לא רק תמונה: איך כותבים פרומפט לסאונד ודיאלוג בוידאו AI

למה בכלל לחשוב על סאונד לפני שמייצרים וידאו

הרבה יוצרים עדיין כותבים פרומפטים לוידאו AI כאילו הם עובדים מול מחולל תמונות: דמות, לוק, תאורה, מצלמה, ואז לוחצים Generate. זה עובד בשביל שוט יפה. זה פחות עובד בשביל סרטון שמרגיש חי.

ברגע שנכנסים לסרטוני AI עם דיאלוג, סאונד, רעשי סביבה או אפילו רגע שקט, הפרומפט כבר לא יכול להיות רק תיאור של פריים. הוא צריך להיות הוראות בימוי קטנות: מה רואים, מה שומעים, מי מדבר, באיזה קצב, ומה לא צריך לגנוב את תשומת הלב.

אני אוהב לחשוב על זה ככה: תמונה טובה גורמת לך לעצור. סאונד נכון גורם לך להאמין למה שאתה רואה. אם הדמות מדברת משפט ארוך מדי, אם הרעש לא מתאים לחלל, אם המוזיקה דרמטית מדי או אם אין אווירה בכלל - המוח מרגיש שמשהו לא יושב, גם אם התמונה עצמה מטורפת.

במדריך הזה אני נותן שיטה פשוטה שאני משתמש בה כשאני רוצה לבנות סרטון AI עם סאונד ודיאלוג בלי להסתבך. לא משנה אם עובדים עם Veo, Sora, Runway או כלי אחר: העיקרון הוא אותו עיקרון. קודם מתכננים את הסצנה כמו יוצר, אחר כך כותבים לפרומפט כמו במאי.

מה השתנה: מודלי וידאו כבר מבינים יותר מרק ויזואל

בחלק מהכלים החדשים, סאונד ודיאלוג כבר לא חייבים להיות שלב חיצוני בלבד. למשל, מדריכים רשמיים של Google ל-Veo מדברים על תיאור דמויות, קול, פעולה ודיאלוג כחלק מהפרומפט. ב-Sora 2, לפי מדריך הפרומפטינג של OpenAI, דיאלוג ואודיו צריכים להיות כתובים בצורה מפורשת וברורה בפרומפט, עם שורות קצרות וטבעיות. גם כשעובדים בכלים שבהם הסאונד לא נוצר באותו שלב, עדיין כדאי לכתוב את הסאונד כבר בפרומפט כדי שהבימוי הויזואלי יהיה מדויק יותר.

זה לא אומר שצריך להפוך כל פרומפט לתסריט מלא. להפך. סרטון AI קצר עובד טוב יותר כשיש לו פעולה אחת ברורה, דיאלוג קצר, וסאונד שמשרת את הרגע. המטרה שלי היא לא למלא את המודל במידע, אלא לתת לו היררכיה: מה הכי חשוב, מה הרקע, ומה אסור להפריע.

השיטה: ארבע שכבות לפרומפט עם סאונד

כשאני כותב פרומפט לסרטון עם אודיו, אני מחלק אותו לארבע שכבות. אם חסרה שכבה אחת, הסרטון בדרך כלל מרגיש פחות יציב.

1. השכבה הויזואלית

פה אני מתאר את מה שרואים: דמות, מקום, תאורה, עדשה, קומפוזיציה ותנועה. זה הבסיס.

דוגמה קצרה:

שוט מדיום של בעלת סטודיו לעיצוב יושבת ליד שולחן עבודה, אור בוקר רך נכנס מהחלון, מצלמה יציבה בגובה העיניים, עומק שדה רדוד, צבעים טבעיים וחמים.

חשוב לא להגזים. אם כבר יש תמונת רפרנס, אני לא חוזר על כל פרט בפרומפט. אני מתמקד במה שצריך לזוז או לקרות.

2. שכבת הפעולה

פה אני מתאר מה משתנה בזמן. וידאו הוא לא פוסטר. אם אין פעולה, המודל צריך לנחש.

דוגמה:

היא מרימה מחברת, מסמנת משפט בעט, מחייכת קלות ומביטה למצלמה בסוף השוט.

פעולה טובה היא פעולה שאפשר לצלם באמת. לא “היא מרגישה השראה”. כן “היא עוצרת, נושמת, ואז מסובבת את המחברת לכיוון המצלמה”.

3. שכבת הדיאלוג

דיאלוג בוידאו AI צריך להיות קצר. ממש קצר. משפט אחד עד שלושה, ועדיף בשפה טבעית. אם מנסים לדחוף נאום, מקבלים תזמון מוזר, פה לא מסונכרן או משחק מוגזם.

