किसी प्रिय तस्वीर, दादा-दादी के पोर्ट्रेट, शादी की फोटो को कुछ सेकंड की धीमी हरकत में बदलें: हल्का कैमरा पुश, बाल हिलना, स्वाभाविक पलक झपकना। पिकासो आईए के 488 मॉडल एक स्थिर तस्वीर को सम्मानजनक श्रद्धांजलि या तोहफे में बदलते हैं।
एक तस्वीर सेकंड के बीसवें हिस्से को जमा देती है: एक भाव, रोशनी का गिरना, वह तरीका जिससे हाथ किसी कंधे पर टिका था। यह उस पल के बारे में कुछ नहीं बताती जो उसके चारों ओर सांस ले रहा था। उस स्थिर फ्रेम को कुछ सेकंड की धीमी हरकत में बदलना, हल्का कैमरा पुश, बाल थोड़ा हिलना, स्वाभाविक पलक झपकना, किसी स्मृति स्लाइडशो, शादी के मॉन्टाज या जन्मदिन की श्रद्धांजलि को वह धड़कन देता है जो उसे कागज पर कभी नहीं मिली।
एक स्थिर तस्वीर को एक बार देखा जाता है और फिर आगे बढ़ा दिया जाता है। कुछ सेकंड की हरकत लंबी नजर मांगती है, क्योंकि आंख आगे क्या होगा यह देखने का इंतजार करती रहती है। यही पुरानी तस्वीर को एनिमेट करने का पूरा आकर्षण है: यह कोई खास इफेक्ट नहीं, बस इतनी हरकत कि फ्रेम में मौजूद व्यक्ति संग्रहित नहीं बल्कि मौजूद लगे।
इमेज-टू-वीडियो मॉडल यह एक ही स्रोत तस्वीर से संभव बनाते हैं, न दूसरी तस्वीर चाहिए, न फुटेज, न रेफरेंस क्लिप। मॉडल दृश्य में गहराई, रोशनी और हरकत की संभावित दिशा पढ़ता है, फिर एक छोटा क्लिप बनाता है जो तस्वीर की संरचना बनाए रखते हुए उसके कुछ हिस्सों को हिलने देता है। पिकासो आईए टूलकिट में 488 मॉडल रखता है, और कई विशेष रूप से एक स्थिर इमेज को कुछ सेकंड के वीडियो में बदलने के लिए बनाए गए हैं।
सबसे अच्छे नतीजे संयम से आते हैं। हल्के स्पर्श से एनिमेट की गई तस्वीर, बाल हल्के बहते हुए, रोशनी में बदलाव, चेहरे की ओर धीमा पुश, जीवंत लगती है। जोर से एनिमेट की गई तस्वीर एक खास इफेक्ट जैसी लगती है, और यह ठीक वही है जो श्रद्धांजलि वीडियो को नहीं चाहिए।
इस क्षमता का ईमानदार वर्णन है किसी पल में जीवन जोड़ना, नया पल गढ़ना नहीं। यह फर्क उन लोगों के पोर्ट्रेट में सबसे ज्यादा मायने रखता है जिनका निधन हो चुका है।
धीमी हरकत तस्वीर की सच्चाई को बरकरार रखती है: कैमरे का हल्का पुश, कपड़ा या बाल हल्की हवा जैसा हिलना, स्वाभाविक पलक झपकना, पृष्ठभूमि की रोशनी में बदलाव। इसमें से कुछ भी वह नहीं गढ़ता जो व्यक्ति ने नहीं किया; यह बस उस स्थिरता को कुछ सेकंड के लिए एक तर्कसंगत दिशा में बढ़ाता है।
गलत लगने वाली हरकत मॉडल से वह व्यवहार गढ़वाती है जो तस्वीर ने कभी दर्ज ही नहीं किया: एक गंभीर पोर्ट्रेट को जबरन मुस्कुराया जाना, होंठ हिलाकर शब्द बुलवाना, सिर सीधे देखने वाले की ओर घुमाना। किसी दिवंगत व्यक्ति की तस्वीर पर यह आजमाने वाले ज्यादातर लोग नतीजे को सुकून देने वाला नहीं बल्कि असहज करने वाला बताते हैं, क्योंकि यह एक ऐसी हरकत दिखाता है जो कभी हुई ही नहीं। मुस्कुराते व्यक्ति की तस्वीर हरकत पा सकती है; गंभीर तस्वीर को जबरन मुस्कुराना अक्सर काम नहीं करता, और पोर्ट्रेट में बोलना जोड़ना एनिमेशन से हटकर कठपुतली शो जैसा कुछ बन जाता है।
