अपने अकाउंट में एक कुंजी बनाइए, एक रिक्वेस्ट में वीडियो मॉडल का नाम लिखिए और क्लिप तैयार होते ही डाउनलोड कर लीजिए। एक ही कुंजी टेक्स्ट-टू-वीडियो कैटलॉग तक पहुँचाती है, इसलिए Veo, Kling, Seedance और Wan की तुलना का मतलब है मॉडल का नाम बदलना, चार अकाउंट खोलना नहीं।
वीडियो मॉडल इतनी तेज़ी से आते हैं कि कोई भी टीम उन्हें एक-एक करके जोड़ नहीं पाती: हर बार अलग अकाउंट, अलग बिलिंग पेज और क्लिप माँगने का अलग तरीका। Picasso IA की API इस सबको एक कुंजी, मॉडल का नाम बताने वाली एक रिक्वेस्ट और क्लिप तैयार होने पर डाउनलोड होने वाली एक फाइल में समेटने के लिए बनाई जा रही है। यह पेज बताता है कि टेक्स्ट टू वीडियो में यह कैसा दिखता है और इसकी सीमाएँ कहाँ आती हैं।
टेक्स्ट टू वीडियो वह श्रेणी है जहाँ मॉडल चुनना सबसे मुश्किल पड़ता है। Veo, Kling, Seedance और Wan सभी लिखे हुए विवरण को चलती क्लिप में बदलते हैं, पर एक ही वाक्य को अलग-अलग ढंग से समझते हैं, और कोई भी हर शॉट में जीतता नहीं। अगर आपका प्रोडक्ट वीडियो बनाता है, तो काम का सवाल शायद ही कभी यह होता है कि सबसे अच्छा मॉडल कौन सा है। सवाल यह है कि इस प्रॉम्प्ट, इस बजट और इस डेडलाइन के लिए कौन सा सबसे अच्छा है।
Picasso IA के कैटलॉग में 502 मॉडल हैं, जिनमें से 121 टेक्स्ट-टू-वीडियो श्रेणी में हैं। इस पेज पर पाँच के नाम आए हैं: Google का veo-3.1, kwaivgi का kling-v3-video, bytedance का seedance-2.5, alibaba का wan-3 और lightricks का ltx-2.5-fast। API के साथ आपकी इकलौती क्रेडेंशियल आपके अकाउंट की एक कुंजी होती है। रिक्वेस्ट में मॉडल का नाम लिखा जाता है, इसलिए दूसरा मॉडल आज़माने का मतलब दूसरे प्रोवाइडर को जोड़ना नहीं, बस एक वैल्यू बदलना है।
यही मॉडल आज टूलकिट में चलते हैं, और इसका एक व्यावहारिक फायदा है: आप पहले प्रॉम्प्ट और मॉडल हाथ से तय कर सकते हैं, फिर अपने कोड से उसे दोहराने को कह सकते हैं। API टूलकिट वाला ही क्रेडिट सिस्टम इस्तेमाल करती है, इसलिए न कोई दूसरा बैलेंस देखना पड़ता है और न दोनों के बीच कुछ मिलाना पड़ता है।
जानने लायक बात: वीडियो रिक्वेस्ट एक काम (जॉब) है, तुरंत मिलने वाला जवाब नहीं। आपका कोड उसे शुरू करता है, इंतज़ार करता है और एक फाइल उठाता है, इसलिए इंतज़ार को पहले दिन से डिज़ाइन में रखिए, टाइमआउट के बाद जोड़ने के लिए मत छोड़िए।
सीधे शब्दों में, टेक्स्ट टू वीडियो रिक्वेस्ट तीन चीज़ें ले जाती है: कौन सा मॉडल काम करेगा, क्लिप का वर्णन करने वाला प्रॉम्प्ट और उस मॉडल की सेटिंग्स। ये सेटिंग्स सभी मॉडलों में एक जैसी नहीं होतीं। कुछ में रेज़ोल्यूशन और अवधि चुन सकते हैं, कुछ अच्छा नतीजा दोहराने के लिए सीड लेते हैं, कुछ तस्वीर के साथ ऑडियो बना सकते हैं, और कुछ में आप लिख सकते हैं कि क्या नहीं दिखना चाहिए। उदाहरण के लिए wan-3 में नेगेटिव प्रॉम्प्ट और सीड मिलता है, जबकि ltx-2.5-fast वीडियो के साथ ऑडियो जनरेट कर सकता है। किसी सेटिंग पर भरोसा करने से पहले कैटलॉग में उस मॉडल का पेज पढ़ लीजिए।
