دونا از چندین مدل پیشرفته تولید ویدیو پشتیبانی میکند. هر مدل قابلیتها، کیفیت و هزینه متفاوتی دارد.
جدیدترین مدل تولید ویدیو از Google DeepMind. ویدیو در وضوح ۷۲۰p تا ۴K با صدای بومی همگامسازیشده (دیالوگ طبیعی، جلوههای صوتی و موسیقی). پشتیبانی از لیپسینک حرفهای. امکان ساخت ویدیوهای طولانیتر با اتصال کلیپها. فریم اول و آخر قابل تعیین.
ورودی: متن یا متن + تصویر
مدت: ۴، ۶ یا ۸ ثانیه
نسخه سریعتر و اقتصادیتر Veo 3.1. همان قابلیتها با سرعت بالاتر و هزینه کمتر، مناسب کاربردهای روزمره.
جدیدترین و قدرتمندترین نسخه Kling از Kuaishou (فوریه ۲۰۲۶). کیفیت بومی ۴K با ۶۰ فریم بر ثانیه. قابلیت چندصحنهای تا ۶ برش سینمایی در یک تولید. تولید صدای بومی همگام با ویدیو. حرکات دوربین حرفهای (dolly, crane, tracking) و حفظ هویت شخصیتها.
ورودی: متن یا متن + تصویر
مدت: تا ۱۵ ثانیه
نسخه اقتصادیتر Kling 3 با همان قابلیتهای سینمایی و چندصحنهای، اما با هزینه کمتر.
نسخه قبلی Kling با تخصص در تولید ویدیوی سینمایی از عکس. مناسب تیزر تبلیغاتی و محتوای برند.
⚠️ نکته: این مدل فقط پرامپت انگلیسی میپذیرد.
مدل تولید ویدیوی ByteDance (سازنده TikTok) با ۴.۵ میلیارد پارامتر. ویژگی منحصربهفرد آن تولید همزمان ویدیو و صدا در یک پاس واحد — لیپسینک با دقت میلیثانیهای. پشتیبانی از ۸ زبان مکالمه (انگلیسی، چینی، ژاپنی، کرهای، اسپانیایی و...). حرکات دوربین سینمایی خودکار و حفظ ثبات شخصیتها.
ورودی: متن یا متن + تصویر (Start/End frame)
مدت: ۴ تا ۱۲ ثانیه
وضوح: ۴۸۰p تا ۱۰۸۰p
مدل فوقسریع تبدیل تصویر به ویدیو. ویدیوی ۵ ثانیهای را در حدود ۶.۵ ثانیه تولید میکند — بیش از ۷ برابر سریعتر از مدلهای مشابه. سبکها و حرکات متنوع.
ورودی: متن + تصویر
نسبت ابعاد: ۱۶:۹ و ۹:۱۶
هزینه تولید ویدیو ثابت و مشخص است و بسته به مدل، وضوح و مدت متفاوت است. تخمین هزینه قبل از تولید نمایش داده میشود.
تولید ویدیو ممکن است از چند ثانیه (Lucy-14B) تا چند دقیقه (Kling 3 Pro، Veo 3.1) طول بکشد. میتوانید صفحه را ترک کنید — ویدیو در پسزمینه ساخته میشود.