एक फोटो अपलोड करें, जो मोशन चाहिए उसका वर्णन करें, और कैमरा मूवमेंट, सब्जेक्ट मूवमेंट या दोनों के साथ एक छोटा वीडियो क्लिप वापस पाएं। Kling v2.6, Wan 2.7 I2V, Ray 3.2 और Hailuo 02 जैसे असली इमेज-टू-वीडियो मॉडल पर बना, ताकि मोशन स्लाइडशो जैसा नहीं बल्कि असली फुटेज जैसा दिखे।
शटर क्लिक होते ही एक फोटो रुक जाती है। वीडियो चलता रहता है, और सालों तक एक से दूसरे तक पहुंचने का इकलौता तरीका था उस पल को शुरू से ही फिल्माना। इमेज-टू-वीडियो मॉडल यह फासला बाद में भर देते हैं: आप उन्हें एक फोटो और एक वाक्य देते हैं जो बताता है कि आगे क्या होना चाहिए, और कुछ सेकंड बाद आपके पास चलते कैमरे, चलते सब्जेक्ट या दोनों वाला क्लिप होता है, जो एक ऐसी तस्वीर से बना है जो कभी हिली ही नहीं थी।
आपके पास पहले से मौजूद ज्यादातर फोटो कभी वीडियो के रूप में शूट नहीं हुई थीं, और दोबारा शूट करना अक्सर मुमकिन नहीं होता: शादी खत्म हो चुकी है, प्रोडक्ट सैंपल वापस जा चुका है, फोटो में दिखने वाले दादा-दादी अब नहीं हैं। इमेज-टू-वीडियो जनरेशन आपके पास जो पहले से है उसी से काम करता है। यह तस्वीर को पहले फ्रेम की तरह पढ़ता है और उसे समय में आगे बढ़ाता है, आपके प्रॉम्प्ट में बताए गए मोशन के अनुसार।
Picasso IA इसे कई ऐसे मॉडलों के जरिए चलाता है जो खासतौर पर इसी काम के लिए बनाए गए हैं, जिनमें kwaivgi/kling-v2.6, wan-video/wan-2.7-i2v, luma/ray-3.2 और minimax/hailuo-02 शामिल हैं, ये सभी बिना कुछ इंस्टॉल किए एक ही Toolkit से मिलते हैं। हर मॉडल मोशन को थोड़ा अलग तरीके से संभालता है, इसलिए एक ही फोटो एक मॉडल से धीमे सिनेमैटिक पुश के रूप में और दूसरे से ज्यादा जीवंत सब्जेक्ट एनिमेशन के रूप में वापस आ सकती है; अगर देखना चाहें कि और क्या वीडियो जनरेट करता है तो पूरा कैटलॉग देखने लायक है। नए अकाउंट फ्री क्रेडिट्स के साथ शुरू होते हैं, जो कुछ खर्च करने से पहले कई फोटो टेस्ट करने के लिए काफी हैं।
सबसे बड़ा फैसला यह नहीं है कि कौन सा मॉडल चुनें, बल्कि यह है कि आप किस तरह का मोशन मांग रहे हैं। एक प्रॉम्प्ट जो फोटो के लिए गलत तरह का मूवमेंट बताता है, वह मॉडल की किसी भी सेटिंग से ज्यादा, पहली कोशिश के अकड़ा हुआ या नकली दिखने की सबसे आम वजह है।
| मोशन स्टाइल | क्या लिखें | किसके लिए सबसे अच्छा |
|---|---|---|
| एंबिएंट सिनेमाग्राफ | सिर्फ पानी में लहर उठे और पत्ते हिलें, बाकी सब स्थिर रहे | लैंडस्केप और नेचर फोटो, बैकग्राउंड लूप |
| कैमरा पुश या पैन | धीमा सिनेमैटिक डॉली आगे की ओर, कैमरा एक तरफ से दूसरी तरफ खिसके | प्रोडक्ट शॉट, रियल एस्टेट फोटो, एस्टैब्लिशिंग शॉट |
| सब्जेक्ट मोशन | वह सिर घुमाती है और मुस्कुराती है, हल्की हवा उसके बालों को हिलाती है | पोर्ट्रेट, हेडशॉट, फैमिली फोटो |
| कॉम्बाइंड सीन मोशन | कैमरा धीरे-धीरे घूमता है जबकि डांसर घूमता है और भीड़ तालियां बजाती है | सोशल क्लिप, इवेंट रीकैप, विज्ञापन |
| फर्स्ट-टू-लास्ट-फ्रेम ब्रिज | फूल पूरी तरह खिलता है, पंखुड़ियां एक-एक करके खुलती हैं | पहले-बाद के रिवील, प्रोडक्ट ट्रांसफॉर्मेशन |
