Supercomputer के साथ चैट में अपनी स्क्रिप्ट पेस्ट कीजिए और व्हाइटबोर्ड एक्सप्लेनर माँगिए। वह सीन प्लान करता है, कैटलॉग से इमेज, वीडियो और आवाज़ के मॉडल चुनता है, हर चरण रेंडर करता है और नतीजा दिखाता है, और आप उसी बातचीत में उसे दिशा देते हैं। हाथ से बना लुक एक अनुमान भर है, इसलिए स्क्रीन पर हर तथ्य की जाँच आपके ही हाथ में रहती है।
व्हाइटबोर्ड एक्सप्लेनर इसलिए काम करता है कि एक हाथ हर विचार को खींचता दिखता है जबकि एक आवाज़ उसे समझाती है, और आँख हरकत के साथ चलती रहती है। ऐसा वीडियो बनाने का मतलब पहले था स्टोरीबोर्ड, चित्रण, रिकॉर्डिंग और हाथ से सिंक करना। Supercomputer, यानी चैट वाले एजेंट के साथ, आप स्क्रिप्ट पेस्ट करते हैं, बताते हैं कि क्या चाहिए, और वह सीन प्लान करता है, कैटलॉग से मॉडल चुनता है, हर चरण रेंडर करता है और नतीजा दिखाता है। लुक एक अनुमान है, और स्क्रीन पर हर तथ्य की जाँच आपकी ज़िम्मेदारी है।
ज़्यादातर एक्सप्लेनर टेक्स्ट के रूप में शुरू होते हैं: किसी प्रोडक्ट का विवरण, किसी पाठ की रूपरेखा, या कोई प्रक्रिया जिसे आपकी टीम हर मीटिंग में दोहराती है। टेक्स्ट सटीक होता है पर उसे समझने में समय लगता है। व्हाइटबोर्ड वीडियो रफ़्तार बदल देता है। एक बार में एक विचार आता है, चित्र जानबूझकर सरल रखा जाता है, और नैरेशन तर्क को एक सीन से अगले सीन तक ले जाता है।
महँगा हिस्सा विचार कभी नहीं था। महँगी थी उसके आसपास की प्रोडक्शन की कड़ी: हर सीन का स्केच बनाना, एक जैसे आइकन ढूँढना या बनाना, आवाज़ रिकॉर्ड करना, सब कुछ आपस में मिलाना। मॉडलों का कैटलॉग इनमें से हर काम पहले ड्राफ़्ट में कर सकता है। कमी थी इन सबको जोड़ने वाले की, और वही एजेंट का काम है। आप तैयार वीडियो को एक बार उन्हीं शब्दों में बताते हैं जो किसी सहकर्मी से कहते, और एजेंट उसे सीन में बाँटता है, हर चरण को एक मॉडल देता है और उनके बीच कड़ी बनाए रखता है।
Supercomputer वेब ऐप के अंदर एक चैट है। यह toolkit से अलग प्रोडक्ट है, जो मैन्युअल वर्कस्पेस है जहाँ मॉडल आप खुद चुनते हैं। चैट में आपको पहले से कुछ नहीं चुनना पड़ता: आप मनचाहा नतीजा आसान शब्दों में बताते हैं, और एजेंट काम प्लान करता है, 502 मॉडलों के कैटलॉग से मॉडल चुनता है, चरण रेंडर करता है और नतीजा दिखाता है। फिर आप उसी बातचीत में उसे दिशा देते हैं।
व्हाइटबोर्ड एक्सप्लेनर के लिए प्लान में आमतौर पर चार हिस्से होते हैं। स्क्रिप्ट सीन में बाँटी जाती है। हर सीन को टेक्स्ट-टू-इमेज मॉडल से एक सरल चित्र मिलता है। हर चित्र को वीडियो मॉडल एक छोटी क्लिप में चलाता है। और टेक्स्ट-टू-स्पीच मॉडल नैरेशन पढ़ता है। कौन से मॉडल काम करें, यह एजेंट तय करता है, और वह बताता है कि उसने क्या चुना, इसलिए नतीजा चूकने पर आप दूसरा मॉडल माँग सकते हैं।
Supercomputer वही मॉडल और वही क्रेडिट सिस्टम इस्तेमाल करता है जो toolkit में है। हर जनरेशन में क्रेडिट लगते हैं, मात्रा मॉडल और सेटिंग पर निर्भर करती है, और प्राइसिंग पेज पर प्लान मिलते हैं। उसे किसी API key की ज़रूरत नहीं, क्योंकि वह वेब ऐप में चैट है। नए खातों को मुफ़्त क्रेडिट मिलते हैं, जो लंबी स्क्रिप्ट पर जाने से पहले एक छोटी स्क्रिप्ट आज़माने के लिए काफ़ी हैं।
