کیس اسٹڈی
AI تصویر آپ کے دو افراد کے منظر میں ایک اضافی شخص کیوں شامل کرتی ہے
ایک گاہک کی ویڈیو ٹیم دو افراد کی گفتگو والا اشتہار بنانا چاہتی تھی۔ AI تصویر کا ٹول ہر بار وہ شخص بنا دیتا جسے بولنے والا دیکھ رہا تھا، چنانچہ کٹ میں چار لوگ نظر آنے تھے۔ فریمنگ بیان کرنے سے، یہ بتانے کے بجائے کہ کون نہیں ہونا چاہیے، مسئلہ حل ہو گیا۔
اہم نکات
- AI تصویر وہی بناتی ہے جو آپ کی تفصیل کہتی ہے، چنانچہ فریم سے باہر کسی شخص کا ذکر تصویر میں کوئی اجنبی ڈال سکتا ہے۔
- ایک شخص کو اکیلا رکھنے کے لیے فریمنگ بیان کریں: تین چوتھائی مڑا ہوا، چہرے کے سامنے کھلی جگہ، اور ایسے کنارے جو جگہ دکھائیں، کوئی اور شخص نہیں۔
- دو افراد کی گفتگو کے لیے ضروری ہے کہ ہر بولنے والا دوسرے کی طرف دیکھے، لینز میں نہیں، اور کٹ کے دونوں طرف سمتیں میل کھائیں۔
- لمبے AI ویڈیو مناظر چند کلپس کے حساب سے منگوائیں، ہر ایک مکمل ہونے پر اگلی مانگیں، اور ناکام کلپ کا فیصلہ کسی شخص کا ہونا چاہیے۔
ایک گاہک کی اندرونی ویڈیو ٹیم اب اسی اسٹوڈیو میں دو افراد کی گفتگو والا اشتہار بنا سکتی ہے جو وہ روز استعمال کرتی ہے، جس میں ہر بولنے والا اکیلا بنا ہوا دوسرے کی طرف دیکھ رہا ہوتا ہے۔ گفتگو کی سہولت ٹیم کے کہنے کے ایک دن کے اندر بن گئی، اور تصویروں کی اصلاحات بھی اسی دن کے اندر ہوئیں۔ اس نے جو مسئلہ حل کیا وہ وہی ہے جو آپ کو ہر اس موقع پر پیش آتا ہے جب AI تصویر کسی ایسے منظر میں ایک اضافی شخص شامل کر دیتی ہے جو آپ نے دو کے لیے سوچا تھا: ٹول آپ کی نیت نہیں، آپ کی تفصیل کے الفاظ بناتا ہے۔
گفتگو کا آغاز صرف اسی وقت کام کرتا ہے جب دونوں لوگ حقیقی لگیں
گفتگو ویڈیو اشتہار شروع کرنے کے سب سے مضبوط طریقوں میں سے ایک ہے، اور یہ فوراً ناکام ہو جاتی ہے اگر دونوں لوگ ایسے نہ لگیں جیسے وہ ایک ہی جگہ کے ہوں۔ پہلے چند سیکنڈ ہی طے کرتے ہیں کہ کوئی دیکھتا رہے گا یا نہیں۔ یہ صرف اسی وقت کام کرتا ہے جب ایک ہی لوگ ایک ہی جگہ ہوں اور ہر ایک دوسرے کی طرف دیکھ رہا ہو۔
ایسی کٹ جو اچانک اجنبی دکھا دے، یا ایسا منظر جو بیچ میں ہی اسٹاک فوٹیج پر آ جائے، سب کچھ بگاڑ دیتا ہے۔ گاہک کی ٹیم نے اپنی گفتگو ایک الگ AI ٹول میں ہاتھ سے بنائی تھی۔ بولنے والا مرکزی اشتہار کے پیش کنندہ جیسا نہیں لگتا تھا، اور دونوں حصے آپس میں میل نہیں کھاتے تھے۔
