ऑनलाइन मौजूद सबसे डरावने AI-जनरेटेड वीडियो की गहराई से पड़ताल, और यह कि वे आपके दिमाग़ से खिलवाड़ क्यों करते हैं। अनकन्नी वैली, डीपफ़ेक टेक्नोलॉजी, सिंथेटिक मीडिया, और नवीनतम AI वीडियो मॉडल से अपने खुद के रहस्यमयी क्लिप कैसे बनाएँ।
पहली बार देखते समय मैंने उसे तीन बार दोबारा चलाया, तब जाकर मेरे दिमाग़ ने माना कि वह क्या देख रहा है। चेहरा हिल रहा था। होंठ एकदम सही मेल खा रहे थे। पलकें झपक रही थीं। फिर भी, फ़्रेम्स के बीच कहीं कुछ गहराई से, भीतर तक गलत था। यह ग्लिच वाली गड़बड़ी नहीं थी। यह साफ़ नकली होने वाली गड़बड़ी भी नहीं थी। कुछ इससे गहरा था। कुछ ऐसा जिससे मेरी बाँहों के रोंगटे खड़े हो गए, इससे पहले कि मैं समझ पाता कि ऐसा क्यों हुआ।
सबसे डरावने AI वीडियो का अनुभव यही है: एक ऐसा चेहरा जिसे आपका होश वाला दिमाग़ स्वीकार करना चाहता है, और आपका तंत्रिका तंत्र उसे ठुकरा देता है। असली और नकली के बीच की दूरी इतनी कम हो गई है कि फ़र्क पहचानने वाली अकेली चीज़ आपके भीतर की कोई पुरानी, पशु-जैसी और भाषा से पहले की समझ है।
यह असल में काम कैसे करता है, वह यहाँ है।
आपका दिमाग़ चेहरों को बाकी हर तरह के विज़ुअल इनपुट से अलग तरह से प्रोसेस करता है। फ़्यूसिफ़ॉर्म फ़ेस एरिया नाम का एक खास न्यूरल रास्ता, जैसे ही उसे चेहरे जैसी कोई चीज़ दिखती है, तुरंत सक्रिय हो जाता है। यह तब होता है जब आप तस्वीर को होश में दर्ज भी नहीं करते। इसीलिए बच्चे जीवन के पहले दिनों से ही चेहरों को घूरते हैं, और इसीलिए आपको बादलों में, लकड़ी की बनावट में, और बिजली के सॉकेट में भी चेहरे दिखते हैं।
जब यह सर्किट AI-जनरेटेड चेहरे पर सक्रिय होता है, तो शुरुआती पहचान की प्रतिक्रिया सामान्य रूप से होती है। लेकिन वेरिफ़िकेशन का चरण, यानी वह गहरी तुलना जो आपका विज़ुअल कॉर्टेक्स असली चेहरों के हिलने और महसूस करने के तरीकों के लाखों संग्रहित मेमोरी टेम्पलेट्स से करता है, एक मिसमैच लौटाता है। इनपुट पर उच्च विश्वास। मिसमैच पर भी उच्च विश्वास। आपका दिमाग़ एक ऐसा संकेत पैदा करता है जिसके लिए उसके पास कोई साफ़ श्रेणी नहीं है।
यही वह सिहरन है। यही वह चीज़ है जो आपको ऐसा महसूस कराती है कि कोई ऐसी चीज़ आपको देख रही है जिसकी आँखें ही नहीं हैं।
बेचैन करने वाला कंटेंट अच्छा प्रदर्शन करता है। कंटेंट वायरलिटी पर मनोवैज्ञानिक शोध लगातार दिखाता है कि हाई-arousal वाली नकारात्मक सामग्री, यानी ऐसी चीज़ें जो ऐसी भावनाएँ पैदा करती हैं जिन्हें आप ठीक से नाम नहीं दे पाते, तटस्थ या सकारात्मक कंटेंट की तुलना में कहीं ज़्यादा दर से साझा होती है। जब आप सबसे डरावना AI वीडियो देखते हैं जो आपने कभी देखा है, तो आपकी पहली प्रवृत्ति उसे किसी और को भेजने की होती है। "मुझे बताओ कि सिर्फ़ मैं ही यह नहीं देख रहा।"