वीडियो असिंक्रोनस होता है, और यही आपके पूरे कोड का ढाँचा तय करता है। आप एक जॉब शुरू करते हैं, मॉडल जितना समय चाहिए उतना लेता है, और क्लिप तैयार होने पर आपको फाइल मिल जाती है। छोटी क्लिप और भारी मॉडल में एक जैसा समय नहीं लगता, और इंतज़ार को आपका कोड घटा नहीं सकता, सिर्फ उसके हिसाब से योजना बना सकता है। कतार, वर्कर या टाइमर पर चलने वाली सादी स्टेटस जाँच, सब चलते हैं, बशर्ते आपके प्रोडक्ट का कोई हिस्सा एक क्लिप के इंतज़ार में अटका न रहे।
लागत भी इसी तर्क पर चलती है। हर जनरेशन में क्रेडिट लगते हैं, और कितने, यह मॉडल, अवधि और आपके माँगे रेज़ोल्यूशन पर निर्भर करता है। भारी मॉडल की लंबी और साफ क्लिप हल्के मॉडल के छोटे ड्राफ्ट से ज़्यादा महँगी पड़ती है। प्राइसिंग पेज पर प्लान दिए हैं, और नए अकाउंट मुफ्त क्रेडिट के साथ शुरू होते हैं, जो कोई फैसला करने से पहले कुछ असली प्रॉम्प्ट चलाने के लिए काफी हैं।
कुछ बनाने से पहले आप हर मॉडल का पेज नहीं पढ़ेंगे। यह तालिका तय करने का शॉर्टकट है कि कहाँ से शुरू करें, काम के हिसाब से, किसी ऐसी रैंकिंग के हिसाब से नहीं जो एक महीने में पुरानी हो जाए। आख़िरी कॉलम को वह चीज़ मानिए जिसे आप तब देखें जब एक ही प्रॉम्प्ट दो मॉडलों में साथ-साथ चलाएँ।
| काम | पहले आज़माने लायक मॉडल | क्या तुलना करें |
|---|---|---|
| प्रॉम्प्ट परखने के लिए तेज़ ड्राफ्ट | ltx-2.5-fast | खर्च हुए समय और क्रेडिट के मुकाबले क्लिप आपके आइडिया के कितना करीब पहुँची |
| निखरी मुख्य क्लिप | veo-3.1, kling-v3-video | मूवमेंट, डिटेल और प्रॉम्प्ट का कितनी ईमानदारी से पालन |
| उसी प्रॉम्प्ट पर दूसरी राय | seedance-2.5 | इसकी फ्रेमिंग और गति पहले दोनों से कैसे अलग है |
| लंबी क्लिप या दोहराए जा सकने वाले वेरिएशन | wan-3 | यह कितनी अवधि देता है और क्या तय सीड वही नतीजा दोहराता है |
| लगातार बहुत सारी क्लिप | इनमें से कोई भी | आपकी चुनी अवधि और रेज़ोल्यूशन पर प्रति क्लिप क्रेडिट |
किसी प्रोडक्ट को एक ही मॉडल से बाँधने से पहले वही प्रॉम्प्ट इनमें से दो-तीन में चलाइए। फर्क क्लिपों में दिखता है, विवरणों में नहीं। अगर पहले किसी एक परिवार को करीब से देखना चाहें, तो Google Veo और Kling AI के तुलना पेज उन्हें विस्तार से कवर करते हैं।
यह रास्ता जानबूझकर छोटा रखा गया है। असली हुनर प्रॉम्प्ट चुनने और नतीजा परखने में है, पाइपलाइन जोड़ने में नहीं, इसलिए आख़िरी तीन कदम एक से ज़्यादा बार दोहराने के लिए तैयार रहिए।
अगर आपकी क्लिप विज्ञापनों या प्रोडक्ट पेज पर जाने वाली हैं, तो सोशल के लिए वीडियो विज्ञापन और प्रोडक्ट डेमो वीडियो पेज दिखाते हैं कि वह तैयार काम कैसा दिखता है। अगर शुरुआत वाक्य की जगह एक स्थिर तस्वीर से हो, तो फोटो को वीडियो में बदलें देखिए।
जनरेट किए गए वीडियो की ज़्यादातर परेशानी जॉब को फंक्शन कॉल की तरह मान लेने से आती है। ये पाँच आदतें उस पाइपलाइन में फर्क डालती हैं जिस पर आप भरोसा करते हैं और जिसकी आपको निगरानी करनी पड़ती है।
