ज़्यादातर लोग मानते हैं कि Wan 2.7 का NSFW फ़िल्टर सिर्फ़ स्पष्ट कंटेंट को ब्लॉक करता है। यह गलत है। इस विश्लेषण में देखें कि फ़िल्टर असल में क्या पकड़ता है, ब्लॉकिंग डिफ़्यूज़न मॉडल के अंदर नहीं बल्कि क्लासिफ़ायर स्तर पर क्यों होती है, और PicassoIA जैसे प्लेटफ़ॉर्म एक्सेस कैसे कॉन्फ़िगर करते हैं, ताकि क्रिएटर्स को बार-बार ब्लॉक हुए बिना नतीजे मिलें।
ज़्यादातर लोग Wan 2.7 को किसी भी दूसरे ओपन वेट्स वीडियो मॉडल की तरह इस्तेमाल करते हैं, और जैसे ही वे थोड़ा भी इशारों वाला कंटेंट बनाने की कोशिश करते हैं, अटक जाते हैं। फ़िल्टर लग जाता है, वीडियो ब्लॉक हो जाता है, और वे मान लेते हैं कि मॉडल बस "लॉक" है। यह धारणा तीन अलग-अलग स्तरों पर गलत है। Wan 2.7 का NSFW फ़िल्टर असल में कैसे काम करता है, यह ज़्यादातर ट्यूटोरियल में बताई गई बात से ज़्यादा दिलचस्प है, और उसे समझना आसान भी है। नीचे की तीनों चौंकाने वाली बातें बदल देती हैं कि आपको इस मॉडल के पास कैसे जाना चाहिए, और अंत तक आपके सामने साफ़ तस्वीर होगी कि जब भी सिस्टम आपका आउटपुट रोकता है, तब असल में क्या हो रहा होता है।
यहाँ वह बात है जो पहली बार Wan 2.7 चलाते समय कोई नहीं बताता: NSFW क्लासिफ़ायर को सिर्फ़ स्पष्ट पोर्नोग्राफ़िक कंटेंट पर ट्रेन नहीं किया गया था। उसे "संभावित रूप से संवेदनशील" लेबल वाली कहीं ज़्यादा व्यापक श्रेणी पर ट्रेन किया गया था, जिसमें ऐसी चीज़ें भी शामिल हैं जिन्हें ज़्यादातर क्रिएटर्स कभी सेफ़्टी फ़िल्टर में फँसने वाली नहीं मानेंगे।
मॉडल की सेफ़्टी लेयर इन चीज़ों को फ़्लैग करती है:
इसीलिए क्रिएटर्स लगातार शिकायत करते हैं कि उनका प्रॉम्प्ट कुछ भी सेक्सुअली स्पष्ट न होने के बावजूद उन्हें ब्लॉक किया जा रहा है। स्विमसूट पहनी एक महिला पूल के किनारे खड़ी हो, तो फ़िल्टर लग सकता है, और यह पूरी तरह इस पर निर्भर करता है कि मॉडल शॉट को कैसे फ़्रेम करता है। मद्धिम रोशनी में गले मिलते एक जोड़े पर फ़िल्टर उसी जोड़े के चमकती धूप वाले बाहरी दृश्य में गले मिलने की तुलना में ज़्यादा बार लगता है। मॉडल आपके प्रॉम्प्ट का इरादा नहीं पढ़ रहा। वह आउटपुट को एक पोस्ट-जनरेशन क्लासिफ़ायर से चलाता है, जो आख़िरी वीडियो फ़्रेम्स को स्टिल इमेज की तरह देखता है और पास या फ़ेल का फ़ैसला करता है।
