Face swap API के तीन बिलकुल अलग मतलब हो सकते हैं: एक होस्टेड एंडपॉइंट, एक ओपन सोर्स टूलकिट जिसे आप खुद चलाते हैं, या ब्राउज़र में चलने वाला वीडियो रिप्लेसमेंट मॉडल। यह लेख तीनों की तुलना करता है, बताता है कि फ्री में असल में क्या शामिल है, और एक काम करने वाले वीडियो स्वैप को चरण-दर-चरण समझाता है।
सर्च बार में "face swap API" टाइप करने पर एक ही नतीजों के पेज पर तीन अलग-अलग प्रोडक्ट मिले-जुले दिखते हैं। कुछ लिंक होस्टेड एंडपॉइंट पर ले जाते हैं, जो दो फ़ाइलें लेते हैं और एक फ़ाइल लौटाते हैं। कुछ ओपन सोर्स प्रोजेक्ट हैं, जिन्हें GPU और डिपेंडेंसी ठीक करने में एक दोपहर चाहिए। तीसरे समूह में ब्राउज़र टूल हैं, जो कोई API दिखाते ही नहीं। स्थिर फ़ोटो के लिए इनमें से कोई भी चल जाता है। वीडियो के लिए फ़र्क बहुत बड़ा है, क्योंकि 240 फ़्रेम में से एक भी खराब फ़्रेम दस सेकंड की क्लिप बिगाड़ने के लिए काफ़ी है।
यह लेख विकल्पों को इस आधार पर छाँटता है कि उनकी लागत कितनी है, वे कहाँ टूटते हैं, और कौन सा प्रोजेक्ट किसके लिए ठीक बैठता है। इसमें एक काम करने वाला वीडियो उदाहरण भी है, जिसे आप आज ही ब्राउज़र में चला सकते हैं, साथ ही यह साफ़ नोट भी है कि PicassoIA API स्वैप के लिए क्या देता है और क्या नहीं।
Face swap API एक सोर्स (वह चेहरा जिसे आप इस्तेमाल करना चाहते हैं) और एक टारगेट (वह फ़ोटो या क्लिप जिसे चेहरा मिलेगा) लेता है, और एक नई फ़ाइल लौटाता है जिसमें टारगेट पर सोर्स की पहचान दिखती है। एंडपॉइंट के पीछे लगभग हर पाइपलाइन एक ही चरण चलाती है: चेहरे पहचानना, सोर्स से पहचान का सिग्नेचर निकालना, नए चेहरे वाला हिस्सा जनरेट करना, और उसे मेल खाते स्किन टोन, रोशनी और सिर के कोण के साथ वापस मिलाना।
आम इनपुट और आउटपुट कुछ ऐसे दिखते हैं:
इमेज स्वैप एक फ़्रेम पर एक ऑपरेशन है। यह एक-दो सेकंड में पूरा हो जाता है, और कोई गड़बड़ी आसानी से दिख जाती है और दोबारा चलाई जा सकती है। वीडियो स्वैप हर फ़्रेम पर वही ऑपरेशन दोहराता है, फिर एक कंसिस्टेंसी पास जोड़ता है ताकि चेहरा फ़्रेमों के बीच टिमटिमाए नहीं। 24 फ़्रेम प्रति सेकंड पर दस सेकंड मतलब 240 फ़्रेम हैं, और लागत, इंतज़ार का समय और फ़ेल होने की संभावना, तीनों इसी संख्या के साथ बढ़ते हैं।
| कारक | इमेज स्वैप | वीडियो स्वैप |
|---|---|---|
| प्रोसेस किए गए फ़्रेम | 1 | प्रति सेकंड फ़ुटेज के लिए 24 से 60 |
| सामान्य इंतज़ार | सेकंड | सेकंड से लेकर कई मिनट |
| फ़ेल होने का तरीका | एक दिखने वाली गड़बड़ी | फ़्लिकर, ड्रिफ़्ट, खोई हुई ट्रैकिंग |
