एक स्क्रिप्ट लिखें, एक प्रेजेंटर चुनें, चाहे आपकी अपनी प्रोडक्ट फोटो हो या कोई स्टॉक अवतार, और क्रिएटर शूट बुक करने के बजाय मिनटों में कैमरे से बात करता हुआ विज्ञापन वीडियो पाएं। मीडिया पर खर्च करने से पहले एक ही स्क्रिप्ट पर कई हुक और आवाज़ें आज़माएं, यह सब अवतार और लिपसिंक मॉडल के एक कैटलॉग से।
AI UGC-style video ad ऐसा दिखता है जैसे यह ऑर्गेनिक कंटेंट हो: कोई फोन कैमरे में सीधे देखकर किसी प्रोडक्ट के बारे में बात कर रहा हो, जानबूझकर ढीले और बिना पॉलिश किए अंदाज़ में शूट किया गया, क्योंकि यही अंदाज़ स्टूडियो कमर्शियल से ज़्यादा भरोसेमंद लगता है। पहले ब्रांड्स क्रिएटर्स को दर्जनों ऐसे क्लिप शूट करने के लिए पैसे देते थे और फिर टेस्ट करते थे कि कौन सा हुक चला, जो किसी भी असली स्तर पर धीमा और महंगा होता है। AI इस पूरे चक्र को छोटा कर देता है: स्क्रिप्ट लिखें, प्रेजेंटर चुनें, और मिनटों में बात करता हुआ क्लिप वापस पाएं।
यह फॉर्मेट इसलिए काम करता है क्योंकि यह विज्ञापन जैसा नहीं दिखता। लेंस की ओर देखता प्रेजेंटर, वाक्य के बीच की असली ऊर्जा, थोड़ी कांपती हुई पहली टेक, यह सब ब्रांड की पिच के बजाय किसी असली व्यक्ति की राय जैसा लगता है, और यह पढ़त इन प्लेटफॉर्म्स पर किसी भी पॉलिश शॉट से कहीं ज़्यादा क्लिक कमाती है। समस्या हमेशा प्रोडक्शन की रही: क्रिएटर बुक करना, शूट शेड्यूल करना, और जब हुक न चले तो दोबारा शूट करना, हर उस वेरिएंट के लिए जिसे आप टेस्ट करना चाहते हैं।
Picasso IA पूरी प्रोसेस को एक क्रिएटर रिश्ते के बजाय एक कैटलॉग में समेट देता है। अवतार और लिपसिंक मॉडल एक स्क्रिप्ट को बोलते हुए प्रेजेंटर में बदल देते हैं, टेक्स्ट-टू-स्पीच मॉडल तब आवाज़ देते हैं जब आप अपनी खुद की आवाज़ रिकॉर्ड नहीं कर रहे, और वही स्क्रिप्ट उतने ही समय में कई प्रेजेंटर से गुज़र सकती है जितना पहले एक शूट बुक करने में लगता था। कोई एक तरीका चुनने से पहले पूरा मॉडल कैटलॉग देखना समझदारी है, क्योंकि सही मॉडल इस पर निर्भर करता है कि आप असली फोटो से शुरू कर रहे हैं, स्टॉक अवतार से, या किसी शूट किए क्लिप से जिसे आप डब करना चाहते हैं।
प्रेजेंटर का फैसला आगे की हर चीज़ तय करता है, और यह इस पर आता है कि आप क्या दिखाने को तैयार हैं। असली प्रोडक्ट फोटो सबसे असली महसूस होने वाला नतीजा देती है, क्योंकि चेहरा और सेटिंग सचमुच आपकी होती है; स्टॉक अवतार ज़्यादा स्केल करता है क्योंकि किसी को फोटो के लिए बैठना ही नहीं पड़ता। नीचे दी गई टेबल आम रास्तों को उस मॉडल से जोड़ती है जो आज Picasso IA पर उसे संभालता है।
| तरीका | आप क्या देते हैं | इस्तेमाल का मॉडल | किसके लिए सबसे बेहतर |
|---|---|---|---|
| फोटो से टॉकिंग वीडियो | एक पोर्ट्रेट फोटो और स्क्रिप्ट या ऑडियो | Omni Human, ByteDance | ऐसी फोटो से बना एक अकेले प्रेजेंटर का क्लिप जो आपके पास पहले से है |
| पूरा स्टॉक अवतार | बस एक टाइप की स्क्रिप्ट | Avatar V, HeyGen | बिना किसी को फोटो खिंचाए तेज़ी से कई स्क्रिप्ट चलाना |
| फोटो अवतार, आवाज़ चुनें | एक पोर्ट्रेट फोटो और स्क्रिप्ट | P Video Avatar, PrunaAI | वही चेहरा कई भाषाओं या आवाज़ स्टाइल में बोलता हुआ |
