LTX 2.3 Pro का Extend Mode AI वीडियो कंटिन्यूएशन के लिए एक बुनियादी रूप से अलग तरीका अपनाता है: सिर्फ़ आख़िरी फ़्रेम पर निर्भर रहने के बजाय यह पूरे पिछले क्लिप को टेम्पोरल कॉन्टेक्स्ट विंडो के रूप में पढ़ता है, और वेलोसिटी, लाइटिंग और सब्जेक्ट की मोशन को ट्रैक करके ऐसे सीमलेस एक्सटेंशन बनाता है जो कई क्लिप्स में विज़ुअल कोहेरेंस बनाए रखते हैं।
ज़्यादातर AI वीडियो टूल्स एक ही रुकावट से जूझते हैं। आप 5 सेकंड का क्लिप जनरेट करते हैं, शॉट पसंद आता है, और उसका और हिस्सा चाहते हैं। तो आप वही प्रॉम्प्ट दोबारा चलाते हैं। नतीजा? एक बिल्कुल अलग सीन। रोशनी की दिशा अलग। मोशन अलग। पहले क्लिप वाले किरदार मुश्किल से पहचान में आते हैं। यही मूल समस्या है जिसे LTX 2.3 Pro का Extend Mode हल करने के लिए बनाया गया था, और यह एक ऐसे आर्किटेक्चरल तरीके से हल करता है जिसकी बराबरी अभी कोई दूसरा मॉडल नहीं करता।
ज़्यादातर वीडियो AI मॉडल हर जनरेशन को एक खाली स्लेट की तरह लेते हैं। आप प्रॉम्प्ट देते हैं, वे शुरू से जनरेट करते हैं। भले ही आप मौजूदा वीडियो का कोई फ़्रेम रेफ़रेंस के रूप में दें, मॉडल सिर्फ़ आख़िरी फ़्रेम के एक स्थिर स्नैपशॉट के साथ काम कर रहा होता है। वह रंग, कंपोज़िशन और सब्जेक्ट की लगभग स्थिति देखता है। लेकिन वह मोशन नहीं देखता। वह वेलोसिटी, दिशा, या उस आख़िरी फ़्रेम से पहले के पलों में चीज़ें कैसे चल रही थीं, इसकी बारीक फ़िज़िक्स नहीं देखता।
जब कोई मॉडल एक ही फ़्रेम पर कंडीशन होता है, तो वह सिर्फ़ कंपोज़िशन के आधार पर अनुमान लगाता है कि आगे क्या होगा। अग्रभूमि में एक लहर बाएँ या दाएँ जा सकती है, उठ सकती है या लौट सकती है। मॉडल कोई एक चुन लेता है। और अक्सर वह गलत चुनता है। अगला क्लिप थोड़ी अलग दिशा में, थोड़ी अलग रफ़्तार से लहर के साथ शुरू होता है। यह आप सिर्फ़ एडिट कट पर नोटिस करते हैं, लेकिन एक बार दिख जाए तो उसे अनदेखा नहीं कर सकते।
यह क्वालिटी की विफलता नहीं है। यह जानकारी की विफलता है। मॉडल के पास मोशन को सटीक रूप से जारी रखने के लिए ज़रूरी जानकारी ही नहीं होती।
हर एक्सटेंशन के साथ समस्या बढ़ती जाती है। हर नया क्लिप पिछले क्लिप के आख़िरी फ़्रेम से जनरेट होता है। गलतियाँ जमा होती जाती हैं। हर पास के साथ रोशनी का तापमान थोड़ा बदलता है। लगातार क्लिप्स में सब्जेक्ट धीरे-धीरे अपनी धुरी से हटता जाता है। पाँचवें एक्सटेंशन तक आप ऐसा सीक्वेंस देख रहे होते हैं जो विज़ुअली और फ़िज़िकली उस जगह से भटक चुका है जहाँ से वह शुरू हुआ था। इसे मोशन ड्रिफ़्ट कहते हैं, और यह पहली पीढ़ी के एक्सटेंड तरीकों की मुख्य विफलता है, जो Wan 2.7 I2V जैसे टूल्स और दूसरे टूल्स के इस्तेमाल में तब दिखती है जब उन्हें नई जनरेशन के बजाय एक्सटेंशन के लिए चलाया जाता है।
LTX 2.3 Pro आख़िरी फ़्रेम पर कंडीशन नहीं होता। यह एक टेम्पोरल कॉन्टेक्स्ट विंडो को प्रोसेस करता है जो पूरे पिछले क्लिप तक फैली होती है। यही मुख्य आर्किटेक्चरल अंतर है। "यह सीन कैसा दिखता है?" पूछने के बजाय मॉडल पूछता है "यह सीन क्या कर रहा है, और यह फ़िज़िकली कहाँ जा रहा है?"
