अपने किरदारों को एक बार रेफरेंस इमेज के रूप में बनाइए, फिर ऐसे वर्टिकल एपिसोड जनरेट कीजिए जिनमें वही चेहरे और वही कपड़े सीन दर सीन लौटते हैं। उन्हें डायलॉग दीजिए ऐसे वीडियो मॉडल से जो अपनी आवाज़ खुद बनाता है, या बाद में टेक्स्ट टू स्पीच और लिपसिंक से आवाज़ें जोड़िए। सिर्फ़ काल्पनिक किरदार, और छोटे सीन सबसे अच्छे चलते हैं।
माइक्रो-ड्रामा एक सीरियल कहानी है जो इतने छोटे एपिसोड में कटी होती है कि खाली मिनट में देख ली जाए, फ़ोन के लिए वर्टिकल शूट होती है और क्लिफहैंगर तथा बार-बार लौटते चेहरों पर टिकी होती है। AI वीडियो में मुश्किल कभी एक अच्छा शॉट नहीं होती। मुश्किल यह है कि वही औरत उसी कोट में सातवें एपिसोड में भी खुद जैसी दिखे। यह पेज बताता है कि Picasso IA पर किरदार कैसे चुनें, आवाज़ कैसे दें और एपिसोड कैसे जोड़ें, और तरीका कहाँ रुक जाता है।
लाइव-एक्शन माइक्रो-ड्रामा के लिए कलाकार, लोकेशन, साउंड वाला और लंबी शेड्यूलिंग चाहिए, इसीलिए अच्छे आइडिया वाले ज़्यादातर लोग उसे कभी शूट नहीं करते। टेक्स्ट-टू-वीडियो मॉडल सेट हटा देता है। रेफरेंस-टू-वीडियो मॉडल इससे आगे जाता है: वह आपके किरदारों की तस्वीरें लेकर उन्हें स्क्रीन के लोगों की पहचान बना देता है, इसलिए कास्ट वह चीज़ बन जाती है जो आप एक बार डिज़ाइन करते हैं, न कि वह जिसके हर बार सही दोबारा बनने की आप उम्मीद करें।
इसी वजह से यह फ़ॉर्मेट AI के लिए ठीक बैठता है। एपिसोड छोटे हैं, सीन सरल हैं (दो लोग, एक कमरा, एक समस्या) और कहानी आगे बढ़ती रहे तो दर्शक बहुत कुछ माफ़ कर देते हैं। Picasso IA ज़रूरी मॉडल एक ही जगह रखता है, कैटलॉग में 502 मॉडल हैं, इसलिए तस्वीर, मूवमेंट और आवाज़ एक ही वर्कस्पेस से आ सकते हैं। नए अकाउंट को पहला सीन आज़माने के लिए मुफ़्त क्रेडिट मिलते हैं।
कंटिन्युटी किसी वीडियो के बनने से पहले शुरू होती है। हर किरदार को सादे बैकग्राउंड पर डिज़ाइन करने के लिए nano-banana-pro या seedream-5-pro जैसा इमेज मॉडल इस्तेमाल कीजिए: एक साफ़ चेहरा, पहचान वाली पोशाक, तटस्थ भाव। एक सामने का व्यू और एक तीन-चौथाई व्यू बनाइए, और पोशाक इतनी सरल रखिए कि छह शब्दों में बताई जा सके। लाल ऊनी कोट सीन से सीन तक टिकता है। छोटी-छोटी चिड़ियों के प्रिंट वाली जैकेट नहीं टिकती।
ये तस्वीरें आपके रेफरेंस बन जाती हैं। wan-2.7-r2v जैसा मॉडल रेफरेंस इमेज या छोटी क्लिप लेकर सब्जेक्ट को उन पर टिका देता है, वर्टिकल 9:16 आउटपुट और एक या कई सब्जेक्ट के लिए शॉट टाइप सेटिंग के साथ। grok-imagine-r2v एक से सात रेफरेंस इमेज लेकर छोटे प्रॉम्प्ट से क्लिप लिखता है। seedance-2.5 30 तक रेफरेंस लेता है और आपको प्रॉम्प्ट में उन्हें नंबर से बुलाने देता है। तकनीक को और गहराई से देखने के लिए AI से एक जैसे किरदार देखिए, और क्रेडिट खर्च करने से पहले सीन प्लान करने के लिए AI स्टोरीबोर्ड।
