n8n में ऐसा फ़्लो बनाइए जो लैंग्वेज मॉडल से स्क्रिप्ट लिखे, उसे आवाज़ दे, क्लिप्स जनरेट करे और शॉर्ट्स तैयार करे, सब आपके Picasso IA अकाउंट से। जनरेशन के स्टेप फ़्लो के अंदर चलते हैं। क्लिप्स को जोड़कर एक तैयार वीडियो बनाना ऐसा स्टेप है जो आप किसी दूसरे टूल से जोड़ते हैं।
ज़्यादातर लोग AI वीडियो हाथ से आज़माते हैं: एक टैब में स्क्रिप्ट, दूसरे में वॉइस टूल, तीसरे में वीडियो मॉडल, और फिर डाउनलोड का ढेर जिसे कल किसी को दोबारा छाँटना पड़ता है। n8n वर्कफ़्लो ऑटोमेशन का टूल है, और वह इस रूटीन को ऐसे फ़्लो में बदल देता है जो अपने आप चलता है। यह पेज दिखाता है कि एक ही फ़्लो Picasso IA से स्क्रिप्ट लिखना, उसे आवाज़ देना और क्लिप्स जनरेट करना कैसे कर सकता है, और कौन सा स्टेप आपको अब भी बाहर पूरा करना पड़ता है।
एक अकेला AI वीडियो कारीगरी का काम है। हफ़्ते में दस वीडियो एक प्रोडक्शन लाइन हैं, और प्रोडक्शन लाइनें एक बहुत ख़ास तरह से उबाऊ होती हैं: वही पाँच काम उसी क्रम में, हर बार विषय में थोड़ा सा बदलाव। ऑटोमेशन टूल ठीक इसी तरह के काम के लिए बना है। n8n में आप क्रम को एक बार बताते हैं, लाइनों से जुड़े स्टेप के रूप में, और फ़्लो उसे हर बार दोहराता है जब कुछ उसे शुरू करता है: स्प्रेडशीट में नई पंक्ति, भेजा गया फ़ॉर्म, या आपका तय किया हुआ शेड्यूल।
n8n के लिए Picasso IA कनेक्टर वही है जो जनरेशन के स्टेप को उस फ़्लो के अंदर रहने देता है। वह आपके अकाउंट को n8n से एक API कुंजी के ज़रिए जोड़ता है जो आप अपने अकाउंट में बनाते हैं (उसे पासवर्ड की तरह संभालिए), और हर जनरेशन एक रिक्वेस्ट होती है जिसका नतीजा एक फ़ाइल के रूप में लौटता है जिसे आप डाउनलोड कर सकते हैं या अगले स्टेप को दे सकते हैं। वह टूलकिट वाला ही कैटलॉग चलाता है, 502 मॉडल, इसलिए फ़्लो स्क्रिप्ट के लिए लैंग्वेज मॉडल, आवाज़ के लिए टेक्स्ट-टू-स्पीच मॉडल और क्लिप्स के लिए टेक्स्ट-टू-वीडियो मॉडल बुला सकता है, आपको तीन अलग सेवाएँ खोले बिना।
आपको दोबारा टाइप किए बिना दोहराव मिलता है। विवेक नहीं मिलता: फ़्लो नहीं बता सकता कि तीसरी क्लिप ख़राब दिख रही है या नहीं।
फ़्लो को चार चरणों की तरह सोचिए जो एक-दूसरे को काम सौंपते हैं। टेबल दिखाती है कि हर चरण क्या करता है, Picasso IA का कौन सा तरह का मॉडल इस्तेमाल करता है और नतीजा किसके पास रहता है।
| चरण | फ़्लो में क्या होता है | Picasso IA पर मॉडल का प्रकार | इसे कौन पूरा करता है |
|---|---|---|---|
| स्क्रिप्ट | लैंग्वेज मॉडल विषय को नरेशन और दृश्यों की सूची में बदलता है | लैंग्वेज मॉडल (कैटलॉग में 75) | आप टेक्स्ट देखते हैं |
| वॉइस | स्पीच मॉडल नरेशन को ज़ोर से पढ़ता है | टेक्स्ट-टू-स्पीच (कैटलॉग में 24) | आप एक बार सुनते हैं |
| क्लिप्स | हर दृश्य के विवरण पर एक छोटी क्लिप जनरेट होती है | टेक्स्ट-टू-वीडियो (कैटलॉग में 121) | आप कमज़ोर क्लिप्स हटाते हैं |
| असेंबली | क्लिप्स, वॉइस और कैप्शन क्रम से जोड़े जाते हैं | दूसरा टूल जो आप फ़्लो में जोड़ते हैं | वह दूसरा टूल, फिर आप |