सामाजिक मान्यता की चाह और तीखी बेचैनी आपस में मिल जाते हैं। क्लिप 48 घंटों में पाँच मिलियन व्यूज़ तक पहुँच जाती है। प्लेटफ़ॉर्म बिना किसी के इरादे के इसे इनाम देते हैं। एल्गोरिदम एंगेजमेंट पढ़ता है, उसके पीछे का कारण नहीं।
यह शब्द रोबोटिक्स शोधकर्ता मासाहिरो मोरी ने 1970 में गढ़ा था। उन्होंने देखा कि जैसे-जैसे रोबोट दिखने में ज़्यादा इंसान जैसे होते गए, लोगों का उनके प्रति आराम और लगाव लगातार बढ़ता गया, एक खास सीमा तक। उस बिंदु पर आराम तेज़ी से गिरकर घृणा के करीब वाली किसी चीज़ में बदल जाता था। उन्होंने उस सीमा को अनकन्नी वैली कहा।
X-अक्ष पर इंसानी समानता है। Y-अक्ष पर भावनात्मक प्रतिक्रिया। एक कार्टून कैरेक्टर कम इंसानी समानता पर होता है और हमें ठीक लगता है। एक साफ़ तौर पर मशीनी रोबोट मध्यम इंसानी समानता पर होता है और हमें वह आकर्षक लगता है। एक अत्यंत यथार्थवादी humanoid चेहरा इंसानी समानता के पैमाने के ऊपरी हिस्से के पास होता है और हमें गहराई से गलत लगता है। एक असली, जीवित इंसानी चेहरा 100% पर होता है और हमें फिर से सामान्य लगता है।
आज का AI वीडियो उस वैली में बेहद सटीकता से जा पहुँचा है। AI जो बनाता है और असली इंसान कैसा दिखता है, इनके बीच का फ़ासला अब उस फ़ासले से छोटा है जिसे हम होश में पहचान सकते हैं। सबसे डरावना AI-जनरेटेड वीडियो वह कभी नहीं होता जिसमें साफ़ ग्लिच हों। वह वह होता है जहाँ आप सच में खोट नहीं ढूँढ पाते, लेकिन आपका शरीर पहले से जानता है कि वह वहाँ है।
सिंथेटिक मीडिया में अनकन्नी वैली प्रतिक्रियाओं पर शोध लगातार पर्सेप्चुअल ट्रिगर्स के एक समूह की ओर इशारा करता है, जो होश में पहचान से नीचे काम करते हैं:
| ट्रिगर | क्या गड़बड़ होती है |
|---|---|
| माइक्रो-एक्सप्रेशन | बड़े भाव-बदलावों के बीच गायब रहते हैं |
| आँखों की गति | सैकेड्स बहुत चिकने, बहुत परफ़ेक्ट समय पर |
| त्वचा की बनावट | एकसमान ल्यूमिनेंस, कोई सबसर्फ़ेस स्कैटर नहीं |
| बालों की भौतिकी | अलग-अलग रेशों की जगह एक ही द्रव्यमान की तरह हिलते हैं |
| पलक झपकने का समय | अंतराल बहुत नियमित, अवधि बहुत छोटी |
| लिप सिंक ऑफ़सेट | ऑडियो 30 से 80 मिलीसेकंड आगे या पीछे रहता है |
