اگر دنبال مقایسهٔ Sora 2 با Kling و Veo می‌گردید، احتمالاً با مقاله‌هایی روبه‌رو شده‌اید که هنوز Sora را بهترین ویدیوساز دنیا می‌دانند. اما بازار در یک سال گذشته زیرورو شده است: اوپن‌ای‌آی Sora را تعطیل کرد، Kling از کوایشو همین دو هفته پیش نسخهٔ ۴٫۰ را با ویدیوهای ۳۰ ثانیه‌ای منتشر کرد و گوگل در اپ Gemini، مدل Gemini Omni را جانشین Veo کرد.
در این مقاله این سه نام مشهور را با اطلاعات به‌روز کنار هم می‌گذاریم: چه بر سر Sora 2 آمد، Kling 4.0 چه چیزی تازه آورده، Veo و Gemini Omni کجا ایستاده‌اند و در نهایت برای هر کاربرد کدام را انتخاب کنید. برای دیدن رتبه‌بندی کامل همهٔ مدل‌ها هم بهترین هوش مصنوعی‌های ساخت ویدیو را ببینید.
آخرین به‌روزرسانی: ۱۱ آبان ۱۴۰۵ — وضعیت Sora از صفحه‌های رسمی OpenAI، مشخصات و قیمت Kling 4.0 از راهنما و مستندات API رسمی Kling، اطلاعات Veo و Gemini Omni از گوگل و امتیازها از آرنای متن‌به‌ویدیوی Artificial Analysis در همین تاریخ برداشته شده‌اند.
⚡ پاسخ کوتاه
Sora 2 دیگر در دسترس نیست؛ محصول Sora از ۲۶ آوریل ۲۰۲۶ تعطیل شد و مدل‌هایش در ۲۴ سپتامبر ۲۰۲۶ از API اوپن‌ای‌آی حذف شدند. از دو گزینهٔ باقی‌مانده، Kling 4.0 (منتشرشده در ۱۵ اکتبر ۲۰۲۶) با ویدیوی ۳۰ ثانیه‌ای در یک مرحله، صدای استریو، ۱۵ ورودی مرجع و قیمت API حدود ۰٫۲۴ دلار برای هر ثانیهٔ ۱۰۸۰p برای کار حرفه‌ای و روایت‌های طولانی بهتر است. Gemini Omni Flash 1.1 گوگل (جانشین Veo در اپ Gemini) در آرنای Artificial Analysis با امتیاز ۱۱۲۸ رتبهٔ دهم را دارد و برای ساخت و ویرایش گفت‌وگویی ساده‌تر است. Kling 4.0 هنوز در آرنا رتبه نگرفته است.
📑 فهرست مطالب
اوپن‌ای‌آی Sora 2 را ۳۰ سپتامبر ۲۰۲۵ همراه با یک اپ اجتماعی برای iOS معرفی کرد. ادعای اصلی‌اش فیزیک واقعی‌تر، کنترل بهتر روی صحنه‌های چندنمایی و ساخت هم‌زمان دیالوگ و افکت صوتی بود و قابلیت «کاراکترها» اجازه می‌داد کاربر خودش را وارد ویدیو کند. اما طبق اطلاعیهٔ رسمی، از ۲۶ آوریل ۲۰۲۶ محصول Sora دیگر در دسترس نیست. اوپن‌ای‌آی در ۲۴ مارس ۲۰۲۶ به توسعه‌دهندگان اطلاع داد که مدل‌های sora-2 و sora-2-pro و Videos API در ۲۴ سپتامبر ۲۰۲۶ حذف می‌شوند و این اتفاق افتاده است. اگر می‌خواهید بدانید Sora در زمان خودش چه می‌کرد، بررسی هوش مصنوعی Sora را بخوانید.
Kling ساخت شرکت چینی کوایشو از محبوب‌ترین ویدیوسازهای دنیاست (معرفی اولیه را در آشنایی با Kling AI نوشته‌ایم). نسخهٔ ۳٫۰ در فوریهٔ ۲۰۲۶ ویدیوهای تا ۱۵ ثانیه با صدای بومی آورد و نسخهٔ Kling 4.0 در ۱۵ اکتبر ۲۰۲۶ منتشر شد. API آن هم از ۲۸ اکتبر به‌طور کامل در دسترس است. تمرکز نسخهٔ ۴ روی سه چیز است: حرکت‌های سریع و پایدارتر، ساخت ویدیوی تا ۳۰ ثانیه در یک مرحله و «Omni Reference» برای ترکیب تا ۱۵ ورودی مرجع (عکس، ویدیو، صدا و المان).
