मॉडल को एक शुरुआती इमेज और एक आखिरी इमेज दीजिए, और बीच में जो कुछ भी होता है उसे वह एनिमेट कर देगा। मॉर्फ, ट्रांसफॉर्मेशन, दिन से रात के बदलाव और बिफोर-आफ्टर रिवील के लिए Picasso IA के toolkit में वे वीडियो मॉडल इस्तेमाल करें जो दोनों फ्रेम स्वीकार करते हैं।
ज़्यादातर AI वीडियो एक वाक्य से शुरू होते हैं और बस उम्मीद करते हैं कि नतीजा अच्छा आएगा। फर्स्ट और लास्ट फ्रेम वीडियो उन दो इमेज से शुरू होता है जिन्हें आप पहले ही चुन चुके हैं: शुरुआती शॉट और आखिरी शॉट, और बीच में जो कुछ होता है वह मॉडल खुद गढ़ता है। इसी वजह से मॉर्फ, ट्रांसफॉर्मेशन, बिफोर-आफ्टर रिवील या दिन से रात का बदलाव पाने का यह सबसे सीधा तरीका है, क्योंकि कहानी के दोनों सिरे आपके हाथ में रहते हैं।
सामान्य इमेज-टू-वीडियो रन में सिर्फ पहला फ्रेम तय होता है। मॉडल आगे की ओर एनिमेट करता है और जहाँ पहुँचता है वहीं रुक जाता है। यह हल्के कैमरा मूवमेंट के लिए ठीक है, लेकिन जिस चीज़ की कोई मंज़िल हो उसके लिए भरोसेमंद नहीं। अगर आप चाहते हैं कि बीज पेड़ बन जाए, स्केच रेंडर बन जाए या खाली कमरा सजा हुआ कमरा बन जाए, तो मंज़िल एक इमेज होनी चाहिए, प्रॉम्प्ट में लिखी कोई उम्मीद नहीं।
मॉडल को आखिरी फ्रेम देने से काम इंटरपोलेशन बन जाता है। उसे इमेज A से इमेज B तक का रास्ता खोजना होता है, और यही बंदिश क्लिप को एकसार रखने का ज़्यादातर काम कर देती है। आपको वह भी मिलता है जो अकेला प्रॉम्प्ट नहीं दे सकता: बिल्कुल सटीक आखिरी कंपोज़िशन। क्लिप का आखिरी फ्रेम वही इमेज है जिसे आपने मंज़ूर किया था, इसलिए वह सीधे थंबनेल, प्रोडक्ट पेज या अगले शॉट में चलने वाले कट में जा सकता है।
यह किसी आइडिया को परखने का सस्ता तरीका भी है। Picasso IA के कैटलॉग में 502 मॉडल हैं, और जो वीडियो मॉडल दो फ्रेम स्वीकार करते हैं उन पर आप इमेज की वही जोड़ी अलग-अलग इंजन में आज़मा सकते हैं और देख सकते हैं कि आपके मन के ट्रांजिशन को कौन सबसे बेहतर समझता है।
हर वीडियो मॉडल में आखिरी फ्रेम का इनपुट नहीं होता, और जिनमें होता है उनमें से कुछ उसे दूसरी सेटिंग के पीछे छिपा देते हैं। ये वे मॉडल हैं जिनके कैटलॉग विवरण में शुरुआती और आखिरी फ्रेम के इनपुट दिखते हैं, और जिन्हें हर मॉडल के अपने पेज से जाँचा गया है:
| मॉडल | फ्रेम इनपुट | जानने लायक बात |
|---|---|---|
| Kling v3 Video | start_image और end_image | end image के लिए start image ज़रूरी है; मल्टी-शॉट स्क्रिप्टिंग, नेटिव ऑडियो और 1080p प्रो मोड भी देता है |
| Wan 2.7 I2V | first_frame और last_frame | last frame के लिए first frame ज़रूरी है; दोनों में एक ही इमेज रखने से साफ़ लूप बनता है |