व्यावहारिक नियम: अगर मांगी गई हरकत वह है जो व्यक्ति पहले से कर रहा था, तो उसे बढ़ाएं। अगर नहीं, तो उसे छोड़ दें।
प्रॉम्प्ट में हरकत की शैली नाम से बताना सामान्य शब्दों में हरकत बताने से ज्यादा अनुमानित नतीजा देता है, क्योंकि मॉडल हर शैली के कई लेबल किए उदाहरणों पर प्रशिक्षित हैं।
| हरकत शैली | कैसी दिखती है | सबसे उपयुक्त कहां |
|---|---|---|
| धीमा कैमरा पुश | फ्रेम धीरे-धीरे चेहरे की ओर बढ़ता है | स्मृति और श्रद्धांजलि वीडियो |
| परिवेशी बहाव | बाल, कपड़ा या पत्तियां हल्के हिलते हैं, व्यक्ति स्थिर रहता है | सामान्य जीवंत-फोटो प्रभाव |
| रोशनी और छाया बदलाव | दृश्य में धूप या छाया खिसकती है | बाहरी पोर्ट्रेट और परिदृश्य |
| हल्का पैरालैक्स | कैमरा हिलने पर पृष्ठभूमि व्यक्ति से अलग दिखती है | समूह और पारिवारिक तस्वीरें |
| स्वाभाविक पलक झपकना | एक बार का, संक्षिप्त, विश्वसनीय झपकना | क्लोज़-अप पोर्ट्रेट |
| भावपूर्ण हरकत | सिर घुमाना, इशारे, ज्यादा दिखने वाली हरकत | सिर्फ हल्के-फुल्के निजी प्रोजेक्ट, सहमति के साथ |
पहली चार शैलियां लगभग किसी भी तस्वीर के लिए उपयुक्त हैं, यहां तक कि स्मृति सेवा में इस्तेमाल होने वाली तस्वीर के लिए भी, क्योंकि इनमें से कोई भी व्यक्ति से कुछ नया नहीं मांगती। भावपूर्ण हरकत जानबूझकर सबसे नीचे रखी गई है: यह किसी जीवित रिश्तेदार के जन्मदिन वीडियो में मनमोहक हो सकती है, लेकिन यह उस व्यक्ति के पोर्ट्रेट पर सबसे ज्यादा गलत लगने वाली शैली है जो अब सहमति देने के लिए यहां नहीं है।
पुरानी तस्वीर एनिमेट करने की सबसे आम वजह स्मृति वीडियो हैं, और यहीं नतीजे की ईमानदारी सबसे ज्यादा मायने रखती है। लक्ष्य ऐसा क्लिप है जिसे परिवार अपने रिश्तेदार के रूप में पहचाने, उस पल में जैसे वे हिल सकते थे वैसे हिलते हुए, कोई प्रदर्शन नहीं।
सबसे अच्छी उपलब्ध तस्वीर से शुरुआत करें: सामने की ओर, ठीक-ठाक स्पष्ट, चेहरा साफ दिखता हुआ। अगर केवल एक क्षतिग्रस्त प्रिंट उपलब्ध है, तो पुरानी तस्वीर बहाली वर्कफ़्लो से पहले उसे ठीक करना एनिमेशन मॉडल को खरोंचों और धुंधलेपन से भरे स्कैन से कहीं ज्यादा सामग्री देता है। बहाल की गई तस्वीर ज्यादा विश्वसनीय ढंग से एनिमेट होती है, क्योंकि मॉडल को हरकत बनाते हुए फटे हिस्सों का अंदाजा नहीं लगाना पड़ता।
हरकत को एक ही संयमित शैली तक सीमित रखें, धीमा पुश या हल्का परिवेशी बहाव, और पहला नतीजा स्वीकार करने के बजाय कई विकल्प बनाएं। परिवार के सामने चलाने से पहले हर एक को असली गति पर, एक से ज्यादा बार देखें; धीमी गति में आसानी से छूट जाने वाली खामी अक्सर तभी साफ दिखती है जब क्लिप अपनी असली गति पर चलता है।