💡 अहम फ़र्क: Wan 2.7 का NSFW फ़िल्टर उस चीज़ का विश्लेषण करता है जो मॉडल जनरेट करता है, न कि उस चीज़ का जो आप माँगते हैं। इसका मतलब है कि तकनीकी रूप से "साफ़" प्रॉम्प्ट भी फ़्लैग होने वाले आउटपुट दे सकते हैं, अगर मॉडल किसी अस्पष्ट भाषा को एक खास दिशा में समझ ले, या अगर वह जो दृश्य कंपोज़िशन जनरेट करता है वह संवेदनशील कंटेंट के लिए क्लासिफ़ायर के ट्रेनिंग डेटा से मेल खा जाए।
अगर आपने उत्पादन में Wan 2.5 T2V या Wan 2.6 T2V इस्तेमाल किए हैं, तो आपने शायद थ्रेशोल्ड को काफ़ी ज़्यादा उदार पाया होगा। Wan 2.1 और 2.5 एक सरल कीवर्ड-और-कैप्शन आधारित फ़िल्टर इस्तेमाल करते थे। अगर आपका टेक्स्ट प्रॉम्प्ट शब्द-स्तर की जाँच पास कर लेता था, तो आउटपुट जनरेशन आमतौर पर बिना किसी दिक़्क़त के आगे बढ़ जाता था। Wan 2.6 ने फ़्रेम-दर-फ़्रेम आउटपुट विश्लेषण पेश किया, लेकिन उसे रूढ़िवादी तरीके से ट्यून किया गया था, जिसमें कम फ़ॉल्स पॉज़िटिव थे और ध्यान साफ़ तौर पर स्पष्ट कंटेंट पर था, न कि "संवेदनशील" की कहीं ज़्यादा व्यापक श्रेणी पर।
Wan 2.7 उस आउटपुट क्लासिफ़ायर का काफ़ी ज़्यादा आक्रामक वर्ज़न लेकर आता है। सेफ़्टी मॉडल का ट्रेनिंग डेटा बढ़ाया गया, संवेदनशीलता के थ्रेशोल्ड बढ़ाए गए, और "संभावित रूप से संवेदनशील" की परिभाषा काफ़ी व्यापक कर दी गई। इसकी कीमत यह है कि आउटपुट में साफ़ तौर पर स्पष्ट कंटेंट कम दिखता है, लेकिन ऐसे कंटेंट पर फ़ॉल्स पॉज़िटिव ब्लॉक काफ़ी बढ़ गए हैं, जिसे ज़्यादातर क्रिएटर्स वयस्कों के लिए बने प्लेटफ़ॉर्म्स के लिए पूरी तरह उचित मानेंगे।
| मॉडल | फ़िल्टर प्रकार | सामान्य थ्रेशोल्ड |
|---|---|---|
| Wan 2.1 | टेक्स्ट प्रॉम्प्ट फ़िल्टर | उदार |
| Wan 2.5 | टेक्स्ट + बेसिक आउटपुट स्कैन | मध्यम |
| Wan 2.6 | फ़्रेम-स्तर आउटपुट क्लासिफ़ायर | मध्यम-सख़्त |
| Wan 2.7 | एडवांस्ड मल्टी-फ़्रेम क्लासिफ़ायर | सख़्त |
एक वर्ज़न से दूसरे वर्ज़न तक यह बदलाव मॉडल स्तर पर डिफ़ॉल्ट सेफ़्टी सेटिंग्स को ज़्यादा रूढ़िवादी बनाने के एक आम उद्योग रुझान को दिखाता है, इस उम्मीद के साथ कि प्लेटफ़ॉर्म और ऑपरेटर अपने खास यूज़र-बेस के लिए एक्सेस कॉन्फ़िगर करेंगे। इसी से हम चौंकाने वाली बात #3 तक पहुँचते हैं, लेकिन उससे पहले: फ़िल्टर असल में करता क्या है?
