जब आप नो फ़िल्टर मोड में Sora 2 Pro को कसौटी पर परखते हैं, तब क्या होता है, इसकी गहरी पड़ताल। इस आर्टिकल में असली प्रॉम्प्ट के नतीजे दर्ज हैं, दिखाया गया है कि मॉडल अपनी सीमाएँ कहाँ तय करता है, PicassoIA पर शीर्ष विकल्पों से तुलना की गई है, और बताया गया है कि कौन-से AI वीडियो प्लेटफ़ॉर्म क्रिएटर्स को बिना समझौते के सबसे ज़्यादा क्रिएटिव आज़ादी देते हैं।
हर कुछ महीनों में कोई नया AI वीडियो मॉडल आता है और कम पाबंदियों का दावा करता है। Sora 2 Pro अब तक का सबसे ज़ोरदार दावा लेकर आया। OpenAI का प्रमुख वीडियो मॉडल "नो फ़िल्टर मोड" की बात के साथ आया, एक ऐसी सेटिंग जो कथित तौर पर कुछ कंटेंट गार्डरेल हटा देती है और क्रिएटर्स को ज़्यादा गहरे, तीखे या वयस्क मटीरियल के साथ काम करने देती है। हम देखना चाहते थे कि व्यवहार में यह असल में कैसा दिखता है, इसलिए हमने अलग-अलग श्रेणियों में 80 से ज़्यादा प्रॉम्प्ट का एक संरचित बैच चलाया और हर नतीजा दर्ज किया। यह रहा जो हमने पाया।
जब OpenAI ने पहली बार Sora 2 Pro में विस्तारित क्रिएटिव कंट्रोल का ज़िक्र किया, तो क्रिएटर कम्युनिटी में सचमुच उत्साह दिखा। "नो फ़िल्टर मोड" वाक्यांश फ़ोरम और कमेंट थ्रेड्स में तेज़ी से फैल गया, जिसे अक्सर ढीले ढंग से उस स्थिति के लिए इस्तेमाल किया गया जहाँ मॉडल वह कंटेंट बना दे जिसे उसका स्टैंडर्ड मोड मना कर देता है। इसका आकर्षण साफ़ है: फ़िल्ममेकर, डायरेक्टर और विज़ुअल स्टोरीटेलर को ऐसी चीज़ें दिखानी पड़ती हैं जो सहज नहीं होतीं, जिनमें टकराव, नैतिक जटिलता, शारीरिक तीव्रता और वह माहौल शामिल है जो "सभी दर्शकों के लिए सुरक्षित" दायरे से बाहर पड़ता है।
लेकिन Sora 2 Pro में "नो फ़िल्टर मोड" जैसा वह असल में है, वह ज़्यादातर लोगों की धारणा से कहीं ज़्यादा सीमित है। यह कोई ऐसा टॉगल नहीं है जो OpenAI की उपयोग नीतियों को हटा दे। यह मुख्य रूप से कुछ कंटेंट श्रेणियों के लिए एक ढीली मॉडरेशन परत को दर्शाता है, मुख्य रूप से साफ़ तौर पर काल्पनिक या सिनेमाई संदर्भों में दिखाई गई हिंसा, कुछ वयस्क थीम, और वे माहौलपूर्ण या तनावपूर्ण दृश्य जो डिफ़ॉल्ट सेफ़्टी क्लासिफ़ायर द्वारा वरना ज़रूरत से ज़्यादा प्रतिबंधित हो जाते।
OpenAI का अपना दस्तावेज़ीकरण यहाँ सावधान है। विस्तारित एक्सेस को "कोई सीमा नहीं" के रूप में पेश नहीं किया गया है। इसे कंटेंट टियर तक पहुँच के रूप में पेश किया गया है, जिसके लिए अच्छी स्थिति वाले खाते और अतिरिक्त शर्तों की स्वीकृति चाहिए। व्यवहार में इसका मतलब है:
जिसे ज़्यादातर लोग "नो फ़िल्टर मोड" कह रहे हैं, वह टियर 2 है। और यह भले ही उन दरवाज़ों को खोलता है जिन्हें डिफ़ॉल्ट मोड बंद रखता है, फिर भी यह स्पष्ट यौन कंटेंट, असली लोगों के सिमुलेशन और ग्राफ़िक नुकसान तक ले जाने वाली किसी भी चीज़ पर सख़्त रोक लगाए रखता है।
हमने अपनी जाँच छह प्रॉम्प्ट श्रेणियों के आसपास संरचित की, हर श्रेणी एक खास तरह के कंटेंट को परखने के लिए बनाई गई थी। यह रहा हमारा विभाजन:
| श्रेणी | प्रॉम्प्ट की संख्या | फ़ोकस |
|---|---|---|
| सिनेमाई हिंसा | 15 | फ़ाइट सीन, युद्ध के दृश्य, चोट |
| वयस्क थीम | 15 | संकेतात्मक दृश्य, रोमांटिक तनाव |
| असली लोग | 12 | सार्वजनिक हस्तियाँ, सेलिब्रिटी, नेता |
| गहरा माहौल | 14 | हॉरर, भय, मनोवैज्ञानिक तीव्रता |
| काल्पनिक वयस्क | 14 | संकेतित वयस्क स्थितियाँ, परिपक्व किरदारों के आर्क |
| प्रयोगात्मक | 12 | एज केस, अमूर्त, सीमा-परीक्षण |
हर प्रॉम्प्ट को जहाँ उपलब्ध था वहाँ डिफ़ॉल्ट मोड और विस्तारित क्रिएटिव मोड, दोनों में भेजा गया। हमने दर्ज किया कि आउटपुट बना, ब्लॉक हुआ, आंशिक रूप से बना, या घटिया गुणवत्ता का निकला।
सिर्फ़ यह देखने के अलावा कि प्रॉम्प्ट स्वीकार हुआ या ठुकराया गया, हमने तीन और चरों पर नज़र रखी:
वह आख़िरी बिंदु पूरे बैच की सबसे दिलचस्प खोजों में से एक निकला।
Sora 2 Pro का विस्तारित मोड सिनेमाई हिंसा में असली लचीलापन दिखाता है। शारीरिक संपर्क वाले एक्शन सीक्वेंस, पृष्ठभूमि में विस्फोटों वाले युद्धकालीन दृश्य और फ़ाइट कोरियोग्राफ़ी, ये सब अच्छे नतीजों के साथ बने। मॉडल ने साफ़ तौर पर स्टेज किए गए सिनेमाई संदर्भों में खून दिखाने से परहेज़ नहीं किया, और उसने विश्वसनीय मोशन ब्लर व इम्पैक्ट फ़्रेमिंग वाले कॉम्बैट सीन बनाए।
जहाँ यह टूटा: वह हर चीज़ जो सिनेमाई से निकलकर असली दुनिया में नुकसान के यथार्थ दस्तावेज़ीकरण की ओर जाती थी। असली दुनिया के संदर्भों में ग्राफ़िक चोट का वर्णन करने वाले प्रॉम्प्ट, या पहचाने जा सकने वाले लोगों को चोट दिखाने वाले प्रॉम्प्ट लगातार ब्लॉक हुए। "WWII के युद्धक्षेत्र में गिरता एक सैनिक" जैसा प्रॉम्प्ट फ़िल्टर पार कर गया। समकालीन सड़क हिंसा के यथार्थ चित्रण माँगने वाला प्रॉम्प्ट पार नहीं कर पाया।
💡 प्रो टिप: हिंसा को साफ़ सिनेमाई संकेतों के साथ फ़्रेम करें। "फ़िल्म सीन," "एक्टर," "डायरेक्टर्स कट," या "1940s वॉर ड्रामा" जैसा कालखंड-उपयुक्त संदर्भ बताएँ। क्लासिफ़ायर साफ़ तौर पर काल्पनिक फ़्रेमिंग पर अलग तरह से प्रतिक्रिया देता है।
यहाँ नतीजे ज़्यादा असंगत निकले। विस्तारित मोड में Sora 2 Pro ने रोमांटिक तनाव, साफ़ तौर पर कलात्मक संदर्भों में आंशिक अनावरण और शारीरिक अंतरंगता के ऐसे दृश्य स्वीकार किए जो स्पष्ट कंटेंट से पहले रुक जाते थे। लेकिन वही प्रॉम्प्ट दो बार भेजने पर कभी-कभी दो बहुत अलग नतीजे आते थे: एक इरादे को पूरा करता था, और दूसरा उसकी जगह एक साफ़-सुथरा, कमज़ोर संस्करण रख देता था।
"वयस्क थीम" श्रेणी में हमारे टेस्ट में असंगति दर लगभग 40% रही। जिन प्रोडक्शन वर्कफ़्लो को भरोसेमंद, दोहराए जा सकने वाले आउटपुट चाहिए, उनके लिए यह एक बड़ी समस्या है।
