केस स्टडी
AI इमेज आपके दो लोगों के सीन में एक और इंसान क्यों जोड़ देती है
एक क्लाइंट की वीडियो टीम दो लोगों की बातचीत वाला विज्ञापन बनाना चाहती थी। AI इमेज टूल वही इंसान बना देता था जिसे हर स्पीकर देख रहा था, तो कट में चार लोग दिखते। फ्रेमिंग बताने से, यह बताने से नहीं कि कौन नहीं होना चाहिए, यह ठीक हुआ।
मुख्य बातें
- AI इमेज वही बनाती है जो आपका विवरण कहता है, इसलिए फ्रेम से बाहर किसी के बारे में एक वाक्यांश तस्वीर में अजनबी ला सकता है।
- एक इंसान को अकेला रखने के लिए फ्रेमिंग बताएँ: three-quarter मुड़ाव, चेहरे के आगे खुली जगह, और किनारों पर किसी और की जगह जगह।
- दो लोगों की बातचीत में हर स्पीकर दूसरे की ओर देखे, लेंस में नहीं, और कट के दोनों तरफ़ दिशाएँ मेल खाएँ।
- लंबे AI वीडियो सीन थोड़ी-थोड़ी क्लिप में माँगें, हर एक पूरी होते ही अगली माँगें, और फेल हुई क्लिप पर फ़ैसला किसी इंसान का हो।
एक क्लाइंट की इन-हाउस वीडियो टीम अब दो लोगों की बातचीत वाला विज्ञापन उसी स्टूडियो में बना सकती है जो वह रोज़ इस्तेमाल करती है, जिसमें हर स्पीकर अकेला बनाया जाता है और दूसरे की ओर देखता है। बातचीत वाला फीचर टीम के कहने के एक दिन के भीतर बन गया, और तस्वीरों के सुधार भी उसी दिन आए। जो समस्या हल हुई वह वही है जो आपके सामने आती है जब भी कोई AI इमेज उस सीन में एक और इंसान जोड़ देती है जिसमें आपने दो लोग सोचे थे: टूल आपके इरादे को नहीं, आपके विवरण के शब्दों को बनाता है।
बातचीत वाली शुरुआत तभी काम करती है जब दोनों लोग असली लगें
बातचीत वीडियो विज्ञापन शुरू करने के सबसे मज़बूत तरीकों में से एक है, और यह तुरंत फेल हो जाती है अगर दोनों लोग ऐसे न लगें कि वे एक ही जगह के हैं। शुरुआती कुछ सेकंड तय करते हैं कि कोई देखता रहेगा या नहीं। यह तभी काम करता है जब एक ही लोग एक ही जगह हों और हर एक दूसरे की ओर देख रहा हो।
ऐसा कट जिसमें अचानक अजनबी दिखें, या ऐसा सीन जो बीच में ही stock footage पर आ जाए, इसे तोड़ देता है। क्लाइंट की टीम ने अपनी बातचीत एक अलग AI टूल में हाथ से बनाई थी। स्पीकर की आवाज़ मुख्य विज्ञापन के प्रेज़ेंटर जैसी नहीं थी, और दोनों हिस्से आपस में मेल नहीं खाते थे।
AI इमेज आपके दो लोगों के सीन में एक और इंसान क्यों जोड़ देती है
AI इमेज टूल आपके विवरण के हर शब्द को बनाने की चीज़ मानता है, इसलिए किसी ऐसे इंसान की ओर देखते व्यक्ति की माँग करने पर जो फ्रेम के किनारे से थोड़ा बाहर है, टूल को बनाने के लिए एक इंसान मिल जाता है। फिर कंधे के पीछे या स्पीकर के बगल में कोई अजनबी आ जाता है।
यह लिखना कि तस्वीर में कोई और नहीं है, मदद नहीं करता। वह शब्द फिर भी विवरण में एक और इंसान डाल देता है। यही सिद्धांत वीडियो पर भी लागू होता है जब आप एक साथ उतनी क्लिप माँगते हैं जितनी टूल बना नहीं सकता: देर वाली क्लिप तय समय से आगे रुक सकती हैं और फेल हो जाती हैं।
पहली लाइव तस्वीरों ने क्या दिखाया