यहीं चीज़ें तकनीकी रूप से दिलचस्प हो जाती हैं। Wan 2.7 का वीडियो डिफ्यूज़न मॉडल, यानी असली न्यूरल नेटवर्क जो फ़्रेम जनरेट करता है, "उचित" या "अनुचित" की कोई अंतर्निहित अवधारणा नहीं रखता। यह एक जनरेटिव सिस्टम है जो प्रॉम्प्ट एम्बेडिंग दिए जाने पर नॉइज़ को वीडियो फ़्रेम्स में बदलता है। यह जो बनाता है उसका मूल्यांकन नहीं करता, और इसे वयस्क कंटेंट से बचने के लिए ख़ास तौर पर ट्रेन भी नहीं किया गया था। जनरेटिव क्षमता वेट्स में पूरी तरह बरकरार है।
NSFW फ़िल्टरिंग एक पूरी तरह अलग मॉड्यूल में होती है। फ़्रेम जनरेट होने के बाद एक सेफ़्टी क्लासिफ़ायर, जो काम में कंटेंट मॉडरेशन API जैसा है, आउटपुट फ़्रेम्स का विश्लेषण करता है और पास या फ़ेल का फ़्लैग लौटाता है। अगर फ़्लैग लग जाता है, तो आउटपुट आप तक पहुँचने से पहले ही दबा दिया जाता है। ज़्यादातर डिप्लॉयमेंट में यह सर्वर-साइड होता है, यानी आप आउटपुट देखते ही नहीं। आपको बस एक रिजेक्शन मैसेज दिखता है, अक्सर इस बात की कोई साफ़ व्याख्या के बिना कि किन फ़्रेम्स ने फ़्लैग ट्रिगर किया या क्यों।
इस आर्किटेक्चर के कई मतलब हैं, जिन्हें ज़्यादातर डॉक्यूमेंटेशन कभी साफ़ तौर पर नहीं बताता:
एक आम गलती यह है कि फ़िल्टर से निपटने का मुख्य तरीका प्रॉम्प्ट इंजीनियरिंग को मान लिया जाए। क्रिएटर्स घंटों भाषा बदलते रहते हैं, "safe for work" या "fully clothed" जैसे नेगेटिव प्रॉम्प्ट जोड़ते हैं, या जो भी कल्पना जगाता लगे उसकी जगह क्लिनिकल शब्दावली इस्तेमाल करते हैं। इस प्रयास का ज़्यादातर हिस्सा गलत दिशा में जाता है।
क्योंकि क्लासिफ़ायर टेक्स्ट प्रॉम्प्ट के बजाय विज़ुअल आउटपुट देखता है, प्रॉम्प्ट इंजीनियरिंग असल में तभी मदद करती है जब वह मॉडल से एक दृश्य रूप से अलग परिणाम जनरेट करवाए, जिसे क्लासिफ़ायर फ़्लैग न करे। ऐसा कोई शब्द या वाक्यांश नहीं है जो टाइप करके क्लासिफ़ायर को बता दे कि "यह कला है, पोर्नोग्राफ़ी नहीं।" क्लासिफ़ायर पिक्सल देखता है, इरादा नहीं।
प्रॉम्प्ट लेवल पर जो सच में काम करता है, वह है कंपोज़िशन, फ़्रेमिंग और संदर्भ को इस तरह नियंत्रित करना कि मॉडल ऐसे फ़्रेम जनरेट करने से दूर रहे जो क्लासिफ़ायर के ट्रिगर ज़ोन में आते हैं। रोशनी की ख़ास स्थितियाँ, कैमरा एंगल, दृश्य के तत्व और विषय से दूरी, ये सब आउटपुट को व्यवस्थित तरीके से बदल सकते हैं। यह चालाकी नहीं, शिल्प है, और यह फ़िल्टरिंग के किसी भी विचार से स्वतंत्र, लगातार बेहतर रचनात्मक नतीजे देता है।