API आपको दोहराव देती है, परख नहीं। टूलकिट में जो कुछ कोई मॉडल गलत करता है, वह कोड से भी गलत करेगा, बस ज़्यादा तेज़ी से और ज़्यादा संख्या में, इसलिए पहली सीमा समीक्षा है: क्लिप किसी ग्राहक तक पहुँचने से पहले किसी को उन्हें देखना ही होगा।
मॉडल अलग हैं और उनकी सेटिंग्स भी। जो रिक्वेस्ट एक मॉडल पर चलती है, उसे दूसरे पर बदलाव चाहिए हो सकते हैं, क्योंकि अवधि, रेज़ोल्यूशन, ऑडियो और सीड के विकल्प हर जगह एक जैसे नहीं हैं। मॉडल बदलना छोटा बदलाव है, पर ऐसा बदलाव जिसे मान लेने की जगह परखना चाहिए।
जनरेशन में समय लगता है और क्रेडिट खर्च होते हैं। क्लिप एक जॉब है जो कुछ देर चल सकता है, भारी मॉडल की लंबी और साफ क्लिप हल्के मॉडल के छोटे ड्राफ्ट से साफ तौर पर महँगी पड़ती है, और फेल हुई या हटा दी गई क्लिप ने भी अपनी कोशिश खर्च की है। हाथ, स्क्रीन पर लिखा टेक्स्ट, भीड़ और भौतिकी किसी भी मॉडल की आम कमज़ोरियाँ हैं, और अच्छा प्रॉम्प्ट उन्हें घटाता है, मिटाता नहीं।
चेहरों और आवाज़ों में सावधानी चाहिए। अपनी खुद की छवि, ऐसे लोग जिन्होंने सहमति दी हो, या काल्पनिक पात्र इस्तेमाल कीजिए, किसी असली और पहचाने जा सकने वाले व्यक्ति को कभी नहीं जिसने सहमति न दी हो। और यह पेज बस वही बताता है जो API करती है, उससे ज़्यादा नहीं: यह वीडियो एडिटर, टाइमलाइन या किसी खास नतीजे की गारंटी का तरीका नहीं है। किसी प्लेटफ़ॉर्म पर क्लिप प्रकाशित करते समय फ़ॉर्मैट और AI से बने कंटेंट पर उसकी मौजूदा आवश्यकताएँ जाँच लीजिए।
यह वेब ऐप की जगह अपने कोड से वीडियो जनरेट करने का तरीका है। आप अपने अकाउंट में कुंजी बनाते हैं, ऐसी रिक्वेस्ट भेजते हैं जिसमें मॉडल का नाम और प्रॉम्प्ट होता है, और जनरेट की गई क्लिप एक फाइल के रूप में लौटती है जिसे आप डाउनलोड कर सकते हैं। यह टूलकिट वाले ही मॉडल और क्रेडिट सिस्टम इस्तेमाल करती है, इसलिए जो आप वहाँ आज़मा सकते हैं, रिक्वेस्ट भी उसी तरह की चीज़ माँग सकती है।
कैटलॉग की टेक्स्ट-टू-वीडियो श्रेणी में 121 मॉडल हैं, जिनमें veo-3.1, kling-v3-video, seedance-2.5, wan-3 और ltx-2.5-fast शामिल हैं। नियोजित कवरेज वीडियो से आगे जाकर उसी कैटलॉग के इमेज, आवाज़, म्यूज़िक, अपस्केल, बैकग्राउंड हटाने, 3D, लिपसिंक और चैट मॉडल तक है। आप हर रिक्वेस्ट में मॉडल नाम से चुनते हैं, और पूरी सूची सभी मॉडल वाले पेज पर है।
हाँ, और यही सबसे अच्छा पहला कदम है। टूलकिट आज वही कैटलॉग चलाता है: मॉडल चुनिए, प्रॉम्प्ट लिखिए, जनरेट कीजिए और क्लिप देखिए। वहीं तय कीजिए कि आपके आइडिया पर कौन सा मॉडल और कौन सी भाषा काम करती है, फिर अपने कोड से उसे दोहराने को कहिए। नए अकाउंट को मुफ्त क्रेडिट मिलते हैं, इसलिए कुछ टेस्ट क्लिप शुरू में कुछ नहीं लेतीं।