AI تصویر آپ کے دو افراد کے منظر میں ایک اضافی شخص کیوں شامل کرتی ہے
AI تصویر کا ٹول آپ کی تفصیل کے ہر لفظ کو بنانے کی چیز سمجھتا ہے، چنانچہ کسی ایسے شخص کی طرف دیکھنے والا شخص مانگنا جو فریم کے کنارے سے بالکل باہر ہو، ٹول کو بنانے کے لیے ایک شخص دے دیتا ہے۔ پھر کوئی اجنبی کندھے کے اوپر، یا بولنے والے کے پاس نمودار ہو جاتا ہے۔
یہ لکھنا کہ تصویر میں کوئی اور نہیں، مدد نہیں کرتا۔ یہ لفظ پھر بھی تفصیل میں ایک اور شخص ڈال دیتا ہے۔ یہی اصول ویڈیو پر بھی لاگو ہوتا ہے جب آپ ایک وقت میں اتنی کلپس مانگتے ہیں جتنی ٹول بنا نہیں سکتا: دیر والی کلپس مقررہ وقت سے آگے انتظار کر کے ناکام ہو سکتی ہیں۔
پہلی لائیو تصویروں نے کیا دکھایا
لائیو اسٹوڈیو پر بنی پہلی تصویروں نے وہی شخص شامل کر دیا جسے ہر بولنے والا دیکھ رہا تھا۔ کندھے کے اوپر ایک اجنبی نمودار ہوا، بولنے والے کے پاس ایک عورت کھڑی ہوئی، اور ایک مرد اپنے ساتھ بات کرنے والے مرد کے پاس کھڑا ہو گیا۔ دونوں کے درمیان کٹ دو کے بجائے چار لوگ دکھاتی۔
ہم نے ایک سطر شامل کی کہ تصویر میں کوئی اور نہیں۔ اگلی تصویروں میں پھر بھی کندھے کے اوپر ایک شخص نظر آیا۔
دوسری خرابی اس وقت سامنے آئی جب ٹیم نے لمبی گفتگو بنائی۔ دوسرے بولنے والے کی ہر سطر ایک ہی لمحے بھیجی گئی۔ ویڈیو ٹول نے جتنی کلپس ایک وقت میں بنا سکتا تھا بنائیں، اور آخری سطریں کلپ کے مقررہ وقت سے آگے انتظار کر کے ناکام ہو گئیں۔ مکمل اشتہار میں ان سطروں کی جگہ متبادل اسٹاک کلپس نظر آئیں۔
ہم نے کیا بدلا
ہم نے یہ بتانا چھوڑ دیا کہ تصویر میں کون نہیں ہونا چاہیے، اور وہ فریمنگ بیان کرنا شروع کی جو صرف ایک شخص کے لیے جگہ چھوڑتی ہے۔ اب ہر شخص کو یوں بیان کیا جاتا ہے: تھوڑا ایک طرف مڑا ہوا، تین چوتھائی زاویے میں، اسی طرف دیکھتا ہوا، مرکز سے ہٹ کر، چہرے کے سامنے کھلی جگہ کے ساتھ، اور فریم کے کناروں میں جگہ نظر آئے، لوگ نہیں۔ پوچھنے والا دائیں دیکھتا ہے؛ جواب دینے والا بائیں۔ اس طرح بنائے جانے پر ہر ایک اکیلا نکلا، اور دونوں مل کر گفتگو کی طرح کٹ ہوئے۔