ईमानदार बात: हाथ से बना लुक नकल है, रिकॉर्डिंग नहीं। वीडियो मॉडल ऐसे फ़्रेम बनाते हैं जो बोर्ड पर उभरते मार्कर स्केच जैसे दिखते हैं। वे आपके नैरेशन की लय में असली कलम की रेखा को एक-एक करके नहीं खींचते, इसलिए नतीजे को हाथ से बने स्टाइल की तरह लीजिए, लाइव ड्रॉइंग की तरह कभी नहीं।
व्हाइटबोर्ड वीडियो एक ही लुक नहीं, लुक का एक परिवार है। पहले संदेश में लुक का नाम बताना सबसे ज़्यादा रीवीज़न बचाता है, क्योंकि मॉडल अकेले व्हाइटबोर्ड शब्द की तुलना में ठोस दृश्य शब्दों पर कहीं बेहतर प्रतिक्रिया देते हैं। नीचे वे तरीके हैं जो अच्छे चलते हैं, और हर एक में किस पर नज़र रखनी है।
| तरीका | चित्र कैसा दिखता है | किसके लिए सबसे अच्छा | किससे सावधान रहें |
|---|---|---|---|
| सफ़ेद बोर्ड पर मार्कर स्केच | काले मार्कर की रेखाएँ और एक एक्सेंट रंग, सरल स्टिक फ़िगर, सादा सफ़ेद बैकग्राउंड | प्रक्रिया समझाने, सेल्स पिच | सीन के बीच चेहरे और हाथ बदल सकते हैं |
| कागज़ पर काली स्याही की लाइन आर्ट | बारीक कलम की रेखाएँ, थोड़ी शेडिंग, ऑफ़-व्हाइट कागज़ की बनावट | पाठ, इतिहास, कहानी | क्लिप छोटी होने पर डिटेल धुँधली दिखती है |
| एक रंग की छाप वाले डूडल आइकन | सपाट हाथ से बने आइकन, एक या दो चटक भराव | ऑनबोर्डिंग, फ़ीचर वॉकथ्रू | स्टाइल विवरण तय न करें तो आइकन दोहराए जाते हैं |
| लेबल वाला डायग्राम और फ़्लो | साफ़ बोर्ड पर बॉक्स, तीर और छोटे लेबल | सिस्टम, वर्कफ़्लो, तुलनाएँ | बनाया गया अक्षर भरोसेमंद नहीं, इसलिए लेबल छोटे रखें |
| कट-आउट रिवील | तैयार चित्र को पोंछता या गुज़रता हाथ या मार्कर उजागर करता है | छोटे सोशल एक्सप्लेनर | हाथ ही वह चीज़ है जिसमें मॉडल सबसे ज़्यादा चूकते हैं |
कोई भी लुक चुनें, दो आदतें मदद करती हैं। पहली, हर सीन में सादा बैकग्राउंड माँगिए, ताकि चित्र ड्रॉइंग की तरह पढ़े जाएँ, पूरे दृश्य की तरह नहीं। दूसरी, एक स्टाइल वाक्य रखिए और उसे हर सीन के प्रॉम्प्ट में शब्दशः दोहराइए, या एजेंट से कहिए कि वह आपके लिए ऐसा करे।
यह तैयार स्क्रिप्ट से ऐसे कट तक का रास्ता है जिसकी आप समीक्षा कर सकें। मान लिया गया है कि आपके पास सिर्फ़ स्क्रिप्ट है।
Picasso IA पर काम कैटलॉग के उन मॉडलों में बँटता है जिन्हें आप toolkit से पहचान लेंगे: बने हुए सीन के लिए nano-banana, seedream-4.5 और ideogram-v3-quality जैसे इमेज मॉडल, गति के लिए veo-3.1, kling-v3-video और seedance-2.0 जैसे वीडियो मॉडल, और नैरेशन के लिए speech-2.8-hd जैसा आवाज़ का मॉडल। चैट में आप किसी को नाम लेकर माँग सकते हैं, या चुनाव एजेंट पर छोड़ सकते हैं।