| Veo 3.1 | image और last_frame | दोनों के बीच ट्रांजिशन बनाता है; रेफरेंस इमेज जोड़ने पर last frame नज़रअंदाज़ हो जाता है |
| Ray 3.2 | start_image और end_image | सिर्फ 5 सेकंड की अवधि के साथ चलता है, loop के साथ नहीं; आस्पेक्ट रेशियो आपके फ्रेम से आता है |
| Pixverse v6 | image और last_frame_image | last frame को image के साथ ही इस्तेमाल करना होता है; ट्रांजिशन के लिए मल्टी-शॉट मोड उपलब्ध नहीं है |
तीसरे कॉलम की शर्तें फुटनोट नहीं हैं। वे तय करती हैं कि एक रन में आप क्या मिला सकते हैं: अगर आप चाहते हैं कि Ray 3.2 दोनों एंकर ले, तो क्लिप छोटी अवधि की होगी, और अगर आप चाहते हैं कि Veo 3.1 इंटरपोलेट करे, तो रेफरेंस इमेज छोड़नी होंगी। प्रॉम्प्ट लिखने से पहले इनपुट पैनल पढ़ लीजिए, पहली नाकाम कोशिश के बाद नहीं। कलेक्शन हर मॉडल का पेज खोलकर उसके मौजूदा इनपुट जाँचने का सबसे तेज़ रास्ता है।
पूरा वर्कफ़्लो toolkit में चलता है, और यह तब भी एक जैसा काम करता है जब आपकी दोनों इमेज फोटो हों, रेंडर हों या AI से बनी हों।
मॉडल दो इमेज के बीच तभी इंटरपोलेट कर सकता है जब वह कल्पना कर सके कि एक दूसरी में बदल रही है। जोड़ी जितनी बेहतर होगी, बीच का हिस्सा उतना ही विश्वसनीय लगेगा। कुछ नियम ज़्यादातर गड़बड़ियाँ रोक देते हैं।
फ्रेम के बीच कैमरा स्थिर रखें, जब तक कि मूवमेंट ही मकसद न हो। अगर शुरुआत वाइड शॉट है और अंत किसी दूसरी चीज़ का क्लोज़-अप, तो मॉडल को कैमरा मूवमेंट और ट्रांसफॉर्मेशन दोनों गढ़ने पड़ते हैं, और उनमें से एक गलत दिखेगा। विषय को फ्रेम में लगभग एक ही जगह रखें, ताकि ट्रांजिशन बदलाव की तरह पढ़ा जाए, अतिरिक्त चरणों वाले कट की तरह नहीं। जहाँ हो सके रोशनी की दिशा मिलाएँ, क्योंकि क्लिप के बीच में बाएँ से दाएँ कूदता सूरज दर्शक की पहली नज़र में आता है।
आस्पेक्ट रेशियो भी मायने रखता है। इनमें से कई मॉडल आउटपुट का आकार आपकी लगाई इमेज से लेते हैं, इसलिए अलग अनुपात वाले दो फ्रेम आपको ऐसा क्रॉप दे देते हैं जो आपने चुना नहीं था। अपलोड से पहले दोनों को एक ही अनुपात में कर लें।
चेहरों पर अतिरिक्त ध्यान चाहिए। एक चेहरे को दूसरे में बदलना वीडियो मॉडल से माँगी जा सकने वाली सबसे कठिन चीज़ है, और यह सिर्फ आपके अपने चेहरे या काल्पनिक किरदारों के लिए ठीक है, किसी ऐसे असली व्यक्ति के लिए कभी नहीं जिसने इसकी सहमति न दी हो। अगर आप इसके बजाय किसी एक स्थिर पोर्ट्रेट में जान डालना चाहते हैं, तो पुरानी फोटो को एनिमेट करना एक-फ्रेम वाला रूप समझाता है।
दोनों सिरे तय हों तो प्रॉम्प्ट का काम सामान्य वीडियो प्रॉम्प्ट से अलग हो जाता है। उसे अब यह बताने की ज़रूरत नहीं कि दृश्य कैसा दिखता है, क्योंकि इमेज वह बता चुकी हैं। उसे बताना है कि दृश्य एक अवस्था से दूसरी तक कैसे पहुँचता है: धीरे-धीरे या एक झटके में, कैमरा स्थिर या बहता हुआ, यथार्थवादी ढंग से या जादुई ढंग से।