इनमें से कोई एक अकेला शायद होश में दर्ज न हो। लेकिन इन सबका एक साथ होना, भले ही कम तीव्रता पर हो, वही खास तरह की गलत होने की भावना पैदा करता है, जो ऑनलाइन सबसे डरावने AI वीडियो कंटेंट के रूप में घूमती है।
आधुनिक AI वीडियो जनरेशन अरबों वीडियो फ़्रेम्स पर प्रशिक्षित डिफ़्यूज़न मॉडल्स पर चलता है। मॉडल टेक्स्ट विवरणों और विज़ुअल सीक्वेंसेज़ के बीच सांख्यिकीय संबंध सीखता है, जैसे "एक औरत धीरे से कैमरे की ओर मुड़ती है" और उस क्रिया का वर्णन करने वाले खास पिक्सल वितरण, रोशनी के बदलाव और मोशन पैटर्न के बीच।
जनरेशन के समय, मॉडल स्ट्रक्चर्ड नॉइज़ से शुरू करता है और उसे धीरे-धीरे हटाता है, जिसका मार्गदर्शन आपका टेक्स्ट प्रॉम्प्ट और वीडियो कैसा दिखना चाहिए, इस बारे में सीखी गई धारणाएँ करती हैं। नतीजा एक ऐसी क्लिप होती है जो आपके विवरण से मेल खाती है, बिना कहीं से असली फ़ुटेज लिए।
पकड़ यह है कि ये मॉडल औसत सीखते हैं। असली इंसानी चेहरे औसत नहीं होते। वे खास, असममित होते हैं और खास ज़िंदगियों से खास तरीकों से घिसे हुए होते हैं। AI-जनरेटेड चेहरे एक आदर्श माध्य की ओर झुकते हैं, और इसी से वह बेचैन करने वाली परफ़ेक्शन पैदा होती है। मोम की मूर्ति जैसी सुंदरता। दूर से सही। पास से गलत।
सिंथेटिक और असली के बीच की दूरी ऐसी रफ़्तार से घट रही है जिसने इस पर काम करने वाले शोधकर्ताओं को भी चौंका दिया है। अभी उपलब्ध सबसे अच्छे टेक्स्ट-टू-वीडियो टूल्स ऐसी क्लिप बनाते हैं जो सामान्य परिस्थितियों में आम दर्शकों के सामने टिक जाती हैं। PicassoIA पर कई मॉडल इस टेक्नोलॉजी की सबसे उन्नत सीमा पर हैं।
Google का Veo 3 सिंक्रोनाइज़्ड ऑडियो के साथ वीडियो जनरेट करता है, और लिप सिंक तथा परिवेश की आवाज़ों को एक साथ संभालता है। Veo 3 के आउटपुट में चेहरे की गति की गुणवत्ता को किसी भी जनरेटिव सिस्टम द्वारा अब तक बनाई गई सबसे यकीन दिलाने वाली इंसानी गति में से एक बताया गया है।
Kling v3 Video पिछले वर्ज़न की तुलना में माइक्रो-एक्सप्रेशन को संभालने में खास तौर पर बेहतर सिनेमैटिक फ़ुटेज देता है। टेम्पोरल कंसिस्टेंसी, यानी फ़्रेम दर फ़्रेम चेहरा कितनी भरोसेमंद तरह से एक ही व्यक्ति दिखता है, 12 महीने पहले की तुलना में काफ़ी मज़बूत है।
Wan 2.7 T2V टेक्स्ट प्रॉम्प्ट को मज़बूत मोशन कोहेरेंस के साथ 1080p वीडियो में बदलता है। इसे किसी खास तरह के व्यक्ति और खास रोशनी की स्थितियों वाला विस्तृत प्रॉम्प्ट दीजिए, और आपको ऐसे नतीजे मिलेंगे जो पहली बार देखने पर ही आपकी धारणा को सच में चुनौती देंगे।