💡 प्रो टिप: "सेंसुअल" या "इंटिमेट" जैसे अस्पष्ट शब्दों के बजाय सटीक विज़ुअल ब्योरे लिखें: रोशनी की गुणवत्ता और दिशा, कैमरा का सटीक एंगल, कपड़ों और माहौल की बनावट, विषय से दूरी। इससे मॉडल की व्याख्या की गुंजाइश घटती है, यानी आउटपुट और फ़िल्टर के जवाब, दोनों में कम चौंकाने वाली बातें होती हैं।
यह वह चौंकाने वाली बात है जिसका ज़िक्र Wan 2.7 के ज़्यादातर डॉक्यूमेंटेशन में बिल्कुल नहीं होता। वही मूल मॉडल, अलग-अलग प्लेटफ़ॉर्म पर चलाया जाए तो अलग व्यवहार करता है। ऐसा इसलिए नहीं कि मॉडल के वेट्स बदल दिए गए हैं, बल्कि इसलिए कि क्लासिफ़ायर कॉन्फ़िगरेशन, संवेदनशीलता के थ्रेशोल्ड और कौन-से सेफ़्टी चेक लागू होते हैं, यह पूरी तरह उस प्लेटफ़ॉर्म ऑपरेटर पर निर्भर है जो मॉडल डिप्लॉय करता है।
जब आप Wan 2.7 को डिफ़ॉल्ट सेटिंग्स के साथ लोकली चलाते हैं, तो आपको Wan की डिफ़ॉल्ट सेफ़्टी कॉन्फ़िगरेशन मिलती है। जब आप Wan 2.7 को किसी क्लाउड प्लेटफ़ॉर्म के ज़रिए एक्सेस करते हैं, तो आपको उस प्लेटफ़ॉर्म की कॉन्फ़िगरेशन मिलती है, जो डिफ़ॉल्ट से ज़्यादा सख़्त, कम सख़्त, या बिल्कुल अलग हो सकती है, यह इस पर निर्भर करता है कि प्लेटफ़ॉर्म किस काम के लिए बना था।
कुछ प्लेटफ़ॉर्म डिफ़ॉल्ट के ऊपर अतिरिक्त प्रतिबंध लगाते हैं, जिससे मॉडल किसी भी इशारों वाले कंटेंट के लिए और भी मुश्किल हो जाता है। दूसरे, जो ख़ास तौर पर वयस्क रचनात्मक काम के लिए बने हैं, क्लासिफ़ायर को चौड़े थ्रेशोल्ड के साथ कॉन्फ़िगर करते हैं, या उसे सिर्फ़ साफ़ तौर पर स्पष्ट कंटेंट पर लागू करते हैं, न कि केवल इशारों वाले कंटेंट पर। वही मॉडल, वही वेट्स, लेकिन व्यावहारिक अनुभव बिल्कुल अलग।
PicassoIA प्लेटफ़ॉर्म की कंटेंट नीति के भीतर, वयस्क रचनात्मक काम के लिए उपयुक्त कॉन्फ़िगरेशन के साथ Wan 2.7 के तीनों वेरिएंट उपलब्ध कराता है। कोई स्पष्ट या पोर्नोग्राफ़िक आउटपुट नहीं, लेकिन स्विमवियर, ग्लैमर, रोमांस, निहित अंतरंगता और इशारों वाले कलात्मक काम का पूरा सपोर्ट।
प्लेटफ़ॉर्म आपको Wan 2.7 के तीन अलग-अलग टूल देता है:
Wan 2.7 T2V: टेक्स्ट-टू-1080p वीडियो। पूरी तरह लिखे गए विवरणों से वीडियो बनाने के लिए सबसे अच्छा। लंबे, ज़्यादा नैरेटिव प्रॉम्प्ट को सपोर्ट करता है जो दृश्य का मूड, किरदार के ब्योरे और माहौल की बारीकियाँ पकड़ते हैं।