| डिलीवरी का पैटर्न | अक्सर एक ही रिक्वेस्ट | सबमिट करें, पोल करें, डाउनलोड करें |
| इनपुट साइज़ | कुछ मेगाबाइट | दर्जनों या सैकड़ों मेगाबाइट |
चलते हुए चेहरे वह सब करते हैं जो स्थिर फ़ोटो कभी नहीं परखते। हाथ मुँह के सामने से गुज़रता है। सिर प्रोफ़ाइल की ओर मुड़ता है। खिड़की की चमक शॉट के बीच में स्किन का रंग बदल देती है। इनमें से हर स्थिति कुछ फ़्रेमों के लिए पहचान का मिलान तोड़ देती है, और आँख तीन फ़्रेम की गड़बड़ी तुरंत पकड़ लेती है, भले ही वह बता न सके कि गड़बड़ी क्या है।
💡 सबसे कठिन तीन सेकंड पहले टेस्ट करें। अपनी फ़ुटेज का वह हिस्सा चुनें जिसमें सिर सबसे तेज़ मुड़ता है, सबसे ज़्यादा चीज़ें चेहरे को ढकती हैं, और रोशनी सबसे मुश्किल है। अगर कोई टूल वहाँ टिक गया, तो बाकी में भी टिकेगा। अगर आप सिर्फ़ सबसे अच्छा टेक टेस्ट करते हैं, तो हर टूल शानदार लगेगा।
Replicate और fal जैसे मॉडल मार्केटप्लेस face swap मॉडल की सूची देते हैं, जिन्हें आप HTTP पर कॉल कर सकते हैं। बिलिंग आम तौर पर हर रन या GPU के हर सेकंड के हिसाब से होती है। हार्डवेयर की ज़रूरत नहीं पड़ती, और एक प्रोटोटाइप एक घंटे के भीतर चल सकता है।
ट्रेड-ऑफ़ व्यावहारिक हैं। कीमतें और मॉडल की उपलब्धता बिना सूचना के बदल जाती हैं। पीक घंटों में कतारें लंबी हो जाती हैं। अपलोड के आकार की सीमा होती है। और आप जो भी चेहरा भेजते हैं, वह आपके अपने सर्वर से बाहर जाता है, जो किसी भी प्राइवसी समीक्षा में मायने रखता है। इस पर पैसा लगाने से पहले मौजूदा प्राइस पेज और डेटा शर्तें ज़रूर देखें।
FaceFusion, Roop परिवार के फ़ोर्क और InsightFace swapper मॉडल वे नाम हैं जो सबसे ज़्यादा सामने आते हैं। इन्हें खुद चलाने का मतलब है कि हर कॉल पर कोई फ़ीस नहीं, सेटिंग्स पर पूरा नियंत्रण, और आपकी फ़ुटेज आपकी मशीन से बाहर नहीं जाती।
लागत दूसरी जगह चली जाती है। आपको एक सक्षम GPU, सही ड्राइवर और डिपेंडेंसी वर्ज़न के साथ धैर्य चाहिए। लाइसेंस पर सबसे ज़्यादा ध्यान देना चाहिए: कई लोकप्रिय swapper वेट्स सिर्फ़ गैर-व्यावसायिक रिसर्च उपयोग के लिए जारी हुए हैं। यह एक वीकेंड के प्रयोग के लिए ठीक है, और जिस दिन आपका प्रोजेक्ट कमाई करने लगे, उस दिन यह समस्या बन जाता है, इसलिए जो सटीक वेट्स आप डाउनलोड करें, उनका लाइसेंस ज़रूर पढ़ें।
एक नया तरीका चेहरे को सिर्फ़ चिपकाने वाला काम पूरी तरह छोड़ देता है। एक या अधिक रेफ़रेंस फ़ोटो का इस्तेमाल करके मॉडल क्लिप में पूरे व्यक्ति को बदल देता है, और मूल फ़ुटेज की गति, टाइमिंग और कैमरे का काम बनाए रखता है।