| असली शूट किए क्लिप को डब करना | मौजूदा UGC वीडियो और नई स्क्रिप्ट | Lipsync Precision या Video Translate, HeyGen | किसी क्रिएटर के असली फुटेज को दूसरे बाज़ार के लिए लोकलाइज़ करना |
| सिर्फ आवाज़, स्क्रीन पर कोई चेहरा नहीं | स्क्रिप्ट और प्रोडक्ट के शॉट या फोटो | ElevenLabs या MiniMax जैसी टेक्स्ट-टू-स्पीच आवाज़ें | ऐसे विज्ञापन जो बोलते चेहरे के बजाय वॉइसओवर और प्रोडक्ट शॉट्स पर टिके हों |
फोटो पर आधारित प्रेजेंटर आमतौर पर ज़्यादा भरोसेमंद लगते हैं, क्योंकि दर्शक प्रोडक्ट से जुड़े एक असली इंसान को देख रहा होता है। स्टॉक अवतार पूरे कैंपेन में स्पीड के बदले उस असलियत का कुछ हिस्सा छोड़ देते हैं; उसी स्क्रिप्ट पर कुछ उम्मीदवार अवतार आज़माएं और देखें कि किसमें सबसे ज़्यादा वॉच टाइम आता है।
पूरी वर्कफ़्लो स्क्रिप्ट पर निर्भर करती है, क्योंकि मॉडल ठीक वही करता है जो आप टाइप करते हैं, न कम न ज़्यादा। जो स्क्रिप्ट काम करती हैं वे ऐसी लगती हैं जैसे कोई इंसान सच में ज़ोर से बोल रहा हो: छोटे वाक्य, पहली लाइन में नामित एक ठोस समस्या, एक दावा जिसे आप साबित कर सकें, और नारे की जगह एक सीधा कॉल टू एक्शन। मार्केटिंग वाली भाषा, विस्मयादिबोधक चिह्न और क्रांतिकारी जैसे शब्द अक्सर उस भ्रम को तोड़ देते हैं जिस पर यह फॉर्मेट टिका है, क्योंकि फोन सेल्फी शूट करता असली इंसान इस तरह नहीं बोलता।
UGC-style विज्ञापन में सबसे बड़ा लीवर पहली लाइन है। दर्शक करीब डेढ़ सेकंड में तय कर लेता है कि देखते रहना है या नहीं, इसलिए ठोस समस्या या चौंकाने वाले नतीजे से शुरुआत करें, कभी ब्रांड के नाम से नहीं; प्रोडक्ट का नाम दूसरी या तीसरी लाइन के लिए बचाकर रखें, जब हुक पहले ही ध्यान का वह अतिरिक्त सेकंड कमा चुका हो।
स्क्रिप्ट ऐसे लिखें जैसे कोई दोस्त समझा रहा हो कि उसने कुछ क्यों खरीदा, न कि जैसे कोई कॉपीराइटर उसे बेच रहा हो। मॉडल को भेजने से पहले लाइन को ज़ोर से पढ़ें: अगर यह वैसा लगे जैसा आप सच में किसी दोस्त से कहेंगे, तो यह स्क्रीन पर असली लगने की संभावना रखती है; अगर यह होर्डिंग जैसी लगे, तो इसे फिर से लिखें।
यह एक आइडिया से एक्सपोर्ट किए गए क्लिप तक का रास्ता है, और स्क्रिप्ट लिखे जाने के बाद ज़्यादातर लोग इसे बीस मिनट से भी कम में पूरा कर सकते हैं। यह माना गया है कि आपको पहले से पता है कि यह विज्ञापन किस प्रोडक्ट या ऑफर के लिए है।
असली क्रिएटर शूट के मुकाबले फायदा फाइनल क्लिप में नहीं है, बल्कि इसमें है कि पहले वर्ज़न के मुकाबले दसवां वेरिएंट कितना सस्ता पड़ता है। स्टूडियो शूट हर अतिरिक्त हुक को महंगा बना देता है; यहां एक और वर्ज़न की अतिरिक्त लागत बस एक और जनरेशन है। कुछ आदतें इस फायदे को असल में मायने रखने लायक बनाती हैं, न कि सिर्फ मिलते-जुलते क्लिप का ढेर बनाती हैं।
यह फॉर्मेट ईमानदारी को दरकिनार करने का मुफ्त पास नहीं है, और इसकी असली सीमाएं हैं जिन्हें कैंपेन बनाने से पहले जानना ज़रूरी है।
