Module: ماژول ۰۳ — دایرکتوری قطعی و جامع ابزارهای هوش مصنوعی (۲۰۲۴-۲۰۲۵)

Part 1: Video Scenario & Screen Actions

[Camera on Host] Hook and intro: Laugh about “Tool Fatigue” and social media hype claiming every day that a new app replaces ChatGPT; explain the concept of “Wrappers” and tease the 7 categories of 40+ vetted AI tools covered in this module.
[Show Slide 1 / README Overview] Display the module title “ماژول ۰۳: دایرکتوری قطعی و جامع ابزارهای هوش مصنوعی” and the interactive chatbot/RAG architecture diagram.
[Show Slide 2 / Category 1 Table] Display Category 1: General-Purpose Chat Assistants comparison table (ChatGPT, Claude, Gemini, Copilot, DeepSeek, Perplexity, Poe, You.com, Kimi).
[Screen Record] Live tour of the Big Chat Assistants: Quickly switch tabs showing ChatGPT (Voice/o1), Claude 3.5 Sonnet (Artifacts UI), Gemini 1.5 Pro (2M context & Workspace integration), Microsoft Copilot, DeepSeek R1, Perplexity AI (live citations), Poe, You.com, and Kimi, noting Iran access requirements for each.
[Show Slide 3 / Category 2 Table] Display Category 2: Image Generation tools comparison table (Midjourney v6, DALL-E 3, Flux, Leonardo AI, Ideogram, Adobe Firefly, Stable Diffusion, Recraft) and the Latent Diffusion diagram.
[Screen Record] Visual showcase of Image Generators: Compare photorealism in Midjourney v6 and Flux, spatial prompt obedience in DALL-E 3, Canvas/ControlNet in Leonardo AI, flawless typography in Ideogram, commercial safety in Adobe Firefly, local Stable Diffusion, and editable SVG vectors in Recraft.
[Show Slide 4 / Category 3 Table] Display Category 3: Video Generation tools comparison table (Runway Gen-3, Sora, Kling AI, Luma Dream Machine, Pika Labs, Veo 2) and the motion interpolation diagram.
[Show Slide 5 / Categories 4 & 5] Display Category 4 (Audio & Music: Suno, Udio, ElevenLabs, Descript) and Category 5 (Coding Assistants: Cursor, Windsurf, GitHub Copilot, Aider).
[Show Slide 6 / Categories 6 & 7] Display Category 6 (Data & Documents: NotebookLM, Julius AI, ChatGPT Advanced Data Analysis) and Category 7 (Local & Open-Source AI: LM Studio, Ollama, GPT4All).
[Screen Record] Spotlight Demo on Google NotebookLM: Upload a PDF document into NotebookLM, show grounded Q&A with zero hallucinations, and click “Audio Overviews” to demonstrate how it turns dry documents into a two-host podcast.
[Show Slide 7 / Decision Map] Display the 8-point Decision Map (“کدام ابزار برای کدام کار؟”) matching exact use cases to Perplexity, Claude 3.5 Sonnet, DeepSeek R1 / o3, Gemini 1.5 Pro / NotebookLM, LM Studio, Midjourney v6, Ideogram / Flux, and Cursor / Windsurf.
[Show Slide 8 / 4-Filter Evaluation Framework] Display the 4-filter framework for judging viral new AI tools: 1. Is it just a Wrapper? 2. Does it save clicks/time? 3. What is its Foundation Model? 4. How does it handle Data Privacy (ToS)?
[Screen Record] Hands-on Workshop Mission (“خط تولید یک آژانس تبلیغاتی یک‌نفره”): Walk through the 5-tool chain live—1. Perplexity for gaming laptop visual trends -> 2. Claude for 3 cyberpunk camera prompts -> 3. Ideogram/Copilot for image creation -> 4. Luma Dream Machine for camera motion -> 5. Suno for a 30-second Synthwave track.
[Show Slide 9 / Common Pitfalls] Highlight the 4 major traps: Tool Hopping syndrome, ignoring free tiers, the “Golden Hammer” fallacy, and fake mobile subscription apps on Google Play / App Store.
[Camera on Host] Outro and call to action: Recap the core message (pick 3 core tools and master them), ask viewers to comment their top 3 daily tools, remind them to like and subscribe, and tease Module 04 (AI in Coding).