דוגמה:

דיאלוג: היא אומרת בעברית, בקול רגוע ובטוח: “אני לא צריכה עוד רעיונות. אני צריכה תהליך שחוזר על עצמו.”

אני כותב מי מדבר, באיזו שפה, באיזה טון, ומה בדיוק המשפט. כשיש כמה דמויות, אני מסמן אותן בשמות קבועים ולא מחליף תיאורים באמצע.

4. שכבת הסאונד

פה נכנסים רעשי סביבה, אפקטים, מוזיקה ושקט. זה החלק שרוב היוצרים שוכחים.

דוגמה:

סאונד: חדר עבודה שקט, הקשה עדינה של עט על נייר, רעש רחוק של רחוב בבוקר. בלי מוזיקה דרמטית. בלי הד חזק.

שים לב שכתבתי גם מה לא. לפעמים “בלי מוזיקה דרמטית” חשוב יותר מ”מוזיקה עדינה”, כי המודל עלול לקחת את הסצנה למקום פרסומי מדי.

תבנית הפרומפט שאני ממליץ להתחיל ממנה

אפשר להשתמש בתבנית הזאת כמעט לכל סרטון קצר:

מטרה: מה הסרטון צריך לגרום לצופה להבין או להרגיש.

ויזואל: מי בפריים, איפה, תאורה, סגנון, קומפוזיציה.

פעולה: מה קורה מתחילת השוט עד הסוף, לפי סדר.

מצלמה: גודל שוט, תנועה, קצב, פוקוס.

דיאלוג: מי אומר מה, באיזו שפה, באיזה טון. קצר וטבעי.

סאונד: אווירה, רעשי רקע, אפקטים, מוזיקה, ומה להימנע ממנו.

אורך וקצב: כמה שניות, האם זה איטי, חד, מתוח, קליל או דוקומנטרי.

אני לא תמיד מכניס את כל הסעיפים. אבל אני כן עובר עליהם בראש לפני שאני שולח פרומפט. זה לבד מעלה את איכות התוצאה.

דוגמה 1: סרטון קצר ליוצר שמוכר קורס

מטרה: להראות שיוצר לא צריך להילחם כל יום על רעיון חדש, אלא לבנות מערכת תוכן.

ויזואל: יוצר תוכן יושב מול מחשב בסטודיו קטן, מסך פתוח עם לוח משימות, תאורה רכה, לוק דוקומנטרי מודרני, צבעים נקיים ולא פרסומיים.

פעולה: הוא מסתכל על המסך, מוחק רשימה ארוכה של רעיונות מפוזרים, פותח דף חדש עם שלושה שלבים פשוטים, ואז מסתובב למצלמה.

מצלמה: שוט מדיום, מצלמה יציבה, דחיפה איטית מאוד פנימה, פוקוס על הפנים בסוף.

דיאלוג: הוא אומר בעברית, בטון ישיר: “הבעיה היא לא שאין לך רעיונות. הבעיה היא שאין לך מערכת שמחזיקה אותם.”

סאונד: זמזום עדין של מחשב, קליק עכבר, אווירת חדר שקטה. בלי מוזיקה גדולה. בסוף אפשר להכניס תו סינתי קצר ועדין.

דוגמה 2: סצנה קולנועית עם אפקטים

מטרה: ליצור פתיחה מסתורית לסרטון על מוצר חדש.

ויזואל: שולחן מתכת כהה במעבדה נקייה, קופסה קטנה סגורה במרכז, אור כחול חלש מהצד, עשן דק באוויר, סגנון מדע בדיוני ריאליסטי.

פעולה: האור בקופסה נדלק בהדרגה, המכסה רועד קלות, טיפה של מים מחליקה על המתכת, ובסוף המכסה נפתח שני סנטימטרים בלבד.

מצלמה: קלוז-אפ נמוך, תנועת דולי איטית קדימה, פוקוס עובר מהקצה של השולחן אל הקופסה.

דיאלוג: אין דיאלוג.

סאונד: זמזום חשמלי נמוך, נשיפה קצרה של לחץ אוויר כשהמכסה נפתח, רעש מתכת עדין. בלי מוזיקת אקשן.

הדוגמה הזאת חשובה כי היא מזכירה שלא כל סרטון צריך דיבור. לפעמים הסאונד הכי טוב הוא שילוב של אווירה, אפקט קטן ושקט נכון.

דוגמה 3: דיאלוג בין שתי דמויות

כשיש שתי דמויות, אני מקפיד לכתוב תפקידים ברורים. לא “גבר ואישה מדברים”. זה כללי מדי.

דוגמה:

דמויות: נועה, מנהלת שיווק בת 34, מדברת מהר אבל חם. דניאל, יוצר וידאו, רגוע וממוקד.

