طراحی‌شده برای فروشندگان دیجی‌کالا، باسلام، غرفه‌داران آنلاین، پیج‌های فروشگاهی اینستاگرام و تجار صادراتی. ویدیو کاروسل جادویی شیائومی با هوش مصنوعی بصری جزئیات، جنس و کاربرد کالا را از روی عکسهای واقعی تشخیص می‌دهد، متن فروش طبیعی به ۳۰ زبان می‌نویسد، صدای طبیعی فارسی مایکروسافت (DilaraNeural / FaridNeural) و زیرنویس .srt را اضافه میکند و فایل MP4 را ۱۰۰٪ محلی در مرورگر شما می‌سازد.
“کیفیت ماندگار و طراحی اصیل — انتخابی مطمئن برای خانه و هدیه!”
بدون نیاز به تدوین‌گر یا سیستم‌های سنگین، برای صدها کالا ویدیوی معرفی با صدای طبیعی فارسی و زبان‌های صادراتی بسازید.
هوش بصری ۴ تصویر اول هر پوشه محصول (پوشاک، صنایع دستی، خشکبار، لوازم خانگی و دیجیتال) را بررسی کرده و متنی جذاب و روان برای مخاطب فارسی‌زبان می‌نویسد.
تولیدکنندگان فرش، زعفران، پسته، سنگ، چرم و محصولات صنعتی می‌توانند کاتالوگ‌های خود را با گویندگی بومی ۳۰ زبان در واتس‌اپ و تلگرام برای خریداران خارجی ارسال کنند.
تمام مراحل ساخت ویدیو در حافظه مرورگر Chrome یا Edge کامپیوتر شما با FFmpeg.wasm انجام میشود و فایل MP4 مستقیماً کنار عکسهای همان کالا ذخیره می‌گردد.
تیم فروش تنها پوشه مادر محصولات را انتخاب کرد و نرم‌افزار به‌طور خودکار نسخه‌های فارسی، عربی و انگلیسی را با زیرنویس .srt در پوشه هر کالا تحویل داد.
انتخاب عکس، نویسندگی به ۳۰ زبان، گویندگی، زیرنویس، ترنزیشن و موسیقی در یک کلیک.
مدل‌های AGNES 2.5 Flash و InternVL2.5-28B چهار عکس اول هر کالا را تحلیل کرده و بر اساس جنس، رنگ و کاربرد واقعی، متن فروش به ۳۰ زبان می‌نویسند.
پوشش کامل ۳۰ زبان (فارسی، عربی، ترکی، انگلیسی، روسی، چینی، فرانسوی، آلمانی و غیره) همراه با زیرنویس حکشده و فایل .srt.
موتور FFmpeg.wasm و WebCodecs تمام پردازش تصویر و صدا را روی رم مرورگر شما انجام می‌دهند تا تصاویر محصولات جدیدتان کاملاً محرمانه بماند.
ترکیب ۱۰ افکت انتقال تصویر با حرکت نرم دوربین و تغییر خودکار نقطه شروع و سرعت موسیقی پسزمینه برای جلوگیری از تشخیص محتوای تکراری.
پوشه اصلی شامل ده‌ها محصول را انتخاب کنید؛ اگر زیرپوشهای کمتر از ۶ عکس داشته باشد، سیستم در گزارش ثبت کرده و فقط همان مورد را رد میکند.
رابط کاربری برنامه و صفحات معرفی دقیقاً همان ۳۰ زبان پشتیبانیشده در بخش گویندگی را پوشش می‌دهند (تشخیص خودکار IP + تغییر دستی).
بدون نیاز به دانش تدوین یا نصب برنامه‌های حجیم؛ اجرا مستقیم در Chrome یا Edge دسکتاپ.
هر محصول را در یک زیرپوشه مجزا (حداقل ۶ عکس) قرار دهید و روی «انتخاب پوشه اصلی» کلیک کنید.
📁 کاتالوگ_محصولات/ ├─ 📂 فرش_دستباف_FA01/ (۸ عکس) ✅ ├─ 📂 فلاسک_استیل_FA02/ (۶ عکس) ✅ └─ 📂 نمونه_FA03/ (۳ عکس) ⏭️ رد شدن هوشمند
از میان ۳۰ زبان، صدای زنانه یا مردانه، سبک عمده‌فروشی (B2B) یا خرده‌فروشی (B2C) و ترنزیشن‌ها را انتخاب کنید.
🌐 زبان: فارسی / العربية / English ... 🎙️ صدا: Dilara (زن) / Farid (مرد) 🎬 افکت: Fade + Slide + Iris + Zoom
هوش بصری از روی عکس‌ها متن می‌نویسد و درگاه داخلی /api/tts صدای شفاف 24kHz و زمان‌بندی زیرنویس را تولید میکند.
👁️ هوش بصری ← 📝 متن فروش طبیعی 🔊 Sec-MS-GEC v2 Neural TTS (24kHz MP3) 💬 زمان‌بندی خودکار زیرنویس SRT
ویدیوی نهایی MP4 و فایل زیرنویس .srt مستقیماً داخل پوشه همان محصول در کامپیوتر شما ذخیره میشوند.