Wan 2.7 I2V: इमेज-टू-वीडियो। आपके दिए एक स्टिल इमेज को इनपुट के रूप में एनिमेट करता है। तब आदर्श है जब आपके पास सटीक रेफ़रेंस फ़्रेम हो, चाहे वह किसी अलग इमेज मॉडल से जनरेट किया गया हो या आपके अपने एसेट्स से अपलोड किया गया हो, और आप उसे मूवमेंट से जीवंत करना चाहते हैं।
Wan 2.7 R2V: रेफ़रेंस-टू-वीडियो। एक सब्जेक्ट रेफ़रेंस इमेज से किसी किरदार को कई दृश्यों में एनिमेट करता है, और वीडियो फ़्रेम्स में चेहरे और शरीर की पहचान एक-सी बनाए रखता है। यह Wan 2.7 लाइनअप में सबसे नया जोड़ है और मल्टी-सीन किरदार वाले काम का सबसे शक्तिशाली टूल है।
Wan 2.7 T2V मॉडल टेक्स्ट-टू-1080p वीडियो जनरेशन को संभालता है। इशारों वाले या वयस्क-संबंधित कंटेंट के सबसे अच्छे नतीजों के लिए शुरू से ही ये सिद्धांत लागू करें:
आम तौर पर जनरेशन में 2 से 4 मिनट लगते हैं। आउटपुट 5-सेकंड का MP4 होता है, जिसे सीधे डाउनलोड किया जा सकता है या आगे एडिटिंग के लिए PicassoIA प्लेटफ़ॉर्म के भीतर इस्तेमाल किया जा सकता है।
Wan 2.7 I2V तब सबसे भरोसेमंद रास्ता है जब आपको हर वीडियो फ़्रेम में किरदार की एक-सी उपस्थिति चाहिए। पहले किसी टेक्स्ट-टू-इमेज मॉडल से अपनी रेफ़रेंस इमेज जनरेट करें, फिर उसे एक मोशन प्रॉम्प्ट के साथ Wan 2.7 I2V पर अपलोड करें।
I2V के लिए मोशन प्रॉम्प्ट मूवमेंट का वर्णन करे, उपस्थिति का नहीं। चूँकि उपस्थिति रेफ़रेंस इमेज से आती है, आपका प्रॉम्प्ट पूरी तरह इस पर केंद्रित होना चाहिए कि क्या हिलता है और कैसे:
किरदार-केंद्रित कंटेंट के लिए I2V तरीका शुद्ध टेक्स्ट-टू-वीडियो से लगातार बेहतर नतीजे देता है, क्योंकि मॉडल को शुरू से उपस्थिति के ब्योरे गढ़ने नहीं पड़ते।
Wan 2.7 R2V आपके सब्जेक्ट की रेफ़रेंस इमेज लेता है और एक नए दृश्य या पोज़ में उस सब्जेक्ट को रखते हुए वीडियो जनरेट करता है, साथ ही पहचान एक-सी बनाए रखता है। यह इस काम के लिए टूल है:
PicassoIA के कॉन्फ़िगरेशन के बावजूद ऐसी स्थितियाँ आती हैं जहाँ कोई दूसरा मॉडल बेहतर बैठता है: तेज़ जनरेशन समय, अलग विज़ुअल सौंदर्य, या ऐसी पाइपलाइन जो I2V स्टेप से पूरी तरह बचती है।
| मॉडल | सबसे अच्छा किसके लिए | आउटपुट |
|---|---|---|
| Seedance 2.5 | तेज़ उच्च-गुणवत्ता वाला टेक्स्ट-टू-वीडियो, 10 सेकंड तक | 1080p |
| Kling v3 Video | सिनेमैटिक मूवमेंट, स्टाइलाइज़्ड किरदार काम | 1080p |
| Pixverse v5.6 | क्रिएटिव विज़ुअल इफ़ेक्ट्स और स्टाइलाइज़ेशन | 1080p |