आख़िरी पंक्ति सबसे ज़रूरी है। कनेक्टर पहले तीन चरण कवर करता है, यानी जनरेशन के स्टेप। क्लिप्स को टाइमलाइन पर क्रम में रखना, उनके नीचे आवाज़ लगाना और एक तैयार फ़ाइल एक्सपोर्ट करना ऐसा स्टेप है जो आप दूसरे टूल से जोड़ते हैं, जैसे कोई वीडियो एडिटिंग सेवा जो आप पहले से इस्तेमाल करते हों या कोई रेंडर स्टेप जिसे n8n बुला सके। इसे शुरू से ही सोचकर रखिए, क्योंकि बेहतरीन क्लिप्स वाला पर असेंबली स्टेप के बिना फ़्लो बिखरी हुई फ़ाइलों के फ़ोल्डर पर ख़त्म होता है।
टूलकिट से शुरू कीजिए, n8n से नहीं। नीचे का हर चरण पहले हाथ से परखा जा सकता है, और जो प्रॉम्प्ट हाथ से फ़ेल होता है वह फ़्लो के अंदर भी फ़ेल होगा, बस तेज़ी से और ज़्यादा बार।
जब तक फ़्लो स्थिर न हो, उसे छोटे विषय पर सबसे सस्ते उस मॉडल के साथ चलाइए जो ठीक-ठाक नतीजा दे। जनरेशन में क्रेडिट लगते हैं, रकम मॉडल और सेटिंग पर निर्भर करती है, और प्राइसिंग पेज वह जगह है जहाँ प्लान रहते हैं।
इंसान का टाइप किया प्रॉम्प्ट उस संदर्भ पर टिक सकता है जो उसके दिमाग़ में है। फ़्लो के अंदर के प्रॉम्प्ट को सिर्फ़ एक विषय और एक टेम्पलेट मिलता है और कुछ नहीं, इसलिए उसे सब कुछ ख़ुद ढोना पड़ता है। तीन आदतें फ़र्क़ डालती हैं।
पहली, स्क्रिप्ट वाले स्टेप से एक तय ढाँचा लौटवाइए: नरेशन सादे पैराग्राफ़ में, फिर हर पंक्ति में एक दृश्य का विवरण, हर एक ऐसी चीज़ का जिसे कैमरा सच में फ़िल्मा सके। मॉडल सिनेमाई जैसी किसी धुंधली माँग की तुलना में सख़्त आउटपुट आकार का पालन कहीं बेहतर करते हैं, और आपके लूप स्टेप को ऐसी पंक्तियाँ चाहिए जिन्हें वह बिना अंदाज़ा लगाए बाँट सके।
दूसरी, हर क्लिप का प्रॉम्प्ट अपने आप में पूरा रखिए। हर क्लिप अकेले जनरेट होती है, इसलिए पहले जैसा ही किरदार लिखने वाली पंक्ति का वीडियो मॉडल के लिए कोई मतलब नहीं। हर पंक्ति में विषय, जगह और स्टाइल दोहराइए। अगर बार-बार आने वाला किरदार मायने रखता है, तो कंसिस्टेंट AI कैरेक्टर का तरीक़ा बताता है कि रेफ़रेंस इमेज क्लिप्स में एक चेहरा कैसे स्थिर रखती हैं।
तीसरी, उतनी लंबाई के दृश्य माँगिए जिन्हें मॉडल अच्छे से संभालते हैं। ज़्यादातर वीडियो मॉडल छोटी क्लिप्स बनाते हैं, इसलिए किसी भी लंबाई के नरेशन को एक लंबी माँग की जगह कई छोटे दृश्यों में काटना चाहिए। AI एक्सप्लेनर वीडियो आवाज़ की रफ़्तार को तस्वीरों के साथ बिठाने पर और गहराई से बात करता है।
सुझाव: रिव्यू का गेट स्क्रिप्ट वाले स्टेप के ठीक बाद रखिए, आख़िर में नहीं। स्क्रिप्ट पढ़ने में एक मिनट लगता है, जबकि ख़राब स्क्रिप्ट से क्लिप्स जनरेट करने में क्रेडिट और वह समय जाता है जो वापस नहीं मिलता।
फ़्लो तब चमकता है जब इनपुट एक सूची हो। स्प्रेडशीट में बीस विषय रखिए और वही फ़्लो बीस स्क्रिप्ट, बीस वॉइस ट्रैक और हर एक की क्लिप्स बना देता है। टेम्पलेट की एक ग़लती अब बीस बार दोहरेगी, इसलिए पहले एक पंक्ति चलाइए और हर आउटपुट देखिए।