🎬 فرش_دستباف_فارسی.mp4 📄 فرش_دستباف_فارسی.srt ✨ ادامه خودکار برای محصول بعدی
در چند دقیقه آرشیو ویدیوهای عمودی چندزبانه برای فروشگاه آنلاین، شبکه‌های اجتماعی و صادرات بسازید.
از یک مجموعه عکس، ویدیوهای عمودی به زبان‌های فارسی، عربی، ترکی و انگلیسی با افکت‌های متنوع تولید کنید.
صدها کالا فقط عکس ثابت دارند؟ بهصورت گروهی ویدیوهای ناطق با زیرنویس بسازید و نرخ خرید را افزایش دهید.
به جای فایل‌های PDF، کلیپ‌های کوتاه ناطق به ۳۰ زبان برای مشتریان خارجی در واتس‌اپ و ایمیل بفرستید.
همراه هر ویدیو یک فایل زیرنویس استاندارد .srt تولید میشود که به دیده‌شدن در گوگل و یوتیوب کمک میکند.
حل هم‌زمان چالش نویسندگی چندزبانه، گویندگی طبیعی، جلوگیری از تکرار و تولید انبوه.
| معیار مقایسه | تدوین دستی ویدیو | نرم‌افزارهای اسلایدشو ساده | ویدیو کاروسل جادویی شیائومی |
|---|---|---|---|
| متن تبلیغاتی | نگارش و ترجمه دستی زمان‌بر برای هر کالا | فاقد متن یا فقط جملات قالبی ثابت | هوش بصری عکس واقعی کالا را دیده و به ۳۰ زبان می‌نویسد |
| گویندگی و زیرنویس | هزینه بالای گوینده و هماهنگ‌سازی دستی زیرنویس | صدای رباتیک و بدون خروجی فایل .srt | صداهای طبیعی مایکروسافت (زن/مرد) در ۳۰ زبان + .srt |
| ضدتکرار الگوریتم | تغییر دستی فیلتر و موسیقی برای هر ویدیو | ترنزیشن و موسیقی یکسان در تمام خروجی‌ها | ۱۰ ترنزیشن تصادفی + زوم + ۴ واریاسیون موسیقی واقعی BGM |
| تحمل خطای دستهای | خروجی تک‌به‌تک پروژه‌ها | توقف کل کار در صورت وجود پوشه کمتر از ۶ عکس | پردازش خودکار زیرپوشه‌ها؛ عبور امن از پوشه‌های زیر ۶ عکس |
| حریم خصوصی و زبان | نیاز به نصب برنامه‌های سنگین و سیستم قوی | آپلود عکسهای محرمانه کالا در سرورهای ابری | ۱۰۰٪ محلی در مرورگر + همگام‌سازی کامل ۳۰ زبان |
استودیو وب هم‌اکنون در مرورگر شما فعال است — از کلید API بصری خود استفاده کنید یا برای پلن‌های سازمانی تماس بگیرید.
آدرس carousel.xiaomie.tools را در مرورگر Chrome یا Edge دسکتاپ باز کنید و از خط تولید گروهی و گویندگی ۳۰ زبانه استفاده نمایید.
ویژه تیم‌های پرتعداد که به سرورهای اختصاصی TTS/Vision یا سفارشی‌سازی برند نیاز دارند.
پاسخ کامل درباره شرط حداقل ۶ عکس، تنظیمات هوش مصنوعی، گویندگی و امنیت تصاویر.
حداقل ۶ عکس باعث میشود ریتم تصویری ویدیو جذاب باشد. در حالت دستهای، اگر زیرپوشهای کمتر از ۶ عکس داشته باشد، سیستم آن را در گزارش ثبت کرده و فقط همان کالا را رد میکند تا بقیه محصولات بدون توقف ساخته شوند.
رندر ویدیو ۱۰۰٪ بهصورت محلی در حافظه مرورگر شما با FFmpeg.wasm انجام میشود. فقط هنگام فعال بودن نویسندگی هوش مصنوعی، ۴ عکس اول بهصورت تصاویر کوچک فشرده برای API بصری انتخابی شما ارسال میشوند.
هر چهار بخش بهصورت ۱:۱ روی ۳۰ زبان پشتیبانیشده توسط موتور صوتی (از جمله فارسی، عربی، ترکی، انگلیسی، روسی، چینی، اروپایی و آسیایی) همگام شدهاند.
بله. تا زمانی که گزینههای زیرنویس و موسیقی پسزمینه فعال باشند، سیستم زیرنویس حکشده، فایل .srt و میکس موسیقی BGM را تولید میکند.
آخرین نسخه دسکتاپ Microsoft Edge یا Google Chrome برای پشتیبانی کامل از خواندن/نوشتن پوشه‌های محلی و سرعت بالای WebAssembly توصیه میشود.