اسٹوڈیو اب گفتگو کا اسکرپٹ ویسے ہی پڑھتا ہے جیسے اسکرین رائٹر لکھتا ہے: ہر باری کا آغاز اس سے ہوتا ہے کہ کون بول رہا ہے، اور اسٹیج ہدایات بریکٹ میں ہوتی ہیں تاکہ کوئی نام یا ہدایت پڑھ کر نہ سنائے۔ ہر کردار کسی پیش کنندہ کو دیا جاتا ہے، اور ٹیم کی اسکرین بتاتی ہے کہ کون کس کا کردار ادا کر رہا ہے؛ جب تک کسی کردار کا کوئی نہ ہو، اشتہار منظور نہیں ہو سکتا۔ ہر شخص گفتگو کی جگہ میں بنا ہوتا ہے، یا اپنی الگ جگہ میں جب اسکرپٹ ایسا کہے، اور پروڈکشن تب تک انتظار کرتی ہے جب تک ہر تصویر تیار نہ ہو جائے۔
دوسرے بولنے والے کی سطریں تھوڑی تھوڑی مانگی جاتی ہیں، اور اگلی اس وقت مانگی جاتی ہے جب ہر ایک مکمل ہو یا ناکام ہو، تاکہ کوئی اپنی حد سے آگے انتظار نہ کرے۔ جو سطر پھر بھی ناکام ہو وہ کسی شخص کے فیصلے کے لیے چھوڑ دی جاتی ہے، خاموشی سے اسٹاک فوٹیج سے نہیں بدلی جاتی۔ پرانی تفصیل کے تحت بنی تصویریں دوبارہ استعمال کے بجائے نئے سرے سے بنائی جاتی ہیں۔
کاروبار کے پاس اب کیا ہے
گاہک کی ٹیم اب گفتگو والے اشتہار اسی اسٹوڈیو میں بناتی ہے جو وہ روز استعمال کرتی ہے۔ فریمنگ کی تبدیلی کے بعد سے ہر بولنے والا اکیلا نکلتا ہے اور صحیح سمت دیکھتا ہے۔ لمبی گفتگو اب ایک ایک سطر کر کے فلمائی جاتی ہیں، بغیر کسی اسٹاک متبادل کے۔
دیر والی سطروں کی اصلاح چند دن بعد آئی، اسی دن جب ٹیم نے لمبی گفتگو بنائی۔
آپ خود کیا جانچ سکتے ہیں
- دو افراد کے منظر کی ہر کٹ کو الگ الگ دیکھیں۔ لوگوں کو گنیں اور دیکھیں کہ ہر ایک کدھر دیکھ رہا ہے: کیمرے کی طرف مڑا چہرہ، یا کنارے پر کوئی تیسرا شخص، ایک نشانی ہے۔
- جب کوئی AI تصویر بار بار کوئی چیز شامل کرتی رہے، تو اپنی تفصیل میں کوئی ایسا لفظ دیکھیں جو اس کی طرف اشارہ کرے، چاہے وہ نفی میں ہو۔ فریمنگ دوبارہ لکھیں، ایک اور ممانعت نہ جوڑیں۔
- مکمل AI ویڈیو آخر تک دیکھیں۔ اگر کسی بولنے والے کی جگہ اسٹاک فوٹیج آ جائے، تو کوئی کلپ ناکام ہوا ہے جس کا فیصلہ کسی نے نہیں کیا۔
- اپنے ویڈیو ٹول سے پوچھیں کہ وہ ایک وقت میں کتنی کلپس بنا سکتا ہے اور ایک کلپ ہار ماننے سے پہلے کتنا وقت لے سکتی ہے۔ ایک ہی بیچ میں بھیجا گیا منظر اس حد سے آگے جا سکتا ہے۔
آگے کیا کریں
اس شاٹ سے شروع کریں جو غلط لگتا ہے، نہ کہ ایک اور سطر سے جو ٹول کو بتائے کہ کس چیز سے بچنا ہے۔ اگر دو لوگوں کو ایک دوسرے کی طرف دیکھنا ہے، تو ہر شاٹ کو سر کے مڑنے اور چہرے کے سامنے کی جگہ کے ساتھ بیان کریں۔ ہر بولنے والے کی سطریں اسی بولنے والے کے پاس رکھیں، اور لمبے منظر کو چھوٹے بیچوں میں ترتیب دیں۔