शॉर्ट्स को जनरेशन के बाद कुछ अतिरिक्त स्टेप चाहिए। तस्वीर का आकार मायने रखता है: वर्टिकल क्लिप्स ज़्यादातर शॉर्ट-वीडियो फ़ीड के लिए ठीक बैठती हैं, इसलिए बाद में क्रॉप करने की जगह जनरेट करते समय वही फ़ॉर्मैट चुनिए, या हर प्लैटफ़ॉर्म के लिए वीडियो का साइज़ बदलने का तरीक़ा अपनाइए। कैप्शन जोड़ना फ़ायदेमंद है क्योंकि बहुत से लोग बिना आवाज़ के देखते हैं, और वीडियो के ऑटोमैटिक सबटाइटल इस स्टेप को कवर करते हैं। अगर आपकी क्लिप्स किसी लंबे काम के लिए कटअवे हैं, तो AI बी-रोल बताता है कि ऐसे फ़ुटेज के लिए प्रॉम्प्ट कैसे लिखें जो नरेशन का साथ दे, उससे होड़ न करे।
बिना चेहरे वाले चैनलों के लिए यही फ़्लो साप्ताहिक रूटीन बन जाता है, और बिना चेहरे के YouTube वीडियो उस फ़ॉर्मैट को समझाता है। आप जो भी पब्लिश करें, पोस्ट करने से पहले हर प्लैटफ़ॉर्म की मौजूदा ज़रूरतें जाँच लीजिए।
चेहरों और आवाज़ों के लिए एक और नियम है। अपने गढ़े हुए किरदार इस्तेमाल कीजिए, या अपना चेहरा और अपनी आवाज़, कभी किसी ऐसे असली पहचाने जा सकने वाले व्यक्ति को नहीं जिसे दिखाने की आपके पास अनुमति नहीं है।
फ़्लो एक गुणक है, और वह कमज़ोर जगहों को उतनी ही ईमानदारी से गुणा करता है जितनी मज़बूत जगहों को। ये वे जगहें हैं जहाँ वह मदद करना बंद कर देता है:
इनमें से कुछ भी ऑटोमेशन से बचने की वजह नहीं है। यह वह सूची है जो तय करती है कि इंसानी स्टेप कहाँ जाएँ।
हाँ। वह आपके Picasso IA अकाउंट को n8n से जोड़ता है ताकि फ़्लो जनरेशन शुरू कर सके और नतीजा फ़ाइल के रूप में पा सके। वह आपके अकाउंट में बनाई गई API कुंजी से पहचान कराता है, और टूलकिट वाले ही मॉडल और वही क्रेडिट सिस्टम इस्तेमाल करता है। वह जनरेशन के स्टेप कवर करता है। आपके फ़्लो के बाक़ी हिस्से, जैसे ट्रिगर, फ़ाइल स्टोरेज या वीडियो असेंबली, n8n और उन टूल से आते हैं जिन्हें आप उससे जोड़ते हैं।
फ़्लो के ढाँचे के लिए नहीं। n8n स्टेप को विज़ुअल तरीक़े से जोड़ने के इर्द-गिर्द बना है, और हर Picasso IA जनरेशन एक मॉडल और एक प्रॉम्प्ट वाला स्टेप है। कोड छोटे कामों में काम आता है, जैसे स्क्रिप्ट को पंक्तियों में बाँटना, और n8n आपको उसे वहीं जोड़ने देता है जहाँ ज़रूरत हो। अगर आप अपनी प्रक्रिया को क्रमांकित सूची की तरह बता सकते हैं, तो ज़्यादातर हिस्सा बना सकते हैं।
आप अपने अकाउंट में API कुंजी बनाते हैं और उसे n8n के अंदर कनेक्टर को देते हैं। कुंजी पासवर्ड की तरह काम करती है, इसलिए उसे n8n के क्रेडेंशियल स्टोरेज में रखिए, किसी शेयर किए गए दस्तावेज़ में मत चिपकाइए और अगर लगे कि वह लीक हो गई है तो बदल दीजिए। इस बीच आप हर मॉडल और हर प्रॉम्प्ट को टूलकिट में हाथ से परख सकते हैं, और सवाल सपोर्ट को जाते हैं।
वही कैटलॉग जो टूलकिट चलाता है, पिछली गिनती में 502 मॉडल। इस तरह के फ़्लो के लिए काम की श्रेणियाँ हैं स्क्रिप्ट के लिए लैंग्वेज मॉडल (75), आवाज़ के लिए टेक्स्ट-टू-स्पीच (24) और क्लिप्स के लिए टेक्स्ट-टू-वीडियो (121)। आज़माने लायक़ नाम: लिखने के लिए claude-sonnet-5 और gpt-5, नरेशन के लिए speech-2.8-hd, और वीडियो के लिए veo-3.1, kling-v3-video, seedance-2.0 और wan-2.6-t2v। बाक़ी की सूची सभी मॉडल पेज पर है।