| Wan 2.6 I2V | 2.7 से थोड़ा ज़्यादा उदार थ्रेशोल्ड | HD |
| LTX 2.3 Pro | तेज़ जनरेशन गति पर 4K रिज़ॉल्यूशन आउटपुट | 4K |
💡 वयस्क थीम वाली स्टिल इमेज के लिए: Seedream 4.5 PicassoIA पर सबसे ऊपर की सिफ़ारिश है। यह तेज़ी से बिना सेंसर वाले, फ़ोटोरियलिस्टिक पोर्ट्रेट और ग्लैमर फ़ोटोग्राफ़ी बनाता है, और PicassoIA Image Editor Pro के ज़रिए असीमित जनरेशन उपलब्ध हैं। इस काम के लिए Seedream 5 Lite इस्तेमाल न करें, क्योंकि यह सख़्त कंटेंट फ़िल्टरिंग लगाता है जो वयस्क-संबंधित काम को ब्लॉक कर देगी।
PicassoIA पर वयस्क थीम वाले AI वीडियो का सबसे भरोसेमंद वर्कफ़्लो इमेज और वीडियो जनरेशन को क्रम से जोड़ता है:
यह दो-चरणीय प्रक्रिया उपस्थिति के डिज़ाइन और मूवमेंट के डिज़ाइन को अलग करती है। चूँकि इमेज स्टेप पर उपस्थिति तय हो जाती है, वीडियो मॉडल के पास व्याख्या की गुंजाइश बहुत कम रहती है, जिससे कम अप्रत्याशित आउटपुट और कम क्लासिफ़ायर ट्रिगर होते हैं। अकेले टेक्स्ट-टू-वीडियो पर निर्भर रहने की तुलना में नतीजे लगातार ज़्यादा लक्ष्य के करीब होते हैं।
Wan 2.7 का NSFW फ़िल्टर असल में कैसे काम करता है, यह जानने से आप उसके प्रति अपना रुख बदल देते हैं। फ़िल्टर जनरेटिव मॉडल में बना नहीं है। यह एक अलग, प्लेटफ़ॉर्म पर कॉन्फ़िगर किया जा सकने वाला सेफ़्टी क्लासिफ़ायर है, जो इरादे के बजाय पिक्सल देखता है। सही प्लेटफ़ॉर्म पर वही मॉडल ऐसे नतीजे देता है जिन्हें एक प्रतिबंधित डिप्लॉयमेंट बनाने से इनकार करता है, और यह कोई लूपहोल नहीं है, यही इरादा किया गया आर्किटेक्चर है।
PicassoIA आपको सीधे Wan 2.7 के तीनों वेरिएंट तक पहुँच देता है, जो प्लेटफ़ॉर्म की शर्तों के भीतर रचनात्मक वयस्क काम के लिए कॉन्फ़िगर किए गए हैं। इसके अलावा आपके पास 80 से ज़्यादा टेक्स्ट-टू-वीडियो मॉडल, 90+ टेक्स्ट-टू-इमेज मॉडल, और इमेज-टू-वीडियो पाइपलाइन चलाने के लिए ज़रूरी हर टूल की पहुँच है, जिनसे लगातार वही नतीजे मिलते हैं जो आप असल में चाहते हैं।
अगर आप लिखे प्रॉम्प्ट से शुरू करना चाहते हैं तो Wan 2.7 T2V से शुरू करें, या अगर आपके पास एनिमेट करने के लिए रेफ़रेंस इमेज तैयार है तो Wan 2.7 I2V चुनें। इनमें से किसी एक के साथ इमेज जनरेशन के लिए Seedream 4.5 जोड़ें, और आपके पास पूरी पाइपलाइन तैयार है। अपनी रचनात्मक प्रक्रिया के लिए सही संयोजन खोजने के लिए पूरा मॉडल कैटलॉग picassoia.com/en/all-models पर ब्राउज़ करें।
अपनी भाषा चुनें