PicassoIA इस तरीके से बने दो मॉडल सूचीबद्ध करता है: P Video Replace और Wan 2.2 Animate Replace। चूँकि ये सिर्फ़ चेहरा नहीं, पूरे व्यक्ति को बदलते हैं, इसलिए बाल, शारीरिक बनावट और कपड़े भी रेफ़रेंस फ़ोटो के हिसाब से चलते हैं। जब आपको तैयार क्लिप में एक अलग प्रस्तुतकर्ता चाहिए, तब यह आदर्श है। लेकिन अगर आपको सिर्फ़ चेहरा बदलना है और बाकी सब हूबहू रखना है, तो यह गलत टूल है।
"फ्री" के पीछे कम से कम चार अलग-अलग सौदे छिपे होते हैं, और इन्हें आपस में मिला देना ज़्यादातर निराशा की वजह बनता है।
बनाते समय एक ओपन सोर्स टूलकिट को लोकल गेमिंग GPU पर चलाएँ। इसमें हर कॉल की फ़ीस के बजाय बिजली लगती है, और आप एक ही टेस्ट क्लिप पर सैकड़ों बार प्रयोग कर सकते हैं। जब प्रोटोटाइप काम करने लगे, तो भारी या अचानक बढ़ने वाला ट्रैफ़िक होस्टेड एंडपॉइंट पर ले जाएँ, और उसकी प्रति-रन कीमत की तुलना अपने GPU को व्यस्त रखने की लागत से करें।
कोड को पूरी तरह छोड़ दें। Wan 2.2 Animate Replace पेज इस मॉडल को ऑनलाइन फ्री में आज़माने योग्य बताता है: एक क्लिप और एक कैरेक्टर फ़ोटो अपलोड करें, और स्वैप बिना किसी एडिटिंग सॉफ़्टवेयर के ब्राउज़र में चल जाता है। मिलान जाँचने के लिए 480p पर एक छोटी क्लिप से शुरुआत करें, और पसंद आने पर 720p पर दोबारा चलाएँ।
💡 फ्री होने का मतलब यह नहीं कि वह व्यावसायिक उपयोग के लिए भी ठीक है। एक फ्री टूल व्यावसायिक उपयोग पर रोक लगा सकता है, एट्रिब्यूशन माँग सकता है, या वॉटरमार्क जोड़ सकता है। किसी क्लाइंट के लिए स्वैप किया गया वीडियो प्रकाशित करने से पहले लाइसेंस ज़रूर पढ़ें।
वीडियो के काम के लिए व्यावहारिक विकल्प इस तरह सामने आते हैं।
| विकल्प | सबसे उपयुक्त | वीडियो सपोर्ट | कॉस्ट मॉडल | मुख्य पेच |
|---|---|---|---|---|
| मार्केटप्लेस एंडपॉइंट | ऐप का प्रोटोटाइप बनाते डेवलपर | मॉडल पर निर्भर | हर रन के हिसाब से भुगतान | कीमतें बदलती हैं, अपलोड आपके सर्वर से बाहर जाते हैं |
| ओपन सोर्स टूलकिट | बड़ी मात्रा, निजी फ़ुटेज | हाँ, फ़्रेम-दर-फ़्रेम | हार्डवेयर और आपका समय | सेटअप की मेहनत, लाइसेंस की सीमाएँ |
| P Video Replace | तैयार फ़ुटेज में किसी व्यक्ति को बदलना | हाँ, 1080p तक | ब्राउज़र, कोई हार्डवेयर नहीं | व्यक्ति को बदलता है, सिर्फ़ चेहरा नहीं |
| Wan 2.2 Animate Replace | एक फ़ोटो से तेज़ कैरेक्टर स्वैप | हाँ, 720p या 480p | ऑनलाइन आज़माने के लिए फ्री | प्रकाशित उदाहरणों में रन धीमे हैं |
| PicassoIA API | ऐप के अंदर इमेज और वीडियो जनरेशन | आज कोई स्वैप मॉडल नहीं | Replicate-स्टाइल प्रेडिक्शन | स्वैप मॉडल वेब ऐप में चलते हैं |