इसे ऐसे समझें जैसे एक पूरा वाक्य पढ़ना और एक अकेला अक्षर पढ़ना। एक अकेला अक्षर आपको यह नहीं बताता कि आगे क्या आएगा। पूरा वाक्य व्याकरण, लय और संभावित आगे की बात बताता है। LTX 2.3 Pro का Extend Mode पूरे मोशन सीक्वेंस को पढ़ता है और इन्हें मॉडल करता है:
इस मल्टी-फ़्रेम अवेयरनेस का मतलब है कि एक्सटेंड किया गया क्लिप ठीक वहीं से शुरू होता है जहाँ पिछला खत्म हुआ था, सिर्फ़ विज़ुअली नहीं बल्कि फ़िज़िकली भी। लहर अपना आर्क जारी रखती है। कैमरा अपनी डॉली मूवमेंट जारी रखता है। किरदार का सिर बीच मूवमेंट में अपना मोड़ जारी रखता है।
Extend Mode की आंतरिक प्रक्रिया चार अहम चरणों में स्टैंडर्ड जनरेशन से अलग है:
नतीजा एक ऐसी कंटिन्यूएशन है जो पहले से चल रही फ़िज़िक्स का सम्मान करती है, न कि शुरू से नई फ़िज़िक्स गढ़ती है।
रेज़ोल्यूशन सिर्फ़ शार्पनेस की बात नहीं है। 4K पर 1080p की तुलना में हर फ़्रेम में चार गुना ज़्यादा पिक्सल होते हैं। Extend Mode के लिए यह एक खास और अक्सर अनदेखे तरीके से मायने रखता है: टेम्पोरल एम्बेडिंग बनाते समय मॉडल के पास काम करने के लिए ज़्यादा समृद्ध मोशन डेटा होता है।
कम रेज़ोल्यूशन पर मोशन के बारीक संकेत दब जाते हैं। हाथ की हल्की हरकत, कैमरा एंगल में सूक्ष्म बदलाव, पानी पर रोशनी की झिलमिलाहट। ये विवरण 1080p और उससे नीचे गायब हो जाते हैं। LTX 2.3 Pro मूल रूप से 4K पर चलता है, और उन सूक्ष्म विवरणों को सुरक्षित रखता है। जब यह सोर्स क्लिप पर एक्सटेंशन को कंडीशन करता है, तो यह किसी भी 1080p-सीमित मॉडल की पहुँच से कहीं ज़्यादा समृद्ध मोशन सिग्नल पर कंडीशन करता है।
💡 नोट: वीडियो एक्सटेंशन के संदर्भ में 1080p से 4K तक की छलांग सिर्फ़ सौंदर्य की बात नहीं है। हर फ़्रेम में ज़्यादा पिक्सल डेटा का मतलब है ज़्यादा सटीक मोशन वेक्टर, जिसका सीधा असर लंबे एक्सटेंड किए गए क्लिप्स में बेहतर टेम्पोरल कोहेरेंस पर पड़ता है।
4K पर बारीक टेक्सचर पूरी तरह साफ़ दिखते हैं: कपड़े की बुनावट, त्वचा की सतह का विवरण, पानी की सूक्ष्म लहरें। जब Extend Mode अगला क्लिप जनरेट करता है, तो उसे इन टेक्सचर को क्लिप की सीमा पर मिलाना होता है। इससे मॉडल सतह की निरंतरता को लेकर ऐसी सटीकता की ओर बढ़ता है जो 1080p जनरेशन में नहीं होती। व्यवहार में इसका मतलब है कट पॉइंट्स पर कम विज़ुअल "पॉपिंग", फ़्रेम-दर-फ़्रेम बेहतर मटीरियल कंसिस्टेंसी, और दोनों क्लिप्स को साथ एडिट करने पर ज़्यादा स्वाभाविक अनुभव।
अन्य अग्रणी मॉडलों की कंटिन्यूएशन सुविधाओं की तुलना में Extend Mode कैसा है?