Veo 3.1 آخرین نسخهٔ عمومی خانوادهٔ Veo گوگل دیپ‌مایند است که هنوز در Google Flow در دسترس است، اما نسخه‌های پیش‌نمایش آن از ۲۲ اکتبر ۲۰۲۶ در Gemini API خاموش شده‌اند. گوگل در اپ Gemini ساخت ویدیو را به Gemini Omni سپرده؛ مدلی که ساخت و ویرایش ویدیو را مثل یک گفت‌وگو انجام می‌دهد. نسخهٔ فعلی Gemini Omni Flash 1.1 از ۲۷ اوت ۲۰۲۶ عرضه شده است. آموزش کامل کار با آن را در راهنمای Veo و Gemini Omni آورده‌ایم.
معتبرترین معیار مستقل برای مقایسهٔ کیفیت، آرنای متن به ویدیوی Artificial Analysis است؛ جایی که کاربران بدون دیدن نام مدل‌ها بین دو ویدیو رأی می‌دهند. وضعیت مدل‌های این مقاله در نسخهٔ فعلی آرنا (ویدیو با صدا):
| رتبه | مدل | امتیاز Elo | هزینهٔ هر دقیقه در API |
|---|---|---|---|
| ۱۰ | Gemini Omni Flash 1.1 (گوگل) | ۱۱۲۸ | ۹٫۱۲ دلار |
| ۱۸ | Kling 3.0 Omni 1080p (Pro) | ۱۰۲۳ | ۸٫۴ دلار |
| ۱۹ | Kling 3.0 1080p (Pro) | ۱۰۰۰ (مرجع آرنا) | ۱۰٫۰۸ دلار |
| ۲۲ | Veo 3.1 (گوگل) | ۹۶۲ | ۲۴ دلار |
| — | Kling 4.0 | هنوز در آرنا نیست | — |
| — | Sora 2 | حذف‌شده | — |
برای مقایسه، صدر جدول در اختیار Wan 3.0 از علی‌بابا با امتیاز ۱۱۷۵ است. پس در نسل فعلی، Gemini Omni از Kling 3.0 جلوتر است. اما Kling 4.0 فقط دو هفته است منتشر شده و هنوز رأی کافی در آرنا ندارد؛ با توجه به جهش ادعایی آن در حرکت و جزئیات، باید منتظر ماند و دید جایگاهش کجا خواهد بود.
هر سه نام این مقاله صدای بومی دارند (یا داشتند)؛ یعنی صدا، افکت و دیالوگ را هم‌زمان با تصویر می‌سازند و لازم نیست جداگانه صداگذاری کنید. تفاوت در جزئیات است:
اگر صدای فارسی طبیعی می‌خواهید، مطمئن‌ترین راه هنوز این است که ویدیو را بدون دیالوگ بسازید و گفتار را با یکی از بهترین هوش مصنوعی‌های تبدیل متن به گفتار جداگانه تولید کنید.
| ویژگی | Kling 4.0 | Gemini Omni Flash 1.1 | Veo 3.1 |
|---|---|---|---|
| طول در یک مرحله | ۳ تا ۳۰ ثانیه | ۳ تا ۱۰ ثانیه | ۴، ۶ یا ۸ ثانیه (Flow) |
| ادامه دادن ویدیو | تا ۲ دقیقه | تا ۴۰ ثانیه | محدود |
| رزولوشن | ۷۲۰p و ۱۰۸۰p (4K و HDR به‌زودی) | تا ۱۰۸۰p؛ ارتقا تا 4K | بسته به نسخه |
| نسبت تصویر | ۲۱:۹، ۱۶:۹، ۱:۱، ۹:۱۶ | ۱۶:۹ و ۹:۱۶ | ۱۶:۹ و ۹:۱۶ |
| ورودی مرجع | تا ۱۰ عکس، ۵ ویدیو، صدا | عکس، صدا و ویدیو | متن، تصویر، فریم |
در طول ویدیو، Kling 4.0 فاصلهٔ زیادی با رقبا دارد: ۳۰ ثانیه در یک مرحله یعنی یک صحنهٔ کامل تبلیغاتی یا یک برداشت بلند بدون برش. نسخهٔ سبک‌تر Kling 4.0 Flash هم برای تولید سریع و ارزان تا ۲۰ ثانیه با کیفیت ۷۲۰p ساخته شده است. نسبت تصویر ۲۱:۹ هم برای کارهای سینمایی مزیت مهمی است و طبق راهنمای رسمی، خروجی 4K با 10-bit HDR «به‌زودی» اضافه می‌شود.