सिर्फ़ जनरेशन के स्टेप से नहीं। कनेक्टर स्क्रिप्ट, वॉइस और अलग-अलग क्लिप्स बनाता है। उन्हें क्रम में जोड़ना, तस्वीर के नीचे आवाज़ लगाना, कैप्शन जोड़ना और एक फ़ाइल एक्सपोर्ट करना एक अलग स्टेप है जो आप फ़्लो में दूसरे टूल से जोड़ते हैं। बहुत से लोग फ़्लो से क्लिप्स का फ़ोल्डर और एक वॉइस फ़ाइल लेने से शुरू करते हैं, और पहला हिस्सा भरोसे से चलने लगे तब असेंबली जोड़ते हैं।
फ़्लो में हर जनरेशन के क्रेडिट लगते हैं, और रकम आपके चुने मॉडल और सेटिंग पर निर्भर करती है, इसलिए हल्के मॉडल पर एक छोटी क्लिप वाला रन भारी मॉडल पर कई क्लिप्स वाले रन से सस्ता पड़ता है। एक रन अपने स्टेप का जोड़ है: स्क्रिप्ट, वॉइस और लूप की हर क्लिप। प्लान और क्रेडिट का आकार प्राइसिंग पेज पर है। पहले टूलकिट में एक विषय परखने से लूप में डालने से पहले मोटा अंदाज़ा मिल जाता है कि एक दृश्य कितने का है।
हाँ, और यह पूरे वर्कफ़्लो की सबसे अच्छी आदत है। टूलकिट वही कैटलॉग चलाता है, इसलिए आप स्क्रिप्ट का प्रॉम्प्ट, वॉइस की सेटिंग और वीडियो का प्रॉम्प्ट हाथ से आज़माकर जो वर्ज़न चलें उन्हें रख सकते हैं। फ़्लो बस आपके फ़ैसले तेज़ी से दोहराता है। अगर प्रॉम्प्ट कमज़ोर है, तो फ़्लो बड़े पैमाने पर कमज़ोर क्लिप्स बनाएगा, इसलिए हर चरण को नोड बनने से पहले हाथ की जाँच पास करनी चाहिए।
यह मॉडल पर और इस पर निर्भर करता है कि लूप कितनी क्लिप्स जनरेट करता है, और वीडियो सबसे धीमा चरण है। जनरेशन में समय लगता है, इसलिए फ़्लो को आगे बढ़ने से पहले हर नतीजे का इंतज़ार करना पड़ता है, और ज़्यादा दृश्यों वाली स्क्रिप्ट कम दृश्यों वाली से ज़्यादा समय लेती है। फ़्लो को उस समय से पहले शेड्यूल कीजिए जब आपको आउटपुट चाहिए।
सिर्फ़ अपनी, या काल्पनिक किरदारों की। किसी असली पहचाने जा सकने वाले व्यक्ति की आवाज़ क्लोन मत कीजिए और उसका चेहरा उसकी अनुमति के बिना दोबारा मत बनाइए, भले ही मॉडल ऐसा कर सकते हों। अगर आपको एक जैसा प्रेज़ेंटर चाहिए, तो काल्पनिक किरदार बनाइए और हर रन में वही रेफ़रेंस इमेज और वही वॉइस सेटिंग दोबारा इस्तेमाल कीजिए।
बेहतर है नहीं, कम से कम शुरू में। मॉडल अजीब हाथों, चेहरों या मूवमेंट वाली क्लिप्स लौटा सकते हैं, और स्क्रिप्ट में ऐसा दावा हो सकता है जिसे जाँचना ज़रूरी हो, इसलिए पब्लिश से पहले इंसानी रिव्यू स्टेप आपके चैनल और क्लाइंट की रक्षा करता है। हर प्लैटफ़ॉर्म की AI कंटेंट के लिए अपनी ज़रूरतें भी हैं, जिन्हें आपको प्लैटफ़ॉर्म पर ही जाँचना चाहिए क्योंकि वे बदलती रहती हैं। फ़्लो को फ़ाइलें तैयार करने दीजिए और पब्लिश का आख़िरी फ़ैसला किसी इंसान पर छोड़िए।
आपका पहला फ़्लो एक विषय को हाथ से चलाने से शुरू होता है। Picasso IA का टूलकिट खोलिए, स्क्रिप्ट, वॉइस और एक क्लिप परखिए, और जो सेटिंग चलीं उन्हें n8n में ले जाइए।
अपनी भाषा चुनें
