सिनेमैटिक AI वीडियो प्रॉम्प्ट बुनियादी सीन विवरण से आगे जाते हैं। यह आर्टिकल वह सटीक भाषा समझाता है जिस पर मॉडल प्रतिक्रिया देते हैं: शॉट के प्रकार, रोशनी की दिशा, कैमरा मूव, माहौल और कंपोज़िशन। इसमें एक्शन, ड्रामा, प्रकृति और शहरी सीन के लिए तैयार प्रॉम्प्ट उदाहरण हैं, साथ ही PicassoIA पर Kling v3 Video के लिए चरण-दर-चरण गाइड भी।
एक सपाट, आम AI वीडियो और ऐसे वीडियो में जो लोगों को स्क्रॉल करते हुए रोक ले, फ़र्क लगभग हमेशा एक ही चीज़ पर आ जाता है: प्रॉम्प्ट। ख़ास तौर पर, उसमें कितनी विज़ुअल भाषा है। ज़्यादातर लोग बस एक सीन का विवरण टाइप करते हैं और फिर हैरान होते हैं कि नतीजा ऐसा क्यों लगता है जैसे कोई PowerPoint स्लाइड ज़िंदा हो गई हो। सिनेमैटोग्राफ़र पूरा करियर रोशनी, जगह, गति और भावना के बारे में बात करना सीखने में लगाते हैं। वही भाषा आप अभी उधार ले सकते हैं, और इससे सब कुछ बदल जाता है।
आम प्रॉम्प्ट AI वीडियो मॉडल को सर्च इंजन की तरह लेते हैं। "समुद्र के ऊपर सूर्यास्त" एक विषय बताता है, शॉट नहीं। इसमें मॉडल को थीम के अलावा कुछ भी नहीं मिलता जिस पर वह काम कर सके। प्रोफ़ेशनल सिनेमैटोग्राफ़र कभी नहीं कहते "सूर्यास्त फ़िल्माओ।" वे कहते हैं: "वाइड एस्टैब्लिशिंग शॉट, रेत की सतह के स्तर से लो एंगल, अग्रभूमि में सिल्हूट में चट्टानें, क्षितिज सुनहरा, कैमरा 50mm से 85mm समतुल्य तक धीरे-धीरे आगे बढ़ता हुआ, f/2.8 पर उथला डेप्थ ऑफ़ फ़ील्ड, मैजिक आवर, Kodak Vision3 गर्म पैलेट।"
यह विशिष्टता कोई सजावट नहीं है। हर शब्द एक निर्देश है।
विज़ुअल भाषा की यही कमी है कि इतनी सारी AI-जनरेटेड क्लिप बेजान लगती हैं। उनमें विषय तो होता है, पर विज़ुअल व्याकरण नहीं होता। स्पेसियल जानकारी नहीं होती। रोशनी की दिशा नहीं होती। अग्रभूमि और पृष्ठभूमि के बीच कोई रिश्ता नहीं होता। कोई ऐसा कैमरा ऑपरेटर नहीं होता जो सोच-समझकर फ़ैसले ले रहा हो। यह व्याकरण जोड़ दें, तो आउटपुट मॉडल के अंदाज़े से बदलकर वह हो जाता है जिसे मॉडल सच में अमल में लाता है।
Kling v3 Video, Seedance 2.0 और Veo 3 जैसे आधुनिक टेक्स्ट-टू-वीडियो मॉडल असली और AI-जनरेटेड फ़िल्म कंटेंट के बहुत बड़े डेटासेट पर प्रशिक्षित होते हैं। उन्होंने सिनेमैटिक अवधारणाओं को गहराई से आत्मसात कर लिया है। जब आप "85mm पोर्ट्रेट लेंस" कहते हैं, तो वे उथले डेप्थ ऑफ़ फ़ील्ड को समझते हैं। जब आप "गोल्डन आवर बैकलाइट" कहते हैं, तो वे रिम लाइटिंग और लेंस फ़्लेयर बनाना जानते हैं। जब आप "डॉली पुश-इन" कहते हैं, तो वे कैमरा मूवमेंट जनरेट करते हैं।
