अपने अकाउंट में एक कुंजी बनाइए, रिक्वेस्ट में मॉडल का नाम लिखिए और जनरेट की हुई फाइल वापस पाइए। इमेज, वीडियो, वॉइस, म्यूज़िक, 3D और चैट मॉडल एक ही दरवाज़े से मिलते हैं, इसलिए दूसरा मॉडल आज़माना बस एक नाम बदलना है, किसी नए वेंडर के साथ नया इंटीग्रेशन बनाना नहीं।
जनरेटिव AI को छूने वाले ज़्यादातर प्रोजेक्ट अकाउंटों के ढेर पर पहुँच जाते हैं: इमेज के लिए एक, वीडियो के लिए एक, वॉइस के लिए एक, चैट मॉडल के लिए एक, और हर एक की अपनी कुंजी, अपना बिल और अपने नखरे। Picasso IA की डेवलपर API इसके उलट सोच पर बनी है। आप अपने अकाउंट में एक कुंजी बनाते हैं, रिक्वेस्ट में मॉडल का नाम लिखते हैं, और जनरेट की हुई फाइल वापस आ जाती है, चाहे वह मॉडल चित्र बनाता हो, एनिमेट करता हो, बोलता हो, गाता हो या जवाब देता हो।
हर अतिरिक्त वेंडर साइनअप से ज़्यादा कीमत वसूलता है। यह एक और कुंजी है जिसे सँभालना और बदलना पड़ता है, एक और डैशबोर्ड जिसे देखना पड़ता है, एक और इनवॉइस जिसका मिलान करना पड़ता है, और शिप करने से पहले पढ़ने के लिए एक और शर्तों का सेट। छोटी टीम या अकेले बनाने वाले के लिए यह बोझ अक्सर जनरेशन के असली काम से भी बड़ा होता है, और हर बार तब बढ़ता है जब कोई कहता है कि नया वीडियो मॉडल बेहतर दिखता है।
एक कुंजी के साथ इंटीग्रेशन एक बार लिखा जाता है। रिक्वेस्ट बताती है कि आपको कौन सा मॉडल चाहिए और आप उसे क्या दे रहे हैं, प्रॉम्प्ट, इमेज, स्क्रिप्ट या मैसेज, और नतीजा एक फाइल के रूप में लौटता है जिसे आप डाउनलोड कर सकते हैं। जब कोई बेहतर मॉडल आता है, या आपका चुना हुआ मॉडल काम के लिए गलत निकलता है, तो आप नया प्रोजेक्ट शुरू करने की जगह बस एक नाम बदलते हैं।
क्रेडिट के साथ भी यही बात है। API टूलकिट वाले क्रेडिट सिस्टम से ही चलती है, इसलिए एक ही बैलेंस से इमेज, वीडियो क्लिप या वॉइसओवर का भुगतान होता है, और हर जनरेशन में क्रेडिट लगते हैं जो मॉडल और सेटिंग पर निर्भर करते हैं। नए अकाउंट को शुरू करने के लिए मुफ्त क्रेडिट मिलते हैं, और प्लान प्राइसिंग पेज पर मिलते हैं। यहाँ आपको कोई कीमत नहीं मिलेगी, क्योंकि किसी संख्या की सही जगह वही पेज है जो उसे सँभालता है।
API के पीछे वही कैटलॉग है जो टूलकिट चलाता है: आज 502 मॉडल, और यह जानना काम का है कि वे कैसे बँटे हैं, क्योंकि यही मिश्रण तय करता है कि आप क्या बना सकते हैं। टेक्स्ट से इमेज सबसे बड़ा समूह है, 212 मॉडल के साथ, टेक्स्ट से वीडियो में 121 हैं और लैंग्वेज मॉडल 75 हैं। बाकी छोटा है पर असली है: वीडियो एडिटिंग के 28 मॉडल, टेक्स्ट से स्पीच के 24, लिपसिंक के 12, म्यूज़िक के 10, सुपर रेज़ोल्यूशन के 9, 3D के 5, स्पीच से टेक्स्ट के 3, वीडियो एन्हांसर 2 और बैकग्राउंड हटाने वाला 1।
| मॉडल का प्रकार | कैटलॉग से कुछ उदाहरण | आप उसे क्या देते हैं | क्या वापस आता है |
|---|---|---|---|
| इमेज | flux-2-pro, seedream-4.5, nano-banana | एक प्रॉम्प्ट, कभी-कभी रेफरेंस इमेज | एक इमेज फाइल |
| वीडियो | veo-3.1, kling-v2.5-turbo-pro, hailuo-2.3 | एक प्रॉम्प्ट, कभी-कभी शुरुआती इमेज | एक वीडियो फाइल |
| वॉइस | speech-02-hd | एक स्क्रिप्ट और आवाज़ का चुनाव | एक ऑडियो फाइल |
| म्यूज़िक | music-2.6 | स्टाइल का विवरण, चाहें तो लिरिक्स | एक ऑडियो फाइल |
| 3D | hunyuan-3d-3.1 | एक फोटो या टेक्स्ट विवरण | एक 3D मॉडल फाइल |
| चैट | gpt-5, claude-4.5-sonnet | एक मैसेज | टेक्स्ट |
इनमें से हर मॉडल को आप कैटलॉग पेज पर देख सकते हैं, या कलेक्शन में कैटेगरी के हिसाब से, और हर मॉडल पेज बताता है कि वह मॉडल क्या स्वीकार करता है। बनाने से पहले यही सूची पढ़ने लायक है, क्योंकि मॉडल एक जैसे नहीं होते, और अगला सेक्शन बताता है कि यह क्यों मायने रखता है।
एक कुंजी का वादा यह है कि पाइपिंग वही रहती है: वही अकाउंट, वही क्रेडिट, माँगने का वही तरीका और पाने का वही तरीका। एक इमेज मॉडल से दूसरे पर जाना मॉडल का नाम बदलना है, और फिर यह जाँचना कि आप जो सेटिंग भेज रहे थे वे नए मॉडल के लिए अब भी ठीक हैं।
मॉडल के नाम को एक सेटिंग की तरह लीजिए, अपने कोड में पक्के किए हुए फैसले की तरह नहीं। उसे एक ही जगह रखिए, नए मॉडल को कुछ असली प्रॉम्प्ट पर आज़माइए और उसके बाद ही बदलिए, क्योंकि एक API बदलना आसान बनाती है पर दो मॉडल को एक जैसा बर्ताव नहीं करवाती।
यह सावधानी ही ईमानदार समझौता है। वॉइस मॉडल में चुनने के लिए एक आवाज़ और बोलने की रफ्तार होती है। म्यूज़िक मॉडल लिरिक्स ले सकता है। 3D मॉडल में पॉलीगॉन की गिनती तय करनी होती है। वीडियो मॉडल शुरुआती इमेज, लंबाई या आस्पेक्ट रेशियो माँग सकता है, और हर वीडियो मॉडल एक जैसे विकल्प नहीं देता। एक ही प्रकार के दो मॉडल के बीच ओवरलैप बड़ा होता है, और दो अलग प्रकारों के बीच छोटा, इसलिए एक परिवार के भीतर बदलना आमतौर पर हल्का बदलाव है, जबकि परिवारों के बीच बदलना एक अलग काम है जो संयोग से वही कुंजी इस्तेमाल करता है।
सबसे सुरक्षित आदत है पहले टूलकिट में आज़माना। टूलकिट खोलिए, मॉडल चुनिए, अपना असली प्रॉम्प्ट चलाइए और कुछ भी जोड़ने में एक मिनट लगाने से पहले नतीजा देख लीजिए। अगर आप ऑल-इन-वन कैटलॉग की तुलना किसी एक चैट असिस्टेंट से कर रहे हैं, तो Picasso IA बनाम ChatGPT तुलना बताती है कि दोनों में फर्क कहाँ है।
यह यात्रा सीधे शब्दों में है, किसी स्पेक शीट की ज़रूरत नहीं। यह मानती है कि आपके पास एक अकाउंट है और आप जानते हैं कि क्या जनरेट करना चाहते हैं।