तीन नियम ज़्यादातर फ़ैसले तय कर देते हैं:
जब दो विकल्प बराबर लगें, तो वह चुनें जिसकी विफलता आप झेल सकते हैं। एक टिमटिमाहट जिसे आप दोबारा रेंडर कर सकते हैं, उसमें कुछ मिनट लगते हैं, जबकि बिना जाँचे अपलोड से हुआ प्राइवसी लीक वापस नहीं लिया जा सकता।
P Video Replace एक सोर्स वीडियो और उस व्यक्ति की तीन तक रेफ़रेंस फ़ोटो लेता है जिसे आप दृश्य में चाहते हैं। बाकी सब वैसा ही रहता है: गति, टाइमिंग, कैमरे का एंगल और बैकग्राउंड। मॉडल पेज 1080p तक आउटपुट बताता है, और वहाँ प्रकाशित उदाहरण रन क्लिप के हिसाब से लगभग 20 सेकंड से लेकर दो मिनट से कुछ ज़्यादा में पूरे हुए।
.mp4 फ़ाइल इस्तेमाल करें। ऐसी फ़ुटेज चुनें जिसमें बदला जाने वाला व्यक्ति ज़्यादातर क्लिप में दिखता हो, रोशनी स्थिर हो और तेज़ कट न हों। क्लिप को सिर्फ़ उतना ही ट्रिम करें जितना चाहिए, क्योंकि छोटी क्लिप तेज़ चलती हैं और कम फ़ेल होती हैं।
जिस व्यक्ति को लाना है, उसकी एक से तीन फ़ोटो अपलोड करें। सामने से ली गई, समान रोशनी वाली, साफ़ तस्वीरें इस्तेमाल करें, जिनमें धूप का चश्मा या गहरी परछाइयाँ न हों। एक दूसरा कोण जोड़ना, जैसे तीन-चौथाई व्यू, मदद करता है ताकि सिर मुड़ने पर भी चेहरा एक जैसा रहे।
डिफ़ॉल्ट 720p है, और जब क्लिप डिलीवरी के लिए हो तो 1080p उपलब्ध है। अगर आवाज़ वैसी ही रहनी चाहिए, तो मूल ऑडियो चालू रखें। फ़्रेम रेट को मूल पर रखें, जब तक आपके प्रोजेक्ट में 24 या 48 की ज़रूरत न हो। त्वरित ड्राफ़्ट के लिए turbo चालू करें: यह तेज़ है और क्वालिटी थोड़ी कम होती है।
प्रॉम्प्ट फ़ील्ड वैकल्पिक है, और एक छोटा वाक्य काफ़ी है। "इमेज 1 वाले व्यक्ति से प्रस्तुतकर्ता को बदलो" जैसा कुछ मॉडल को बता देता है कि आप क्या चाहते हैं। अगर नतीजा भटकता है, तो प्रॉम्प्ट दोबारा लिखने से पहले रेफ़रेंस फ़ोटो ठीक करें, क्योंकि फ़ोटो ज़्यादा मायने रखती हैं।
Wan 2.2 Animate Replace में मिलता-जुलता फ़्लो है, पर तीन की जगह एक कैरेक्टर इमेज लगती है। यह 720p या 480p पर चलता है, 30 फ़्रेम प्रति सेकंड पर आउटपुट देता है और डिफ़ॉल्ट रूप से मूल ऑडियो मिलाता है। एक फ़ास्ट मोड जल्दी प्रीव्यू देता है। प्रकाशित उदाहरणों में लगभग डेढ़ मिनट से लेकर बारह मिनट से ज़्यादा तक लगे, इसलिए लंबी क्लिप के लिए इंतज़ार की योजना बनाएँ।
💡 फ़ाइनल से पहले ड्राफ़्ट चलाएँ। फ़ेस मिलान जाँचने के लिए turbo या 480p इस्तेमाल करें, और लंबा रन उस वर्ज़न पर लगाएँ जिसे आप प्रकाशित करने वाले हैं।