💡 नियम: अगर कोई सिनेमैटोग्राफ़र सेट पर यह बात कहेगा, तो उसे अपने प्रॉम्प्ट में डालें। अगर वह नहीं कहेगा, तो सोचें कि वह उसमें होना चाहिए या नहीं।
एस्टैब्लिशिंग शॉट जगह, पैमाना और माहौल तय करते हैं। वे दर्शक को बताते हैं कि वह कहाँ है और दुनिया कितनी बड़ी लगती है। अपने प्रॉम्प्ट में फ़्रेम का आकार साफ़ तौर पर शामिल करें।
एस्टैब्लिशिंग शॉट प्रॉम्प्ट की संरचना:
उदाहरण: "नॉर्वे के एक फ़्योर्ड में भोर के समय लंगर डाले एक अकेली मछली पकड़ने वाली नाव का एक्सट्रीम वाइड एस्टैब्लिशिंग शॉट, कैमरा पानी की सतह से 300 फ़ीट ऊपर चट्टान के किनारे से नीचे देखते हुए स्थित, नाव विशाल स्लेटी-हरी फ़्योर्ड दीवारों के सामने छोटी दिखती है, सुबह की धुंध पानी की सतह पर चिपकी हुई, बिना तेज़ परछाइयों वाली बादलों से फैली हुई रोशनी, स्टैटिक लॉक्ड-ऑफ़ ट्राइपॉड शॉट, 35mm वाइड एंगल, फ़ोटोरियलिस्टिक"
क्लोज़-अप में भावनात्मक वज़न होता है। यहीं दर्शक किसी किरदार या पल से जुड़ते हैं। ग़लत क्लोज़-अप प्रॉम्प्ट एक पोर्ट्रेट बनाता है। सही प्रॉम्प्ट एक एहसास बनाता है।
क्लोज़-अप के लिए क्या शामिल करें:
कैमरा मूवमेंट एक स्थिर इमेज को जीवित, साँस लेते सीन में बदल देता है। ज़्यादातर शुरुआती लोग इसे पूरी तरह छोड़ देते हैं, इसीलिए उनके आउटपुट ऐसी तस्वीरों जैसे लगते हैं जो संयोग से चल रही हों।
| कैमरा मूव | यह क्या बताता है | प्रॉम्प्ट की भाषा |
|---|---|---|
| धीमा डॉली पुश-इन | बढ़ता तनाव, अंतरंगता | "कैमरा धीरे-धीरे आगे बढ़ता हुआ" |
| पुल-बैक रिवील | पैमाना, अकेलापन, खोज | "धीमा कैमरा पुल-बैक जो आसपास का माहौल दिखाता है" |
| ऑर्बिट (आर्क शॉट) | शक्ति, विस्मय, उत्सव | "कैमरा विषय के चारों ओर 180 डिग्री घूमता हुआ" |
| हैंडहेल्ड फ़ॉलो | तात्कालिकता, प्रामाणिकता | "हैंडहेल्ड कैमरा विषय का पीछा करता हुआ" |
| स्टैटिक लॉक्ड-ऑफ़ | शांति, अवलोकन, स्थिरता | "स्टैटिक ट्राइपॉड शॉट, कैमरा मूवमेंट नहीं" |
| क्रेन राइज़ | भव्यता, ट्रांज़िशन, आज़ादी | "कैमरा ज़मीनी स्तर से धीरे-धीरे हवाई दृश्य की ओर उठता हुआ" |
Video 01 Director और Kling v2.6 Motion Control जैसे मॉडल ख़ास तौर पर कैमरा मूवमेंट के निर्देश समझने के लिए बने हैं, इसलिए इन टूल्स के साथ यह भाषा और भी ज़्यादा मायने रखती है।
सिनेमा में रोशनी सजावट नहीं होती। वह कथा की जानकारी होती है। रोशनी की दिशा, गुणवत्ता, रंग तापमान और तीव्रता दर्शक को बताती है कि उसे कैसा महसूस करना है, इससे पहले कि एक भी शब्द बोला जाए।
प्राकृतिक रोशनी के खास नाम और व्यवहार होते हैं, जिन्हें मॉडल अच्छी तरह समझते हैं।
गोल्डन आवर: क्षितिज से 10-15 डिग्री ऊपर गर्म अंबर रोशनी, लंबी परछाइयाँ, उच्च कंट्रास्ट अनुपात। प्रॉम्प्ट: "मैजिक आवर बैकलाइट कैमरा-लेफ़्ट से, विषय रिम लाइट सिल्हूट में, अग्रभूमि गर्म अंबर चमक में"
ओवरकास्ट डिफ़्यूज़्ड: समान, नरम, बिना परछाई वाली रोशनी जिसमें हल्की नीली-स्लेटी झलक होती है। प्रॉम्प्ट: "भारी बादल भरा आसमान, बिना दिशात्मक परछाइयों वाली फैली हुई नरम रोशनी, हाइलाइट्स में हल्का नीला रंग"
ब्लू आवर: सूर्यास्त के बाद के 20-30 मिनट, गहरा नीला आसमान, शहर की रोशनियाँ जलने लगती हैं। प्रॉम्प्ट: "सिविल ट्वाइलाइट, सूर्यास्त के लगभग 15 मिनट बाद गहरा नीला आसमान, परिवेशी शहरी रोशनियाँ जलने लगती हैं, कोई तेज़ कृत्रिम फ़िल लाइट नहीं"
💡 टिप: हमेशा बताएँ कि रोशनी कहाँ से आ रही है: कैमरा-लेफ़्ट, कैमरा-राइट, ऊपर से, बैकलाइट, या प्रैक्टिकल स्रोत (खिड़की, लैंप, आग)। यही एक विवरण प्रॉम्प्ट को बहुत ऊपर उठा देता है।
एक-स्रोत वाली कृत्रिम रोशनी सबसे नाटकीय, उच्च-कंट्रास्ट सिनेमैटिक लुक बनाती है।
स्पॉटलाइट आइसोलेशन: "ठीक ऊपर से एक कठोर स्पॉटलाइट, रोशनी के घेरे के बाहर सब कुछ पूरी तरह काला, फ़र्श पर तीखे किनारों वाली परछाइयाँ, किरण में दिखते धूल के कण"
खिड़की की रोशनी: "कैमरा-राइट से एक खिड़की, कठोर दिशात्मक रोशनी जो विषय के चेहरे पर 45 डिग्री कोण पर स्पष्ट रोशनी-अंधेरे का बँटवारा बनाती है, परछाई वाले हिस्से में रेम्ब्रां त्रिकोण"
प्रैक्टिकल स्रोत: "केवल निचले-बाएँ से आग की लपटों से रोशन, टिमटिमाती गर्म नारंगी रोशनी जो गतिशील परछाइयाँ बनाती है, फ़्रेम में कोई और रोशनी स्रोत नहीं"
फ़्रेम के तीन तल शॉट्स को गहराई देते हैं और उन्हें सपाट के बजाय त्रि-आयामी महसूस कराते हैं। जब आप केवल एक तल का वर्णन करते हैं, तो सपाट इमेज मिलती है।
कमज़ोर प्रॉम्प्ट: "जंगल में खड़ी एक महिला"
मज़बूत प्रॉम्प्ट: "जंगल की मध्यभूमि में सफ़ेद लिनन शर्ट पहने खड़ी एक महिला, कैमरा से 2 फ़ीट दूर अग्रभूमि में सॉफ़्ट-फ़ोकस में धुंधले जंगली फूल और फ़र्न की पत्तियाँ, उसके 100 फ़ीट पीछे धुंधली पृष्ठभूमि में खिसकते प्राचीन चीड़ के तने, 50mm लेंस से प्राकृतिक परिप्रेक्ष्य संपीड़न"
मॉडल को गहराई बनाने के लिए तीनों चाहिए। यह उतना ही लागू होता है चाहे आप वाइड लैंडस्केप शॉट्स पर Wan 2.7 T2V के साथ काम कर रहे हों या किरदार वाले सीन पर Pixverse v6 के साथ।