قیمت API نسبتاً شفاف است. طبق صفحهٔ رسمی قیمت Kling، هر ثانیه ویدیوی Kling 4.0 بدون ورودی ویدیویی در کیفیت ۷۲۰p حدود ۰٫۱۵۷ دلار و در ۱۰۸۰p حدود ۰٫۲۳۵ دلار است؛ یعنی یک کلیپ ۱۰ ثانیه‌ای ۱۰۸۰p حدود ۲٫۳ دلار. Kling 3.0 ارزان‌تر است (با صدا از ۰٫۱۲۶ دلار برای هر ثانیهٔ ۷۲۰p). در API گوگل، هر ثانیه ویدیوی ۷۲۰p با Gemini Omni حدود ۰٫۱ دلار هزینه دارد.
برای کاربران عادی، استفاده از Gemini Omni در اپ Gemini یا Flow به اشتراک پولی Google AI نیاز دارد و ایران در فهرست رسمی کشورهای پشتیبانی‌شدهٔ Gemini API نیست. Kling هم وب‌سایت و اپ خودش را دارد؛ پیش از خرید اشتراک یا اعتبار، شرایط ثبت‌نام و پرداخت را بررسی کنید، چون ما نمی‌توانیم دسترسی پایدار از ایران را برای هیچ‌کدام تضمین کنیم.
هر مدلی را انتخاب کنید، ساختار پرامپت خوب تقریباً یکی است و رعایتش کیفیت خروجی را بیشتر از عوض کردن مدل بالا می‌برد:
پرامپت را به انگلیسی بنویسید تا نتیجهٔ قابل‌پیش‌بینی‌تری بگیرید؛ فارسی را می‌توانید برای ایده‌پردازی اولیه به کار ببرید و بعد ترجمه کنید.
| نیاز شما | پیشنهاد | دلیل |
|---|---|---|
| تیزر تبلیغاتی یا صحنهٔ بلند بدون برش | Kling 4.0 | ۳۰ ثانیه در یک مرحله و کنترل دوربین |
| حفظ چهرهٔ شخصیت یا محصول در چند نما | Kling 4.0 (Omni Reference) | تا ۱۵ ورودی مرجع |
| ساخت و اصلاح سریع با زبان ساده | Gemini Omni | ویرایش گفت‌وگویی |
| ریلز و محتوای کوتاه پرحجم | Kling 4.0 Flash یا Gemini Omni | سریع و ارزان‌تر |
| بالاترین امتیاز آرنا بین این سه | Gemini Omni Flash 1.1 | رتبهٔ ۱۰ با Elo ۱۱۲۸ |
| کسی که هنوز دنبال Sora است | Kling 4.0 یا Gemini Omni | Sora تعطیل شده است |
اگر از تصویر ثابت شروع می‌کنید، اول عکس را با یکی از بهترین هوش مصنوعی‌های ساخت تصویر بسازید و بعد با حالت تصویر به ویدیو متحرکش کنید. برای آشنایی با کل اکوسیستم گوگل هم آشنایی با Gemini را ببینید.
امروز این مقایسه عملاً معنی ندارد، چون Sora 2 از آوریل ۲۰۲۶ برای کاربران و از سپتامبر ۲۰۲۶ در API در دسترس نیست. Kling 4.0 جایگزین مستقیم و فعال آن است.
هم Kling (از نسخهٔ ۳ به بعد) و هم Gemini Omni و Veo 3.1 صدا، افکت و دیالوگ را هم‌زمان با تصویر می‌سازند.
Kling 4.0 با ۳۰ ثانیه در یک مرحله و امکان ادامه تا ۲ دقیقه. Gemini Omni کلیپ‌های ۳ تا ۱۰ ثانیه‌ای را تا ۴۰ ثانیه ادامه می‌دهد.
اوپن‌ای‌آی تا امروز اطلاعیهٔ رسمی دربارهٔ بازگشت Sora منتشر نکرده است. صفحهٔ رسمی Sora 2 فقط اعلام می‌کند که محصول از ۲۶ آوریل ۲۰۲۶ در دسترس نیست.
همه منابع در تاریخ ۱۱ آبان ۱۴۰۵ بررسی شده‌اند.
فرض کنید یک دستیار هوش مصنوعی دارید که بدون اینترنت کار می‌کند، اطلاعات شما را به هیچ سروری نمیفرستد، تحریم …
تا همین چند وقت پیش، هوش مصنوعی برای بیشتر کسبوکارها یعنی یک پنجرهٔ چت: سؤال میپرسیدید، جواب میگرفتید و بقیهٔ …
یک گزارش ۲۰۰ صفحهای، یک کتاب درسی یا ده مقالهٔ علمی دارید و وقت خواندن همهاش را ندارید. هوش مصنوعی …
گوگل در ۱۳ اکتبر ۲۰۲۶ (۲۱ مهر ۱۴۰۵) Gemini 4 Argon را به‌عنوان مدل پرچمدار تازهاش برای همه عرضه کرد: …
نظرات 0
برای ارسال نظر وارد حساب کاربری شوید.
هنوز نظری ثبت نشده؛ اولین نفر باشید.