ईमानदार पेज बताता है कि औज़ार कहाँ रुकता है, और एक यूनिफाइड API में कुछ किनारे हैं जिन्हें किसी क्लाइंट या बॉस से कुछ भी वादा करने से पहले जान लेना चाहिए।
चेहरों और आवाज़ों के लिए एक पंक्ति और। अपना चेहरा और अपनी आवाज़ इस्तेमाल कीजिए, या काल्पनिक किरदार, और बिना अनुमति के किसी असली पहचाने जा सकने वाले व्यक्ति को कभी नहीं।
यह पैटर्न बहुत अलग-अलग प्रोजेक्ट में दोहराता है। जो न्यूज़लेटर टूल हर अंक के लिए हेडर इमेज बनाता है उसे सिर्फ एक इमेज मॉडल चाहिए। जो छोटा स्टूडियो स्क्रिप्ट को छोटे वीडियो में बदलता है उसे लिखने के लिए चैट मॉडल, नैरेशन के लिए वॉइस मॉडल और तस्वीर के लिए वीडियो मॉडल चाहिए, और तीनों के लिए कुंजी वही है। जो दुकान प्रोडक्ट की फोटो से 3D प्रीव्यू चाहती है उसे एक 3D मॉडल और उसके अलावा बहुत कम चाहिए।
इन सब में जो बात साझा है वह कोडिंग से ज़्यादा कैटलॉग की समस्या है: इस स्टेप के लिए कौन सा मॉडल सही है? इसीलिए टूलकिट बनाने वालों के लिए भी मायने रखता है। प्रयोग करने की सबसे सस्ती जगह वही है, और वही मॉडल वहाँ भी जवाब देते हैं और कुंजी के पीछे भी। अगर आप काम का आकार पहले से जानते हैं, तो ये पेज दिखाते हैं कि अलग-अलग हिस्से कैसे इस्तेमाल होते हैं: वीडियो के लिए AI वॉइसओवर, फोटो को वीडियो में बदलना और फोटो अपस्केलर।
इसका मतलब है कि आपके Picasso IA अकाउंट की एक कुंजी पूरे कैटलॉग तक पहुँचती है, इमेज, वीडियो, वॉइस, म्यूज़िक, 3D और चैट के 502 मॉडल। आप रिक्वेस्ट में मॉडल का नाम लिखते हैं, उसे वे इनपुट देते हैं जो उसे चाहिए और जनरेट की हुई फाइल पाते हैं। आप हर वेंडर के साथ अलग अकाउंट नहीं खोलते और हर एक के लिए अलग इंटीग्रेशन नहीं सँभालते।
तय किया गया दायरा कैटलॉग के इमेज, वीडियो, वॉइस, म्यूज़िक, अपस्केल, बैकग्राउंड हटाने, 3D, लिपसिंक और चैट मॉडल हैं। गिनती में यह 212 टेक्स्ट से इमेज मॉडल, 121 टेक्स्ट से वीडियो, 75 लैंग्वेज मॉडल, 24 टेक्स्ट से स्पीच, 12 लिपसिंक, 10 म्यूज़िक और इसी तरह आगे है। हर मॉडल देखने के लिए कैटलॉग पेज खोलिए और वह क्या स्वीकार करता है यह जानने के लिए उसका मॉडल पेज देखिए।
इंटीग्रेशन नहीं, वह वैसा ही रहता है, पर इनपुट आपको फिर भी जाँचने चाहिए। एक ही प्रकार के मॉडल काफी ओवरलैप करते हैं, इसलिए एक इमेज मॉडल को दूसरे से बदलना आमतौर पर छोटा बदलाव होता है। अलग प्रकारों के बीच, जैसे इमेज मॉडल से वीडियो मॉडल पर, इनपुट अलग होते हैं और काम भी अलग होता है, इसलिए बदलने से पहले नए मॉडल को अपने असली प्रॉम्प्ट पर आज़माइए।