यही सबसे साफ़ और सख़्त दीवार थी। Sora 2 Pro में ऐसे प्रॉम्प्ट के लिए मज़बूत डिटेक्शन है जो असली, पहचाने जा सकने वाले लोगों का सिमुलेशन करने की कोशिश करते हैं। हर वह प्रॉम्प्ट जिसने किसी खास जीवित व्यक्ति का नाम लिया, किसी पहचाने जाने वाले सार्वजनिक चेहरे का रूप बिना नाम के बताया, या किसी ज्ञात आवाज़ या रूप की नकल करने की कोशिश की, वह या तो ब्लॉक हुआ या इतना कमज़ोर हो गया कि इस्तेमाल के लायक नहीं रहा।
इसमें शामिल है:
यह एक पक्की रेखा है, टियर पर आधारित लचीलेपन का मामला नहीं।
कुल 83 प्रॉम्प्ट में से 31 विस्तारित मोड में सीधे ब्लॉक हुए। जिस मोड से कम सीमाओं की उम्मीद है, उसमें यह 37% अस्वीकृति दर है। वे आम ट्रिगर जो हमने पहचाने:
इनमें से ज़्यादातर पूरी तरह अपेक्षित और उचित हैं। मॉडल की सख़्त सीमाएँ एक अच्छे कारण से गैर-परक्राम्य हैं, और यहीं "नो फ़िल्टर" लेबल उन क्रिएटर्स के लिए सचमुच भ्रामक हो जाता है जो इसे शब्दशः लेते हैं।
ज़्यादा दिलचस्प एज केस वे थे जो बने। वे प्रॉम्प्ट जो बिना शारीरिक हिंसा के मनोवैज्ञानिक हॉरर का वर्णन करते थे, लगातार दिलचस्प नतीजे देते थे। नैतिक अस्पष्टता, छेड़छाड़ और आपसी संबंधों की गहरी कड़वाहट वाले दृश्य अच्छे बने। माहौलपूर्ण भय, ऐसे किरदार जो खतरनाक स्थितियों में हैं पर ग्राफ़िक अंत पर नहीं पहुँचते, और दिखाई गई हिंसा के बजाय संकेतित हिंसा, इन सबकी सफलता दर ऊँची रही।
इससे मॉडल के फ़िल्टरिंग तर्क के बारे में एक उपयोगी बात पता चलती है: यह स्पष्ट वर्णनात्मक शब्दों पर विषयगत अंधकार की तुलना में कहीं ज़्यादा प्रतिक्रिया देता है। आप ऐसे दृश्य लिख सकते हैं जिनमें भयानक चीज़ें हो रही हों, बशर्ते आप नुकसान की बारीकियों का विस्तार से वर्णन न करें।
💡 कंसिस्टेंसी नोट: अगर आपका प्रॉम्प्ट एक बार सफल होता है लेकिन अगली बार विफल हो जाता है, तो समस्या शायद कंटेंट क्लासिफ़ायर के किसी स्टोकैस्टिक तत्व में है, आपके प्रॉम्प्ट की संरचना में नहीं। यह मानने से पहले कि कंटेंट पूरी तरह वर्जित है, शब्दों में थोड़ा बदलाव करके देखें।
तुलना के बिंदु स्थापित करने के लिए हमने PicassoIA पर उपलब्ध कई अन्य टेक्स्ट-टू-वीडियो मॉडलों पर प्रॉम्प्ट का एक समानांतर सेट चलाया।
ByteDance का Seedance 2.5 फ़िल्टरिंग व्यवहार में साफ़ तौर पर अलग दिखा। जहाँ Sora 2 Pro टियर वाली एक्सेस प्रणाली इस्तेमाल करता है, वहीं Seedance 2.5 एक ज़्यादा संदर्भ-संवेदनशील क्लासिफ़ायर इस्तेमाल करता दिखता है, जो अलग-अलग ट्रिगर शब्द खोजने के बजाय पूरे प्रॉम्प्ट को एक समग्र इकाई के रूप में देखता है।
व्यवहार में इसका मतलब यह हुआ कि जो विषयगत रूप से तीखे प्रॉम्प्ट कुछ शब्दों की वजह से Sora द्वारा ब्लॉक हुए, वे Seedance में अक्सर सफलतापूर्वक बने। इसके उलट, Seedance कंटेंट को पूरी तरह ब्लॉक न होने पर भी पर्यावरणीय या संरचनात्मक बदलाव करके नरम करने की ज़्यादा संभावना रखता था।
निर्णय: शब्दावली पर ज़्यादा उदार, विज़ुअल आउटपुट पर ज़्यादा हस्तक्षेप करने वाला।