| फ़ीचर | LTX 2.3 Pro | Kling v2.6 | Seedance 2.5 | Wan 2.7 I2V | Veo 3.1 |
|---|---|---|---|---|---|
| अधिकतम आउटपुट रेज़ोल्यूशन | 4K | 1080p | 1080p | 1080p | 1080p |
| टेम्पोरल कॉन्टेक्स्ट विंडो | पूरा क्लिप | आख़िरी फ़्रेम | आख़िरी फ़्रेम | आख़िरी फ़्रेम | आख़िरी फ़्रेम |
| नेटिव Extend Mode | हाँ | नहीं | नहीं | नहीं | नहीं |
| मोशन वेलोसिटी ट्रैकिंग | हाँ | आंशिक | नहीं | आंशिक | नहीं |
| बाउंड्री पिक्सल ब्लेंडिंग | हाँ | नहीं | नहीं | नहीं | नहीं |
| ड्रिफ़्ट रेज़िस्टेंस (मल्टी-एक्सटेंशन) | उच्च | कम | कम | कम | कम |
Kling v2.6 नई जनरेशन और इमेज-टू-वीडियो काम के लिए असाधारण सिनेमैटिक क्वालिटी देता है, लेकिन इसका कंटिन्यूएशन तरीका आख़िरी-फ़्रेम कंडीशनिंग पर निर्भर है। Seedance 2.5 नेटिव ऑडियो सिंक के साथ लंबे-फ़ॉर्म टेक्स्ट-टू-वीडियो में आगे है, लेकिन इसमें कोई समर्पित टेम्पोरल एक्सटेंशन पाइपलाइन नहीं है। Veo 3.1 नेटिव ऑडियो के साथ हाई-फ़िडेलिटी नतीजे देता है, लेकिन उसके पास कोई समर्पित एक्सटेंड आर्किटेक्चर नहीं है। Wan 2.7 I2V एनिमेशन के दौरान आंशिक मोशन ट्रैकिंग देता है, लेकिन क्लिप एक्सटेंशन के पार यह सुविधा नहीं देता।
हर प्रतिस्पर्धी मॉडल एक्सटेंशन के लिए अपनी स्टैंडर्ड जनरेशन पाइपलाइन को अनुकूलित करता है। LTX 2.3 Pro को शुरुआत से ही कंटिन्यूएशन को पहली श्रेणी की सुविधा के रूप में डिज़ाइन किया गया था।
सीमलेस वीडियो एक्सटेंशन की ज़रूरत किसे होती है? आपकी सोच से कहीं ज़्यादा क्रिएटर्स को।
फ़िल्ममेकर, कमर्शियल प्रोड्यूसर और कंटेंट क्रिएटर्स अक्सर ऐसे फ़ुटेज चाहते हैं जो एक ही कंपोज़िशन को उससे ज़्यादा देर तक बनाए रखें जितना कोई AI मॉडल एक पास में जनरेट कर सकता है। पहाड़ी दृश्य का 30 सेकंड का b-roll। 45 सेकंड का प्रोडक्ट फ़्लाईओवर। किसी हॉस्पिटैलिटी ब्रांड के लिए 60 सेकंड का एम्बिएंट होटल लॉबी सीक्वेंस। स्टैंडर्ड जनरेशन में कई अलग-अलग क्लिप बनाने पड़ते हैं और उम्मीद करनी पड़ती है कि वे साफ़ तरीके से जुड़ जाएँ। LTX 2.3 Pro में Extend Mode एक एकल 5 सेकंड के सीड क्लिप को 30-60 सेकंड के पूरी तरह निरंतर सीक्वेंस की नींव में बदल देता है।
पोस्ट-प्रोडक्शन एडिटर अक्सर पाते हैं कि किसी कट को सही तरीके से काम करने के लिए शॉट के दो-तीन अतिरिक्त सेकंड चाहिए। पूरे सीन को दोबारा जनरेट करने से सोर्स क्लिप में पहले से स्थापित लुक खोने का जोखिम रहता है। Extend Mode इसे सटीक रूप से हल करता है। एडिटर मौजूदा क्लिप को LTX 2.3 Pro को देता है और ठीक वे अतिरिक्त सेकंड पाता है जो चाहिए। ये सेकंड रोशनी, मोशन और माहौल में सोर्स क्लिप से मेल खाते हैं, और जोड़ पर कोई ड्रिफ़्ट नहीं होता।
