Text-to-Video gamit ang AI

Ang text-to-video ay ang paglalarawan mo ng isang eksena gamit ang mga salita, at ang model ang kukuha nito para sa iyo — walang camera, walang input na litrato, walang editing. Sa genkiki.com, isusulat mo ang paglalarawan sa Filipino, pipili ka ng haba at resolution, at makakakuha ka ng handang file. Ito ang mode na panimulan kapag wala kang hawak kundi isang ideya.

Paano magsulat ng paglalarawang magbibigay ng magandang kuha?

  1. Sabihin kung ano ang nakikita. Una ang kuha: sino o ano ang nasa loob, nasaan ito, at kumusta ang liwanag. “Isang babaeng naka-puting blusa sa tabi ng bintana, liwanag ng hapon, kalye ng lungsod sa labas.”
  2. Pagkatapos, sabihin kung ano ang gumagalaw. Pinakamabisa ang isang galaw bawat kuha: lumalapit ang camera, lumilingon ang tao, umuugoy ang mga dahon. Ang tatlong magkakaibang galaw sa iisang paglalarawan ay nakakalito sa model.
  3. Piliin ang haba at resolution. Parehong may epekto sa presyo. Sa pagsubok, gumamit ng mababang resolution at maikling haba; ang pinal na bersyon ay ginagawa sa mataas.

Kailan tamang mode ang text-to-video?

Para kanino ang text-to-video?

Ano ang hindi kayang gawin ng text-to-video?

Walang pinapanatili ang text-to-video mula sa totoong mundo — bawat bagong subok ay may bagong mukha, bagong damit, bagong kuwarto. Kung kailangan mo ng eksaktong produktong ito o eksaktong taong ito, hindi ito ang tamang mode: magsisimula ka sa litrato o sa mga reference. Magkakaiba ang pinakamahabang haba at ang pinakamahabang paglalarawan sa bawat model, at nasa talahanayan sa itaas ang mga ito, sa mga column na “Pinakamahaba” at “Pinakamahabang teksto”.

Susunod

Ang pangkalahatang pagtingin sa video ay nasa AI video generator. Kung may litrato ka, tingnan ang AI model para sa damit at ang video para sa real estate; para sa ad — ang UGC ad at ang ad ayon sa industriya; para sa vertical na format — YouTube Shorts; para sa voiceover — text-to-speech. Ang tool ay nasa AI studio, at ang mga hakbang ay inilalarawan sa Paano ito gumagana. Kung ano ang kaya ng bawat model: lahat ng model, Seedance, Gemini Omni, Veo. Mga handang paglalarawan para sa inspirasyon — sa Community; ang mga presyo — sa pahina ng mga presyo.

Buksan ang studio na may handang mode Napili na ang mode at model — ang paglalarawan na lang ang natitira. Ang mga presyo sa pahinang ito ay nagsisimula sa 52 credits.

Anong mga model ang ginagamit at magkano ang halaga?

Ang presyo sa credits ay ang batayang presyo ng model at makikita rin sa button na “I-generate” bago ang bawat run. Sa video, ito ay para sa ISANG SEGUNDO — ang limang segundo ay limang beses nito.

Teksto → Video

Model Credits Pinakamahaba Pinakamahabang text
Seedance 1.5 Pro 52 bawat segundo — —
Hailuo 02 Standard 90 bawat segundo 10 seg 2000 character
LTX 2.3 161 bawat segundo 10 seg 5000 character
Kling 3.0 Standard 169 bawat segundo 10 seg 2500 character
Gemini Omni Flash 201 bawat segundo 10 seg 20000 character
Kling 3.0 Pro 225 bawat segundo 10 seg 2500 character
LTX 2.5 Fast 261 bawat segundo 20 seg 5000 character
Seedance 2.0 Mini 311 bawat segundo 15 seg —
LTX 2.5 Pro 341 bawat segundo 10 seg 5000 character
Seedance 2.0 Fast 486 bawat segundo — —
Kling 2.1 Master 562 bawat segundo 10 seg 2500 character
Seedance 2.0 Standard 602 bawat segundo 10 seg —
Kling O3 4K 843 bawat segundo 15 seg 2500 character
Kling V3 4K 843 bawat segundo 15 seg 2500 character
Seedance 2.5 950 bawat segundo 30 seg —

Ano ang nagawa na sa paksang ito dito sa amin?

Mga totoong generation ng mga tao na ibinahagi sa Community — hindi mga piniling larawan.

Iba pang ginagawa ng platform

Mga tanong at sagot

Ano ang isusulat ko para maging maayos sa unang subok?

Isang pangungusap para sa frame at isa para sa galaw. Huwag mong ilarawan ang tatlong magkakaibang bagay na sabay-sabay na nangyayari — hinahati ng model ang atensyon nito at walang lalabas nang maayos.

Bakit iba-ibang tao ang nakukuha ko sa bawat pagpapatakbo?

Dahil sa text-to-video, walang source image na mapagkukunan ng mukha para mapanatili ito. Para sa iisang karakter sa maraming clip, nagsisimula ka sa larawan o sa mga reference frame.

Ilang character ang puwedeng maging paglalarawan?

Iba-iba ito sa bawat model at nakasulat sa talahanayan sa itaas, sa column na “Pinakamahabang Teksto”. Hindi nangangahulugang mas magandang resulta ang mas mahabang paglalarawan — nangangahulugan lang itong mas maraming kondisyon na pagpipilian ng model.

Paano ko mababawasan ang presyo habang sumusubok ako?

Gumamit ng maikling haba at mababang resolusyon hanggang makita mo ang tamang frame, at saka mo lang patakbuhin ang pinal na bersyon sa mataas na resolusyon. Ang presyo ng video ay kada segundo at tumataas kasabay ng resolusyon.

Puwede ba akong magdagdag ng boses sa tapos nang video?

Oo — hiwalay na ginagawa ang boses, sa speech mode, at inilalagay ito sa pag-edit. Tingnan ang text-to-speech.

Huling update: