एक व्यावहारिक विश्लेषण कि AI वीडियो जनरेशन टूल टेक्स्ट विवरण से अपने-आप कस्टम B-roll फ़ुटेज कैसे बना सकते हैं, जिससे स्टॉक लाइब्रेरी खंगालने की ज़रूरत नहीं पड़ती। इसमें अभी उपलब्ध सबसे अच्छे टेक्स्ट-टू-वीडियो मॉडल, सिनेमैटिक नतीजे देने वाले प्रॉम्प्ट लिखने का तरीका, PicassoIA से बैच में B-roll जनरेट करने का तरीका, और AI क्लिप को किसी भी एडिटिंग वर्कफ़्लो में साफ़-सुथरे ढंग से काटकर जोड़ने का तरीका शामिल है।
हर वीडियो एडिटर यह एहसास जानता है। आपके पास एक अच्छी टॉकिंग-हेड क्लिप है, साफ़ ऑडियो है, स्पष्ट संदेश है, और फिर टाइमलाइन पर आप पाते हैं कि किसी कट को छिपाने, किसी बात को समझाने, या स्क्रीन पर एक जैसे चेहरे की एकरसता तोड़ने के लिए आपको 90 सेकंड का B-roll चाहिए। इसके बाद स्टॉक फ़ुटेज का चक्र शुरू होता है: तीन ब्राउज़र टैब खोलना, वही घिसे-पिटे कीवर्ड खोजना, ऐसी क्लिप देखना जो लगभग काम की होती हैं पर पूरी तरह कभी नहीं, और उस काम में 45 मिनट लगा देना जिसमें पाँच मिनट लगने चाहिए थे।
AI के पास इसका सीधा हल है। टेक्स्ट-टू-वीडियो मॉडल अब लिखित विवरण से एक मिनट से कम समय में फोटोरियलिस्टिक B-roll क्लिप बना देते हैं। कोई लाइसेंस फ़ीस नहीं, कोई वॉटरमार्क नहीं, और स्टाइल या विषय से कोई समझौता नहीं। इन्हें वास्तव में कैसे इस्तेमाल करें, यह यहाँ बताया गया है।
B-roll कोई भी फ़ुटेज है जो आपके मुख्य वीडियो ट्रैक के ऊपर चलता है। इसका इस्तेमाल आम तौर पर यह दिखाने के लिए होता है कि वक्ता क्या कह रहा है, जंप कट को ढकने के लिए, या दृश्य विविधता लाने के लिए। कुकिंग वीडियो में B-roll प्याज़ काटते हाथों का क्लोज़-अप होता है। ट्रैवल व्लॉग में यह शहर के ऊपर ड्रोन शॉट होता है। कॉर्पोरेट इंटरव्यू में यह ऑफ़िस के फ़्लोर का वाइड शॉट होता है।
समस्या यह नहीं है कि B-roll शूट करना मुश्किल है। समस्या यह है कि आपको अक्सर ऐसी जगहों, स्थितियों या परिदृश्यों का फ़ुटेज चाहिए जिन्हें आप खुद फ़िल्म नहीं कर सकते। एक फ़ाउंडर जो अपनी सप्लाई चेन की बात कर रहा है, उसे वेयरहाउस और शिपिंग कंटेनर के visuals चाहिए। एक हेल्थ कंटेंट क्रिएटर को किसी के व्यायाम करने, सोने या खाना बनाने का फ़ुटेज चाहिए। एक डॉक्यूमेंट्री फ़िल्मकार को तीन अलग-अलग महाद्वीपों के आर्काइवल-स्टाइल ग्रामीण दृश्य चाहिए।
औसत एडिटर अपने पोस्ट-प्रोडक्शन समय का 20 से 40 प्रतिशत B-roll खोजने और उसका लाइसेंस लेने में लगाता है। यह अतिशयोक्ति नहीं है। स्टॉक लाइब्रेरी में लाखों क्लिप हैं, लेकिन सही क्लिप, सही एंगल पर, सही कलर टेम्परेचर के साथ, और आपकी मुख्य फ़ुटेज से मेल खाती स्टाइल में खोजना सचमुच एक कठिन खोज समस्या है। ज़्यादातर बार आपको समझौता करना पड़ता है।
स्टॉक फ़ुटेज औसत उपयोग के मामले के लिए बनाया जाता है। आपको सामान्य शहर की स्काइलाइन मिलती है। आपको हैंडशेक वाली स्टॉक क्लिप मिलती है। आपको कॉफ़ी टेबल पर रखे लैपटॉप वाला ऑफ़िस शॉट मिलता है, जो पिछले एक दशक में बने लगभग 40 प्रतिशत कॉर्पोरेट वीडियो में दिखता है। जो नहीं मिलता, वह है तुस्कनी में मधुमक्खी पालक का छत्ते पर काम करते हुए फ़ुटेज, नीले घंटे में किसी तटीय कस्बे का दृश्य, या किसी खास किस्म के फ़र्न की पत्तियों पर पानी की बूँदों का मैक्रो क्लोज़-अप।
AI वही बनाता है जो आप वर्णन करते हैं।
यह वर्कफ़्लो ज़्यादातर लोगों की उम्मीद से कहीं ज़्यादा सरल है। आप जिस शॉट की ज़रूरत है उसका विवरण लिखते हैं, AI मॉडल उस विवरण की व्याख्या करता है और आपके बताए रिज़ॉल्यूशन और स्टाइल में एक छोटी वीडियो क्लिप रेंडर करता है, जो आम तौर पर 5 से 10 सेकंड लंबी होती है। आउटपुट आपके डाउनलोड फ़ोल्डर में आता है, जिसे आप सीधे अपने एडिटिंग सॉफ़्टवेयर में डाल सकते हैं।
2027 में स्टॉक फ़ुटेज और AI-जनरेटेड फ़ुटेज के बीच का गुणवत्ता का अंतर काफ़ी कम हो गया है। Wan 2.7 T2V जैसे मॉडल टेक्स्ट से 1080p वीडियो बनाते हैं, जिसमें विश्वसनीय कैमरा मूवमेंट, प्राकृतिक रोशनी और फोटोरियलिस्टिक विषय होते हैं। Kling v3 Video प्रभावशाली स्थिरता के साथ सिनेमैटिक मोशन संभालता है। Google का Veo 3 नेटिव सिंक्रनाइज़्ड ऑडियो के साथ क्लिप बनाता है, यानी परिवेश की साउंड डिज़ाइन पहले से शामिल होती है।
जब आप लिखते हैं "टोक्यो में एक व्यस्त चौराहे को पार करते सुबह के यात्रियों का एरियल शॉट, गोल्डन आवर की रोशनी, लो एंगल," तो मॉडल किसी डेटाबेस से कुछ नहीं उठाता। वह उस दृश्य को शुरू से रेंडर करता है। हर पिक्सल जनरेट होता है। इसका मतलब है:
स्टॉक फ़ुटेज से आने वाले एडिटरों के लिए सोच में सबसे बड़ा बदलाव यह है कि आप प्रॉम्प्ट उसी तरह लिखते हैं जैसे किसी सिनेमैटोग्राफ़र के लिए शॉट लिस्ट लिखते। एंगल, विषय, मूवमेंट, रोशनी और माहौल के बारे में साफ़-साफ़ बताएँ।
कमज़ोर प्रॉम्प्ट: "city street"
प्रभावी प्रॉम्प्ट: "low-angle wide shot of a rain-slicked Amsterdam canal street at dusk, cobblestones reflecting amber lamplight, a cyclist in motion passing, shallow depth of field, cinematic, 8K"
यही विशिष्टता सामान्य आउटपुट को काम के B-roll से अलग करती है।
हर टेक्स्ट-टू-वीडियो मॉडल B-roll के काम के लिए उतना ही उपयुक्त नहीं है। इस उपयोग के मामले में असल में यह मायने रखता है: टेम्पोरल कंसिस्टेंसी (ऐसे सब्जेक्ट जो फ़्रेम-दर-फ़्रेम बदलें या झिलमिलाएँ नहीं), यथार्थवादी मोशन, और तैयार प्रोडक्शन के लिए उपयुक्त रिज़ॉल्यूशन।
Wan 2.7 T2V टेक्स्ट विवरण से मज़बूत सीन कोहेरेंस के साथ 1080p वीडियो देता है। यह वाइड बाहरी शॉट अच्छी तरह संभालता है, खासकर लैंडस्केप, शहर के दृश्य और पर्यावरण फ़ुटेज, जो B-roll की सबसे आम श्रेणियाँ हैं। जनरेशन तेज़ है, इसलिए बैच B-roll के काम के लिए यह व्यावहारिक डिफ़ॉल्ट विकल्प है।
Kling v3 Video सिनेमैटिक आउटपुट के लिए ही बना है। कैमरा मूवमेंट जानबूझकर लगता है, रैंडम नहीं। यह धीमे डॉली-स्टाइल मूवमेंट और रैक फ़ोकस इफ़ेक्ट को ज़्यादातर मॉडलों से अधिक नियंत्रण के साथ संभालता है। ब्यूटी शॉट, प्रोडक्ट रिवील और वातावरणीय इनसर्ट के लिए अच्छा है, जहाँ कैमरा मूवमेंट खुद कहानी का कुछ हिस्सा कहता है।
Seedance 2.0 वीडियो के साथ नेटिव ऑडियो जनरेशन शामिल करता है, जो B-roll के लिए व्यावहारिक फ़ायदा है। किसी व्यस्त बाज़ार के दृश्य की क्लिप में भीड़ की परिवेश ध्वनि होगी। जंगल की क्लिप में चिड़ियों की चहचहाहट और हवा होगी। इससे वर्कफ़्लो में ऑडियो खोजने का एक अलग चरण हट जाता है।
Google का Veo 3 फ़ोटोरियलिज़्म के उच्च स्तर पर है। मानव सब्जेक्ट, कपड़े की हरकत और परिवेश की रोशनी काफ़ी सटीकता से रेंडर होते हैं। यह मॉडल जटिल, कई तत्वों वाले दृश्यों को भी संभालता है, बिना उस सब्जेक्ट ड्रिफ़्ट के जो निचले स्तर के मॉडलों को प्रभावित करता है। जिन प्रोडक्शन में विज़ुअल गुणवत्ता से समझौता नहीं हो सकता, उनके लिए यह बेंचमार्क है।
LTX 2 Pro 4K रिज़ॉल्यूशन में आउटपुट देता है, जो तब मायने रखता है जब आपका मुख्य फ़ुटेज 4K में शूट हुआ हो और आप ऐसा B-roll चाहते हों जो अपस्केलिंग आर्टिफ़ैक्ट के बिना कलर ग्रेडिंग में टिके। यह अपनी रिज़ॉल्यूशन श्रेणी के लिए भी तेज़ी से जनरेट करता है।
PicassoIA आपको इन सभी मॉडलों तक एक ही जगह पहुँच देता है, और हर एक के लिए अलग API keys या अकाउंट संभालने की ज़रूरत नहीं पड़ती। प्रक्रिया सीधी है।
कुछ भी जनरेट करने से पहले, अपनी स्क्रिप्ट या रफ़ कट से गुज़रें और हर उस बिंदु को चिह्नित करें जहाँ आपको कट छिपाना है या चित्रात्मक फ़ुटेज जोड़ना है। हर शॉट के लिए एक पंक्ति लिखें जिसमें बताएँ कि असल में आपको क्या दिखाना है। साफ़-साफ़ बताएँ: एंगल, विषय, माहौल, दिन का समय, मूड।
यही शॉट लिस्ट आपकी प्रॉम्प्ट लिस्ट बन जाती है। अगर आपके 20 कट पॉइंट हैं, तो आप 20 प्रॉम्प्ट लिखेंगे।
शॉट लिस्ट का हर आइटम लें और उसे एक पूरे जनरेशन प्रॉम्प्ट में विस्तार दें। आख़िर में कैमरा एंगल, रोशनी की स्थिति और एक स्टाइल नोट जोड़ें। एक भरोसेमंद टेम्पलेट:
[सब्जेक्ट और क्रिया] [वातावरण] में, [दिन का समय और रोशनी], [कैमरा एंगल और लेंस], फोटोरियलिस्टिक, सिनेमैटिक, 8K
उदाहरण: "एक गर्म रोशनी वाली स्वतंत्र कॉफ़ी शॉप में बरिस्ता के हाथ एस्प्रेसो के ग्राउंड्स को टैंप करते हुए क्लोज़-अप, खिड़की से आती सुबह की साइड लाइट, काउंटर लेवल से 85mm शैलो डेप्थ ऑफ़ फ़ील्ड के साथ शॉट, फोटोरियलिस्टिक, सिनेमैटिक, 8K"
PicassoIA पर टेक्स्ट-टू-वीडियो कैटेगरी खोलें और अपनी प्रोडक्शन ज़रूरतों के हिसाब से मॉडल चुनें:
अपना प्रॉम्प्ट पेस्ट करें, जनरेशन चलाएँ और आउटपुट डाउनलोड करें।
10 मिनट के वीडियो के लिए आपको 15 से 25 B-roll क्लिप चाहिए हो सकती हैं। जब आप बाकी एडिटिंग काम करते रहें, तब कई प्रॉम्प्ट चलाएँ। रिज़ॉल्यूशन और मॉडल के आधार पर प्रति क्लिप जनरेशन में आम तौर पर 30 से 90 सेकंड लगते हैं।
जनरेट की गई क्लिप को उसी तरह इम्पोर्ट करें जैसे आप कोई और फ़ुटेज इम्पोर्ट करते। ज़रूरी लंबाई पर ट्रिम करें, अपने एडिटिंग सॉफ़्टवेयर के स्कोप्स से मुख्य फ़ुटेज के साथ कलर मैच करें, और उन्हें चिह्नित कट पॉइंट पर रखें।
💡 टिप: क्लिप को ज़रूरत से थोड़ा लंबा जनरेट करें। ऑडियो के किसी खास पल के साथ काम करते समय 10 सेकंड की क्लिप 5 सेकंड की क्लिप से ज़्यादा कट लचीलापन देती है।
उपयोगी क्लिप और बेकार क्लिप के बीच का फ़र्क आम तौर पर प्रॉम्प्ट की बनावट पर निर्भर करता है। ये पैटर्न ज़्यादातर मॉडलों पर भरोसेमंद नतीजे देते हैं।
| B-Roll प्रकार | प्रॉम्प्ट फ़ॉर्मूला | उदाहरण |
|---|---|---|
| एस्टैब्लिशिंग शॉट | [स्थान] का वाइड दृश्य [समय], [मौसम], [मूड] | शाम के समय लिस्बन की छत का वाइड शॉट, गर्म एम्बर आसमान, शांत और सिनेमैटिक |
| एक्शन इनसर्ट | [विषय] [क्रिया करते हुए] का क्लोज़-अप, [रोशनी], [लेंस] | कीबोर्ड पर टाइप करते हाथों का क्लोज़-अप, सुबह की साइड लाइट, 85mm शैलो DOF |
| नेचर कटअवे | [जानवर/पौधा] [वातावरण] में, [मौसम], मैक्रो या वाइड | पूरी तरह खिले लैवेंडर पर मधुमक्खी, देर दोपहर की बैकलाइट, मैक्रो 100mm |
| वातावरण | [वातावरण] [दिन का समय], [खास रोशनी की गुणवत्ता], धीमा पैन | नीले घंटे में खाली पत्थर की गली, एम्बर लालटेन की चमक, धीमा बायाँ पैन |
| कैरेक्टर इनसर्ट | [व्यक्ति का प्रकार] [क्रिया], [सेटिंग], [भावनात्मक स्वर] | बारिश वाली दोपहर में कैफ़े की खिड़की वाली मेज़ पर पढ़ती युवा महिला, शांत और केंद्रित |
ऐसे प्रॉम्प्ट से बचें जिनमें परस्पर विरोधी तत्व हों। भीतर से सुसंगत प्रॉम्प्ट सुसंगत आउटपुट देते हैं। अगर आप जो रोशनी बताते हैं वह उस दिन के समय से मेल नहीं खाती जो आप बताते हैं, तो मॉडल उस विरोधाभास को ऐसे तरीकों से हल करेगा जो आपने नहीं चाहे थे।
कुछ खास श्रेणियाँ ऐसी हैं जहाँ B-roll जनरेट करना उसे खोजने से बेहतर है, बिना किसी अपवाद के।
स्टॉक लाइब्रेरी आम तौर पर सामान्य, पश्चिमी और महानगरीय कंटेंट की ओर झुकी होती हैं। अगर आपको दक्षिण-पूर्व एशिया के नाइट मार्केट, किसी खास तरह की तटरेखा पर पारंपरिक मछुआरा गाँव, ग्रामीण कृषि दृश्य का कोई अनोखा कोण, या कुछ ऐसा चाहिए जो शीर्ष 100 सबसे ज़्यादा खोजी जाने वाली स्टॉक कैटेगरी में नहीं आता, तो उसे जनरेट करना उसे खोजने से तेज़ है।
आप AI के रेंडर करने में लगने वाले समय से ज़्यादा समय खोजने में लगाएँगे।
AI-जनरेटेड फ़ुटेज को लाइसेंसिंग की ज़रूरत नहीं होती। वहाँ मॉडल रिलीज़ की चिंता नहीं, लोकेशन समझौते नहीं, और इस जोखिम की भी नहीं कि आपका वीडियो लाइव होने के बाद पता चले कि जिस क्लिप का आपने इस्तेमाल किया था, उसे लाइब्रेरी से हटा दिया गया है। वह क्लिप आपके प्रोजेक्ट के लिए अनोखी है।
यह वह व्यावहारिक फ़ायदा है जिसे एडिटर तुरंत नोटिस करते हैं। जब आप B-roll को उसी स्टाइल डिस्क्रिप्टर के साथ जनरेट करते हैं जो आपके मुख्य कलर ग्रेड के हैं, तो फ़ुटेज स्वाभाविक रूप से घुल-मिल जाता है। हर प्रॉम्प्ट में "warm amber tones, Kodak film look, soft contrast" लिखें, और आपका B-roll उसी कलर साइंस को लेकर चलेगा जो आपके ग्रेडेड A-roll में है, जिससे पोस्ट में कलर मैचिंग का काम काफ़ी कम हो जाएगा।
जनरेशन वाला चरण प्रक्रिया का सिर्फ़ आधा हिस्सा है। यहाँ बताया गया है कि AI B-roll को तैयार एडिट में साफ़-सुथरे ढंग से कैसे जोड़ें।
AI क्लिप आम तौर पर 5 से 10 सेकंड की होती हैं। B-roll कट तब सबसे अच्छे काम करते हैं जब वे ऑडियो बीट्स या वाक्यांश के अंत पर पड़ें। तब कट इन करें जब वक्ता वाक्य पूरा करे, और अगला शुरू होने से पहले कट आउट करें। किसी एक B-roll क्लिप को 4 से 5 सेकंड से ज़्यादा स्क्रीन पर न रोकें, सिवाय उस स्थिति के जब उसमें ध्यान बाँधे रखने वाला काफ़ी मोशन हो।
मैचिंग स्टाइल प्रॉम्प्ट होने के बावजूद, AI फ़ुटेज को आपके कैमरा फ़ुटेज के साथ मिलाने के लिए आपको अक्सर हल्का कलर करेक्शन पास चाहिए होगा। शैडो लिफ़्ट और हाइलाइट रोलऑफ़ मिलाने के लिए अपने एडिटिंग सॉफ़्टवेयर के कलर व्हील इस्तेमाल करें। सभी क्लिप में एक जैसा लुक लाने के लिए कम ओपेसिटी पर लागू किया गया एक त्वरित LUT भी काम करता है।
जटिल सीक्वेंस के लिए, लंबी क्लिप को समय वाले सेगमेंट में काटने हेतु Video Split का इस्तेमाल करें, और कई जनरेट की गई क्लिप को एक एसेट में मिलाने के लिए Video Merge का। ये दोनों टूल इस चरण के लिए अलग एप्लिकेशन की ज़रूरत के बिना सीधे PicassoIA पर काम करते हैं।
अगर आप किसी मौजूदा क्लिप की स्टाइल बदलना चाहते हैं या जनरेट की गई क्लिप का लुक संशोधित करना चाहते हैं, तो Lucy Edit 2 और Wan 2.7 Videoedit दोनों वीडियो कंटेंट बदलने के लिए टेक्स्ट निर्देश स्वीकार करते हैं। Gen 4 Aleph पूरी क्लिप की अवधि में रीकट और विज़ुअल रीस्टाइलिंग संभालता है।
अगर आपका आउटपुट लक्ष्य ब्रॉडकास्ट या बड़ी स्क्रीन डिस्प्ले है, तो जनरेट की गई 1080p क्लिप को अपस्केलिंग की ज़रूरत पड़ सकती है। Real ESRGAN Video फ़ुटेज को टेक्सचर संरक्षण के साथ 4K तक अपस्केल करता है। सबसे उच्च गुणवत्ता के नतीजे के लिए, Crystal Video Upscaler और Video Upscale by Topaz Labs न्यूनतम आर्टिफ़ैक्टिंग के साथ ब्रॉडकास्ट-रेडी आउटपुट देते हैं।
सही टूल होने पर भी वही गलतियाँ बार-बार होती हैं। यहाँ देखने लायक बातें हैं।