डायलॉग वह फ़ैसला है जो आपके बाकी वर्कफ़्लो को आकार देता है। नीचे का हर रास्ता काम करता है, और हर रास्ता कंट्रोल और सुविधा का सौदा अलग ढंग से करता है।
| रास्ता | कैसे काम करता है | आज़माने के मॉडल | कहाँ फ़िट बैठता है |
|---|---|---|---|
| नेटिव ऑडियो | वीडियो मॉडल तस्वीर, बोल और आवाज़ एक साथ बनाता है, ऐसे प्रॉम्प्ट से जिसमें संवाद कोट्स में हों | seedance-2.5 | छोटे सीन जहाँ परफ़ेक्ट आवाज़ से ज़्यादा रफ़्तार मायने रखती है |
| म्यूट वीडियो और अलग वॉइस ट्रैक | रेफरेंस से क्लिप बनाइए, फिर संवाद रिकॉर्ड या सिंथेसाइज़ करके ऊपर लगाइए | wan-2.7-r2v के साथ speech-2.8-hd | जहाँ आप आवाज़ और टाइमिंग खुद चुनना चाहते हैं |
| बोलता पोर्ट्रेट | किरदार की एक फ़ोटो और स्क्रिप्ट मिलकर बोलता क्लोज़-अप बनती है | p-video-avatar | कन्फ़ेशन, फ़ोन कॉल, सीधे कैमरे में देखते पल |
| मौजूदा क्लिप को दोबारा सिंक करना | फ़ुटेज रखिए, ऑडियो बदलिए और मुँह दोबारा एनिमेट होकर उससे मिल जाता है | lipsync-precision | तस्वीर मंज़ूर हो चुकने के बाद कोई लाइन ठीक करना |
| कैमरे से बाहर की आवाज़ें | किरदार बोलते हैं जबकि कैमरा किसी हाथ, दरवाज़े या खिड़की पर रहता है | grok-imagine-r2v के साथ टेक्स्ट टू स्पीच मॉडल | वॉइस-ओवर ड्रामा जो होंठों की हरकत से बचता है |
नेटिव ऑडियो सबसे तेज़ है, क्योंकि डायलॉग, इफ़ेक्ट और म्यूज़िक एक ही रेंडर में आते हैं, और seedance-2.5 आपकी दी हुई छोटी ऑडियो क्लिप से किरदार के होंठ भी सिंक कर सकता है। अलग-आवाज़ वाले रास्तों में कदम ज़्यादा लगते हैं, पर आवाज़ आपकी सोच-समझकर चुनी हुई मिलती है, जो तब ज़रूरी है जब एक ही किरदार को हर एपिसोड में एक जैसा सुनाई देना हो। AI वीडियो डबिंग दोबारा सिंक करने वाले रास्ते को और विस्तार से समझाती है।
यह एक एपिसोड का चक्र है, खाली पन्ने से लेकर ऐसी क्लिप तक जिसे आप पोस्ट कर सकें। हर सीन के लिए इसे दोहराइए और क्लिप किसी भी एडिटर में जोड़ दीजिए।
वीडियो मॉडल एक क्लिप में एक साफ़ हरकत के साथ सबसे अच्छा करते हैं, इसलिए पैराग्राफ़ नहीं, बीट्स लिखिए। जिस सीन में वह चिट्ठी खोलती है, पढ़ती है और दरवाज़े की ओर देखती है, उसमें तीन बीट हैं और शायद तीन क्लिप लगेंगी। हर क्लिप को कैमरे का एक नोट (क्लोज़-अप, कंधे के ऊपर से, धीमा पुश-इन) और कुछ शब्दों का मूड दीजिए, और वह छोड़ दीजिए जो रेफरेंस इमेज पहले से कह रही हैं, जैसे बालों का रंग या कोट।
सीरीज़ तोड़ने वाली गलतियाँ लगभग हमेशा वही होती हैं। सीन के बीच पोशाक बदल दी जाती है, चेहरे को शब्दों में फिर से बयान करके रेफरेंस से लड़ाई की जाती है, पूरी बातचीत एक जनरेशन में ठूँस दी जाती है, या हर एपिसोड में लोकेशन बदल दी जाती है ताकि कुछ भी जाना-पहचाना न लगे। कास्ट और लोकेशन की एक पन्ने की शीट रखिए, हर बार वही रेफरेंस इमेज इस्तेमाल कीजिए, और जहाँ मॉडल सीड देता हो वहाँ सीड तय कीजिए, ताकि अच्छा नतीजा दोहराया जा सके।
सुझाव: मौजूदा एपिसोड जनरेट करने से पहले अगले एपिसोड का पहला सीन लिख लीजिए। क्लिफहैंगर तभी चलता है जब आपको पहले से पता हो कि वह किस पर लटका है, और एक जैसा शुरुआती शॉट अगले एपिसोड को दोबारा इस्तेमाल करने लायक स्थिर शुरुआत देता है।
डायलॉग भी छोटा हो तो बेहतर बैठता है। जो पंक्ति किरदार एक साँस में बोल सके, वह किसी भी मॉडल के लिए, और किसी भी लिपसिंक पास के लिए, भाषण से आसान है। बाकी का भार तस्वीर को उठाने दीजिए और ठहराव का इस्तेमाल कीजिए।
रेफरेंस इमेज किरदार को करीब लाती है, हूबहू नहीं बनाती, और सीरीज़ भटकाव को दिखने के कई मौके देती है। पूरा सीज़न प्लान करते समय ये सीमाएँ सबसे ज़्यादा मायने रखती हैं:
इनमें से कुछ भी छोटी, अच्छी तरह प्लान की गई सीरीज़ को नहीं रोकता। यह तय करता है कि क्या आज़माना नहीं चाहिए: दर्जन भर बोलने वाले किरदारों वाली फ़ीचर-लेंथ कहानी में इतनी दोबारा जनरेशन लगेगी जितनी यह फ़ॉर्मेट सह नहीं सकता।
काफ़ी हद तक, पूरी तरह नहीं। wan-2.7-r2v, grok-imagine-r2v और seedance-2.5 जैसे रेफरेंस-टू-वीडियो मॉडल आपके किरदारों की इमेज को स्क्रीन के व्यक्ति की पहचान मानते हैं, जो शब्दों में चेहरा बताने से कहीं ज़्यादा स्थिर है। फिर भी बालों, कपड़ों के बारीक हिस्सों या उम्र के आभास में छोटे बदलाव आ सकते हैं, ख़ासकर एपिसोड के बीच, इसलिए एक रेफरेंस शीट रखिए, हर बार वही इस्तेमाल कीजिए और जो शॉट भटके उसे दोबारा जनरेट कीजिए।
यह इस पर निर्भर है कि आप डायलॉग कैसे सँभालना चाहते हैं। seedance-2.5 सबसे छोटा रास्ता है क्योंकि वह तस्वीर के साथ बोल, साउंड इफ़ेक्ट और म्यूज़िक बना सकता है और 30 रेफरेंस इमेज तक लेता है। wan-2.7-r2v तब ठीक बैठता है जब आपको वर्टिकल आउटपुट और ऐसी म्यूट क्लिप चाहिए जिसमें आप खुद आवाज़ डालें। grok-imagine-r2v एक से सात रेफरेंस इमेज से तेज़ सीन के काम आता है। वही सीन इनमें से दो में आज़माइए।
दो रास्ते हैं। नेटिव ऑडियो का मतलब है कि वीडियो मॉडल तस्वीर के साथ आवाज़ भी बनाता है: seedance-2.5 में आप संवाद को प्रॉम्प्ट में कोट्स के अंदर लिखते हैं। दूसरा रास्ता है म्यूट क्लिप जनरेट करना, फिर टेक्स्ट टू स्पीच मॉडल से आवाज़ जोड़ना और लिपसिंक मॉडल से मुँह सिंक करना, जैसे बोलते पोर्ट्रेट के लिए p-video-avatar या आपके पास मौजूद फ़ुटेज के लिए lipsync-precision।
9:16 चुनिए, जो फ़ुल-स्क्रीन फ़ोन वीडियो का मानक है। wan-2.7-r2v, grok-imagine-r2v और seedance-2.5 तीनों अपनी सेटिंग में इसे देते हैं। इसे जनरेट करने से पहले तय कीजिए, बाद में चौड़ी क्लिप को क्रॉप करने के बजाय, क्योंकि क्रॉप करने से फ़्रेम का हिस्सा चला जाता है और आपका सावधानी से फ़्रेम किया किरदार कट सकता है। जहाँ पब्लिश करें, उस प्लेटफ़ॉर्म की मौजूदा सिफ़ारिशें देख लीजिए।