वायुमंडलीय विवरण कई स्तरों पर काम करता है। कोहरा, धुंध, धुआँ, बारिश और भाप मौसम नहीं हैं। वे रोशनी को फैलाने वाले माध्यम हैं जो मूड और स्थानिक गहराई बनाते हैं।
असरदार माहौल वाले शब्द:
कलर ग्रेडिंग की भाषा भी अच्छा काम करती है: "Kodak Portra 400 कलर साइंस," "Fuji Velvia संतृप्त हरे रंग," "गर्म त्वचा टोन बचाते हुए डीसैचुरेटेड ठंडे रंग," "ब्लीच-बाइपास हाई कंट्रास्ट।"
एक्शन सीन को गति, ऊर्जा और दाँव की भावना प्रॉम्प्ट के ज़रिए ही बतानी होती है।
स्प्रिंट सीन: "रात में बारिश से भीगी शहर की सड़क पर दौड़ती एक महिला का लो-एंगल ट्रैकिंग शॉट, कैमरा उसकी गति से मेल खाने के लिए पिंडली की ऊँचाई पर पार्श्व में चलता हुआ, पंप करती बाँहों और टाँगों पर मोशन ब्लर, चेहरा तीखा और केंद्रित, गीले फ़ुटपाथ पर नियॉन के चमकते परावर्तन, 24mm वाइड एंगल, हैंडहेल्ड"
चेज़ बढ़ता हुआ: "भीड़भाड़ वाले बाज़ार में दौड़ते हुए POV शॉट, दोनों ओर विक्रेता और ख़रीदार धुंधले होकर गुज़रते हुए, कैमरा हल्का टेढ़ा और कदमों की लय के साथ उछलता हुआ, फ़्रेम के किनारों पर टोकरियाँ और कपड़े छूते हुए, तेज़ दोपहर का ऊपरी सूरज, आगे उथला फ़ोकस"
तेज़ गति वाले एक्शन के लिए Kling v2.5 Turbo Pro बिना फ़्रेम आर्टिफ़ैक्ट के तेज़ मूवमेंट संभालता है, जबकि Gen 4.5 सिनेमैटिक आउटपुट के साथ मज़बूत मोशन क्वालिटी देता है।
ये सीन शारीरिक विवरण की विशिष्टता और संयम पर टिके होते हैं। कैमरा नाटक करने के बजाय देखे।
शोक: "एक ऐसे घर में जो उसके लिए बहुत शांत है, लंबी डाइनिंग टेबल पर अकेले बैठे एक आदमी का मीडियम शॉट, उसके सामने एक ही प्लेट लगी है, बिना छुआ खाना, दूर की खिड़की से देर दोपहर की रोशनी मेज़ पर सोने की एक पतली धारी काटती हुई, कैमरा स्टैटिक और दूर, कोई मूवमेंट नहीं, 85mm पोर्ट्रेट लेंस, Kodak फ़िल्म ग्रेन"
ख़ुशी: "एक महिला के चेहरे का क्लोज़-अप जिस पल वह एक चिट्ठी पढ़ती है, उसका चेहरा 4 सेकंड में तटस्थ से अविश्वास और फिर अथाह ख़ुशी में बदलता हुआ, कैमरा-लेफ़्ट से प्राकृतिक खिड़की की रोशनी, कोई मूवमेंट नहीं, केवल उसका चेहरा और उसकी साँस की आवाज़, 100mm लेंस, शॉर्ट DOF"
💡 किरदार के पलों के लिए: भावना का वर्णन करने की इच्छा रोकें। वे शारीरिक विवरण बताएँ जो उस भावना को बनाते हैं। भावनात्मक काम मॉडल को करने दें।
लैंडस्केप शॉट्स को सिनेमैटिक लगने के लिए, न कि स्टॉक फ़ुटेज जैसे, पैमाने के संदर्भ और वायुमंडलीय परतों की ज़रूरत होती है।
