एक ट्रिगर बताएं, चाकू से कीनेटिक सैंड काटना, ब्लेड के नीचे साबुन की बार का मुड़ना, मोमबत्ती से टपकता मोम, और एक ऐसा क्लिप पाएं जिसमें क्रंच, स्क्वेल्च या क्लिक की आवाज़ पहले से ही ऑडियो में मिक्स है। न कोई प्रॉप शेल्फ, न बूम माइक, न बुक करने के लिए स्टूडियो।
रंगीन कीनेटिक सैंड में फिसलता एक चाकू, रिबन जैसी कर्ल बनाती साबुन की बार, धीमी बूंद के नीचे जमा होता मोम। इनमें से किसी को भी अब प्रॉप शेल्फ या बूम माइक की ज़रूरत नहीं है। जो वीडियो मॉडल तस्वीर के साथ उसी पास में साउंड रेंडर करते हैं, वे स्क्रिप्ट में मांगी गई ठीक वही क्रंच, स्क्वेल्च या क्लिक की आवाज़ बना सकते हैं, जिस भी आस्पेक्ट रेशियो में प्लेटफॉर्म को चाहिए। यह पेज बताता है कि असल में क्या काम करता है, कहां अभी भी दूसरी टेक चाहिए, और एक अच्छे क्लिप को दोहराई जा सकने वाली प्रक्रिया में कैसे बदला जाए।
ASMR ट्रिगर फिजिकल, स्पर्शनीय और अक्सर विनाशकारी होते हैं: साबुन की बार को आधा काटना, वह रेत काटना जिसे कोई दोबारा इस्तेमाल नहीं करने वाला, मोमबत्ती के खत्म होने तक मोम टपकाना। इसे हाथ से दोबारा शूट करने का मतलब है सामान खरीदना, मैक्रो लेंस लगाना, और माइक को इतना पास लाना कि रूम नॉइज़ के बिना टेक्सचर पकड़ में आए। एक जनरेटिव वीडियो मॉडल पूरी शॉपिंग लिस्ट को छोड़ देता है। आप मटेरियल, टूल और मूवमेंट बताते हैं, और रेंडर में साउंड शामिल होता है, क्योंकि कई नए मॉडल ऑडियो और तस्वीर को साथ जनरेट करते हैं, बजाय इसके कि बाद में किसी अलग ऐप में फोली जोड़नी पड़े।
यह बात ASMR में लगभग किसी भी दूसरी वीडियो श्रेणी से ज़्यादा मायने रखती है, क्योंकि साउंड ही असली कंटेंट है, बस उसके साथ चलने वाली चीज़ नहीं। Picasso IA में पूरे मॉडल कैटलॉग के भीतर बिल्कुल इसी काम के लिए बना एक टेक्स्ट-टू-वीडियो कैटेगरी है, जिसमें bytedance/seedance-2.5 और kwaivgi/kling-v2.6 शामिल हैं, ये दोनों विज़ुअल के साथ उसी जनरेशन में सिंक किया हुआ ऑडियो रेंडर करते हैं। नए अकाउंट मुफ्त क्रेडिट के साथ शुरू होते हैं, जो यह जांचने के लिए काफी हैं कि पूरी सीरीज़ बनाने से पहले कोई ट्रिगर आइडिया वाकई अच्छा साउंड देता है या नहीं। Toolkit वह जगह है जहां जनरेशन खुद होता है, एक प्रॉम्प्ट बॉक्स, बिना किसी एडिटिंग टाइमलाइन के।
ASMR प्रॉम्प्ट में ट्रिगर शब्द लगभग किसी भी दूसरी श्रेणी से ज़्यादा काम करता है, क्योंकि उसे ऐसी आवाज़ बतानी होती है जिसे मॉडल ने कभी सुना नहीं, बल्कि सिर्फ टेक्स्ट और ट्रेनिंग वीडियो से अनुमान लगाया है। मटेरियल, उसे छूने वाला टूल, और आवाज़ को सामान्य शब्दों में नाम दें, फिर बाकी काम कैमरा डायरेक्शन पर छोड़ दें: मैक्रो क्लोज़-अप, कम डेप्थ ऑफ फील्ड, स्थिर ट्रैकिंग शॉट। अस्पष्ट प्रॉम्प्ट अस्पष्ट आवाज़ देते हैं; सटीक प्रॉम्प्ट एक सटीक क्रंच देते हैं।
| ट्रिगर | प्रॉम्प्ट के वे शब्द जो इसे दिशा देते हैं | इसके लिए बना एक मॉडल |
|---|---|---|