OpenAI का Sora 2 सिंक्रोनाइज़्ड ऑडियो और फ़िज़िक्स-अवेयर मोशन के साथ टेक्स्ट-टू-वीडियो देता है। कपड़ा जिस तरह हिलता है, बाल मोशन और रोशनी के साथ जैसे व्यवहार करते हैं, ये वे बारीकियाँ हैं जहाँ Sora 2 पिछली पीढ़ी के टूल्स से खुद को अलग करता है।
Hailuo 02 सिनेमैटिक फ़्रेम क्वालिटी के साथ 1080p AI वीडियो जनरेट करता है। इसकी चेहरा-रेंडरिंग तटस्थ भाव से भावनात्मक भाव के बीच के बदलाव को ऐसे संभालती है, जिसे पिछले मॉडल दिखने वाले आर्टिफ़ैक्ट्स के बिना हासिल करने में संघर्ष करते थे।
इंसान हर चार से छह सेकंड में बिना सोचे पलकें झपकाते हैं। पलक झपकने में लगभग 300 से 400 मिलीसेकंड लगते हैं। इससे भी ज़रूरी बात यह है कि पलक झपकने की दर भावनात्मक स्थिति और संज्ञानात्मक भार के साथ काफ़ी बदलती है। लोग गहरी एकाग्रता में बहुत कम झपकाते हैं, और चिंतित या थके होने पर ज़्यादा बार।
AI वीडियो मॉडल अक्सर पलक झपकने की सांख्यिकीय रूप से सही औसत दरें बनाते हैं, लेकिन संदर्भ के हिसाब से होने वाले बदलाव को पूरी तरह चूक जाते हैं। तीव्र मोनोलॉग देने वाला चेहरा 20 सेकंड तक पलक नहीं झपका सकता है। वही मोनोलॉग देने वाला AI चेहरा हर पाँच सेकंड में मेट्रोनोम की तरह झपकता है। आपका दिमाग़ इसे तब भी पकड़ लेता है जब आप इसे होश में दर्ज नहीं करते। वह आपके वीडियो देखना खत्म करने से पहले ही क्लिप को "गलत" की फ़ाइल में डाल देता है।
आँखें भी अलग तरह से हिलती हैं। असली आँखों की गति में माइक्रोसैकेड्स शामिल होते हैं, छोटी-छोटी अनैच्छिक हरकतें जो प्रति सेकंड कई बार होती हैं। ये लगभग अदृश्य होती हैं, लेकिन इनकी गैरमौजूदगी AI-जनरेटेड आँखों में एक सूक्ष्म स्थिरता पैदा करती है, जिसे प्रशिक्षित दर्शक लगातार "मृत" या "काँच जैसी" बताते हैं। वह वर्णन अनकन्नी वैली को दो शब्दों में समेट देता है।
असली इंसानी त्वचा में सबसर्फ़ेस स्कैटरिंग होती है, जहाँ रोशनी सतह के थोड़ा नीचे तक घुसकर वापस बाहर निकलती है, और गालों व कानों पर सीधी रोशनी में गर्म पारदर्शिता बनाती है। इसमें रोम-छिद्र होते हैं, और हर छिद्र एक सूक्ष्म छाया बनाता है जो समग्र बनावट में योगदान देती है। इसमें बारीक बाल होते हैं जो हवा की गति पर प्रतिक्रिया करते हैं। इसमें उस इंसान का जमा हुआ शारीरिक इतिहास होता है: धूप का असर, केशिकाओं के पैटर्न, वर्षों में बनी असममितताएँ।
AI-जनरेटेड त्वचा एक सतह की तरह रेंडर होती है, आयतन की तरह नहीं। ल्यूमिनेंस बहुत एकसमान होता है। बनावट एक सेंटीमीटर से दूसरे सेंटीमीटर तक बहुत एक जैसी होती है। त्वचा ऐसी दिखती है जैसे किसी ने प्रोफ़ेशनल फ़ोटो रीटचिंग की हो, और उसे पता ही न हो कि रुकना कब है। तकनीकी रूप से सुंदर। सहज रूप से गहराई से गलत।