यह मॉडल और उसकी सेटिंग पर निर्भर है। grok-imagine-r2v में क्लिप की लंबाई एक से दस सेकंड के बीच तय की जा सकती है, seedance-2.5 एक जनरेशन में तीस सेकंड तक बना सकता है, और wan-2.7-r2v में जनरेट करते समय अवधि चुनी जा सकती है। हर हाल में माइक्रो-ड्रामा कई छोटी क्लिप को जोड़कर बनता है, इसलिए सीन को बीट्स में प्लान कीजिए, लंबे सिंगल टेक में नहीं।
नहीं, और कोशिश भी नहीं करनी चाहिए। अपने डिज़ाइन किए काल्पनिक किरदार इस्तेमाल कीजिए, या अपनी खुद की छवि। किसी असली पहचानने योग्य व्यक्ति को उसकी सहमति के बिना जनरेट किए ड्रामा में डालना गंभीर नैतिक और कानूनी समस्याएँ खड़ी करता है, और आपकी सीरीज़ हटवाने का सबसे तेज़ तरीका है। अपनी कास्ट गढ़िए, उसे मौलिक चेहरे दीजिए, और ऐसे प्रॉम्प्ट से बचिए जो किसी असली व्यक्ति का नाम लें या उसकी नकल करें।
छोटा आउटलाइन काफ़ी है, पर संवाद पहले लिख लीजिए। मॉडल एक क्लिप में एक साफ़ हरकत सँभालते हैं, इसलिए हर बीट के साथ एक संवाद वाली सूची सबसे काम की शक्ल है। शुरू करने से पहले एपिसोड का अंत जानना क्लिफहैंगर को सही जगह रखने में भी मदद करता है। नोट्स का एक पन्ना और कास्ट शीट किसी भी प्रॉम्प्ट ट्रिक से ज़्यादा क्रेडिट बचाएँगे।
हर सीन को अलग क्लिप के रूप में जनरेट कीजिए, उन्हें डाउनलोड कीजिए और अपनी पसंद के किसी भी वीडियो एडिटर में जोड़ दीजिए। छोटी क्लिप के बीच कट करने से शॉट के बीच के छोटे फ़र्क भी छिप जाते हैं, और यह भी एक कारण है कि यह फ़ॉर्मेट AI वीडियो के साथ ठीक बैठता है। अगर पूरे एपिसोड पर म्यूज़िक चाहिए तो अलग ट्रैक जनरेट करके कट के नीचे लगा सकते हैं, और देख लीजिए कि डायलॉग का लेवल क्लिप से क्लिप मिलता है।
नए अकाउंट को मुफ़्त क्रेडिट मिलते हैं, जो एक-दो सीन आज़माने और यह देखने के लिए काफ़ी हैं कि कोई मॉडल आपके किरदार को स्थिर रखता है या नहीं। उसके बाद जनरेशन में क्रेडिट लगते हैं, और लागत मॉडल तथा आपकी चुनी सेटिंग, जैसे रेज़ोल्यूशन और अवधि, पर निर्भर करती है। वीडियो इमेज से महँगा होता है, इसलिए कास्ट पहले इमेज मॉडल से बनाइए। मौजूदा प्लान प्राइसिंग पेज पर हैं।
आम तौर पर हाँ, पर पोस्ट करने से पहले हर प्लेटफ़ॉर्म के मौजूदा नियम देख लीजिए। कई प्लेटफ़ॉर्म AI से बने या सिंथेटिक वीडियो पर लेबल लगाने को कहते हैं, और उनकी ज़रूरतें बदलती रहती हैं। पक्का कीजिए कि रेफरेंस के रूप में अपलोड की हर चीज़ के अधिकार आपके पास हैं, असली लोगों और कॉपीराइट वाले किरदारों से बचिए, और जहाँ पब्लिश करना चाहते हैं वहाँ की शर्तें पढ़िए। किसी नियम पर संदेह हो तो प्रोडक्ट के सवालों में सपोर्ट पेज मदद कर सकता है।
आपकी कास्ट अपने पहले सीन से एक प्रॉम्प्ट दूर है। Picasso IA का toolkit खोलिए, अपना मुख्य किरदार डिज़ाइन कीजिए, और आज ही एपिसोड एक शूट कीजिए।
अपनी भाषा चुनें