लाइव स्टूडियो पर बनी पहली तस्वीरों में वही इंसान जुड़ गया जिसे हर स्पीकर देख रहा था। कंधे के पीछे एक अजनबी दिखा, स्पीकर के बगल में एक महिला खड़ी थी, और जिस आदमी से वह बात कर रहा था उसके बगल में एक और आदमी खड़ा था। दोनों के बीच का कट दो की जगह चार लोग दिखाता।
हमने एक लाइन जोड़ी कि तस्वीर में कोई और नहीं है। अगली तस्वीरों में फिर भी कंधे के पीछे एक इंसान दिखा।
दूसरी गड़बड़ तब आई जब टीम ने लंबी बातचीत बनाई। दूसरे स्पीकर की हर लाइन एक ही पल भेजी गई। वीडियो टूल ने जितनी क्लिप एक साथ बना सका बनाईं, और आखिरी लाइनें एक क्लिप के तय समय से आगे रुककर फेल हो गईं। तैयार विज्ञापन में उन लाइनों की जगह स्टैंड-इन stock क्लिप दिखीं।
हमने क्या बदला
हमने यह बताना बंद किया कि तस्वीर में कौन नहीं होना चाहिए, और वह फ्रेमिंग बताई जिसमें सिर्फ़ एक इंसान के लिए जगह बचती है। अब हर इंसान को थोड़ा एक तरफ़ मुड़ा हुआ, three-quarter view में, उसी दिशा में देखता हुआ, केंद्र से हटकर, चेहरे के आगे खुली जगह के साथ, और फ्रेम के किनारों पर जगह दिखाते हुए बताया जाता है, लोग नहीं। सवाल पूछने वाला दाएँ देखता है; जवाब देने वाला बाएँ। इस तरह बनाए जाने पर हर एक अकेला निकला, और दोनों कट पर बातचीत की तरह जुड़ गए।
स्टूडियो अब बातचीत की स्क्रिप्ट वैसे पढ़ता है जैसे कोई पटकथा लेखक लिखता है: हर बारी की शुरुआत में कौन बोलता है, और स्टेज निर्देश ब्रैकेट में रहते हैं ताकि कोई नाम या निर्देश पढ़कर न बोले। हर रोल किसी प्रेज़ेंटर को दिया जाता है, और टीम की स्क्रीन पर लिखा रहता है कि कौन किसका रोल निभाता है; जब तक किसी रोल में कोई न हो, विज्ञापन मंज़ूर नहीं हो सकता। हर इंसान बातचीत की जगह में बनाया जाता है, या अपनी अलग जगह में जब स्क्रिप्ट ऐसा कहे, और प्रोडक्शन तब तक रुकता है जब तक हर तस्वीर तैयार न हो।
दूसरे स्पीकर की लाइनें थोड़ी-थोड़ी माँगी जाती हैं, और अगली तब माँगी जाती है जब हर एक पूरी हो या फेल हो, ताकि कोई अपनी सीमा से आगे न रुके। जो लाइन फिर भी फेल हो, उसे किसी इंसान के फ़ैसले के लिए छोड़ा जाता है, चुपचाप stock footage से नहीं बदला जाता। पुराने विवरण से बनी तस्वीरें दोबारा इस्तेमाल की जगह फिर से बनाई जाती हैं।
अब बिज़नेस के पास क्या है
क्लाइंट की टीम अब बातचीत वाले विज्ञापन उसी स्टूडियो में बनाती है जो वह रोज़ इस्तेमाल करती है। फ्रेमिंग बदलने के बाद से हर स्पीकर अकेला निकलता है और सही दिशा में देखता है। लंबी बातचीत अब एक-एक लाइन करके फिल्माई जाती है, बिना किसी stock स्टैंड-इन के।
देर वाली लाइनों का सुधार कुछ दिन बाद आया, उसी दिन जब टीम ने लंबी बातचीत बनाई।
आप खुद क्या जाँच सकते हैं
- दो लोगों के सीन के हर कट को अलग से देखें। लोगों को गिनें और देखें कि हर एक कहाँ देख रहा है: कैमरे की ओर मुड़ा चेहरा, या किनारे पर तीसरी शक्ल, एक संकेत है।
- जब कोई AI तस्वीर बार-बार कुछ जोड़ती रहे, तो अपने विवरण में वह शब्द ढूँढें जो उसे सुझाता हो, चाहे वह किसी ना के भीतर हो। एक और मनाही जोड़ने की जगह फ्रेमिंग फिर से लिखें।