| कीनेटिक सैंड कटिंग | चमकदार कीनेटिक सैंड ब्लॉक, चाकू से साफ क्रॉस-सेक्शन, धीमा crumble | bytedance/seedance-2.5 |
| साबुन की नक्काशी | सूखी साबुन की बार, कार्विंग ब्लेड, गिरते पतले shavings | kwaivgi/kling-v2.6 |
| कांच पर टैपिंग | पतली कांच की सतह, उंगली की नोक से टैप, हल्की गूंज | google/veo-3.1 |
| मोमबत्ती से टपकता मोम | पिघला मोम जमा होना, धीमी बूंद, गर्म चमक | bytedance/seedance-2.5 |
| फोम ब्लॉक कटिंग | घना पैकिंग फोम, दांतेदार कैंची, हल्की crackle आवाज़ | kwaivgi/kling-v2.6 |
किसी एक मॉडल पर टिकने से पहले वही प्रॉम्प्ट दो मॉडल में चलाकर देखें; रेंडर हुई साउंड की क्वालिटी अभी भी मॉडल दर मॉडल तस्वीर की क्वालिटी से ज़्यादा बदलती है, और effects पेज पर मौजूद प्रीसेट लुक देखने लायक हैं अगर सिर्फ ट्रिगर नहीं बल्कि विज़ुअल स्टाइल को भी एक शुरुआती बिंदु चाहिए।
यह वह प्रक्रिया है जो एक ट्रिगर आइडिया को लगभग-सही क्लिप के फोल्डर की जगह पोस्ट करने लायक क्लिप में बदल देती है। इसके लिए बस एक आइडिया और ब्राउज़र टैब में खुला Toolkit चाहिए।
ASMR की ज़्यादातर वैल्यू उन कुछ फ्रीक्वेंसी में बसी होती है जिन्हें ज़्यादातर वीडियो को साफ-सुथरे तरीके से दोबारा बनाने की ज़रूरत ही नहीं पड़ती: सूखी crackle, गीली squelch, गूंजती टैप। जो मॉडल एक ही पास में ऑडियो और तस्वीर जनरेट करते हैं, वे प्रॉम्प्ट को साउंड संकेतों के लिए उसी तरह पढ़ते हैं जैसे विज़ुअल संकेतों के लिए, इसलिए साउंड को सीधे नाम देना, हल्की क्रंच, हल्की squelch, एक पतली गूंजती टैप, सिर्फ एक्शन बताने से कहीं ज़्यादा रेंडर को दिशा देता है। ऑडियो टॉगल चालू रखना और प्रॉम्प्ट को संगीत या वॉइसओवर के निर्देशों से मुक्त रखना रेंडर को उसी एक साउंड पर केंद्रित रखता है जो मायने रखता है।
साउंड वाले शब्द और विज़ुअल एक्शन को एक ही वाक्य में रखें, दो अलग वाक्यों में नहीं। जो प्रॉम्प्ट कट को बताता है और फिर अलग से क्रंच मांगता है, वह दोनों को थोड़ा असिंक रेंडर कर देता है; जो एक वाक्य दोनों को जोड़ता है, वह उन्हें एक ही इवेंट की तरह रेंडर करता है।
बैकग्राउंड की खामोशी उतनी ही मायने रखती है जितनी ट्रिगर की आवाज़ खुद। जो प्रॉम्प्ट माहौल का कभी ज़िक्र नहीं करता, वह मॉडल के इस अनुमान पर टिक जाता है कि सीन के लिए क्या ठीक रहेगा, जो कभी-कभी उससे ज़्यादा शांत होता है जितना ASMR दर्शक उम्मीद करते हैं। कमरे को नाम देना, शांत स्टूडियो, बिना बैकग्राउंड गुनगुनाहट, इस अंतर को मॉडल के अनुमान पर छोड़ने से कहीं भरोसेमंद तरीके से पाटता है।
एक अच्छा क्लिप एक व्यू लाता है। पहचाना जा सकने वाला सेट, वही लाइटिंग, वही हाथ, फ्रेम में वही डेस्क का किनारा, एक सब्सक्राइबर लाता है, क्योंकि दर्शक एक चैनल पहचान रहा होता है, सिर्फ एक ट्रिगर नहीं। रेफरेंस इमेज इसका तरीका हैं: seedance-2.5 हर जनरेशन में 30 तक रेफरेंस इमेज स्वीकार करता है, जो पूरे हफ्ते के अपलोड में एक हाथ, एक सरफेस टेक्सचर और एक लाइट सोर्स को लॉक करने के लिए काफी है। यह वही तकनीक है जो कंसिस्टेंट AI कैरेक्टर के लिए इस्तेमाल होती है, बस चेहरे की जगह एक सेट पर लागू होती है।