फोटो-आधारित प्रेजेंटर लंबी स्क्रिप्ट पर आंखों और जबड़े में अकड़न दिखा सकते हैं, और यह भ्रम पहले दस सेकंड में पूरे एक मिनट के मुकाबले बेहतर टिकता है, जो स्क्रिप्ट को छोटा रखने का एक और कारण है। Omni Human जैसे ऑडियो-चालित मॉडल करीब पंद्रह सेकंड के क्लिप पर सबसे अच्छा काम करते हैं; इससे बहुत आगे जाने पर लिपसिंक की क्वालिटी नरम पड़ने लगती है। स्टॉक अवतार उस लाइब्रेरी तक सीमित होते हैं जो हर मॉडल के साथ आती है, इसलिए आप मनचाहा चेहरा नहीं बना सकते, सिर्फ उपलब्ध में से चुन सकते हैं। और एक सिंथेटिक प्रेजेंटर किसी असली ग्राहक के टेस्टिमोनियल की जगह नहीं ले सकता: अगर आपकी ऑडियंस खासतौर पर किसी असली खरीदार से सबूत चाहती है, तो स्क्रिप्ट पढ़ता जनरेट किया गया प्रेजेंटर वह वज़न नहीं रखेगा, चाहे वह कितना भी नैचुरल क्यों न दिखे।
एक डिस्क्लोज़र वाला सवाल भी है जो वैकल्पिक नहीं है। ज़्यादातर प्लेटफॉर्म फॉर्मेट चाहे जो भी हो, विज्ञापन कंटेंट को लेबल करना ज़रूरी बनाते हैं, और कई प्लेटफॉर्म खासतौर पर AI-जनरेटेड प्रेजेंटर के लिए नियम जोड़ रहे हैं; सिंथेटिक UGC-style विज्ञापन को ठीक वैसे ही समझें जैसे किसी भी पेड प्रमोशन को, और इसे किसी असली ग्राहक की ऑर्गेनिक पोस्ट की तरह चलने देने के बजाय साफ-साफ डिस्क्लोज़ करें।
यह ऐसा विज्ञापन है जो एक स्क्रिप्टेड स्टूडियो कमर्शियल के बजाय किसी असली ग्राहक के पोस्ट किए ऑर्गेनिक कंटेंट जैसा दिखने के लिए बनाया गया है, कोई कैज़ुअल और बिना पॉलिश किए अंदाज़ में कैमरे को किसी प्रोडक्ट के बारे में बता रहा हो। यह फॉर्मेट फीड-आधारित प्लेटफॉर्म पर अच्छा चलता है क्योंकि दर्शक इसे पहले एक असली राय की तरह पढ़ता है और शायद बाद में विज्ञापन की तरह। AI वर्ज़न किसी हायर किए क्रिएटर के बजाय अवतार या लिपसिंक मॉडल का इस्तेमाल करके यही लुक फिर से बनाते हैं।
ज़रूरी नहीं। आप एक ऐसी पोर्ट्रेट फोटो अपलोड कर सकते हैं जिसका इस्तेमाल करने का अधिकार आपके पास हो, या Avatar V जैसे मॉडल में बने स्टॉक अवतार में से चुन सकते हैं, और टाइप की गई स्क्रिप्ट से पूरा टॉकिंग क्लिप जनरेट कर सकते हैं। अगर आपके पास पहले से ऐसा फुटेज है जिसकी फ्रेमिंग आपको पसंद है, तो अपना छोटा वीडियो खुद रिकॉर्ड करना और नई स्क्रिप्ट से उसे डब करना भी एक विकल्प है।
जो आपके पास है वहीं से शुरू करें। अगर आपके पास प्रेजेंटर की फोटो है, तो Omni Human या P Video Avatar उसे किसी स्क्रिप्ट या अपलोड की गई वॉइस रिकॉर्डिंग के साथ जोड़कर टॉकिंग क्लिप में बदल देते हैं। अगर आप स्टॉक चेहरा इस्तेमाल करना चाहते हैं और कभी किसी को फोटो नहीं खिंचाना चाहते, तो Avatar V सिर्फ एक स्क्रिप्ट से पूरा प्रेजेंटर जनरेट कर देता है। दोनों एक ही कैटलॉग में हैं, इसलिए एक को दूसरे के मुकाबले टेस्ट करने में बस एक और जनरेशन का खर्च आता है।
इस फॉर्मेट के लिए पंद्रह से तीस सेकंड सबसे अच्छा परफॉर्म करने वाली रेंज है, जो रफ्तार के हिसाब से लगभग चालीस से अस्सी बोले गए शब्दों के बराबर बैठती है। छोटी स्क्रिप्ट ऑडियो-चालित मॉडल पर तेज़ी से रेंडर भी होती हैं और लिपसिंक क्वालिटी बेहतर बनाए रखती हैं, इसलिए ध्यान वाली वजह के अलावा भी संक्षिप्त रहने की एक व्यावहारिक वजह है।