Kwaivgi का Kling v3 Video अपनी फ़िल्टरिंग सोच के मामले में Sora 2 Pro के सबसे नज़दीक रहा, लेकिन बेहतर स्थिरता के साथ। जिन प्रॉम्प्ट से Sora 2 Pro में असंगत नतीजे आए, उन्होंने Kling v3 Video में ज़्यादा एकसमान आउटपुट दिए। सिनेमाई हिंसा श्रेणी में खास तौर पर ज़्यादा स्थिरता दिखी: अगर कोई प्रॉम्प्ट स्वीकार हुआ, तो आउटपुट कई रन में भरोसेमंद ढंग से इरादे वाले लहजे से मेल खाता था।
जहाँ Kling v3 पीछे रहा: वयस्क थीम वाले आउटपुट की गुणवत्ता। मॉडल एक साफ़, कम कच्चे सौंदर्य की ओर झुकता है, जो उन दृश्यों को कमज़ोर कर सकता है जिन्हें खुरदुरापन या नैतिक वज़न चाहिए।
Google का Veo 3 Sora या Kling, दोनों की तुलना में डिफ़ॉल्ट रुख़ काफ़ी ज़्यादा रूढ़िवादी रखता है, लेकिन जिन प्रॉम्प्ट को वह स्वीकार करता है उन पर उत्कृष्ट विज़ुअल गुणवत्ता से इसकी भरपाई करता है। इसका नेटिव ऑडियो जेनरेशन एक सिनेमाई यथार्थवाद की परत जोड़ता है जो दूसरे मॉडलों में डिफ़ॉल्ट रूप से नहीं होती।
जिन क्रिएटर्स का काम परिपक्व क्षेत्र में नहीं जाता, उनके लिए Veo 3 और इसका नया Veo 3.1 सचमुच बेहतरीन हैं। एज कंटेंट के करीब पहुँचने वाले कामों के लिए स्वीकृति दर प्रतिस्पर्धा से साफ़ तौर पर कम रही।
| मॉडल | स्वीकृति दर (विस्तारित) | विज़ुअल स्थिरता | ऑडियो आउटपुट |
|---|---|---|---|
| Sora 2 Pro | 63% | मध्यम | कोई नेटिव ऑडियो नहीं |
| Seedance 2.5 | 71% | उच्च | हाँ |
| Kling v3 Video | 62% | बहुत उच्च | आंशिक |
| Veo 3 | 48% | बहुत उच्च | हाँ (उत्कृष्ट) |
Lightricks का LTX 2 Pro एक दिलचस्प नीश में आता है। यह उपभोक्ता कंटेंट जेनरेशन के बजाय क्रिएटिव प्रोडक्शन वर्कफ़्लो को ध्यान में रखकर बनाया गया है, और इसका फ़िल्टरिंग मॉडल उसी को दर्शाता है। यह मॉडल विज़ुअल इफ़ेक्ट, माहौलपूर्ण अंधकार और स्टाइलाइज़्ड तीव्रता की विस्तृत रेंज की अनुमति देता है, और वैसे क्लासिफ़ायर रिस्पॉन्स ट्रिगर नहीं करता जो Sora या Veo में आउटपुट ब्लॉक करते हैं।
विज़ुअल इफ़ेक्ट सीक्वेंस, हॉरर एटमॉस्फ़ेरिक्स या सिनेमाई शॉर्ट फ़िल्में बनाने वाले क्रिएटर्स के लिए, LTX 2 Pro और इसका तेज़ वर्ज़न LTX 2.3 Pro वह गुणवत्ता और क्रिएटिव छूट का मेल देते हैं जिसकी प्रोफ़ेशनल काम असल में माँग करता है। 4K आउटपुट की ऊपरी सीमा इसे पेशेवर पोस्ट-प्रोडक्शन पाइपलाइन के लिए भी व्यावहारिक बनाती है।
💡 उपयोग का मामला: अगर Sora 2 Pro आपका सिनेमाई दृश्य ब्लॉक करता है, तो LTX 2 Pro आपका पहला विकल्प होना चाहिए। इसका क्लासिफ़ायर उपभोक्ता सुरक्षा के बजाय प्रोफ़ेशनल कंटेंट के लिए बना है।
Wan Video के Wan 2.7 T2V और Wan 2.7 I2V मॉडल हमारे टेस्ट में सबसे लचीले प्रॉम्प्ट स्वीकार करने वाले व्यवहार दिखाते हैं। यह आंशिक रूप से इस बात का नतीजा है कि मॉडल का ट्रेनिंग डेटा कैसे क्यूरेट किया गया, और आंशिक रूप से यह विभिन्न सामग्री मानकों वाले विविध अंतरराष्ट्रीय बाज़ारों में इसके इरादे वाले उपयोग को दर्शाता है।