अपने प्रॉम्प्ट में पूरे सीन को शुरू से बताने के बजाय इस टेबल से स्टाइल का नाम लेना, आमतौर पर पहली या दूसरी कोशिश में उस चीज़ के करीब पहुंचने का सबसे तेज़ तरीका है जो आपने सोचा था।
कैमरा मोशन और सब्जेक्ट मोशन के जोखिम भी अलग-अलग हैं। कैमरा मोशन सब्जेक्ट को स्थिर रखता है और व्यूपॉइंट को हिलाता है, यह उस समय ज्यादा सुरक्षित विकल्प है जब सब्जेक्ट एक चेहरा हो, क्योंकि चेहरे से कभी बदलने को नहीं कहा जाता। सब्जेक्ट मोशन फ्रेम के अंदर की चीज़ को एनिमेट करता है, जो ज्यादा जोखिम भरा है क्योंकि चेहरे और हाथ ही वे जगहें हैं जहां ये मॉडल अक्सर विकृति डाल देते हैं। दोनों को साथ मिलाना सबसे सिनेमैटिक नतीजा देता है और दूसरी कोशिश की सबसे ज्यादा जरूरत पैदा करता है, इसलिए पहले सिर्फ सब्जेक्ट मोशन वाला वर्जन जनरेट करें ताकि यह पक्का हो सके कि मोशन सही दिख रहा है, फिर उसके ऊपर कैमरा मूवमेंट जोड़ें।
नीचे दिया गया वर्कफ़्लो सिर्फ एक फोटो और मोशन के आइडिया से ज्यादा कुछ नहीं मानता। चाहे सोर्स प्रोडक्ट शॉट हो, पोर्ट्रेट हो, या कोई पुरानी फैमिली फोटो जिसे आप वापस जीवंत कर रहे हों, यह उसी तरह काम करता है।
फोटो-टू-वीडियो प्रॉम्प्ट टेक्स्ट-टू-वीडियो प्रॉम्प्ट से एक संकरा काम करता है: तस्वीर पहले से ही सब्जेक्ट, फ्रेमिंग और लाइटिंग तय कर देती है, इसलिए प्रॉम्प्ट को सिर्फ यह बताना होता है कि क्या बदलता है। इस फर्क को ध्यान में रखना ही एक ऐसे प्रॉम्प्ट को अलग करता है जो कैप्शन जैसा लगता है उससे जो वाकई मोशन को डायरेक्ट करता है।
मूड के बजाय ठोस मूवमेंट का नाम लें: "वह सिर झुकाती है और पलक झपकती है" रीकंस्ट्रक्शन को एनिमेट करने के लिए कुछ ठोस देता है, जबकि "इसे जीवंत बना दो" कुछ स्पष्ट नहीं देता और मॉडल उसी मोशन पर वापस चला जाता है जो उसने सबसे ज्यादा देखा है। हर जनरेशन में एक्शन को एक साफ चीज़ तक सीमित रखें, क्योंकि एक साथ पांच मूवमेंट मांगने वाला प्रॉम्प्ट अक्सर सबको मिलाकर हर एक का छोटा और धुंधला वर्जन बना देता है। जब भी पहली कोशिश विकृत होकर वापस आए, नेगेटिव प्रॉम्प्ट इस्तेमाल करना फायदेमंद है: जो नहीं चाहिए उसका नाम लेना, जैसे एक्स्ट्रा उंगलियां या कांपता हुआ फ्रेम, अगली कोशिश को पॉजिटिव प्रॉम्प्ट फिर से लिखने से बेहतर तरीके से दिशा देता है।
टिप: जब कोई जनरेशन लगभग सही दिखे लेकिन मोशन बहुत तेज़ हो, तो उसे दोबारा लिखने के बजाय बिल्कुल वही प्रॉम्प्ट छोटे ड्यूरेशन ऑप्शन के साथ फिर चलाएं। छोटा क्लिप मॉडल को सोर्स फोटो से भटकने का कम समय देता है, और यह अक्सर सबसे तेज़ फिक्स होता है।
इस टूल के बारे में एक ईमानदार विवरण यह भी बताता है कि यह कहां काम करना बंद कर देता है। एक फोटो को वीडियो में बदलने के लिए, पांच सीमाएं इतनी बार दिखती हैं कि उनकी योजना बनाई जा सके:
इनमें से कुछ भी टूल को खारिज नहीं करता। यह सिर्फ पूरा क्लिप देखे बिना पहले नतीजे को फाइनल मानने से रोकता है।