विज़ुअल इफ़ेक्ट्स आर्टिस्ट्स को कंपोज़िटिंग के काम के लिए साफ़, सीमलेस बैकग्राउंड प्लेट्स चाहिए। जो बैकग्राउंड हिस्सों के बीच विज़ुअली बदलता है, वह फ़ोरग्राउंड एलिमेंट्स की परतें लगाते समय रजिस्ट्रेशन की समस्याएँ पैदा करता है। Extend Mode ऐसी बैकग्राउंड प्लेट्स बनाता है जिनमें रोशनी और पर्यावरणीय मोशन पूरी अवधि में स्थिर रहते हैं, जिससे कंपोज़िटिंग काफ़ी आसान होती है और पोस्ट में क्लीनअप का समय घटता है।
Extend Mode एक ऐसे वर्कफ़्लो को भी संभव बनाता है जो पहले AI वीडियो में मुश्किल से हासिल होता था: सीमलेस लूपिंग। किसी क्लिप को कई पास में एक्सटेंड करके और उस फ़्रेम को पहचानकर जो मूल स्टार्ट फ़्रेम से सबसे ज़्यादा मेल खाता है, एडिटर ऐसे एम्बिएंट लूप बना सकते हैं जो लगातार प्लेबैक में टिके रहते हैं, बिना उस विज़ुअल हकलाहट के जो स्टैंडर्ड लूप तकनीकों में आम है।
कई एक्सटेंशन को जोड़ते समय एक आम चिंता क्वालिटी के धीरे-धीरे बिगड़ने की होती है। डर यह रहता है कि हर एक्सटेंशन छोटी गलतियाँ जोड़ता है, जो समय के साथ जमा होकर आख़िरकार बेकार फ़ुटेज बना देंगी।
LTX 2.3 Pro के बाउंड्री ब्लेंडिंग सिस्टम से यह चिंता काफ़ी कम हो जाती है। मॉडल नए फ़्रेम को पिछले क्लिप के अंत में सिर्फ़ जोड़ता नहीं है। वह हर एक्सटेंशन पर क्लिप बाउंड्री ज़ोन को फिर से सिंथेसाइज़ करता है, और संभावित असंगतियों को जमा होने से पहले चिकना कर देता है। व्यवहार में आप बिना दिखने वाली क्वालिटी गिरावट के चार या पाँच एक्सटेंशन चेन कर सकते हैं।
कई एक्सटेंशन जोड़ते समय तीन व्यावहारिक नियम लागू होते हैं:
LTX 2.3 Pro PicassoIA पर सीधे उपलब्ध है, और इसके लिए कोई सेटअप नहीं चाहिए। यह रहा प्रभावी वर्कफ़्लो।
चरण 1: अपना सीड क्लिप जनरेट करें। LTX 2.3 Pro के साथ टेक्स्ट-टू-वीडियो या इमेज-टू-वीडियो से शुरू करें। शुरुआती प्रॉम्प्ट साफ़-साफ़ बताएँ। सीन में जो है वह ठीक-ठीक लिखें: सब्जेक्ट, वातावरण, लाइटिंग का मिज़ाज और कैमरा मूवमेंट की दिशा।
चरण 2: आउटपुट को ध्यान से देखें। एक्सटेंड करने से पहले क्लिप को कई बार देखें। मोशन की दिशा, रंग का तापमान और कैमरा का रास्ता नोट करें। आपका एक्सटेंशन प्रॉम्प्ट इन स्थापित मापदंडों के अनुरूप होना चाहिए, वरना एक्सटेंशन जंप कट जैसा लगेगा।
चरण 3: Extend Mode चालू करें। PicassoIA पर LTX 2.3 Pro के इंटरफ़ेस में अपना सोर्स क्लिप अपलोड करें और Extend Mode विकल्प चुनें। मॉडल पूरा टेम्पोरल कॉन्टेक्स्ट अपने आप प्रोसेस करता है।
चरण 4: कंटिन्यूएशन प्रॉम्प्ट लिखें। सीड क्लिप का प्रॉम्प्ट दोबारा न दोहराएँ। बताएँ कि आगे क्या होता है। अगर मूल क्लिप में कैमरा धीरे-धीरे एक दरवाज़े की ओर बढ़ता दिखा था, तो आपका एक्सटेंशन प्रॉम्प्ट बताए कि कैमरा दरवाज़े से गुज़रते हुए उस पार की जगह में प्रवेश करते समय क्या देखता है।