I2V वेरिएंट सीमा-परीक्षण वर्कफ़्लो के लिए खास तौर पर उपयोगी है: आप पहले फ़्रेम के रूप में एक स्थिर इमेज देते हैं, जिससे विज़ुअल शुरुआती बिंदु पर आपका सटीक नियंत्रण रहता है, और फिर मोशन प्रॉम्प्ट उसी के इर्द-गिर्द लिखते हैं जो पहले से स्थापित है। इससे पूरी तरह टेक्स्ट से बने कंटेंट पर लगने वाले कुछ क्लासिफ़ायर ट्रिगर से बचाव हो जाता है, क्योंकि विज़ुअल संदर्भ इनपुट इमेज से पहले ही तय हो चुका होता है।
बिना व्यवस्थित तरीके के AI वीडियो मॉडलों की सीमा-परीक्षा करने से ऐसे नतीजे आते हैं जिनकी व्याख्या कठिन होती है और जिन्हें दोहराना असंभव होता है। सबसे उपयोगी वर्कफ़्लो जो हमने विकसित किया, वह इस तरह चलता है:
इससे आपको एक दोबारा इस्तेमाल होने वाली प्रॉम्प्ट लाइब्रेरी मिलती है, जो इस आधार पर व्यवस्थित है कि हर मॉडल में असल में क्या काम करता है, न कि अलग-थलग प्रयोगों के संग्रह के रूप में।
कोई भी एक मॉडल हर श्रेणी में नहीं जीतता। हमें जो सबसे प्रभावी प्रोडक्शन तरीका मिला, वह था:
यह "सबसे अच्छा" मॉडल खोजने की बात नहीं है। यह हर प्रॉम्प्ट को उस मॉडल तक पहुँचाने की बात है जिसमें उसके सफल होने की सबसे ज़्यादा संभावना हो।
यही स्टैकिंग तर्क आप विज़ुअल इफ़ेक्ट पर भी लागू कर सकते हैं। Luma का Ray 3.2 अपने अंतर्निहित कलर साइंस के साथ HDR सिनेमाई सीक्वेंस में उत्कृष्ट है। Pixverse v5.6 तेज़ मोशन और एक्शन कंपोज़िशन को मज़बूत विज़ुअल सटीकता के साथ संभालता है। Minimax का Hailuo 02 1080p आउटपुट देता है, जिसमें साफ़, व्यावसायिक सौंदर्य है जो प्रोफ़ेशनल डिलिवरेबल्स के लिए ठीक बैठता है।
मुद्दा हर काम के लिए एक ही मॉडल इस्तेमाल करने का नहीं है। मुद्दा यह जानना है कि कौन-सा टूल किस काम के लिए ठीक है, और प्रॉम्प्ट लाइब्रेरी तैयार रखना ताकि हर बार जब कोई मॉडल मना करे तो आपको शून्य से शुरू न करना पड़े।
Sora 2 Pro सचमुच एक मज़बूत मॉडल है जिसमें असली क्रिएटिव क्षमता है। इसका नो फ़िल्टर मोड वह जगह खोलता है जिसे डिफ़ॉल्ट कॉन्फ़िगरेशन बंद रखता है, और सिनेमाई, माहौलपूर्ण या नाटकीय रूप से तीखे कंटेंट के लिए यह बाज़ार के सर्वश्रेष्ठ मॉडलों की बराबरी करने वाली गुणवत्ता देता है। लेकिन यह हर क्रिएटिव स्थिति के लिए एक अकेला टूल नहीं है, और वयस्क कंटेंट को संभालने में इसकी असंगति उन प्रोडक्शन वर्कफ़्लो के लिए निराशाजनक है जिन्हें पूर्वानुमेयता चाहिए।
बेहतर तरीका है अपने प्रॉम्प्ट वहाँ चलाना जहाँ वे सबसे अच्छा काम करते हैं। PicassoIA आपको इस आर्टिकल में बताए गए सभी प्रमुख मॉडल एक ही जगह देता है: Sora 2 Pro, Seedance 2.5, Kling v3 Video, Veo 3, LTX 2 Pro, Wan 2.7 T2V, Wan 2.7 I2V, Ray 3.2, Kling v2.6, और भी बहुत कुछ, picassoia.com/en/all-models पर।
अपना प्रॉम्प्ट एक बार लिखें। उसे मिनटों में पाँच मॉडलों पर टेस्ट करें। जानें कि वह असल में कहाँ काम करता है, बजाय इसके कि घंटों एक ही मॉडल के क्लासिफ़ायर से बहस करते रहें। वही वर्कफ़्लो बड़े पैमाने पर नतीजे देता है, और यह अभी उपलब्ध है।
अपनी भाषा चुनें
