Wan 2.6 अब तक का सबसे सक्षम ओपन-सोर्स वीडियो जनरेशन मॉडल है, जो टेक्स्ट-टू-वीडियो और इमेज-टू-वीडियो, दोनों मोड में ज़्यादा साफ़ मोशन, मज़बूत प्रॉम्प्ट एडहेरेंस और सिनेमैटिक आउटपुट देता है। यह लेख आपका पहला प्रॉम्प्ट लिखने से लेकर रिज़ॉल्यूशन, फ्रेम रेट और मोशन इंटेंसिटी को ट्यून करने तक हर चरण समझाता है, ताकि आप पहले दिन से ही प्रोफ़ेशनल-क्वालिटी नतीजे पा सकें।
Wan 2.6 ओपन-सोर्स वीडियो जनरेशन में एक असली छलांग है। अगर आप इस क्षेत्र पर नज़र रख रहे हैं, तो आप जानते ही होंगे कि Wan सीरीज़ ने रिसर्च टीम की तरफ़ से लगातार प्रतिस्पर्धी नतीजे दिए हैं। वर्ज़न 2.6 इसे और आगे ले जाता है, जिसमें मोशन में ज़्यादा तालमेल, चेहरे की बेहतर डिटेल और प्रॉम्प्ट एडहेरेंस में काफ़ी सुधार है। चाहे आप सोशल मीडिया के लिए सिनेमैटिक क्लिप बना रहे हों, प्रोडक्ट फ़ोटोग्राफ़ी को एनिमेट कर रहे हों, या पूरा वीडियो वर्कफ़्लो तैयार कर रहे हों, अभी यही वह मॉडल है जिसे जानना ज़रूरी है।
Wan 2.6 एक ओपन-सोर्स डिफ्यूज़न-आधारित वीडियो जनरेशन मॉडल है। यह इनपुट के तौर पर टेक्स्ट विवरण या स्थिर इमेज लेता है और आम तौर पर 4 से 8 सेकंड की एक छोटी वीडियो क्लिप देता है, जिसका रिज़ॉल्यूशन 1080p तक हो सकता है। यह मॉडल वीडियो लेटेंट्स पर डिफ्यूज़न प्रक्रिया चलाता है, यानी यह शोर वाले फ्रेमों को बार-बार परिष्कृत करके उन्हें तालमेल वाले मोशन में बदलता है।
इसे पिछले ओपन-सोर्स मॉडलों से जो चीज़ अलग करती है, वह है ट्रेनिंग का बड़ा पैमाना और आर्किटेक्चर में बदलाव, जिनकी वजह से यह टेम्पोरल कंसिस्टेंसी संभाल पाता है। यानी फ्रेमों के बीच वही कैरेक्टर, लाइटिंग और माहौल बना रहता है, बिना झिलमिलाए या बहके।
Wan 2.6 दो मुख्य वर्ज़न में आता है:
| मोड | इनपुट | सबसे अच्छा किसके लिए |
|---|---|---|
| T2V (टेक्स्ट-टू-वीडियो) | सिर्फ़ टेक्स्ट प्रॉम्प्ट | शून्य से दृश्य बनाने के लिए |
| I2V (इमेज-टू-वीडियो) | स्थिर इमेज + टेक्स्ट प्रॉम्प्ट | फ़ोटो, प्रोडक्ट शॉट और पोर्ट्रेट को एनिमेट करने के लिए |
ये दोनों वर्ज़न PicassoIA पर उपलब्ध हैं। टेक्स्ट-टू-वीडियो वर्ज़न Wan 2.6 T2V है और इमेज-टू-वीडियो वर्ज़न Wan 2.6 I2V। इसके अलावा Wan 2.6 I2V Flash भी है, जो जल्दी प्रीव्यू चाहिए होने पर स्पीड के लिए ऑप्टिमाइज़्ड है।
Wan 2.5 T2V पहले से ही सक्षम था, लेकिन 2.6 उसकी मुख्य कमज़ोरियों को दूर करता है:
नोट: कुछ क्वालिटी की कीमत पर तेज़ जनरेशन के लिए, Wan 2.2 T2V Fast तेज़ ड्राफ़्ट के लिए अब भी एक बेहतरीन विकल्प है।
Wan 2.6 के ज़्यादातर खराब नतीजे खराब प्रॉम्प्ट से आते हैं। कोई भी सेटिंग छूने से पहले यह जानना ज़रूरी है कि मॉडल आपका इनपुट कैसे पढ़ता है।
एक मज़बूत Wan 2.6 प्रॉम्प्ट इस संरचना का पालन करता है:
[सब्जेक्ट] + [एक्शन/मोशन] + [परिवेश] + [लाइटिंग] + [कैमरा व्यवहार] + [स्टाइल/मूड]
उदाहरण के लिए:
"धूप से भरे गेहूँ के खेत में धीरे-धीरे चलती लाल ड्रेस वाली एक महिला, पीछे से गोल्डन आवर की रोशनी, कैमरा नीचे के कोण से धीरे-धीरे आगे बढ़ता हुआ, सिनेमैटिक, 8K, फोटोरियलिस्टिक"
हर तत्व काम करता है। सब्जेक्ट साफ़ है। मोशन परिभाषित है। परिवेश स्पष्ट है। लाइटिंग की दिशा है। कैमरे के लिए निर्देश हैं।
टिप: सिर्फ़ सब्जेक्ट नहीं, बल्कि बताएँ कि कैमरा क्या कर रहा है। Wan 2.6 सिनेमैटिक कैमरा निर्देशों की भाषा पर अच्छी प्रतिक्रिया देता है।
Wan 2.6 T2V से शून्य से क्लिप बनाने का यह मुख्य वर्कफ़्लो है।
सब्जेक्ट, एक्शन और माहौल को कवर करने वाले एक वाक्य से शुरू करें। फिर हर तत्व को विस्तार दें:
उदाहरण संरचना:
A man in a dark coat standing at a rain-soaked city intersection at night,
neon reflections on wet pavement, slow zoom out from close face to wide street,
cinematic, photorealistic, 8K, film grain
एक बार प्रॉम्प्ट तैयार हो जाए, तो जनरेट करने से पहले ये सेट करें:
| पैरामीटर | सुझाया गया मान | क्यों |
|---|---|---|
| रिज़ॉल्यूशन | 1280x720 या 1920x1080 | क्वालिटी और स्पीड में संतुलन |
| फ्रेम | 81 फ्रेम (लगभग 16fps पर 5 सेकंड) | मानक लंबाई, अच्छा मोशन आर्क |
| गाइडेंस स्केल | 5.0 से 7.0 | ज़्यादा = प्रॉम्प्ट का ज़्यादा शाब्दिक पालन |
| स्टेप्स | 30 से 50 | ज़्यादा स्टेप्स = ज़्यादा शार्प लेकिन धीमा |
| सीड | फिक्स्ड (जैसे 42) | जब अच्छा वेरिएशन मिल जाए, तो इसे लॉक करें |
अपनी पहली जनरेशन ड्राफ़्ट के तौर पर चलाएँ। नतीजे को अलग-थलग करके न आँकें:
I2V वर्कफ़्लो एक स्थिर इमेज से शुरू होता है। मॉडल इमेज की कंपोज़िशन, गहराई और कंटेंट पढ़ता है, फिर आपके मोशन प्रॉम्प्ट के आधार पर उसे एनिमेट करता है।
सारी इमेज एक जैसी अच्छी तरह एनिमेट नहीं होतीं। Wan 2.6 I2V तब सबसे अच्छा काम करता है जब:
इनसे बचें: बहुत ज़्यादा प्रोसेस की गई फ़ोटो, दिखने वाले आर्टिफ़ैक्ट वाली AI-जनरेटेड इमेज, या कई जटिल, एक-दूसरे पर चढ़े सब्जेक्ट वाली इमेज।
Wan 2.6 I2V के लिए आपका टेक्स्ट प्रॉम्प्ट एक मोशन निर्देश होता है, दृश्य का विवरण नहीं। आप मॉडल को बता रहे होते हैं कि इमेज में मौजूद चीज़ें कैसे चलें:
टिप: पूरी जनरेशन से पहले तेज़ प्रीव्यू के लिए, Wan 2.6 I2V Flash ड्राफ़्ट स्टेज पर मामूली क्वालिटी नुकसान के साथ जनरेशन का समय काफ़ी घटा देता है।
PicassoIA के कलेक्शन में Wan 2.6 T2V और Wan 2.6 I2V, दोनों सीधे उपलब्ध हैं। यहाँ सटीक वर्कफ़्लो है।
PicassoIA पर Wan 2.6 T2V पेज पर जाएँ। आपको बाईं ओर इनपुट पैनल और दाईं ओर आउटपुट प्रीव्यू एरिया दिखेगा। अगर आप एक स्थिर इमेज से काम कर रहे हैं, तो इसके बजाय Wan 2.6 I2V खोलें।
टेक्स्ट-टू-वीडियो के लिए:
इमेज-टू-वीडियो के लिए:
जनरेट पर क्लिक करें। PicassoIA आपका जॉब क्यू में डालता है और प्रोसेसिंग शुरू करता है। जनरेशन का समय रिज़ॉल्यूशन और फ्रेम काउंट के हिसाब से बदलता है, आम तौर पर 720p क्लिप के लिए 2 से 5 मिनट।
पूरा होने पर वीडियो आउटपुट पैनल में दिखता है। उसे इनलाइन प्रीव्यू करें और इंटरफ़ेस से सीधे MP4 डाउनलोड करें।
टिप: अगर आपके पहले नतीजे में चेहरों या हाथों पर साफ़ आर्टिफ़ैक्ट दिखें, तो गाइडेंस स्केल 0.5 से 1.0 घटाएँ और उसी सीड से दोबारा जनरेट करें। कम गाइडेंस अक्सर ज़्यादा शार्प हुए आर्टिफ़ैक्ट को नरम कर देता है।
ज़्यादातर शुरुआती लोग एस्थेटिक्स पर ध्यान देते हैं और उन पैरामीटर को नज़रअंदाज़ कर देते हैं जो आउटपुट की क्वालिटी तय करते हैं।
अपने आउटपुट सेटिंग चुनने के लिए यह एक व्यावहारिक संदर्भ है:
| रिज़ॉल्यूशन | फ्रेम काउंट | लगभग अवधि | उपयोग |
|---|---|---|---|
| 832x480 | 49 फ्रेम | ~3s | ड्राफ़्ट टेस्टिंग |
| 1280x720 | 81 फ्रेम | ~5s | मानक क्वालिटी |
| 1920x1080 | 81 फ्रेम | ~5s | फ़ाइनल आउटपुट |
| 1920x1080 | 121 फ्रेम | ~7.5s | लंबी क्लिप |
ज़्यादातर सोशल मीडिया उपयोग के लिए, 81 फ्रेम वाला 1280x720 क्वालिटी और जनरेशन लागत के बीच सबसे अच्छा संतुलन देता है।
गाइडेंस स्केल (जिसे CFG स्केल भी कहते हैं) सबसे ज़्यादा असर डालने वाले पैरामीटर में से एक है:
कुछ इम्प्लीमेंटेशन मोशन इंटेंसिटी या मोशन बकेट स्लाइडर भी देते हैं। कम मान सूक्ष्म, यथार्थवादी मोशन देते हैं। ज़्यादा मान नाटकीय, बढ़ा-चढ़ाकर मूवमेंट बनाते हैं।
