मैंने AI वीडियो जनरेशन को बॉक्सों और मैनिकिन से बनाया गया एक सरल प्रीविज़ दिया। प्रीविज़ एक रफ़ वीडियो होता है, जिसमें किरदारों की जगह, उनकी गतिविधियाँ और कैमरा वर्क पहले से तय किए जाते हैं।

निष्कर्ष यह है कि यह काफी उपयोगी है। हालांकि, हर बारीकी ज्यों की त्यों दोहराई नहीं जाती। बल्कि, जब आप मोटे तौर पर निर्देशन देते हैं, तो यह छूटी हुई चीज़ों को अच्छी तरह पूरा कर देता है। इस लिहाज़ से यह एक ब्लूप्रिंट के रूप में सुविधाजनक था।

प्रीविज़ और जनरेट किए गए नतीजों की तुलना

सभी वीडियो में ऊपर AI से बना वीडियो है और नीचे मूल प्रीविज़। हर वीडियो लगभग 15 सेकंड का है। मैंने यह जाँचा कि बैकग्राउंड और किरदारों को विस्तार से बनाए बिना भी सीन का प्रवाह कितनी दूर तक पहुँचाया जा सकता है।

समुद्र तट का कैफ़े

साधारण टेबल और किरदारों की प्लेसमेंट से शाम के कैफ़े तक। पेय को मुँह तक ले जाने जैसी गतिविधियों को लाइव-एक्शन जैसी वीडियो में बदला गया है।

再生

रात की सड़क पर चलते हुए

प्रीविज़ में किरदारों की स्थिति और चलने की दिशा तय की गई। दिन जैसी रोशन और साधारण सड़कों को प्रॉम्प्ट की मदद से रात के शहर में बदला गया है।

再生

समुद्र में कछुआ

समुद्र तल और कछुए की रफ़ गतिविधि से पानी के भीतर की रोशनी और कोरल वाला दृश्य बना। यह विज़ुअल भरपाई को साफ़ दिखाने वाला नमूना है।

再生

समुद्र किनारे दौड़ना

दौड़ते किरदार और उसका पीछा करती कैमरा मूवमेंट तय की गई। रफ़ बैकग्राउंड को समुद्र किनारे के पैदल मार्ग से बदल दिया गया है।

再生

बारिश वाली सड़क और ट्राम

छाता पकड़े किरदार और ट्राम की प्लेसमेंट को आधार बनाकर, बारिश भरी रात का माहौल जोड़ा गया है।

再生

बनाने का तरीका सरल है

इस बार का निर्माण मैंने इस क्रम में किया।

1. Python＋Blender 4.2 से बॉक्सों और सरल आकृतियों वाला प्रीविज़ बनाया। किरदारों की गतिविधि के लिए Mixamo भी इस्तेमाल किया।
2. Codex की इमेज जनरेशन से किरदारों आदि की संदर्भ छवियाँ तैयार कीं।
3. MiniMax-H3 Ref2VA को प्रीविज़, संदर्भ छवियाँ और संदर्भ ऑडियो देकर लगभग 15 सेकंड का वीडियो जनरेट किया।
4. संवाद के लिए HiggsAudio v3, साउंड इफेक्ट्स के लिए Stable Audio 3 Medium, और BGM के लिए ACE-Step 1.5 इस्तेमाल किया; फिर ffmpeg से मिक्स और एडिट किया। प्रोडक्शन स्क्रिप्ट और रन मैनेजमेंट के लिए Claude Code का उपयोग किया।

निर्देश देने की कुंजी है संदर्भों की भूमिकाएँ अलग रखना। मैंने बताया कि “छवियों से चेहरा और पोशाक” तथा “प्रीविज़ से प्लेसमेंट, गतिविधि और कैमरा मूवमेंट” लिया जाए, और मैनिकिन या बॉक्स का रूप आगे न ले जाया जाए। रात, बारिश और रोशनी जैसी अंतिम फिनिश को टेक्स्ट में निर्दिष्ट किया गया।

उपयोगी है, लेकिन बारीकियाँ काफी बदल जाती हैं

किरदारों की प्लेसमेंट, चलने की दिशा, गतिविधियों का क्रम और कैमरे की मोटी-मोटी चाल आसानी से पहुँचती है। दूसरी ओर, “कितने सेकंड में रुकना है” या “कितना ज़ूम करना है” जैसी बारीक हिदायतें खिसक गईं या लागू नहीं हुईं। बारीकियों को पूरी तरह स्थिर नहीं किया जा सकता।

इसके अलावा, प्रीविज़ की रोशनी का झिलमिलाना या जरूरत से ज्यादा नियमित ढंग से लगाया गया बैकग्राउंड कभी-कभी जनरेट किए गए नतीजे में भी रह गया। प्रीविज़ में रोशनी और आकृतियों को सरल रखकर, केवल उस गतिविधि पर ध्यान देना बेहतर लगता है जिसे बताना है।

फिर भी, मोटे निर्देशों से आकर्षक वीडियो तक की कमी पूरी कर देना बहुत सुविधाजनक है। बारीकियाँ काफी बदल सकती हैं, लेकिन निर्देशन की बड़ी रूपरेखा बताने के लिए यह पर्याप्त उपयोगी है। इसे पूरी तरह परफ़ेक्ट बनाने की ज़रूरत नहीं है; रफ़ हो तब भी प्रीविज़ का इस्तेमाल करना बेहतर है—इस बार मेरा यही निष्कर्ष रहा।