चरण 5: सोच-समझकर दोहराएँ। हर एक्सटेंशन अगले के लिए सोर्स क्लिप बन जाता है। LTX 2.3 Pro से पाँच एक्सटेंशन का सीक्वेंस 25-30 सेकंड का टेक बना सकता है जो एक ही निरंतर शॉट की तरह चलता है।
| सेटिंग | अनुशंसित मान | कारण |
|---|---|---|
| रेज़ोल्यूशन | 4K | ज़्यादा समृद्ध मोशन डेटा, उच्च टेम्पोरल कोहेरेंस |
| क्लिप की लंबाई | 5 सेकंड | मॉडल के लिए आदर्श कॉन्टेक्स्ट विंडो आकार |
| प्रॉम्प्ट की विशिष्टता | उच्च | बाउंड्री हैलुसिनेशन का जोखिम घटाता है |
| प्रॉम्प्ट की लंबाई | सीड से छोटा | टेम्पोरल कॉन्टेक्स्ट में सीन की जानकारी पहले से होती है |
💡 Tip: एक्सटेंशन प्रॉम्प्ट को अपने सीड प्रॉम्प्ट से छोटा रखें। टेम्पोरल कॉन्टेक्स्ट विंडो पहले से सीन की जानकारी देती है। एक्सटेंशन प्रॉम्प्ट एक दिशात्मक धक्का है, पूरा सीन विवरण नहीं। उसे ज़्यादा भरने से मॉडल स्थापित मोशन स्थिति से दूर चला जाता है।
Extend Mode हर स्थिति के लिए सही तरीका नहीं है। तीन ऐसे मामले जहाँ स्टैंडर्ड जनरेशन बेहतर काम करती है:
1. जब आपको सीन बदलना हो। Extend Mode विज़ुअल और फ़िज़िकल निरंतरता बनाए रखने के लिए बना है। अगर अगले क्लिप में अलग जगह, दिन का समय या सब्जेक्ट चाहिए, तो एक्सटेंशन के बजाय नई जनरेशन इस्तेमाल करें।
2. जब सोर्स क्लिप में आर्टिफ़ैक्ट हों। आपके सीड क्लिप में विज़ुअल गलतियाँ, कंप्रेशन आर्टिफ़ैक्ट या मोशन की असंगतियाँ कंटिन्यूएशन में फैल जाएँगी। एक्सटेंड करने से पहले सोर्स ठीक करें।
3. जब स्पीड निरंतरता से ज़्यादा मायने रखती हो। Extend Mode पूरे क्लिप को कॉन्टेक्स्ट के रूप में प्रोसेस करता है, जिसमें स्टैंडर्ड इमेज-टू-वीडियो जनरेशन से ज़्यादा समय लगता है। जब आपको परफ़ेक्ट कंसिस्टेंसी के बजाय तेज़ इटरेशन चाहिए, तो LTX 2.3 Fast या LTX 2 Distilled तेज़ विकल्प हैं।
अगर Extend Mode आपकी तत्काल ज़रूरत नहीं है, तो PicassoIA पर LTX की बड़ी लाइनअप अन्य उपयोग के मामलों को कुशलता से कवर करती है:
जिन प्रोजेक्ट्स में कई क्लिप्स में टेम्पोरल निरंतरता मुख्य ज़रूरत है, उनके लिए Extend Mode वाला LTX 2.3 Pro लाइनअप में सही विकल्प है।
आर्किटेक्चर साफ़ है। वर्कफ़्लो दस्तावेज़ित है। लेकिन Extend Mode टेम्पोरल निरंतरता को कितनी अच्छी तरह बनाए रखता है, यह महसूस करने का एकमात्र तरीका है कि इसे अपने प्रोजेक्ट के लिए मायने रखने वाले फ़ुटेज पर खुद चलाएँ।
PicassoIA आपको पूरी टेक्स्ट-टू-वीडियो मॉडल लाइब्रेरी के साथ सीधे LTX 2.3 Pro की पहुँच देता है, जिसमें Kling v2.6, Veo 3.1, Seedance 2.5 और Wan 2.7 I2V शामिल हैं। 5 सेकंड का सीड क्लिप जनरेट करें, तीन एक्सटेंशन क्रम से चलाएँ, और कट पॉइंट्स की तुलना उन क्लिप्स से करें जो आपने दूसरे टूल्स से बनाए हैं। फ़र्क पहली ही प्लेबैक में दिख जाएगा।
अपना पहला प्रॉम्प्ट चुनें, PicassoIA पर जाएँ, और देखें कि एक ही सीन कितनी दूर तक जा सकता है।
अपनी भाषा चुनें