- तैयार AI वीडियो को अंत तक देखें। अगर कोई स्पीकर stock footage से बदला हुआ है, तो कोई क्लिप बिना किसी के फ़ैसले के फेल हुई है।
- अपने वीडियो टूल से पूछें कि वह एक साथ कितनी क्लिप बना सकता है और एक क्लिप हार मानने से पहले कितना समय ले सकती है। एक बैच में भेजा गया सीन उस सीमा से आगे जा सकता है।
आगे क्या करें
उस शॉट से शुरू करें जो गलत लग रहा है, न कि एक और लाइन से जो टूल को बताए कि किससे बचना है। अगर दो लोगों को एक-दूसरे की ओर देखना है, तो हर शॉट में सिर का मुड़ाव और चेहरे के आगे की जगह बताएँ। हर स्पीकर की लाइनें उसी स्पीकर के साथ रखें, और लंबे सीन को छोटे बैचों में आगे बढ़ाएँ।
अगर आपकी टीम AI प्रेज़ेंटर के साथ वीडियो विज्ञापन बनाती है और ऐसी दो लोगों की बातचीत चाहती है जो जुड़ी हुई लगे, तो यह वैसा ही काम है जो हमारे इंजीनियर क्लाइंट्स के लिए करते हैं।
लोग जो पूछते हैं
मेरी AI इमेज वह इंसान क्यों जोड़ती रहती है जिसे मैंने माँगा नहीं?
टूल आपका इरादा नहीं पढ़ रहा; वह आपके शब्द बना रहा है। अगर विवरण में फ्रेम से थोड़ा बाहर किसी का ज़िक्र है, तो टूल के पास उस इंसान को बनाने की वजह है। यह कहना कि कोई और नहीं है, फिर भी विवरण में एक और इंसान डाल सकता है। इसकी जगह उस एक इंसान की फ्रेमिंग बताएँ।
क्या AI इमेज टूल से किसी को न बनाने को कहना काम करता है?
यह भरोसेमंद नहीं है। मनाही भी उस चीज़ का नाम लेती है, और इमेज टूल उन शब्दों को बनाने की सामग्री मानता है। यहाँ के काम में, यह लिखने पर भी कि तस्वीर में कोई और नहीं है, कंधे के पीछे एक इंसान बन गया। जो बदलाव काम आया वह था विषय का मुड़ाव, जगह और चेहरे के आसपास की खुली जगह बताना।
दो AI प्रेज़ेंटर को एक-दूसरे से बात करते जैसा कैसे बनाऊँ?
हर प्रेज़ेंटर को अकेला, दूसरे की ओर देखते हुए बनाएँ, और दोनों शॉट काटकर जोड़ें। सवाल पूछने वाला एक दिशा में देखे और जवाब देने वाला उलटी दिशा में, एक ही जगह पर और एक जैसे लुक के साथ। अगर सीन दोनों के बीच बातचीत है तो किसी को भी लेंस में नहीं देखना चाहिए। हर लाइन अपने स्पीकर के साथ रखें ताकि आवाज़ें और चेहरे मेल खाते रहें।
मेरे AI वीडियो की कुछ लाइनें stock footage में क्यों बदल गईं?
लंबा सीन शायद एक ही बार में भेजा गया था। वीडियो सेवा एक साथ सिर्फ़ कुछ क्लिप बना सकती है, इसलिए देर वाली लाइनें तय समय से आगे रुककर फेल हो सकती हैं। अगर फेल हुई लाइन अपने आप बदल दी जाए, तो तैयार विज्ञापन में स्पीकर की जगह stock footage दिख सकता है। लाइनें थोड़ी-थोड़ी माँगें और फेल हुई लाइन का क्या हो, यह किसी इंसान से तय कराएँ।
मैं एक साथ कितनी AI वीडियो क्लिप माँग सकता हूँ?
यह सीमा आपकी वीडियो सेवा की है, इसलिए अंदाज़ा लगाने की जगह उसकी देखभाल करने वाले से पूछें। लंबा सीन छोटे बैचों में भेजें और हर क्लिप पूरी होते ही अगली शुरू करें। इससे देर वाली लाइनें सीमा से आगे नहीं रुकतीं।