पर्वत का पैमाना: "पथरीली चोटी पर खड़े एक अकेले पर्वतारोही का एक्सट्रीम वाइड शॉट, मानव आकृति फ़्रेम के 3% हिस्से में बाईं तिहाई पर, दाईं दो-तिहाई में विशाल ग्रेनाइट चोटियाँ, नीचे पत्थर की सतहों पर बादलों की चलती परछाइयाँ डालते क्यूम्युलस बादल, 200mm टेलीफ़ोटो संपीड़न, देर दोपहर की साइड लाइट चोटी की रेखाओं पर फिसलती हुई"
समुद्र की ताक़त: "पानी के किनारे पर लो एंगल, लेंस सतह से 6 इंच ऊपर, एक विशाल लहर आ रही है और कैमरा की जगह पर टूटने वाली है, अग्रभूमि में काँच जैसी साफ़ पानी की बनावट, शिखर पर सफ़ेद झाग उबलता हुआ, क्षितिज रेखा फ़्रेम में ऊँची, 16mm अल्ट्रा-वाइड"
LTX 2.3 Pro प्रकृति और लैंडस्केप सीन में 4K आउटपुट पर उत्कृष्ट डिटेल देता है। जहाँ पर्यावरणीय पैमाना ही मुख्य बात हो, वहाँ रेंडर का समय लगाना सार्थक है।
रात के शहरी दृश्य रोशनी के स्रोत, परावर्तन और गर्माहट व अंधेरे के बीच कंट्रास्ट के बारे में होते हैं।
रात की सड़क: "रात 2 बजे टोक्यो की एक संकरी गली का मीडियम-वाइड शॉट, रामेन की दुकान की लालटेनें और वेंडिंग मशीनें नारंगी और लाल रोशनी के गर्म तालाब बनातीं, इमारतों के बीच की गली गहरी नीली-काली, कैमरा से दूर रोशनी की ओर चलती लंबे कोट में एक अकेली आकृति, 50mm, Kodak Vision3 टंगस्टन बैलेंस"
ट्रेन स्टेशन का ड्रामा: "प्रस्थान के समय एक भव्य यूरोपीय ट्रेन स्टेशन का वाइड इंटीरियर शॉट, भाप और भीड़ की हलचल एक स्थिर आकृति के चारों ओर अराजक ऊर्जा बनाती हुई, खुले स्टेशन दरवाज़ों की ठंडी नीली रोशनी से लड़ती गर्म इनकैंडेसेंट छत की रोशनी, 28mm वाइड एंगल, स्थिर आकृति की ओर धीमा डॉली पुश"
Kling v3 Video सिनेमैटिक-स्टाइल सीन जनरेशन के लिए उपलब्ध सबसे मज़बूत मॉडलों में से एक है। यह जटिल कैमरा मूवमेंट, कई विषयों वाले सीन और वायुमंडलीय रोशनी को ज़्यादातर विकल्पों से बेहतर संभालता है। इससे सबसे अच्छे नतीजे पाने का तरीका यह है।
PicassoIA पर Kling v3 Video खोलें और जनरेशन इंटरफ़ेस तक पहुँचें।
इस संरचना का उपयोग करके अपना प्रॉम्प्ट परतों में लिखें:
अवधि सेट करें: नियंत्रित सीन के लिए 5 सेकंड, और काफ़ी मूवमेंट या विकास वाले सीन के लिए 10 सेकंड।
जनरेट करें और समीक्षा करें: जाँचें कि कैमरा मूवमेंट आपके इरादे से मेल खाता है, रोशनी की दिशा एक जैसी है, और सब्जेक्ट की गति स्वाभाविक लगती है।
विशिष्टताओं पर दोबारा काम करें: अगर शॉट बहुत सपाट लगे, तो अग्रभूमि के तत्व जोड़ें। अगर रोशनी गलत दिखे, तो दिशा और सटीक बताएँ।
💡 नेगेटिव प्रॉम्प्ट: आम AI वीडियो आर्टिफ़ैक्ट रोकने के लिए इसका उपयोग करें। इसमें शामिल करें: "CGI, illustration, animation, oversaturated, unnatural motion, jitter, warped faces"