सुझाव: जितना यह बताएँ कि क्या बदलना चाहिए, उतना ही यह भी बताएँ कि क्या स्थिर रहना चाहिए। कैमरा स्थिर रहता है, सिर्फ मौसम बदलता है, झील और पहाड़ियाँ नहीं हिलतीं जैसी एक पंक्ति मॉडल को एक सीमा देती है, और सीमाएँ ही मॉर्फ को पूरे दृश्य को पिघला देने से रोकती हैं।
ट्रांजिशन का प्रकार सीधे शब्दों में बताएँ: उगता है, खुलता है, घुल जाता है, सरकता है, पिघलता है, खुद को बनाता है, दिन से रात में बदलता है। साथ में गति जोड़ें, जैसे धीरे-धीरे या एक तेज़ हरकत में। अगर पहली कोशिश भटक जाए, तो प्रॉम्प्ट लंबा करने के बजाय छोटा करें, क्योंकि दूसरा टकराता हुआ निर्देश अजीब बीच के हिस्सों की आम वजह है। जिन मॉडल में नेगेटिव प्रॉम्प्ट मिलता है, उनमें उन अतिरिक्त चीज़ों को हटाने के लिए उसका इस्तेमाल करें जो आप बार-बार देखते हैं, जैसे क्लिप के बीच में उभरती नई वस्तुएँ।
लंबी कहानियों के लिए क्लिप जोड़ते चलें: पहली क्लिप का आखिरी फ्रेम दूसरी क्लिप का पहला फ्रेम बनता है, और कुछ भी जनरेट करने से पहले आप पूरा क्रम शॉट दर शॉट स्टोरीबोर्ड के साथ प्लान कर सकते हैं।
यह तकनीक एक चीज़ में मज़बूत है, यानी एक नियंत्रित ट्रांजिशन, और इसकी सीमाएँ साफ़ हैं:
इनमें से कुछ भी इस तकनीक को अविश्वसनीय नहीं बनाता। यह इसे ट्रांजिशन का एक औज़ार बनाता है, और बाकी एडिट अब भी आपके हाथ में रहता है।
यह उन दो इमेज से बना वीडियो है जो आप देते हैं: पहला फ्रेम और आखिरी फ्रेम। मॉडल उनके बीच की गति बनाता है, इसलिए क्लिप आपकी शुरुआती इमेज पर शुरू होती है और आपकी आखिरी इमेज पर खत्म होती है। इसका इस्तेमाल मॉर्फ, ट्रांसफॉर्मेशन, टाइम-लैप्स जैसे लुक और बिफोर-आफ्टर रिवील के लिए होता है, क्योंकि जनरेशन शुरू होने से पहले ही शॉट के दोनों सिरे तय हो चुके होते हैं।
Kling v3 Video, Wan 2.7 I2V, Veo 3.1, Ray 3.2 और Pixverse v6 सभी अपने कैटलॉग विवरण में शुरुआती और आखिरी फ्रेम के इनपुट सूचीबद्ध करते हैं। हर एक स्लॉट को अलग नाम देता है और उसकी अपनी शर्तें हैं, जैसे end image से पहले start image की ज़रूरत। toolkit में मॉडल खोलकर इनपुट पैनल देख लें, क्योंकि मॉडल और उनके विकल्प समय के साथ अपडेट होते रहते हैं।
आमतौर पर हाँ, भले ही छोटा हो। कुछ मॉडल फ्रेम दिए जाने पर प्रॉम्प्ट को वैकल्पिक मानते हैं, लेकिन गति, कैमरा और रफ़्तार के बारे में एक वाक्य क्लिप के बीच के हिस्से पर आपको कहीं ज़्यादा नियंत्रण देता है। बताइए कि दृश्य कैसे बदलता है, इमेज क्या दिखाती हैं यह नहीं, क्योंकि मॉडल इमेज पहले से देख रहा है।