ज़्यादातर कमज़ोर व्हाइटबोर्ड वीडियो ब्रीफ़ में चूकते हैं, मॉडल में नहीं। पढ़ने के लिए लिखी स्क्रिप्ट और खींचने के लिए लिखी स्क्रिप्ट एक नहीं होतीं। हर वाक्य को बोर्ड पर रखने के लिए कुछ ठोस चाहिए, और जो वाक्य कोई दिखने वाली चीज़ नहीं बताते वे भराव वाले सीन बन जाते हैं। पेस्ट करने से पहले हर बिना चित्र वाली पंक्ति पर निशान लगाइए और उसे किसी वस्तु के आसपास दोबारा लिखिए।
ये आदतें ज़्यादातर काम कर देती हैं:
यही अनुशासन आवाज़ पर भी लागू होता है। सपाट पढ़ाई अच्छे चित्र को भी धीमा बना देती है। अगर नैरेशन कमज़ोर कड़ी है, तो वीडियो के लिए AI वॉइसओवर पेज आवाज़ के चुनाव पर ज़्यादा विस्तार से बात करता है, और वीडियो के ऑटोमैटिक सबटाइटल सबटाइटल को कवर करता है, जिन पर बहुत से दर्शक निर्भर होंगे क्योंकि वे बिना आवाज़ के देखते हैं।
जो पेज किसी फ़ॉर्मेट को बेचता है उसे यह भी बताना चाहिए कि वह कहाँ रुक जाता है। यहाँ ठोस सीमाएँ हैं, और उनमें से कुछ तय करती हैं कि यह फ़ॉर्मेट आपके प्रोजेक्ट में बैठता भी है या नहीं।
गति बनाई जाती है, हाथ से खींची नहीं जाती। असली व्हाइटबोर्ड वीडियो खींचते हुए हाथ की रिकॉर्डिंग होता है, इसलिए रेखा ठीक वहीं बढ़ती है जहाँ वक्ता इशारा करता है। मॉडल ऐसे फ़्रेम बनाता है जो उभरते स्केच का आभास देते हैं, और ड्रॉइंग तथा आपके वाक्य के बीच की टाइमिंग अनुमानित होती है। अगर कोई सीन किसी एक सटीक शब्द पर रेखा के उभरने पर निर्भर है, तो उसे एडिटर में काटने या दोबारा बैठाने की उम्मीद रखिए।
तथ्य वाले कंटेंट को इंसान चाहिए। एजेंट आपकी स्क्रिप्ट को चित्रों में रख सकता है, पर बनी हुई आकृति ग़लत संख्या या ऐसी वस्तु दिखा सकती है जो होती ही नहीं, और बोर्ड पर बना कोई भी शब्द ग़लत वर्तनी में आ सकता है, उतने ही भरोसे के साथ जितने भरोसे से सही शब्द आता है। सेहत, पैसे, क़ानून या सुरक्षा के विषयों में वीडियो को ड्राफ़्ट मानिए जिसे साझा करने से पहले कोई योग्य पेशेवर देखे।
जनरेट करने में समय भी लगता है और क्रेडिट भी। लंबा एक्सप्लेनर यानी बहुत सी इमेज, बहुत सी क्लिप और एक आवाज़ का ट्रैक, इसलिए हर सीन और हर दोबारा बनाने के साथ लागत बढ़ती है, और मॉडल क्लिप की लंबाई, गुणवत्ता और लागत में अलग-अलग हैं। लंबा काम प्लान करने से पहले मॉडल पेज देख लीजिए। और लोगों के बारे में: सिर्फ़ अपना चेहरा, अपनी आवाज़ या काल्पनिक पात्र इस्तेमाल कीजिए। किसी असली, पहचाने जा सकने वाले व्यक्ति को उसकी अनुमति के बिना न बनाइए, न उसकी आवाज़ की नकल कीजिए।
वह व्हाइटबोर्ड स्टाइल में वीडियो बना सकता है, जो असली चीज़ का करीबी रिश्तेदार है। Supercomputer आपकी स्क्रिप्ट को सीन में बाँटता है, चित्र बनाता है, उन्हें छोटी क्लिप में चलाता है और नैरेशन जोड़ता है। जो वह नहीं करता, वह है हर शब्द की लय में असली हाथ को खींचते हुए फ़िल्माना। जाँच लेने के बाद ज़्यादातर ट्रेनिंग, पिच और पाठ के कामों के लिए यह काफ़ी है।
यह नकल है। इमेज मॉडल मार्कर या स्याही के स्केच जैसे चित्र बनाते हैं, और वीडियो मॉडल उन्हें ऐसे चलाते हैं कि रेखाएँ उभरती लगें। कोई भी असली समय में बोर्ड पर कलम नहीं चला रहा। अगर दर्शकों को सिर्फ़ स्केच की गई व्याख्या की स्पष्टता चाहिए, तो यह लुक काम पूरा कर देता है।
