهای محلی متن‌باز…)، در GitHub یک Issue باز کنید و به ما بگویید: نام ابزار، وجود صدای اصلی، مدت هر بخش و امکان خروجی گرفتن زیرنویس. پشتیبانی از آن را بررسی می‌کنیم.
پیشنهاد در GitHub →همین حالا یکی اجرا کنید
حالت مواد بیرونی قابلیت نسخه دسکتاپ است: اپ را دانلود کنید و هنگام ساخت وظیفه «🌐 مواد بیرونی» را انتخاب کنید. دموی آنلاین و استودیوی وب از حالت خودکار استفاده می‌کنند.
صفحات مرتبط
پرسش‌های رایج گردش‌کار Jimeng (شامل راه‌حل Agnes 503 / queue is full)
وقتی آگنس HTTP 503 یا video queue is full میدهد چه کنیم؟ منتظر بمانیم؟ راه دیگری هست؟ به‌علاوه پرسش‌هایی که هنگام استفاده از گردش‌کار Jimeng بیشتر پرسیده می‌شود.
راهنمای حالت دستی — خودکار در برابر دستی: تولید بر اساس حس و حال یا خروجی دقیق | Agnes Video
نحوه استفاده از حالت دستی در Agnes Video Generator: توقف در نقاط کنترل (استوری‌بورد، تصاویر مرجع، کلیپ‌ها، گویندگی، زیرنویس، نهایی) برای بررسی یا اصلاح هر محصول پیش از ادامه، در صورت تمایل با هوش مصنوعی خارجی قوی‌تر یا ابزارها برای نتیجه دقیق. حالت خودکار مناسب تولید آزاد از یک ایده (vibe video generating) و حالت دستی مناسب خروجی‌های مشخص با تنظیم دقیق محصولات است.
رفع خطای Agnes Video Generator: HTTP 503، 401 و تلاش دوباره
خطاهای Agnes Video Generator را چگونه برطرف کنید: HTTP 503 «video queue is full»، 401 توکن نامعتبر، تولید ناموفق یا متوقف‌شده با ادامه از نقطه بازرسی، همراه با پیش‌نیازهای سیستم و کلید API.
روایت و زیرنویس: افزودن صدا و زیرنویس
حالت پخش شفاهی دیجیتال همراه با دوبله TTS و تراز لب است. کپی را وارد کنید و مستقیماً بدون پردازش اضافی فیلم تولید کنید. ویدیوهای معمولی وینسنت را می توان از طریق ابزارهای ویرایش اصلی زیرنویس اضافه کرد. این مقاله قابلیتهای دوبله و زیرنویس هر حالت ، مراحل تنظیمات خاص و مقایسه جلوههای فیلم را توضیح میدهد تا به شما کمک کند به سرعت یک ویدیوی کامل با توضیحات بسازید.
Sources
This page's description of Jimeng's capabilities, the external-asset checkpoints, and the media normalisation rules is based on the following sources.
- 即梦 AI (Dreamina)：AI 图片与视频创作平台ByteDance · 即梦官网 (2025)
Jimeng (Dreamina) is the tool that generates picture and native audio in this workflow; its site is the basis for the advantages/trade-offs section of this page.
- agnes-video-generator — 开源 AI 视频生成项目lcy362 · GitHub (2026)
The external-asset implementation (checkpoint prompts, batch import, keep-audio concatenation) follows the project source: core/providers.py, web/routes/video_routes.py and utils/video.py.
- FFmpeg Documentation — 音视频处理官方文档FFmpeg 项目 · ffmpeg.org (2025)
Both normalisation on import (scale-and-pad, uniform frame rate, H.264/AAC) and subtitle burn-in concatenation are done by ffmpeg; parameter semantics follow the official documentation.
چرا می‌توانید به این محتوا اعتماد کنید
این مقاله توسط یک پزشک خط مقدم نوشته شده است. هنگام نوشتن ، من منابع دست اولی مانند مقالات arXiv ، گزارش های فنی سازنده و شاخص هوش مصنوعی استنفورد را بررسی کردم و بر اساس نتیجه گیری ذهنی نبودم.
SandGrid@lcy362
نویسنده Agnes Video Generator · توسعه‌دهنده فول‌استک
توسعه دهنده مستقل و نویسنده ابزار تولید ویدیوی هوش مصنوعی منبع باز Agnes Video Generator. این پروژه مبتنی بر مدل ویدیویی کاملاً رایگان Agnes AI است و پروتکل MIT منبع باز است. این پروژه به 1000 خالق کمک کرده است تا ویدیوهای هوش مصنوعی را با هزینه صفر تولید کنند. من مدتهاست که به مهندسی و محبوبیت مدلهای تولید ویدئو توجه کردهام و محتوای مقاله از تمرین خط مقدم و تحقیقات دست اول میآید.
مشاهده در GitHubآخرین به‌روزرسانی：2026-08-21
آماده شروع خلاقیت هستید؟
«اجازه دهید هوش مصنوعی در سطح جهانی متعلق به همه باشد.» – بروس یانگ کاملاً رایگان ، بدون کارت اعتباری یا کارت گرافیک با کارایی بالا ، اولین ویدیوی هوش مصنوعی خود را با هزینه صفر بسازید. آیا می خواهید از مدل ویدیویی رایگان Agnes AI استفاده کنید ؟ فقط از اینجا شروع کن
مخزن GitHub را کلون کنید و در ۲ دقیقه راه‌اندازی کنید