हां, और शूट करने के बजाय जनरेट करने की यह एक सबसे उपयोगी बात है। एक जैसी स्क्रिप्ट को फोटो-आधारित प्रेजेंटर और स्टॉक अवतार से, या दो अलग-अलग अवतार से चलवाएं, और हर एक का वॉच टाइम कंपेयर करें; क्योंकि शब्द कभी नहीं बदलते, परफॉर्मेंस में कोई भी फर्क प्रेजेंटर और आवाज़ से आता है, जो ठीक वही वेरिएबल है जिसे आप अलग करना चाहते हैं।
सिर्फ तभी जब आपको उसे इस्तेमाल करने का अधिकार हो। अगर किसी ग्राहक ने इजाज़त दी है, तो उनकी फोटो या मौजूदा छोटा क्लिप आधार बन सकता है: एक फोटो नई स्क्रिप्ट के साथ Omni Human या P Video Avatar से गुज़रती है, और मौजूदा क्लिप को लिपसिंक-डबिंग मॉडल के ज़रिए नए डायलॉग के साथ फिर से लेबल किया जा सकता है। सोशल मीडिया से उठाई गई किसी अनजान व्यक्ति की फोटो या फुटेज को कभी बिना सहमति के इस्तेमाल न करें।
हर इस्तेमाल के लिए नहीं। जनरेट किए गए प्रेजेंटर हुक टेस्ट करने और स्क्रिप्ट वेरिएंट स्केल करने के लिए तेज़ और सस्ते हैं, लेकिन एक असली क्रिएटर अपनी असली फॉलोइंग, एक सच्ची आवाज़ लाता है, और कुछ कैटेगरी में, भरोसे का ऐसा स्तर लाता है जिसे सिंथेटिक प्रेजेंटर मैच नहीं कर सकता। कई टीमें दोनों इस्तेमाल करती हैं: हुक जल्दी टेस्ट करने के लिए जनरेट किए क्लिप, और उन कैंपेन के लिए असली क्रिएटर जिन्हें ऐसा असली चेहरा चाहिए जिसे लोग पहले से पहचानते हों।
हां, अगर इसे विज्ञापन के रूप में पेश किया जा रहा है, और वैसे भी ज़्यादातर प्लेटफॉर्म अब यह उम्मीद रखते हैं। एड-डिस्क्लोज़र नियम फॉर्मेट पर लागू होते हैं, चाहे प्रेजेंटर कैसे भी बनाया गया हो, और कई प्लेटफॉर्म विज्ञापनों में AI-जनरेटेड लोगों के लिए खास लेबल जोड़ रहे हैं। सिंथेटिक UGC-style विज्ञापन को बिल्कुल किसी और पेड प्रमोशन की तरह समझें और इसे साफ-साफ डिस्क्लोज़ करें, न कि दर्शक को यह मान लेने दें कि यह बिना पैसे का ऑर्गेनिक पोस्ट है।
लिपसिंक और फेशियल-मोशन मॉडल छोटी, अच्छी रोशनी वाली और सीधे कैमरे की ओर देखती फुटेज पर सबसे बेहतर काम करते हैं, और जब स्क्रिप्ट लंबी होती है या सोर्स फोटो एंगल पर, कम रिज़ॉल्यूशन की, या खराब रोशनी वाली होती है तो थोड़ा कमज़ोर पड़ जाते हैं। स्क्रिप्ट को तीस सेकंड से कम रखना और एक शार्प, अच्छी रोशनी वाली, सीधे कैमरे की ओर देखती फोटो से शुरू करना इस अकड़न की ज़्यादातर वजहों को ठीक कर देता है, और उपलब्ध होने पर कैटलॉग में नया मॉडल चुनना भी आमतौर पर मदद करता है।
लागत मॉडल, रिज़ॉल्यूशन और क्लिप की लंबाई पर निर्भर करती है, इसलिए यहां लिखा कोई भी सटीक आंकड़ा कैटलॉग अपडेट होने के साथ कुछ महीनों में गलत हो जाएगा। अवतार और लिपसिंक वीडियो जनरेशन आमतौर पर एक अकेली स्टिल इमेज से ऊपर और सबसे भारी वीडियो काम से नीचे बैठते हैं। मौजूदा आंकड़े pricing page पर हैं, और नए अकाउंट मुफ्त क्रेडिट के साथ शुरू होते हैं, जो कुछ भी खर्च करने से पहले कई स्क्रिप्ट और प्रेजेंटर टेस्ट करने के लिए काफी हैं।
अपने अगले विज्ञापन टेस्ट के लिए किसी क्रिएटर के कैलेंडर का इंतज़ार करना बंद करें। Picasso IA toolkit खोलें, किसी स्क्रिप्ट को फोटो या स्टॉक अवतार के साथ जोड़ें, और उस मीटिंग के शुरू होने से पहले ही टेस्ट करने लायक क्लिप पा लें जहां आप शूट का प्रस्ताव रखने वाले थे।