डेवलपर अक्सर पूछते हैं कि क्या PicassoIA API कोड से ये स्वैप चला सकता है। यहाँ ईमानदार जवाब है, जो लिखे जाने के समय के डेवलपर पेजों पर आधारित है।
API api.picassoia.com/v1 पर है और authentication के लिए bearer token इस्तेमाल करता है। यह Replicate जैसा तरीका अपनाता है: आप /v1/models/{owner}/{name}/predictions पर POST भेजकर prediction बनाते हैं, फिर जॉब पूरा होने तक GET /v1/predictions/{id} को पोल करते हैं, और चल रहा जॉब कैंसिल भी कर सकते हैं। जॉब एसिंक्रोनस हैं, जो वीडियो के लिए उपयुक्त है।
चार मॉडल उपलब्ध हैं: इमेज जनरेशन, PicassoIA Image Editor Pro के ज़रिए इमेज एडिटिंग, और दो वीडियो विकल्प, जिनमें से एक ऑडियो के साथ आता है। इनमें से कोई भी समर्पित face swap मॉडल नहीं है, इसलिए ऊपर बताए गए स्वैप मॉडल अभी वेब ऐप में चलते हैं, API के ज़रिए नहीं।
वीडियो के काम के लिए कुछ सीमाएँ मायने रखती हैं:
💡 प्राइसिंग के शब्द जाँचें। डॉक्स कहते हैं कि predictions अभी फ्री हैं और कोई क्रेडिट नहीं लगता, पर वे एक ज़रूरी प्लान का नाम भी लेते हैं, और प्राइसिंग पेज API एक्सेस को एक अलग प्लान सेट में दिखाता है। API पर कोई प्रोडक्ट बनाने से पहले दोनों पेज देखें और अपनी ज़रूरत का प्लान पक्का करें।
फेस स्वैप टेक्नोलॉजी का इस्तेमाल सामान्य और हानिरहित कामों के लिए किया जा सकता है, जैसे ट्रेनिंग वीडियो में प्रस्तुतकर्ता को बदलना या कास्टिंग का कोई आइडिया परखना। इसका इस्तेमाल लोगों को धोखा देने के लिए भी हो सकता है, और दोनों के बीच की रेखा सहमति है। इन्हें न्यूनतम शर्तें मानें:
अगर आप फेस स्वैप API पर कोई प्रोडक्ट बनाते हैं, तो अपलोड के समय सहमति का चेकबॉक्स जोड़ें, रिक्वेस्ट का लॉग रखें, कंटेंट हटवाने का रास्ता दें, और जिन अपलोड को आप सत्यापित नहीं कर सकते उन्हें अस्वीकार करें। इन कदमों में एक दोपहर लगती है और ये उन समस्याओं को रोकते हैं जो प्रोजेक्ट खत्म कर देती हैं।
स्वैप को परखने का सबसे तेज़ तरीका है अपनी फ़ुटेज चलाना। एक छोटी क्लिप और एक साफ़ रेफ़रेंस फ़ोटो के साथ P Video Replace खोलें, या 480p पर फ्री में आज़माने योग्य कैरेक्टर स्वैप के लिए Wan 2.2 Animate Replace देखें। अगर आपको स्थिर इमेज का काम भी चाहिए, तो PicassoIA Image Editor Pro टेक्स्ट निर्देश से फ़ोटो एडिट करता है।
अपनी सबसे मुश्किल फ़ुटेज के तीन सेकंड से शुरू करें, दो मॉडल आमने-सामने तुलना करें, और वह रखें जो सिर मुड़ने पर भी टिके। जब आप देखना चाहें कि और क्या उपलब्ध है, तो picassoia.com/en/all-models पर सभी मॉडल देखें और आज ही Picasso IA पर अपनी इमेज और वीडियो बनाएँ।
अपनी भाषा चुनें