क्योंकि वीडियो जनरेट करने में असली समय लगता है, और इंतज़ार मॉडल, अवधि और रेज़ोल्यूशन पर निर्भर करता है। इसलिए रिक्वेस्ट एक जॉब शुरू करती है, और फाइल जॉब पूरा होने पर आती है। इसी हिसाब से डिज़ाइन कीजिए: जॉब शुरू कीजिए, चलते समय अपना ऐप चुस्त रखिए और तैयार होने पर नतीजा उठाइए। एक क्लिप के लिए उपयोगकर्ता की स्क्रीन कभी मत रोकिए।
इसमें क्रेडिट लगते हैं, और मात्रा मॉडल और सेटिंग्स पर निर्भर करती है। लंबी क्लिप, ऊँचा रेज़ोल्यूशन या भारी मॉडल हल्के मॉडल के छोटे ड्राफ्ट से ज़्यादा लागत लेते हैं। यह पेज संख्याएँ नहीं बताता क्योंकि वे समय के साथ बदलती हैं। प्राइसिंग पेज पर मौजूदा प्लान हैं, और टूलकिट में कुछ क्लिप बनाकर आप देख सकते हैं कि आपकी अपनी सेटिंग्स की लागत कितनी है।
इसे पासवर्ड की तरह मानिए। अपने सर्वर पर सीक्रेट की तरह रखिए, फ्रंट-एंड कोड, सार्वजनिक रिपॉज़िटरी या स्क्रीनशॉट में कभी नहीं, और चैट में साझा मत कीजिए। कुंजी रखने वाला कोई भी आपके क्रेडिट खर्च कर सकता है। अगर लगे कि वह लीक हुई है, तो अपने अकाउंट में नई कुंजी बनाइए और पुरानी का इस्तेमाल बंद कीजिए, फिर अपना क्रेडिट बैलेंस ऐसी गतिविधि के लिए जाँचिए जिसे आप नहीं पहचानते।
रिक्वेस्ट में मॉडल का नाम होता है, इसलिए बदलाव उसी नाम को बदलने से शुरू होता है। पेंच यह है कि मॉडलों के बीच सेटिंग्स अलग होती हैं: अवधि, रेज़ोल्यूशन, ऑडियो और सीड के विकल्प सब पर एक जैसे नहीं हैं। हर मॉडल की अपनी सेटिंग्स एक ही जगह रखिए, नाम बदलिए, क्लिप चलाइए और तुलना कीजिए। हर मॉडल पर छोटा टेस्ट प्रोडक्शन में बेमेल पकड़ने से तेज़ है।
सिर्फ अपनी खुद की छवि या उन लोगों के साथ जिन्होंने साफ सहमति दी हो, और काल्पनिक पात्र हमेशा ठीक हैं। असली और पहचाने जा सकने वाले ऐसे लोगों को जनरेट मत कीजिए जिन्होंने सहमति नहीं दी, और जनरेट की गई क्लिप को किसी हुई घटना की रिकॉर्डिंग की तरह पेश मत कीजिए। अगर कोई क्लिप दर्शकों को भ्रमित कर सकती है कि क्या असली है, तो उसे AI से बनी बताइए और प्रकाशित करने से पहले प्लेटफ़ॉर्म के मौजूदा नियम जाँचिए।
अक्सर हाँ, पर पहले दो चीज़ें जाँचिए। जो कुछ आप डालते हैं, जैसे इमेज या ब्रांड की सामग्री, उसके अधिकार देखिए, और जनरेट किए आउटपुट पर अपने प्लान की शर्तें देखिए। फिर हर क्लिप को बाहर जाने से पहले किसी व्यक्ति से देखवाइए, क्योंकि स्क्रीन पर टेक्स्ट, हाथ और भौतिक विवरण वे जगहें हैं जहाँ वीडियो मॉडल सबसे ज़्यादा चूकते हैं।
पहले वही प्रॉम्प्ट एक बार दोबारा चलाइए, क्योंकि नतीजे हर रन में बदलते हैं। अगर क्लिप करीब है पर ठीक नहीं, तो प्रॉम्प्ट को एक विषय, एक क्रिया और एक कैमरा मूवमेंट तक सीमित कीजिए, या दूसरा मॉडल आज़माइए, जो बस नाम बदलना है। अगर कोई जॉब बार-बार फेल हो या हमारी तरफ कुछ टूटा लगे, तो मॉडल, प्रॉम्प्ट और जब ऐसा हुआ उस समय के साथ सपोर्ट से संपर्क कीजिए।
कोड की एक लाइन लिखने से पहले क्लिप देखना चाहते हैं? टूलकिट खोलिए, एक प्रॉम्प्ट दो मॉडलों में चलाइए और तय कीजिए कि आपकी रिक्वेस्ट को किसका नाम लिखना चाहिए।
अपनी भाषा चुनें