Part 2: Teleprompter Transcript (Persian)

[Action 1] سلام رفقا! قبول دارین این روزا هر بار اینستاگرام یا یوتیوب رو باز می‌کنیم، یه نفر با چشمای گردشده داره داد می‌زنه: «چت‌جی‌پی‌تی رو بریز دور! این ۵ تا سایت مخفی هوش مصنوعی زندگیت رو نجات می‌ده!»؟ واقعیت اینه که ۹۰ درصد این سایت‌های جدید فقط یه «پوسته» یا به قول معروف Wrapper هستن که پشت صحنه به همون API اوپن‌ای‌آی وصلن و می‌خوان بابت کاری که جمنای رایگان انجام می‌ده، ماهی ۳۰ دلار ازتون پول بگیرن! توی ماژول سوم، بیش از ۴۰ تا از معتبرترین ابزارهای استاندارد بازار رو توی ۷ دسته گلچین کردیم تا برای همیشه خیالتون راحت بشه که برای هر کاری سراغ کدوم ابزار برین.

[Action 2] همون‌طور که توی نمای کلی ماژول سوم می‌بینین، هدف ما اینه که از هیاهوی تبلیغاتی عبور کنیم و یه سند مرجع واقعی داشته باشیم. در پایان این ویدیو، شما نه تنها تمام ابزارهای اصلی متن، تصویر، ویدیو، صدا، کدنویسی و تحلیل داده رو می‌شناسین، بلکه یه فیلتر چهارمرحله‌ای دارین که هر ابزار جدیدی اومد، درجا عیارش رو بسنجین.

[Action 3] بیاین از دسته اول و جدول مقایسه دستیارهای چت و همه‌منظوره (General Purpose) شروع کنیم؛ همون ابزارهایی که هر روز برای ایمیل زدن، خلاصه‌سازی و ایده‌پردازی لازمشون داریم.

[Action 4] بیاین روی صفحه تک‌تک این ۹ تا دستیار رو با هم ببینیم:
۱. ChatGPT: استاندارد صنعت با حالت صوتی پیشرفته و مدل‌های استدلالی o1 و o3؛ فقط یادتون باشه از ایران هم تغییر آی‌پی می‌خواد هم شماره مجازی برای ثبت‌نام.
۲. Claude: ساخته شرکت Anthropic که طبیعی‌ترین و انسانی‌ترین قلم دنیا رو داره و مدل 3.5 Sonnet اون بهترین کدنویس فعلی بازاره. قابلیت Artifacts هم بهتون اجازه می‌ده کدهای React و HTML رو همون لحظه کنار چت رندر کنین؛ فقط تایید پیامکیش یه ذره از چت‌جی‌پی‌تی سخت‌گیرانه‌تره.
۳. Gemini گوگل: برگ برنده‌اش پنجره زمینه ۲ میلیون توکنی و اتصال مستقیم به جیمیل و گوگل‌داکسه؛ می‌تونین یه کتاب کامل یا ویدیوی یک‌ساعته رو بندازین جلوش.
۴. Microsoft Copilot: موتور GPT-4 رو به اینترنت زنده بینگ و تصویرساز رایگان DALL-E 3 وصل کرده و خوبی بزرگش برای ما اینه که با یه تغییر آی‌پی ساده و بدون شماره مجازی کار می‌کنه!
۵. DeepSeek: غول چینی با مدل‌های V3 و R1 که توی ریاضی و کدنویسی شاخ‌به‌شاخ GPT-4o می‌ره، وب‌سایتش کاملاً رایگانه و گیرهای تحریمی شرکت‌های آمریکایی رو هم نداره.
۶. Perplexity AI: جایگزین واقعی سرچ گوگل! حدس نمی‌زنه؛ سایت‌های زنده رو می‌خونه و با پانویس و لینک دقیق منبع جواب می‌ده تا توهم رو به صفر برسونه.
۷. Poe و You.com: کلکسیونی از همه مدل‌های دنیا توی یک پلتفرم واحد با امتیاز روزانه رایگان.
۸. و Kimi: که توی خوندن داکیومنت‌های طولانی عالی عمل می‌کنه.

[Action 5] بریم سراغ دسته دوم یعنی ابزارهای تولید تصویر (Image Generation) که بر پایه معماری دیفیوژن کار می‌کنن. توی جدول مقایسه، ۸ تا ابزار اصلی بازار رو کنار هم گذاشتیم.