साफ़ आउटपुट के लिए इसे अपने बेसलाइन नेगेटिव प्रॉम्प्ट के रूप में इस्तेमाल करें:
blurry, low quality, artifacts, distorted faces, extra limbs,
flickering, watermark, text overlay, unrealistic motion, choppy frames
जिन चीज़ों पर आपकी जनरेशन विफल हो रही हो, उनके आधार पर खास शब्द जोड़ें। अगर चेहरे विकृत हो रहे हों, तो "deformed face, bad anatomy" जोड़ें। अगर वीडियो बहुत स्थिर है, तो "no motion, static, frozen" जोड़ें।
ये वे सबसे आम बातें हैं जो पहली बार Wan 2.6 इस्तेमाल करने वालों को उलझा देती हैं:
ऐसे प्रॉम्प्ट जो मोशन नहीं, स्थिर इमेज का वर्णन करते हैं: "खेत में खड़ी एक महिला" लगभग शून्य मूवमेंट देता है। मोशन क्रिया-शब्द और कैमरा निर्देश जोड़ें।
एक साथ बहुत सारे वेरिएबल बदलना: अगर आप प्रॉम्प्ट, गाइडेंस, रिज़ॉल्यूशन और सीड एक साथ बदल देते हैं, तो आप कभी यह अलग नहीं कर पाएँगे कि आपका आउटपुट किससे बेहतर हुआ।
जटिल मल्टी-सब्जेक्ट दृश्यों पर ज़्यादा गाइडेंस स्केल इस्तेमाल करना: कई सब्जेक्ट के साथ ज़्यादा CFG अक्सर आर्टिफ़ैक्ट लाता है। भीड़ या कई लोगों वाले शॉट के लिए 4.5 से 5.5 तक घटाएँ।
नेगेटिव प्रॉम्प्ट को पूरी तरह नज़रअंदाज़ करना: एक बेसिक नेगेटिव प्रॉम्प्ट भी आर्टिफ़ैक्ट की आवृत्ति को उल्लेखनीय रूप से कम करता है।
पहले ड्राफ़्ट में अधिकतम रिज़ॉल्यूशन पर जनरेट करना: 1080p की प्रोसेसिंग में काफ़ी ज़्यादा समय लगता है। अपना प्रॉम्प्ट 720p पर टेस्ट करें, फिर मंज़ूर किए गए अंतिम संस्करण को पूरे रिज़ॉल्यूशन पर चलाएँ।
जनरेट की गई क्लिप एक शुरुआत है। इसे और आगे ले जाने का तरीका यह है:
प्रोफ़ेशनल-क्वालिटी AI वीडियो बनाने की बाधा पहले कभी इतनी कम नहीं थी। PicassoIA के ज़रिए सीधे उपलब्ध Wan 2.6 के साथ आपको लोकल GPU हार्डवेयर या जटिल सेटअप की ज़रूरत नहीं है। एक प्रॉम्प्ट लिखें, कुछ पैरामीटर सेट करें, और मिनटों में एक सिनेमैटिक क्लिप पाएँ।
इस मॉडल की समझ बनाने का सबसे अच्छा तरीका है ज़्यादा से ज़्यादा अभ्यास। 10 जनरेशन चलाएँ। जो अच्छा रहा उसकी तुलना करें। अच्छे नतीजे देने वाले प्रॉम्प्ट का एक सरल लॉग रखें। आपकी सफलता दर जल्दी सुधरेगी।
PicassoIA पर Wan 2.6 T2V खोलें और अभी अपनी पहली जनरेशन चलाएँ। अगर आप एक स्थिर फ़ोटो से काम कर रहे हैं, तो सीधे Wan 2.6 I2V पर जाएँ। किसी भी तरह, आपके पास पाँच मिनट से कम में साझा करने लायक वीडियो क्लिप होगी।
अपनी भाषा चुनें