एपिसोड दर एपिसोड पेसिंग उतनी ही मायने रखती है जितना विज़ुअल सेट। जो दर्शक तब स्किप कर देता है जब क्रंच जल्दी नहीं आता, वही दर्शक है जिसे कोई b-roll एडिटर पहले से ध्यान में रखता है, और ऊपर बताए वर्कफ्लो वाली वही रेफरेंस-क्लिप ट्रिक यहां भी काम करती है: पिछले हफ्ते के सबसे अच्छे क्लिप को रेफरेंस वीडियो की तरह वापस डालें और उसी पेसिंग वाला नया मटेरियल मांगें। कई क्लिप के नीचे एंबिएंट साउंड की एक लेयर के लिए, वीडियो के लिए बैकग्राउंड म्यूज़िक यह हिस्सा अलग से कवर करता है, और जो लोग ऐसे प्लेटफॉर्म पर दोबारा पोस्ट करते हैं जहां बर्न-इन टेक्स्ट ज़रूरी है, वे किसी क्लिप को ऑटोमैटिक वीडियो सबटाइटल के साथ जोड़ सकते हैं।
किसी टूल के बारे में ईमानदार पेज यह बताता है कि वह कहां काम करना बंद कर देता है। AI-जनरेटेड ASMR के लिए, पांच जगहें अभी भी कुछ भी पब्लिश करने से पहले इंसानी जांच मांगती हैं:
इनमें से कुछ भी टूल को खारिज नहीं करता। यह बस बताता है कि दूसरी टेक, मैनुअल ऑडियो लेयर, या छोटा क्लिप सही फैसला कब है, बजाय इसके कि एक जनरेशन को उससे आगे धकेला जाए जिसके लिए मॉडल बना है।
Picasso IA नए अकाउंट को मुफ्त क्रेडिट देता है, जो कई ट्रिगर प्रॉम्प्ट को दो या तीन मॉडल में टेस्ट करने और यह देखने के लिए काफी हैं कि पूरी सीरीज़ पर एक तरीका अपनाने से पहले साउंड वाकई सही बैठता है या नहीं। मुफ्त क्रेडिट के बाद, पेड प्लान और उनकी सीमाएं प्राइसिंग पेज पर हैं, और वे इतनी बार बदलती हैं कि यहां लिखा कोई नंबर एक महीने में पुराना पड़ जाएगा।
इसका कोई एक जवाब नहीं है, इसीलिए एक ही प्रॉम्प्ट को एक से ज़्यादा मॉडल में चलाना समझदारी है। bytedance/seedance-2.5 लंबे क्लिप और सीरीज़ में सेट को कंसिस्टेंट रखने के लिए 30 तक रेफरेंस इमेज संभालता है। kwaivgi/kling-v2.6 तेज़ी से रेंडर करता है और छोटे क्लिप में अनचाही आवाज़ों को बाहर रखने के लिए नेगेटिव प्रॉम्प्ट सपोर्ट करता है। google/veo-3.1 1080p और फ्रेम इंटरपोलेशन जोड़ता है जब किसी क्लिप को दो सटीक शॉट के बीच विज़ुअली ट्रांज़िशन करना हो।
इस पेज पर बताए गए मॉडल के लिए, हां, साथ। Seedance 2.5, Kling v2.6 और Veo 3.1 तीनों एक सिंक किया हुआ साउंडट्रैक उसी रेंडर के हिस्से के रूप में जनरेट करते हैं जो तस्वीर बनाता है, बजाय इसके कि अलग ऑडियो पास के लिए एक मूक क्लिप वापस दें। यह खासकर ASMR के लिए एक बड़ा फर्क है, क्योंकि साउंड ही कंटेंट है, और बेमेल डबिंग पूरे क्लिप को बिगाड़ सकती है।
यह मॉडल पर निर्भर करता है। Seedance 2.5 एक ही जनरेशन में 30 सेकंड तक रेंडर कर सकता है, और Kling v2.6 5 या 10 सेकंड के क्लिप देता है। एक लंबे कंपाइलेशन वीडियो के लिए, व्यावहारिक तरीका है अलग-अलग ट्रिगर के आसपास कई छोटे क्लिप जनरेट करना और उन्हें एडिट करके जोड़ना, बजाय कई मिनट के लगातार रेंडर की उम्मीद करने के।