नहीं। Supercomputer वेब ऐप में चैट है, इसलिए कुछ सेट करना नहीं है और कोई key बनानी नहीं है। आप बातचीत में बताते हैं कि कौन सा वीडियो चाहिए और एजेंट प्लानिंग संभाल लेता है। आपके खाते की key सिर्फ़ API या MCP सर्वर के लिए मायने रखती है, और key को पासवर्ड की तरह सँभालना चाहिए।
एजेंट हर चरण के लिए कैटलॉग से मॉडल चुनता है: बने हुए सीन के लिए टेक्स्ट-टू-इमेज मॉडल, गति के लिए वीडियो मॉडल और नैरेशन के लिए टेक्स्ट-टू-स्पीच मॉडल। संभावित नामों में nano-banana, seedream-4.5, veo-3.1, kling-v3-video, seedance-2.0 और speech-2.8-hd हैं। नतीजा चूके तो आप दूसरा मॉडल माँग सकते हैं।
इसमें क्रेडिट लगते हैं, और मात्रा हर इमेज, क्लिप और आवाज़ के ट्रैक के मॉडल और सेटिंग पर निर्भर करती है, इसलिए ज़्यादा सीन वाली लंबी स्क्रिप्ट में ज़्यादा लगते हैं। नए खातों को छोटी स्क्रिप्ट आज़माने के लिए मुफ़्त क्रेडिट मिलते हैं, और मौजूदा आँकड़ों के लिए प्राइसिंग पेज भरोसेमंद जगह है।
हाँ। toolkit आज वही कैटलॉग चलाता है, इसलिए आप इमेज मॉडल पर सीन का प्रॉम्प्ट, वीडियो मॉडल पर एनिमेशन का प्रॉम्प्ट और टेक्स्ट-टू-स्पीच मॉडल पर एक आवाज़ आज़मा सकते हैं और देख सकते हैं कि हर एक क्या बनाता है। यह सीखने का अच्छा तरीका है कि कौन से स्टाइल शब्द चलते हैं, और जो मिले उसे संदर्भ के रूप में चैट में डाला जा सकता है।
काफ़ी हद तक, अगर आप मदद करें। मॉडल अपने आप कोई स्टाइल याद नहीं रखते, इसलिए भरोसेमंद तरीका है रेखा की मोटाई, रंग और बैकग्राउंड वाला एक स्टाइल वाक्य तय करना और हर सीन में उसे दोहराना, या एजेंट से उसे बनाए रखने को कहना। चेहरे और हाथ बदल सकते हैं, इसलिए आकृतियाँ सरल रखिए और कभी-कभार कोई सीन दोबारा बनाने की उम्मीद रखिए।
हर क्लिप उतनी लंबी होती है जितनी वीडियो मॉडल अनुमति दे, और मॉडल अलग-अलग हैं, इसलिए लंबा एक्सप्लेनर सीन के बीच जुड़ी छोटी क्लिपों की कड़ी होता है। अध्यायों में प्लान कीजिए और उसी चैट में उन्हें एक-एक करके मंज़ूर कीजिए, और सीमाओं के लिए मॉडल पेज देखिए।
सिर्फ़ अपना चेहरा और अपनी आवाज़, या काल्पनिक पात्र। किसी असली, पहचाने जा सकने वाले व्यक्ति को उसकी अनुमति के बिना बनाना या उसकी आवाज़ की नकल करना ऐसा काम नहीं है जिसकी यह पेज सलाह देता है, और इससे असली नुकसान हो सकता है। सरल स्टिक फ़िगर बिना किसी व्यक्तिगत समानता के कहानी आगे बढ़ा देते हैं।
आप आमतौर पर जो बनाते हैं उसे साझा कर सकते हैं, पर हर प्लेटफ़ॉर्म के जनरेट किए गए मीडिया, डिस्क्लोज़र और मोनेटाइज़ेशन के अपने नियम हैं, और वे बदलते रहते हैं, इसलिए प्रकाशित करने से पहले जिस प्लेटफ़ॉर्म पर डाल रहे हैं उसकी मौजूदा ज़रूरतें देख लीजिए। कोर्स या कंपनी की ट्रेनिंग के लिए पहले कंटेंट की समीक्षा कीजिए।
अपनी स्क्रिप्ट को बने हुए एक्सप्लेनर में देखने के लिए तैयार हैं? उसी कैटलॉग पर आज ही सीन और आवाज़ें आज़माने के लिए toolkit खोलिए, या अपना सवाल सपोर्ट से पूछिए।
अपनी भाषा चुनें