हाँ, और यही सुझाया गया पहला कदम है। टूलकिट आज वही कैटलॉग चलाता है, इसलिए आप कोई भी मॉडल चुन सकते हैं, प्रॉम्प्ट लिख सकते हैं या फाइल जोड़ सकते हैं और नतीजा देख सकते हैं। अगर वहाँ आउटपुट काफी अच्छा नहीं है, तो उसे किसी प्रोजेक्ट में जोड़ने से वह ठीक नहीं होगा, इसलिए पहले मॉडल तय कीजिए और इंटीग्रेशन बाद में।
आप अपने अकाउंट में एक कुंजी बनाते हैं और उससे अपनी रिक्वेस्ट की पहचान कराते हैं। उसे पासवर्ड की तरह रखिए: उसे किसी पब्लिक रिपॉज़िटरी, साझा चैट या स्क्रीनशॉट में न चिपकाइए, और ऐसे किसी कोड से दूर रखिए जो विज़िटर के ब्राउज़र में चलता हो। अगर आपको लगे कि वह लीक हो गई है, तो उसे अपने अकाउंट से बदल दीजिए और आगे क्या करना है यह पक्का न हो तो सपोर्ट से पूछिए।
क्रेडिट से, वही जो टूलकिट इस्तेमाल करता है। जनरेशन की लागत इस पर निर्भर करती है कि आपने कौन सा मॉडल और कौन सी सेटिंग चुनी, इसलिए छोटी इमेज, लंबा वीडियो और चैट जवाब एक जैसी लागत के नहीं होते। नए अकाउंट को शुरू करने के लिए मुफ्त क्रेडिट मिलते हैं और प्राइसिंग पेज प्लान की सूची देता है। यह पेज कोई आँकड़ा नहीं बताता, क्योंकि वे बदलते रहते हैं और भरोसा प्राइसिंग पेज पर ही करना चाहिए।
नहीं, और ऐसी उम्मीद करना गलती होगी। हर मॉडल के अपने पैरामीटर, सीमाएँ और खूबियाँ हैं, इसलिए एक ही प्रॉम्प्ट एक मॉडल पर साफ नतीजा दे सकता है और दूसरे पर कमज़ोर। कैटलॉग इसीलिए काम का है: आप इनपुट को दो-तीन उम्मीदवारों से गुज़ारते हैं और उस मॉडल को रखते हैं जिसने ब्रीफ समझा।
यह मॉडल पर और आप क्या माँगते हैं उस पर निर्भर करता है, और यह पेज उस पर कोई संख्या नहीं रखेगा। आमतौर पर छोटी इमेज या चैट जवाब वीडियो, गाने या 3D मॉडल से पहले आ जाता है। अपना प्रोजेक्ट ऐसा बनाइए कि वह तुरंत जवाब मानने की जगह फाइल का इंतज़ार कर सके, और असली जैसे इनपुट के साथ परखिए।
सिर्फ अपने चेहरे और अपनी आवाज़ के साथ, या काल्पनिक किरदारों के साथ। किसी असली पहचाने जा सकने वाले व्यक्ति की नकल करने वाला कंटेंट उसकी अनुमति के बिना जनरेट न कीजिए, और जनरेट किए गए मीडिया को असली फुटेज या असली रिकॉर्डिंग की तरह पेश न कीजिए। जिस भी प्लेटफॉर्म पर आप पब्लिश करें उसके नियम देख लीजिए, क्योंकि हर एक की AI कंटेंट के लिए अपनी ज़रूरतें होती हैं।
बनाने से पहले पूछिए। पेज एक कुंजी, इनपुट सहित एक मॉडल नाम और लौटने वाली एक फाइल का वर्णन करता है, और इसके आगे कोई वादा नहीं करता। किसी खास ज़रूरत के लिए, जैसे कई मॉडल को जोड़ने वाला वर्कफ़्लो, सपोर्ट को लिखिए और काम समझाइए, और तब तक उसी विचार को टूलकिट में उन्हीं मॉडल के साथ आज़माइए।
जानना चाहते हैं कि कौन सा मॉडल आपके आइडिया पर बैठता है? टूलकिट खोलिए और अपना पहला प्रॉम्प्ट चलाइए, या इसके ऊपर बनाने के बारे में सवाल हों तो सपोर्ट से पूछिए।
अपनी भाषा चुनें