फैमिली फोटो रेस्टोरेशन वह इस्तेमाल है जिसे लोग सबसे निजी तरीके से बताते हैं: किसी रिश्तेदार की एक फोटो कुछ सेकंड की बनकर आती है जिसमें वह पलक झपकाता या मुस्कुराता है, और कई लोगों के लिए यह सालों में पहली बार होता है जब उन्होंने उस इंसान को हिलते देखा हो। यह पुरानी फोटो की मरम्मत के काम के साथ स्वाभाविक रूप से जुड़ता है, क्योंकि एक साफ किया हुआ स्कैन खरोंच वाले ओरिजिनल से ज्यादा असरदार तरीके से एनिमेट होता है।
रियल एस्टेट और प्रोडक्ट लिस्टिंग वीडियोग्राफर बुक किए बिना एक हीरो फोटो को छोटे एस्टैब्लिशिंग क्लिप में बदलने के लिए कैमरा-मोशन एनिमेशन का इस्तेमाल करती हैं, यह वर्कफ़्लो रियल एस्टेट वीडियो टूर में बताए गए पूरे वॉकथ्रू के साथ जुड़ता है। सोशल मीडिया क्रिएटर स्टैटिक पोर्ट्रेट या प्रोडक्ट फ्लैट-ले को स्क्रॉल रोकने वाली चीज़ में बदलने के लिए सब्जेक्ट मोशन इस्तेमाल करते हैं, अक्सर AI प्रोडक्ट डेमो वीडियो की तकनीकों से बने किसी लंबे पीस के पहले सेकंड के रूप में। और जो कोई किसी एक पर टिकने से पहले टूल्स की तुलना कर रहा है, वह Picasso IA बनाम Kling AI विश्लेषण में देख सकता है कि यहां का मॉडल रेंज किसी सिंगल-मॉडल सर्विस के मुकाबले कैसा है।
ज्यादातर फोटो काम करती हैं, पर नतीजा इस पर निर्भर करता है कि फोटो में क्या दिख रहा है। एक साफ, अच्छी रोशनी वाली फोटो जिसमें सब्जेक्ट पूरी तरह फ्रेम में हो और बहुत छोटा न हो, मॉडल को सबसे ज्यादा काम करने का मौका देती है, और पोर्ट्रेट, प्रोडक्ट और लैंडस्केप भरोसेमंद तरीके से एनिमेट होते हैं। पहले से धुंधली, बहुत ज्यादा क्रॉप की हुई, या असामान्य एंगल से ली गई फोटो थोड़ा अजीब दिखने वाला मोशन बनाती हैं, क्योंकि मॉडल को ऐसी डिटेल का अनुमान लगाना पड़ता है जो ओरिजिनल इमेज में साफ कभी कैद ही नहीं हुई थी।
कोई एक सबसे अच्छा नहीं है, और यही कई मॉडल रखने की वजह है। Kling v2.6 और Hailuo 02 सिर घुमाने या इशारे जैसे नेचुरल सब्जेक्ट मोशन को अच्छे से संभालते हैं और सिंक किया हुआ ऑडियो जोड़ते हैं। Wan 2.7 I2V कंट्रोल्ड ट्रांज़िशन के लिए फर्स्ट और लास्ट फ्रेम दोनों लॉक करने देता है। Ray 3.2 सिनेमैटिक की तरफ झुकता है, HDR आउटपुट और चौड़े शॉट के लिए छह आस्पेक्ट रेशियो के साथ। एक ही फोटो को दो मॉडल से चलाकर तुलना करने में बस कुछ मिनट लगते हैं।
Picasso IA पर ज्यादातर इमेज-टू-वीडियो मॉडल एक रन में 5 या 10 सेकंड के क्लिप जनरेट करते हैं, और कुछ लंबे ऑप्शन को कम रेजोल्यूशन तक सीमित रखते हैं। यह सोशल क्लिप, प्रोडक्ट टीज़र या एक एनिमेटेड पल के लिए काफी है। इससे लंबे किसी भी चीज़ के लिए, प्रैक्टिकल तरीका यह है कि एक जनरेशन से पूरे सीन की उम्मीद करने के बजाय कई छोटे क्लिप जनरेट करके उन्हें एडिटिंग टूल से जोड़ा जाए।
आपको सार्थक कंट्रोल मिलता है, फ्रेम-बाय-फ्रेम कंट्रोल नहीं। आपका प्रॉम्प्ट मोशन की दिशा तय करता है, और कई मॉडल आपको फर्स्ट फ्रेम, लास्ट फ्रेम, या दोनों पिन करने देते हैं, ताकि क्लिप आपकी चुनी हुई इमेज पर खुले और बंद हो। जो आप नहीं कर सकते वह है एनिमेशन सॉफ्टवेयर की तरह हाथ से एक सटीक रास्ता तय करना; मॉडल आपके इंस्ट्रक्शन को समझता है और मोशन खुद भर देता है।