व्यावहारिक सुझाव: हमेशा बताएं कि स्मृति क्लिप AI से एनिमेट किया गया है, न कि इसे बरामद की गई फुटेज के रूप में पेश करें। ज्यादातर परिवार इसे ईमानदारी से बताया जाना पसंद करते हैं, आज के औजारों से बनी श्रद्धांजलि के रूप में, और यह बताना उस पल को किसी और चीज़ समझे जाने से बचाता है।
एक ईमानदार पेज यह भी बताता है कि कोई औजार कहां रुक जाता है, न कि सिर्फ कहां चमकता है। पांच सीमाएं इतनी बार सामने आती हैं कि उनके लिए पहले से योजना बनाई जा सके।
इनमें से कोई भी सीमा यह नहीं बदलती कि यह औजार असल में किस काम के लिए अच्छा है, असली तस्वीर में कुछ सेकंड की तर्कसंगत हरकत जोड़ना, बल्कि ये बस यह बताती हैं कि वह काम कहां खत्म होता है।
यह प्रक्रिया दस मिनट से कम में आजमाने लायक छोटी है, और ज्यादातर समय सही स्रोत तस्वीर चुनने और नतीजा जांचने में जाता है, जनरेट करने में नहीं।
अक्सर हां, हालांकि नतीजा स्रोत पर बहुत निर्भर करता है। साफ, बिना क्षतिग्रस्त चेहरे वाली तस्वीर इमेज-टू-वीडियो मॉडल को विश्वसनीय हरकत बनाने के लिए पर्याप्त ब्योरा देती है। बुरी तरह फटी या धुंधली तस्वीर उसे कहीं कम देती है, और एनिमेशन उस क्षति को ही पकड़ सकता है। पहले तस्वीर बहाल करना, फिर साफ नतीजे को एनिमेट करना, आमतौर पर क्षतिग्रस्त मूल को सीधे एनिमेट करने से काफी ज्यादा स्थिर क्लिप बनाता है।
यह पूरी तरह इस बात पर निर्भर करता है कि आप किस तरह की हरकत चुनते हैं। स्मृति वीडियो के लिए इसका इस्तेमाल करने वाले परिवार आमतौर पर धीमी हरकत, कैमरे का हल्का पुश, बाल हल्के हिलना, स्वाभाविक पलक झपकना, को स्थिरता में कुछ सेकंड जीवन डालने का सुकून देने वाला तरीका बताते हैं। जो गलत लगता है वह है मॉडल से ऐसा व्यवहार गढ़वाना जो तस्वीर ने कभी दिखाया ही नहीं: जबरन मुस्कान, बोलती हरकत, कैमरे की ओर घूमता सिर। हरकत को संयमित रखना और यह बताना कि क्लिप AI से एनिमेट है, यही दो चीजें नतीजे को श्रद्धांजलि जैसा महसूस कराती हैं, प्रदर्शन जैसा नहीं।
नहीं, और ऐसा करना आमतौर पर बुरा लगता है। स्मृति पोर्ट्रेट के लिए चेहरे की ओर धीमा, शांत पुश ठीक बैठता है। शादी की तस्वीर में ज्यादा गर्माहट, कपड़ा और बाल स्वाभाविक रूप से हिलना सह सकते हैं। परिदृश्य या समूह तस्वीर अक्सर लोगों को हिलाने के बजाय रोशनी और छाया के बदलाव से फायदा उठाती है। हर जगह एक ही सेटिंग दोहराने के बजाय हरकत की शैली को तस्वीर के मकसद से मिलाना ही क्लिप के समूह को सोच-समझकर बनाया हुआ महसूस कराता है, न कि ऑटोपायलट पर जनरेट किया हुआ।
छोटी, आमतौर पर कुछ सेकंड। इस तकनीक का आकर्षण किसी असली पल का विश्वसनीय विस्तार है, और यह विश्वसनीयता उतनी कम होती जाती है जितनी देर मॉडल को तस्वीर में असल में दर्ज हुए से आगे हरकत गढ़ते रहना पड़ता है। लूप होने वाला या स्लाइडशो में बैठने वाला छोटा क्लिप स्वाभाविक लगता है; कहीं ज्यादा लंबा क्लिप छोटी खामियों, बहकते हाथ या अजीब पलक झपकने, को दिखने के लिए ज्यादा समय देता है।