[Action 6] ببینین هر کدوم کجا پادشاهی می‌کنن:
اگه دنبال بالاترین کیفیت هنری، نورپردازی و بافت واقع‌گرایانه هستین، Midjourney v6 هنوز شماره یکه (هرچند نسخه رایگان نداره و از طریق دیسکورد یا وب کار می‌کنه).
اگه می‌خواین دستورات فضایی پیچیده رو مو‌به‌مو اجرا کنه، DALL-E 3 داخل چت‌جی‌پی‌تی و کوپایلت (رایگان) عالیه، هرچند گاهی عکس‌هاش یه کم ظاهر پلاستیکی دارن.
اما توی دنیای متن‌باز، مدل Flux غوغا کرده و توی ساخت چهره واقعی انسان و نوشتن متن روی عکس حتی میدجرنی رو هم شکست می‌ده!
برای بازی‌سازها و کنترل دقیق ژست کاراکتر با ControlNet، ابزار Leonardo AI با توکن روزانه رایگان معرکه‌ست.
برای نوشتن متن دقیق انگلیسی روی لوگو، پوستر و تیشرت بدون غلط املایی، مستقیم برین سراغ Ideogram.
برای کارهای تجاری شرکتی که ۱۰۰ درصد از نظر کپی‌رایت امن باشه و به Generative Fill فتوشاپ وصل بشه، Adobe Firefly رو داریم.
برای اجرای آفلاین، رایگان و بدون سانسور روی کارت گرافیک خودتون، Stable Diffusion (SDXL)؛
و برای طراحان وب و لوگو که عکس پیکسلی نمی‌خوان و دنبال فایل وکتور واقعی و قابل ویرایش (SVG) توی ایلاستریتور هستن، Recraft یه جواهر به تمام معناست!

[Action 7] دسته سوم، سریع‌ترین بخش در حال تغییر یعنی تولید ویدیو (Video Generation)ئه:
Runway Gen-3 پیشگام صنعت با کنترل‌های حرفه‌ای دوربینه؛ Sora از OpenAI با درک ثبات اشیا (Object Permanence) و فیزیک واقعی دنیا رو شوکه کرد؛ Kling AI بهترین رقیب در دسترس و رایگان سوراست که تا ۳ دقیقه ویدیوی سینمایی با ثبات حرکتی بالا می‌سازه؛ Luma Dream Machine خوراک متحرک‌سازی فوق‌سریع عکس‌های ثابته؛ Pika Labs لیپ‌سینک و افکت صوتی داره؛ و Veo 2 گوگل هم درک عمیقی از لنزها و اصطلاحات سینمایی داره.

[Action 8] توی اسلاید بعدی، دسته چهارم و پنجم رو داریم:
توی تولید صدا و موسیقی: با Suno می‌تونین با یه پرامپت ساده آهنگ کامل رادیویی با صدای خواننده (حتی به زبان فارسی!) بسازین؛ Udio کیفیت صدای استودیویی و شفاف برای سبک‌های جاز و کلاسیک می‌ده؛ ElevenLabs پادشاه بی‌رقیب تبدیل متن به گفتار (TTS) و کلون کردن صدای انسانه که نفس می‌کشه و حس داره؛ و Descript ویرایشگر انقلابی پادکست و ویدیوئه که صدای شما رو تبدیل به متن می‌کنه و هر کلمه یا تپقی رو از روی متن پاک کنین، از توی ویدیو هم کات می‌شه!
توی دسته پنجم یعنی دستیارهای کدنویسی: محیط Cursor (با قابلیت ویرایش چندفایلی Composer)، رقیب قدرتمندش Windsurf (با ایجنت هوشمند Cascade)، افزونه کلاسیک GitHub Copilot و ابزار ترمینالی Aider رو داریم که توی ماژول بعدی مفصل کالبدشکافیشون می‌کنیم.

[Action 9] دسته ششم و هفتم هم دو تا گنج واقعی هستن:
توی تحلیل داده و داکیومنت‌ها، علاوه بر Julius AI (مخصوص علم داده و نمودارهای آماری) و بخش Advanced Data Analysis چت‌جی‌پی‌تی، شاهکار رایگان گوگل یعنی NotebookLM رو داریم. و توی دسته هفتم یعنی مدل‌های محلی و متن‌باز برای دور زدن اینترنت ضعیف و تحریم، LM Studio (آیتونز هوش مصنوعی)، Ollama توی ترمینال، و GPT4All (قابل اجرا روی CPU لپ‌تاپ‌های معمولی بدون کارت گرافیک) رو داریم.

[Action 10] بذارین روی صفحه همین NotebookLM گوگل رو بهتون نشون بدم چون واقعاً شگفت‌انگیزه! شما تا ۵۰ تا فایل PDF، متن یا لینک رو توش آپلود می‌کنین و هوش مصنوعی فقط و فقط بر اساس منابع خودتون جواب می‌ده؛ یعنی توهم و دروغ‌گویی صفر! از همه باحال‌تر دکمه Audio Overviewsئه: جزوه خشک و خسته‌کننده شما رو می‌گیره و تبدیلش می‌کنه به یه پادکست ۱۰ دقیقه‌ای جذاب بین دو تا مجری هوش مصنوعی که وسطش با هم شوخی هم می‌کنن!