जिन मॉडल में यह सुविधा है, उनमें हाँ। Wan 2.7 I2V में एक ही इमेज को पहले और आखिरी फ्रेम की तरह इस्तेमाल करके लगातार चलने वाला लूप पाने का ज़िक्र है, क्योंकि क्लिप उसी इमेज पर शुरू और खत्म होती है। Ray 3.2 में अलग loop विकल्प भी है, लेकिन उसे end image के साथ नहीं मिलाया जा सकता। पहले एक ही इमेज वाला तरीका आज़माएँ और जोड़ पर नज़र रखें।
अक्सर इसलिए कि दोनों फ्रेम किसी विश्वसनीय रास्ते के लिए बहुत अलग हैं, या प्रॉम्प्ट ऐसी चीज़ माँग रहा है जो इमेज से टकराती है। फ्रेम में विषय, फ्रेमिंग और रोशनी एक जैसी रखें, प्रॉम्प्ट छोटा करें और सूची का कोई दूसरा मॉडल आज़माएँ। हर इंजन अपने तरीके से इंटरपोलेट करता है, इसलिए जो जोड़ी एक में फेल होती है वह अक्सर दूसरे में चल जाती है।
उन्हें एक जैसा रखना सबसे सुरक्षित है। कई मॉडल आउटपुट का आकार आपके लगाए फ्रेम से लेते हैं, और कुछ के कैटलॉग नोट कहते हैं कि इमेज देने पर अनुपात की सेटिंग नज़रअंदाज़ हो जाती है। अगर आपकी दोनों इमेज अलग हैं, तो पहले उन्हें एक ही अनुपात में क्रॉप या रीसाइज़ करें, ताकि प्रीव्यू में दिखती फ्रेमिंग ही आपको मिले।
सिर्फ अपने चेहरे या काल्पनिक किरदारों के साथ। असली, पहचाने जा सकने वाले लोगों को उनकी सहमति के बिना एक-दूसरे में बदलना ऐसा काम नहीं है जिसका यह पेज समर्थन करता है, और वैसे भी मॉडल ट्रांसफॉर्मेशन के बीच में चेहरों को खराब ढंग से संभालते हैं। वस्तुएँ, दृश्य, इलस्ट्रेशन, प्रोडक्ट और मौलिक किरदार इस तकनीक के साथ कहीं बेहतर चलते हैं।
हाँ, और अक्सर मेल खाती जोड़ी पाने का यही सबसे अच्छा तरीका है। अपनी शुरुआती इमेज जनरेट करें या अपलोड करें, फिर toolkit में इमेज एडिटिंग मॉडल से सिर्फ वही बदलें जो बदलना चाहिए, जैसे दिन का समय या किसी वस्तु की स्थिति। कंपोज़िशन बनी रहती है, जिससे वीडियो मॉडल का काम आसान हो जाता है।
यह मॉडल और उसकी सेटिंग पर निर्भर करता है। Kling v3 Video, Veo 3.1 और Pixverse v6 ऑडियो जनरेशन सूचीबद्ध करते हैं, और Wan 2.7 I2V तब मेल खाता ऑडियो बना सकता है जब आप फ़ाइल न दें। Ray 3.2 ऑडियो का ज़िक्र नहीं करता। अगर आपकी क्लिप मौन निकलती है और उसे आवाज़ चाहिए, तो आप उसे बाद में जोड़ सकते हैं, और मौन AI वीडियो के लिए साउंड इफेक्ट इसका तरीका बताता है।
जनरेशन क्रेडिट खर्च करते हैं, और राशि मॉडल और आपकी चुनी सेटिंग पर निर्भर करती है, जैसे रेज़ोल्यूशन और अवधि। नए खातों को आज़माने के लिए मुफ्त क्रेडिट मिलते हैं। कीमतें बदलती रहती हैं, इसलिए उन्हें जाँचने की भरोसेमंद जगह प्राइसिंग पेज ही है, और पूरी क्वालिटी वाले रन से पहले कम रेज़ोल्यूशन की छोटी क्लिप आज़माना समझदारी है।
शुरू करने के लिए दो इमेज और एक वाक्य काफ़ी हैं। Picasso IA का toolkit खोलिए, अपने पहले और आखिरी फ्रेम लगाइए और देखिए कि मॉडल उनके बीच की जगह का क्या करता है।
अपनी भाषा चुनें