जितना आप सोचते हैं उससे ज्यादा, खासकर अगर चेहरा फ्रेम भरने वाला हो। छोटी, भारी कंप्रेस की गई तस्वीर, जैसे किसी पुरानी सोशल पोस्ट से सेव की गई, मॉडल को असली ब्योरा बहुत कम देती है और अक्सर कमजोर, अस्थिर नतीजा देती है। फिजिकल प्रिंट को ऊंचे रिज़ॉल्यूशन पर स्कैन करना, या उपलब्ध सबसे साफ डिजिटल कॉपी से शुरू करना, हरकत के विश्वसनीय दिखने में साफ फर्क डालता है।
हां, हालांकि इसे सही करना ज्यादा कठिन है। अलग-अलग दूरी पर कई चेहरे मॉडल को एक साथ ज्यादा चीजें ट्रैक करने देते हैं, इसलिए नतीजा साफ एकल पोर्ट्रेट की तुलना में कम अनुमानित होता है। हल्की, साझा हरकत, हल्का कैमरा पुश या पृष्ठभूमि में परिवेशी बहाव, समूहों के लिए हर व्यक्ति के भाव को अलग-अलग एनिमेट करने से बेहतर काम करती है।
नहीं, अगर हरकत उससे करीब रहे जो तस्वीर पहले से दिखाती है। डीपफेक आमतौर पर किसी की पहचान की नकल या गढ़े हुए बोल को असली बताकर पेश करने का संकेत देता है। हल्के से एनिमेट की गई तस्वीर, जिसे AI-एनिमेटेड बताया गया हो और कैमरा पुश या पलक झपकने जैसी तर्कसंगत हरकत तक सीमित रखा गया हो, अलग चीज है: असली तस्वीर पर लगाया गया विज़ुअल इफेक्ट, यह दावा नहीं कि कोई नई फुटेज मौजूद है। यही बताना और हरकत का संयम दोनों को अलग रखते हैं।
कैटलॉग के कई इमेज-टू-वीडियो मॉडल एक ही तस्वीर को शुरुआती फ्रेम के रूप में लेते हैं और उससे छोटा क्लिप बनाते हैं। टूलकिट एक ही तस्वीर पर एक से ज्यादा आजमाने देता है, जो करने लायक है, क्योंकि मॉडल चेहरे, बाल और पृष्ठभूमि की हरकत को संभालने में अलग-अलग होते हैं। 488 मॉडल उपलब्ध होने के साथ, अंतिम क्लिप तय करने से पहले दो-तीन की तुलना करने में सिर्फ कुछ अतिरिक्त मिनट लगते हैं।
यह तस्वीर एनिमेशन से अलग क्षमता है, और इसका अपना ईमानदार ढांचा होना चाहिए। किसी दिवंगत व्यक्ति की तस्वीर में सिंथेसाइज़ की गई आवाज जोड़ना, ताकि तस्वीर बोलती हुई लगे, हल्की विज़ुअल हरकत से कहीं ज्यादा संवेदनशील फैसला है, और ऐसा करने से पहले सहमति और खुलासे पर ध्यान से सोचना जरूरी है। अगर आप जानबूझकर उस दिशा में जा रहे हैं, तो साधारण हरकत एनिमेशन से अलग बोलती तस्वीर वर्कफ़्लो देखें, क्योंकि वहां ईमानदारी की अपेक्षाएं ज्यादा हैं।
नहीं। क्लिप जनरेट करने के लिए बस एक तस्वीर, हरकत बताने वाला छोटा प्रॉम्प्ट और कुछ मिनट का इंतजार चाहिए; इस कदम के लिए एडिटिंग सॉफ्टवेयर जरूरी नहीं। अगर आप क्लिप को लंबे स्मृति वीडियो या स्लाइडशो में लगाने की योजना बना रहे हैं, तो बुनियादी वीडियो एडिटिंग सॉफ्टवेयर क्रम और संगीत के लिए फिर भी काम आएगा, लेकिन एनिमेशन खुद एक ही जनरेशन है, एडिटिंग प्रोजेक्ट नहीं।
जो तस्वीर सालों से फ्रेम या जूते के डिब्बे में पड़ी है, वह उस चीज को खोए बिना कुछ सेकंड की शांत हरकत उठा सकती है जो उसे रखने लायक बनाती थी। टूलकिट खोलें और यह तय करने से पहले कि वह अंतिम वीडियो में जगह बनाती है या नहीं, एक तस्वीर पर एक हल्की शैली आजमाएं।