कुछ मॉडल जोड़ते हैं। उदाहरण के लिए Kling v2.6 डिफॉल्ट रूप से वीडियो के साथ सिंक किया हुआ ऑडियो जनरेट करता है, जो स्क्रीन पर हो रही चीज़ से मेल खाता है, और Wan 2.7 I2V आपके खुद अपलोड किए ऑडियो फाइल से मोशन को सिंक कर सकता है। बाकी सिर्फ साइलेंट वीडियो देते हैं। अगर आपके क्लिप के लिए साउंड मायने रखता है, तो जनरेट करने से पहले उस खास मॉडल के ऑप्शन जांच लें, क्योंकि यह मॉडल-दर-मॉडल बदलता है, कोई यूनिवर्सल फीचर नहीं है।
हां कर सकता है, और पहले क्लीनअप पास करना आमतौर पर मदद करता है। खरोंच, फीके रंग या ज्यादा नॉइज़ वाली फोटो मॉडल को एक ज्यादा खुरदुरा स्टार्टिंग फ्रेम देती है, इसलिए जुड़ने वाला मोशन उन खामियों को अपना सकता है। एनिमेट करने से पहले फोटो को पुरानी फोटो की मरम्मत या कलराइजेशन से गुजारना आमतौर पर खराब ओरिजिनल को सीधे एनिमेट करने से ज्यादा स्मूथ और नेचुरल नतीजा देता है।
हां, कुछ मॉडल सीधे एक सेटिंग के रूप में लूपिंग सपोर्ट करते हैं, जिससे बिना दिखने वाले कट के चलने वाला क्लिप बनता है, जो वेबसाइट बैकग्राउंड या एंबिएंट डिस्प्ले के लिए उपयोगी है। बिना बिल्ट-इन लूप ऑप्शन वाले मॉडल में, फर्स्ट और लास्ट फ्रेम को एक ही इमेज सेट करना लगभग वैसा ही असर देता है, क्योंकि मोशन वहीं लौट आता है जहां से शुरू हुआ था।
यह मॉडल पर निर्भर करता है, पर ज्यादातर उन प्लेटफॉर्म को कवर करते हैं जो आप असल में इस्तेमाल करेंगे। आम ऑप्शन 480p से 1080p तक फैले हैं, और आस्पेक्ट रेशियो में आमतौर पर वाइडस्क्रीन के लिए 16:9, वर्टिकल सोशल फॉर्मेट के लिए 9:16, और स्क्वेयर पोस्ट के लिए 1:1 शामिल हैं। तैयार क्लिप को क्रॉप करने के बजाय जनरेट करने से पहले आस्पेक्ट रेशियो सेट करना उस कंपोजिशन को बनाए रखता है जो मॉडल ने असल में सोचा था।
हर जनरेशन क्रेडिट्स में पेड होता है, और सटीक लागत इस पर निर्भर करती है कि आप कौन सा मॉडल, रेजोल्यूशन और ड्यूरेशन चुनते हैं, क्योंकि लंबे या ज्यादा रेजोल्यूशन वाले क्लिप को ज्यादा कंप्यूट चाहिए होता है। नए अकाउंट कुछ भी खर्च करने से पहले यह आजमाने के लिए फ्री क्रेडिट्स पाते हैं, और मौजूदा प्लान प्राइसिंग पेज पर हैं, जो असली आंकड़े के लिए एकमात्र भरोसेमंद जगह है।
पहले दो चीज़ें जांच लें। कि सोर्स फोटो के अधिकार वाकई आपके पास हैं, क्योंकि इमेज को एनिमेट करने से यह नहीं बदलता कि उसमें दिखने वाली चीज़ का मालिक कौन है। और आपके प्लान से जुड़े लाइसेंस टर्म्स, जो तय करते हैं कि आउटपुट कैसे इस्तेमाल हो सकते हैं। किसी भी AI-जनरेटेड कंटेंट की तरह, कमर्शियल क्लिप को शिप करने से पहले उसे इंसानी रिव्यू दें, ठीक वैसे ही जैसे आप किसी लिखे या डिजाइन किए गए एसेट को पब्लिश करने से पहले रिव्यू करते हैं।
सालों से स्थिर पड़ी एक फोटो सिर्फ एक प्रॉम्प्ट दूर है दोबारा हिलने से। Toolkit खोलें, एक फोटो अपलोड करें, और देखें कि कुछ सेकंड का मोशन उसमें क्या जोड़ता है।
