Vidu Q4 image to video: एक तस्वीर को आवाज़ और संवाद के साथ चलाएं

ज़्यादातर image to video मॉडल आपको बिना आवाज़ का क्लिप देते हैं और आवाज़ का काम आप पर छोड़ देते हैं। Vidu Q4 Preview image to video ऐसा नहीं करता: यह एक तस्वीर और एक प्रॉम्प्ट लेता है और डिफ़ॉल्ट रूप से हरकत के साथ ऑडियो भी लिखता है। इसके पेज के एक उदाहरण में एक टेनिस खिलाड़ी मैच के बाद कैमरे की ओर देखकर एक वाक्य बोलती है, और होंठ शब्दों के साथ चलते हैं। इसे चुनने की वजह यही है। अगर आपको बस किसी नज़ारे पर कुछ सेकंड तैरते बादल चाहिए, तो मॉडल पेज पर कोई सस्ता पड़ोसी वही काम कर देगा।

आप इसे क्या देते हैं

• एक तस्वीर (ज़रूरी)। यही पहला फ़्रेम बनती है, इसलिए कंपोज़िशन, रोशनी और चेहरे यहीं तय होते हैं।
• एक प्रॉम्प्ट (ज़रूरी)। बताएं कि आगे क्या होता है, न कि तस्वीर में पहले से क्या है।
• रिज़ॉल्यूशन। हल्के टेस्ट साइज़ से लेकर बड़े फ़ाइनल साइज़ तक की सूची, डिफ़ॉल्ट एक समझदार बीच का विकल्प।
• अवधि। पूरे सेकंड में एक स्लाइडर। डिफ़ॉल्ट छोटा है; सबसे ऊपर का हिस्सा पूरे बोले गए वाक्य और प्रतिक्रिया के लिए काफ़ी है।
• Generate audio। डिफ़ॉल्ट रूप से चालू। जब क्लिप आपके अपने संगीत के नीचे जाएगा, तब इसे बंद करें।
• Advanced: प्रॉम्प्ट विस्तार (डिफ़ॉल्ट बंद) और सीड।

यह कहां चमकता है

बोलते हुए पोर्ट्रेट और ऐसे छोटे दृश्य जिनमें आवाज़ का कोई स्रोत हो। एक किरदार जो एक वाक्य बोलता है, सीटी बजाने लगी केतली, खिड़की पर बारिश जो सुनाई दे। आवाज़ और तस्वीर एक ही रन से निकलती हैं, इसलिए टाइमिंग अक्सर मेल खाती है: दरवाज़ा तभी बंद होता है जब आप उसके बंद होने की आवाज़ सुनते हैं। मॉडल को साफ़, अच्छी रोशनी वाला शुरुआती फ़्रेम दें जिसमें विषय बड़ा हो, तो यह चेहरे और कपड़ों को आपकी तस्वीर के करीब रखता है, भटकता नहीं।

शुरुआत के लिए तीन प्रॉम्प्ट

शब्दावली किसी भी image to video मॉडल जैसी ही है: एक कैमरा मूव, विषय की एक क्रिया, एक माहौल। मोशन प्रॉम्प्ट शब्दकोश में वे शब्द हैं जो टिकते हैं और वे जो तस्वीर को पिघला देते हैं। यहां नया है आवाज़ का खाना: जो आवाज़ चाहिए उसका नाम लें, और एक ही बार लें।

काम की तरकीबें

• अगर प्रॉम्प्ट ध्यान से लिखा है तो प्रॉम्प्ट विस्तार बंद रखें। यह छोटे प्रॉम्प्ट को लंबा कर देता है, जो एक शब्द वाले आइडिया की मदद करता है पर सटीक प्रॉम्प्ट को बिगाड़ता है, खासकर वह संवाद जिसे आप शब्दशः चाहते हैं।
• ट्यूनिंग के दौरान सीड तय रखें। प्रॉम्प्ट बदलने से पहले अपना सीड नंबर सेट करें, ताकि हर बदलाव ही अकेला बदलाव हो। सीड की व्याख्या बताती है कि इससे रन क्यों बचते हैं।
• अवधि को क्रिया के हिसाब से रखें। पलक झपकने या एक घूंट के लिए छोटा क्लिप, एक वाक्य के लिए लंबा। छोटी क्रिया वाला लंबा क्लिप बाकी समय उस हरकत से भर देता है जो आपने मांगी ही नहीं।

ईमानदार सीमा

यह एक प्रीव्यू मॉडल है, और यह बोलने में दिखता है। साफ़ शब्दों वाले छोटे वाक्य अच्छे आते हैं; लंबे एकालाप, नाम और ज़ोर से बोले गए अंक वहां हैं जहां होंठ और शब्द अलग होने लगते हैं। हर क्लिप में संवाद एक वाक्य तक रखें और लंबी बात को कई क्लिप में बांटें, जिनमें हर एक पिछले क्लिप के आख़िरी फ़्रेम से शुरू हो। और शुरुआती फ़्रेम ही सबसे अहम रहता है: तस्वीर में हाथ और छोटा टेक्स्ट हिलने से बेहतर नहीं होते, इसलिए उन्हें पहले ठीक करें (फ़ोटो से वीडियो की स्टेप बाय स्टेप गाइड बताती है कि फ़्रेम कैसे तैयार करें)।