💡 गलती 1: बहुत छोटे प्रॉम्प्ट तीन शब्दों का प्रॉम्प्ट एक सामान्य क्लिप देता है। कैमरा एंगल, रोशनी की दिशा, विषय के विवरण और स्टाइल वाले विशिष्ट प्रॉम्प्ट ऐसा फ़ुटेज देते हैं जिसका आप सच में इस्तेमाल कर सकें। असली प्रॉम्प्ट लिखने में 90 सेकंड लगाएँ। जनरेशन का आउटपुट उतनी ही मेहनत दिखाता है जितनी आप शॉट का वर्णन करने में लगाते हैं।
💡 गलती 2: हर सीन के लिए एक ही क्लिप जनरेट करना हर शॉट के कम से कम दो से तीन वेरिएशन जनरेट करें। AI आउटपुट नॉन-डिटरमिनिस्टिक होता है; पहला नतीजा हमेशा सबसे अच्छा नहीं होता। तीन टेक के साथ आप सबसे मज़बूत चुनते हैं और अक्सर कोई अप्रत्याशित एंगल मिलता है जो कट को बेहतर बनाता है।
💡 गलती 3: परिवेश ऑडियो को नज़रअंदाज़ करना अगर आप Seedance 2.0 इस्तेमाल कर रहे हैं, तो जनरेट किया गया ऑडियो सीधे आपके परिवेश ट्रैक के रूप में काम आ सकता है। अगर आप बिना ऑडियो वाला मॉडल इस्तेमाल कर रहे हैं, तो परिवेश साउंड डिज़ाइन अलग से योजना बनाकर करें। B-roll कटों के नीचे खामोशी दर्शक को अजीब लगती है, भले ही वे यह न बता पाएँ कि ऐसा क्यों लगता है।
व्यावहारिक वर्कफ़्लो में बदलाव काफ़ी बड़ा है। AI से पहले प्रक्रिया कुछ ऐसी दिखती थी: स्क्रिप्ट, A-roll शूट करना, B-roll के लिए स्टॉक खोजना, क्लिप का लाइसेंस लेना, एडिट करना। स्टॉक की खोज एक अनिश्चित समय की ऐसी बर्बादी थी जो पूरी दोपहर खा सकती थी।
AI के साथ वर्कफ़्लो बन जाता है: स्क्रिप्ट, A-roll शूट करना, स्क्रिप्ट से B-roll प्रॉम्प्ट लिखना, डाउनटाइम में जनरेट करना, एडिट करना। B-roll वाला चरण अब अनुमानित, तेज़ है, और ऐसा फ़ुटेज देता है जो सच में आपके प्रोजेक्ट में फ़िट बैठता है, न कि वह फ़ुटेज जिसके साथ आपको समझौता करना पड़ा।
अकेले क्रिएटर्स के लिए, यह एक-व्यक्ति के काम और एक समर्पित रिसर्चर व फ़ुटेज लाइसेंसिंग बजट वाले बड़े प्रोडक्शन के बीच का संसाधन अंतर कम करता है। एजेंसियों और प्रोडक्शन कंपनियों के लिए, यह उन बिलेबल घंटों की बर्बादी हटाता है, जिनके भुगतान की अहमियत क्लाइंट वैसे भी कभी नहीं समझते।
मॉडल अभी उपलब्ध हैं। गुणवत्ता प्रोडक्शन के लिए तैयार है। आपके मौजूदा वर्कफ़्लो और एक तेज़, अधिक लचीले वर्कफ़्लो के बीच बस आपका पहला प्रॉम्प्ट लिखना बाकी है।
PicassoIA खोलें, टेक्स्ट-टू-वीडियो कैटेगरी से अपना मॉडल चुनें, वह शॉट बताएँ जो आप किसी स्टॉक साइट पर नहीं ढूँढ पाए, और उसे जनरेट करें। किसी ठोस चीज़ से शुरू करें: एक असली लोकेशन, दिन का असली समय, रोशनी की असली स्थिति। देखें कि क्या नतीजा आता है।
फिर अगला प्रॉम्प्ट लिखें। और उसके बाद वाला।
आपकी B-roll लाइब्रेरी अब एक प्रॉम्प्ट दूर है, ठीक वैसी बनने से जैसी आपके प्रोजेक्ट को असल में चाहिए, न कि वैसी जैसी स्टॉक लाइब्रेरी में संयोग से उपलब्ध थी। PicassoIA का हर मॉडल इसे आपके साथ बनाने के लिए तैयार है।
अपनी भाषा चुनें