اگر آپ کی ٹیم AI پیش کنندگان کے ساتھ ویڈیو اشتہار بناتی ہے اور ایسی دو افراد کی گفتگو چاہتی ہے جو آپس میں جڑی رہے، تو یہ اسی قسم کا کام ہے جو ہمارے انجینئر گاہکوں کے لیے کرتے ہیں۔
لوگ جو پوچھتے ہیں
میری AI تصویر بار بار ایسا شخص کیوں شامل کرتی ہے جو میں نے نہیں مانگا؟
ٹول آپ کی نیت نہیں پڑھ رہا؛ وہ آپ کے الفاظ بنا رہا ہے۔ اگر تفصیل میں کسی ایسے شخص کا ذکر ہو جو فریم سے بالکل باہر ہے، تو ٹول کے پاس اس شخص کو بنانے کی وجہ ہوتی ہے۔ یہ کہنا کہ کوئی اور نہیں، پھر بھی تفصیل میں ایک اور شخص ڈال سکتا ہے۔ اس کے بجائے ایک شخص کی فریمنگ بیان کریں۔
کیا AI تصویر کے ٹول کو یہ بتانا کہ کسی کو نہ بنائیں، کام کرتا ہے؟
یہ قابلِ بھروسا نہیں۔ ممانعت پھر بھی اس چیز کا نام لیتی ہے، اور تصویر کا ٹول الفاظ کو بنانے کے مواد کی طرح لیتا ہے۔ یہاں کے کام میں، یہ سطر کہ تصویر میں کوئی اور نہیں، پھر بھی کندھے کے اوپر ایک شخص پیدا کر گئی۔ جو تبدیلی کام آئی وہ یہ تھی کہ سامنے والے کے مڑنے، جگہ اور چہرے کے اردگرد کی جگہ کو بیان کیا جائے۔
میں دو AI پیش کنندگان کو ایسے کیسے بنا سکتا ہوں کہ وہ ایک دوسرے سے بات کرتے لگیں؟
ہر پیش کنندہ کو اکیلا بنائیں، دوسرے کی طرف دیکھتا ہوا، اور دونوں شاٹس کو ملا کر کٹ کریں۔ پوچھنے والا ایک طرف دیکھے اور جواب دینے والا مخالف طرف، ایک ہی جگہ میں اور ایک جیسی صورت کے ساتھ۔ اگر منظر ان دونوں کے درمیان گفتگو کا ہے تو کسی کو بھی لینز میں نہیں دیکھنا چاہیے۔ ہر سطر اپنے بولنے والے کے پاس رکھیں تاکہ آوازیں اور چہرے میل کھاتے رہیں۔
میری AI ویڈیو کی کچھ سطریں اسٹاک فوٹیج کی صورت میں کیوں نکلیں؟
غالباً لمبا منظر ایک ہی بار میں بھیجا گیا تھا۔ ویڈیو سروس ایک وقت میں صرف چند کلپس بنا سکتی ہے، چنانچہ دیر والی سطریں مقررہ وقت سے آگے انتظار کر کے ناکام ہو سکتی ہیں۔ اگر ناکام سطر خود بخود بدل دی جائے، تو مکمل اشتہار میں بولنے والے کی جگہ اسٹاک فوٹیج نظر آ سکتی ہے۔ سطریں تھوڑی تھوڑی مانگیں اور ناکام سطر کا فیصلہ کسی شخص سے کروائیں۔
میں ایک وقت میں کتنی AI ویڈیو کلپس مانگ سکتا ہوں؟
یہ حد آپ کی استعمال کردہ ویڈیو سروس کی ہے، چنانچہ اندازہ لگانے کے بجائے اس سے پوچھیں جو اس کا خیال رکھتا ہے۔ لمبا منظر چھوٹے بیچوں میں بھیجیں اور ہر کلپ مکمل ہونے پر اگلی شروع کریں۔ اس سے دیر والی سطریں حد سے آگے انتظار نہیں کرتیں۔