यह भी आज़माने लायक है: थोड़ी अलग मोशन विशेषताओं के लिए Kling v2.6, और जब आप सिनेमैटिक आउटपुट के साथ नेटिव ऑडियो जनरेशन चाहें तो Seedance 1.5 Pro।
अलग मॉडलों की अलग ताक़तें होती हैं। अपने सीन के प्रकार को सही मॉडल से मिलाना आधी लड़ाई है।
| सीन का प्रकार | सुझाया गया मॉडल | क्यों |
|---|---|---|
| तेज़ गति वाला एक्शन | Kling v2.5 Turbo Pro | बिना आर्टिफ़ैक्ट के तेज़ मूवमेंट संभालता है |
| ऑडियो के साथ सिनेमैटिक | Seedance 2.0 | बिल्ट-इन ऑडियो जनरेशन विज़ुअल गति से मेल खाता है |
| अल्ट्रा-रियलिस्टिक सीन | Veo 3 | मज़बूत किरदार यथार्थवाद और नेटिव ऑडियो |
| 4K लैंडस्केप आउटपुट | LTX 2.3 Pro | मज़बूत पर्यावरणीय डिटेल के साथ 4K रेज़ोल्यूशन |
| कैमरा-नियंत्रित मूवमेंट | Video 01 Director | स्पष्ट कैमरा मूवमेंट नियंत्रण |
| तेज़ टर्नअराउंड वाले ड्राफ़्ट | Hailuo 2.3 Fast | क्वालिटी को ज़्यादा खोए बिना गति |
| Google की नवीनतम क्वालिटी | Veo 3.1 | मज़बूत मोशन के साथ 1080p सिनेमैटिक आउटपुट |
| सामान्य सिनेमैटिक | Gen 4.5 | सुलभ दर पर ठोस सिनेमैटिक मोशन |
| 1080p वाइड सीन | Wan 2.7 T2V | भरोसेमंद 1080p सामान्य-उद्देश्य आउटपुट |
| तेज़ सिनेमैटिक क्लिप | Pixverse v6 | सिनेमैटिक ऑडियो-वीडियो सिंक के साथ तेज़ जनरेशन |
सही तरीका यह है कि एक ही प्रॉम्प्ट के साथ 2-3 मॉडल आज़माएँ। आप जल्दी देख लेंगे कि कौन-सा आपके खास सीन के प्रकार को सबसे अच्छी तरह संभालता है, और जैसे ही आप आउटपुट को साथ-साथ तुलना करना शुरू करेंगे, वह समझ तेज़ी से बनती है।
इस आर्टिकल का हर प्रॉम्प्ट ढाँचा एक फ़ॉर्मूला है, कोई जादुई वाक्य नहीं। असली काम इन पैटर्नों को अपने खास सीन के हिसाब से ढालने, परखने और सुधारने में है। अभी उपलब्ध मॉडल, Kling v3 Video से लेकर Sora 2 Pro और Seedance 2.0 तक, सिनेमैटोग्राफ़िक भाषा पर ऐसे प्रतिक्रिया देते हैं जो 18 महीने पहले संभव नहीं था।
अभी अपने मन में एक सीन लें। उसे इन हिस्सों में तोड़ें: शॉट का प्रकार, विषय, पर्यावरण, रोशनी की दिशा, कैमरा मूवमेंट, माहौल और लेंस। वह टाइप करें। उसे चलाएँ। आपने जो कल्पना की और जो बाहर आता है, उनके बीच का फ़ासला आपकी सोच से कम होगा।
इस आर्टिकल में बताए गए सभी मॉडल सीधे PicassoIA पर आज़माए जा सकते हैं, और किसी सॉफ़्टवेयर इंस्टॉलेशन की ज़रूरत नहीं है। एक सीन से शुरू करें। एक बार में एक वेरिएबल बदलें। इसी तरह आप पढ़ने भर से कहीं तेज़ी से असली समझ बनाते हैं।
अपनी भाषा चुनें