פעולה: נועה מצביעה על לוח מלא רעיונות. דניאל מסמן רק שלושה מהם ומשאיר את השאר בצד.

דיאלוג:

נועה: “אבל יש לנו עשרים כיוונים.”

דניאל: “נכון. ובגלל זה נצלם רק את השלושה שמוכרים את הסיפור.”

סאונד: חדר ישיבות קטן, רעש מזגן חלש, טוש כותב על לוח. בלי קהל, בלי מחיאות כפיים, בלי מוזיקה.

הטעות הנפוצה פה היא לתת לכל דמות משפטים ארוכים מדי. בסרטון קצר, הדיאלוג צריך להיות כמו חץ, לא כמו פסקה.

איך בודקים אם הפרומפט טוב לפני שמייצרים

לפני שאני מריץ פרומפט עם סאונד, אני עושה בדיקה של דקה:

• האם אפשר לצלם את הפעולה הזאת במצלמה אמיתית?
• האם הדיאלוג נכנס בזמן של השוט?
• האם ברור מי מדבר?
• האם הסאונד משרת את הסצנה ולא משתלט עליה?
• האם יש יותר מדי רגשות מופשטים במקום פעולות נראות?
• האם כתבתי מה לא צריך לקרות, רק כשזה באמת חשוב?

אם התשובה לאחת השאלות בעייתית, אני לא מייצר עדיין. אני מקצר.

טעויות נפוצות שאני רואה כל הזמן

הטעות הראשונה היא לכתוב דיאלוג כמו טקסט לפרסומת: “ברוכים הבאים לעולם חדש של יצירתיות בלתי מוגבלת”. זה נשמע כמו מודעה, לא כמו בן אדם. עדיף משפט קטן שמרגיש אמיתי.

הטעות השנייה היא לבקש יותר מדי בשוט אחד: דמות נכנסת, מדברת, מוצר נפתח, מצלמה מסתובבת, עיר משתנה, מוזיקה עולה, לוגו מופיע. במודלי וידאו, עומס כזה יוצר בלגן. שוט אחד צריך רעיון אחד.

הטעות השלישית היא לשכוח את הסביבה. אם הדמות נמצאת במטבח, אני רוצה לשמוע משהו מהמטבח. אם היא באולפן, אני רוצה שקט נקי. אם היא ברחוב, אני צריך שכבת רחוב עדינה. סאונד אמין מחבר את הפריים למציאות.

הטעות הרביעית היא להשתמש במילים רגשיות בלי תרגום לפעולה. “מרגש”, “עוצמתי”, “דרמטי” - אלה מילים שיכולות לעזור, אבל הן לא מספיקות. צריך להסביר איך זה נראה ונשמע.

עבודה מקצועית: להפריד בין גרסת יצירה לגרסת עריכה

בפרויקטים אמיתיים אני לא מנסה לקבל הכל מושלם בפעם אחת. אני כותב שתי גרסאות:

גרסת יצירה: פרומפט מלא שמייצר את השוט עם ויזואל, פעולה, דיאלוג וסאונד.

גרסת עריכה: הערות קצרות אחרי שראיתי תוצאה. לדוגמה: “הדיאלוג טוב, אבל הסאונד דרמטי מדי. שמור את אותה סצנה, הורד מוזיקה, השאר רק רעש חדר עדין וקול טבעי יותר.”

ההפרדה הזאת חוסכת המון זמן. במקום לשכתב הכל, אני מתקן שכבה אחת. זה גם מלמד אותי איפה המודל מבין אותי ואיפה הוא נוטה לברוח.

מקורות למחקר

• Google Cloud: Ultimate prompting guide for Veo 3.1 - דיאלוג, אפקטים וסאונד בתוך פרומפטים.
• OpenAI Developers: Sora 2 Prompting Guide - מבנה פרומפט, דיאלוג ואודיו.
• Google DeepMind: Veo Prompt Guide - תיאור דמויות, קול, פעולה ודיאלוג.
• Runway Help: Gen-4 Video Prompting Guide - חשיבה על תנועה, מצלמה ושוטים.

פעולה לסיום

בפעם הבאה שאתה כותב פרומפט לוידאו AI, אל תתחיל מ”תיצור לי סרטון”. תתחיל ממה הצופה אמור לשמוע בשנייה הראשונה. אחר כך תכתוב מה הוא רואה. השינוי הקטן הזה מכריח אותך לביים, לא רק לבקש.

אם אתם רוצים ללמוד יצירת וידאו AI ברמה גבוהה, שלב אחרי שלב, עם הכוונה אישית ותהליך עבודה אמיתי, אפשר לבדוק את תוכנית ההכשרה שלי כאן: https://onemanaistudio.com/