[Action 11] خب، حالا بیاین نقشه تصمیم‌گیری ۸ گانه رو مرور کنیم تا دیگه هیچ‌وقت بین ابزارها سرگردان نشین:
۱. تحقیق واقعی با ذکر منبع؟ Perplexity یا Copilot.
۲. نوشتن متن ظریف و انسانی یا کد پیچیده؟ Claude 3.5 Sonnet.
۳. معمای منطقی، ریاضی یا معماری سیستم؟ DeepSeek R1 یا OpenAI o3.
۴. تحلیل PDF دویست‌صفحه‌ای؟ Gemini 1.5 Pro یا NotebookLM.
۵. حریم خصوصی مطلق شرکت؟ LM Studio (آفلاین).
۶. بهترین عکس هنری و واقع‌گرایانه؟ Midjourney v6.
۷. نوشتن دقیق متن و لوگو روی عکس؟ Ideogram یا Flux.
۸. ساخت وب‌سایت و اپلیکیشن کامل از صفر؟ Cursor یا Windsurf.

[Action 12] و اما چارچوب ارزیابی ۴ فیلتری: هر وقت یه ابزار جدید توی توییتر یا اینستاگرام وایرال شد، قبل از اینکه دست به جیب بشین این ۴ تا سوال رو بپرسین:
۱. آیا فقط یک پوسته (Wrapper) است؟ اگه فقط یه ظاهر گرافیکی روی API چت‌جی‌پی‌تی کشیده و داره بابت خلاصه کردن PDF ماهی ۳۰ دلار می‌گیره، فرار کنین!
۲. آیا واقعاً کلیک‌ها و زمان شما را کم می‌کند؟
۳. مدل پایه (Foundation Model) آن چیست؟ اگه شفاف نمی‌گه زیرساختش چیه، بهش شک کنین.
۴. حریم خصوصی داده‌ها (ToS) چطور است؟ آیا روی دیتای محرمانه شما آموزش می‌بینه یا نه؟

[Action 13] حالا بیاین تمرین عملی کارگاه رو ببینیم: خط تولید یک آژانس تبلیغاتی یک‌نفره در ۲۰ دقیقه و با هزینه صفر دلار!
قدم اول: می‌ریم توی Perplexity و ترندهای بصری و نورپردازی لپ‌تاپ‌های گیمینگ رو درمی‌آریم.
قدم دوم: خلاصه رو می‌دیم به Claude و می‌گیم ۳ تا پرامپت تصویرسازی دقیق انگلیسی با اصطلاحات لنز دوربین (مثل 35mm lens) برای یه لپ‌تاپ سایبرپانک بنویسه.
قدم سوم: پرامپت رو می‌بریم توی Ideogram یا Copilot و عکس رو تولید می‌کنیم.
قدم چهارم: عکس رو آپلود می‌کنیم توی Luma Dream Machine و می‌گیم دوربین به صورت سینمایی از چپ به راست حرکت کنه.
و قدم پنجم: توی Suno یه موزیک ۳۰ ثانیه‌ای Synthwave سایبرپانک می‌سازیم و می‌ذاریم روش! به همین سادگی یه تیزر تبلیغاتی ساختین!

[Action 14] در نهایت حواستون به ۴ تا تله بزرگ باشه: اول، سندرم پرش بین ابزارها (Tool Hopping)—هر روز سراغ یه ابزار جدید نرین؛ ۳ تا ابزار اصلی (مثلاً چت‌جی‌پی‌تی برای منطق، کلود برای نوشتن و پرپلکسیتی برای سرچ) رو انتخاب کنین و روشون استاد بشین. دوم، نسخه‌های رایگان رو دست‌کم نگیرین. سوم، گرفتار تله «چکش طلایی» نشین و فکر نکنین یه ابزار برای همه‌چیز بهترینه. و چهارم، تروخدا گول اپلیکیشن‌های زرد و تقلبی موبایل توی گوگل‌پلی و اپ‌استور که آیکون شبیه ChatGPT می‌ذارن و اشتراک هفتگی دلاری می‌فروشن رو نخورین؛ همیشه فقط اپ‌های رسمی شرکت‌های اصلی رو نصب کنین!

[Action 15] دمتون گرم که تا پایان ماژول سوم همراه من بودین! حتماً توی کامنت‌ها برام بنویسین الان ترکیب ۳ ابزار اصلی روزمره شما چیه و کدوم ابزار این لیست براتون جدیدتر بود. لایک و سابسکرایب فراموش نشه و بپرین ماژول چهارم که می‌خوایم ببینیم هوش مصنوعی چطوری دنیای برنامه‌نویسی و توسعه نرم‌افزار رو زیر و رو کرده!