रेफरेंस इमेज इसके लिए सही टूल हैं। सेट को एक बार जनरेट या फोटो करें, फिर हर अगले जनरेशन में उसी इमेज को रेफरेंस की तरह वापस डालें; Seedance 2.5 हर रन में 30 तक रेफरेंस इमेज स्वीकार करता है, जो एक हफ्ते के अपलोड में एक हाथ, एक सरफेस और एक लाइट सोर्स को स्थिर रखने के लिए आराम से काफी है। कंसिस्टेंट AI कैरेक्टर वाला वर्कफ्लो यही तरीका बताता है, बस सेट की जगह चेहरे पर लागू।
करीब से, फोन के स्पीकर पर सुनने लायक भरोसेमंद, पर असली मटेरियल की स्टूडियो कॉन्टैक्ट-माइक रिकॉर्डिंग जितनी बिल्कुल एक जैसी नहीं। मॉडल प्रॉम्प्ट में बताई गई आवाज़ का एक सांख्यिकीय रूप से संभावित वर्ज़न रेंडर करते हैं, जो कैज़ुअल देखने और सोशल प्लेटफॉर्म के लिए भरोसेमंद है, पर डेडिकेटेड बाइनॉरल सेटअप वाला एक प्रोफेशनल ASMR चैनल हेडफोन में पास से सुनने पर फर्क पहचान लेगा।
हां। Kling v2.6 सीधे 16:9, 9:16 या 1:1 में आउटपुट देता है, और Veo 3.1 16:9 और 9:16 सपोर्ट करता है। शुरू से ही वर्टिकल रेशियो में जनरेट करना बाद में हॉरिज़ॉन्टल क्लिप को क्रॉप करने से बेहतर रेंडर होता है, क्योंकि क्रॉपिंग ठीक वही क्लोज़-अप फ्रेमिंग काट सकती है जिस पर ASMR ट्रिगर निर्भर करता है।
तब काफी अच्छी तरह, जब प्रॉम्प्ट मटेरियल को साफ-साफ नाम दे और बताए कि वह कैसा दिखता और सुनाई देता है, क्योंकि ये उस वीडियो में काफी आम विषय हैं जिस पर मॉडल ट्रेन किए गए हैं। कम आम या बनावटी मटेरियल कम अनुमानित तरीके से रेंडर होते हैं, इसलिए पूरी सीरीज़ पर भरोसा करने से पहले किसी नए ट्रिगर को एक छोटे, सस्ते जनरेशन से टेस्ट करना क्रेडिट और निराशा दोनों बचाता है।
हां। Seedance 2.5 और Kling v2.6 दोनों अपलोड की गई इमेज को पहली फ्रेम या स्टार्टिंग इमेज की तरह स्वीकार करते हैं, और Veo 3.1 एक इनपुट इमेज के साथ तीन तक रेफरेंस इमेज स्वीकार करता है। अपनी असली डेस्क, हाथ या प्रॉप को एक बार फोटो करके इस्तेमाल करना जनरेटेड क्लिप को हर बार खाली प्रॉम्प्ट से शुरू करने के बजाय एक असली, पहचाने जाने लायक सेटअप से विज़ुअली जोड़े रखता है।
जनरेशन क्रेडिट में भुगतान किए जाते हैं, और लागत मॉडल, अवधि और चुने गए रेज़ोल्यूशन पर निर्भर करती है, इसलिए यहां लिखा कोई सटीक नंबर कुछ हफ्तों में गलत हो जाएगा। छोटे, कम रेज़ोल्यूशन वाले टेस्ट क्लिप एक पूरे 1080p रेंडर से सस्ते पड़ते हैं, जिससे फाइनल वर्ज़न पर जाने से पहले किसी ट्रिगर को आज़माना सस्ता हो जाता है। नए अकाउंट मुफ्त क्रेडिट से शुरू होते हैं, और मौजूदा प्लान की कीमतें प्राइसिंग पेज पर रहती हैं, जो नंबरों के लिए भरोसा करने लायक इकलौती जगह है।
अगला ट्रिगर आइडिया एक प्रॉम्प्ट भर दूर है एक असली क्लिप बनने से, जिसके अंदर साउंड पहले से मौजूद हो। Toolkit खोलें और अगले कुछ मिनट में पहला क्लिप जनरेट करें।