💡 मुख्य संकेत: AI वीडियो में जबड़े और गले के बीच के संक्रमण को देखें। असली लोगों में उस सीमा पर त्वचा का रंग और बनावट असंगत दिखती है। AI चेहरे अक्सर चेहरे से गर्दन तक अस्वाभाविक रूप से एकसमान घुल जाते हैं, जिनमें असली शरीर रचना से पैदा होने वाली छाया की भिन्नता या रंग का बदलाव नहीं होता।
ये शब्द आपस में बदलकर इस्तेमाल होते हैं, लेकिन ये मूल रूप से अलग प्रक्रियाओं का वर्णन करते हैं।
डीपफ़ेक एक स्रोत चेहरे को लक्ष्य वीडियो पर मैप करते हैं। स्रोत पर किसी असली व्यक्ति का चेहरा होता है, और लक्ष्य पर एक असली वीडियो। AI चेहरा A की दिखावट को चेहरा B के पोज़ और भाव में बदलना सीखता है। वह व्यक्ति असली होता है। सिर्फ़ वीडियो गढ़ा जाता है।
AI-जनरेटेड वीडियो शून्य से सिंथेटिक चेहरे बनाता है। कोई स्रोत व्यक्ति नहीं। कोई मूल फ़ुटेज नहीं। चेहरा लाखों प्रशिक्षण उदाहरणों में समग्र रूप से इंसानी चेहरे कैसे दिखते हैं, इस पर सीखी गई धारणाओं से सांख्यिकीय रूप से बनाया जाता है।
सबसे डरावना AI वीडियो कंटेंट अक्सर दूसरी श्रेणी से आता है, क्योंकि तुलना के लिए कोई मूल नहीं होता। डीपफ़ेक के साथ, पहचान कभी-कभी मूल को खोजने पर निर्भर करती है। पूरी तरह सिंथेटिक वीडियो के साथ कोई मूल नहीं होता। वह व्यक्ति कभी था ही नहीं।
| प्रकार | स्रोत | पहचान का तरीका |
|---|---|---|
| डीपफ़ेक | असली व्यक्ति का चेहरा लक्ष्य पर मैप किया गया | ज्ञात मूल से तुलना करें |
| फ़ेस स्वैप | दो असली लोगों की अदला-बदली | बनावट और सीमा के आर्टिफ़ैक्ट्स |
| AI-जनरेटेड | कोई स्रोत व्यक्ति नहीं | केवल सांख्यिकीय विश्लेषण |
| वॉइस क्लोन | असली आवाज़ की रिकॉर्डिंग | स्पेक्ट्रोग्राम पैटर्न विश्लेषण |
सबसे अच्छे मौजूदा मॉडलों के खिलाफ़ कोई एक पहचान विधि भरोसेमंद नहीं है। संकेतों का संयोजन आपको बेहतर मौके देता है:
PicassoIA पर Kling Avatar v2 चेहरों को इतनी यथार्थवादिता के साथ एनिमेट करता है कि उसके आउटपुट का अध्ययन करने से आप अपनी आँख को यह सीखने के लिए प्रशिक्षित कर सकते हैं कि व्यवहार में संकेत ठीक कहाँ दिखते हैं। क्लिप बनाना और फिर आर्टिफ़ैक्ट्स खोजना सच में पहचान के लिए कैलिब्रेट होने के सबसे प्रभावी तरीकों में से एक है।
सबसे डरावना AI वीडियो कंटेंट बनाने वाले मॉडल खुले तौर पर उपलब्ध हैं। अगर आप यह देखना चाहते हैं कि यह टेक्नोलॉजी अंदर से कैसे काम करती है, या अपने खुद के वायुमंडलीय सिनेमैटिक क्लिप बनाना चाहते हैं, तो PicassoIA पर Kling v3 Video का उपयोग करने की प्रक्रिया यह है:
चरण 1: मॉडल तक पहुँचें PicassoIA पर Kling v3 Video खोलें। इंटरफ़ेस में आपको एक प्रॉम्प्ट फ़ील्ड, अवधि की सेटिंग्स और रेज़ोल्यूशन कंट्रोल मिलते हैं।
चरण 2: एक विशिष्ट प्रॉम्प्ट लिखें आउटपुट की क्वालिटी प्रॉम्प्ट की विशिष्टता से सीधे जुड़ी होती है। इन्हें शामिल करें:
चरण 3: अवधि और रेज़ोल्यूशन सेट करें सिनेमैटिक आउटपुट के लिए, उपलब्ध सबसे ऊँचा रेज़ोल्यूशन चुनें। मौजूदा जनरेशन क्वालिटी के स्तर पर पाँच से छह सेकंड की क्लिप लंबी अवधि की तुलना में बेहतर टेम्पोरल फ़ेस कंसिस्टेंसी बनाए रखती हैं।
चरण 4: नेगेटिव प्रॉम्प्ट जोड़ें बाहर रखें: "cartoon, illustrated, CGI, animation, low quality, blurry, distorted"
चरण 5: कई जनरेशन में दोहराएँ आपका पहला आउटपुट शायद ही उपलब्ध सबसे अच्छा होता है। हर जनरेशन संभावना स्पेस के एक अलग हिस्से का नमूना लेती है। तीन से पाँच जनरेशन चलाएँ और वह चुनें जो आपके इरादे से सबसे करीब मेल खाए।
💡 प्रॉम्प्ट टिप: भावनात्मक स्थिति के विवरण ("कोई जिसने अभी कुछ ऐसा सुन लिया है जो उसे नहीं सुनना चाहिए था") केवल भौतिक रूप-रंग के विवरणों की तुलना में ज़्यादा दिलचस्प माइक्रो-एक्सप्रेशन व्यवहार पैदा करते हैं। मॉडल ने भावनात्मक स्थितियों और उन्हें व्यक्त करने वाली बारीक मांसपेशी गतियों के बीच संबंध सीखे हैं।
वायुमंडलीय नतीजों के लिए Veo 3, Wan 2.7 T2V, या Pixverse v5 के साथ काम करना:
आपने जो सबसे डरावना AI वीडियो देखा है, वह कोई अंतिम पड़ाव नहीं है। वह एक मील का पत्थर है। इस कंटेंट को बनाने वाले मॉडल ऐसी रफ़्तार से बेहतर हो रहे हैं कि पिछले साल के आउटपुट शुरुआती प्रोटोटाइप जैसे लगते हैं। टेम्पोरल कंसिस्टेंसी, माइक्रो-एक्सप्रेशन संभालना, त्वचा की रेंडरिंग और सबसर्फ़ेस रोशनी का सिमुलेशन, यह सब उस सीमा की ओर बढ़ रहा है जहाँ औसत दर्शक के लिए विज़ुअल पहचान भरोसेमंद नहीं रहती।
इससे वीडियो कंटेंट को कैसे उपभोग करते हैं और उससे कैसे रिश्ता बनाते हैं, इस पर असली और व्यावहारिक सवाल खड़े होते हैं। जैसे पिछले 30 सालों में सुलभ फ़ोटो एडिटिंग सॉफ़्टवेयर ने स्थिर तस्वीरों के साथ हमारे रिश्ते को बदल दिया, वैसे ही AI वीडियो जनरेशन अभी, वास्तविक समय में, चलती तस्वीरों के साथ हमारे रिश्ते को बदल रहा है।
सिंथेटिक चेहरा देखते समय जो डरावनी भावना आती है, वह सिर्फ़ जिज्ञासा या नवीनता की प्रतिक्रिया नहीं है। यह आपकी विज़ुअल प्रणाली का अपना आखिरी भरोसेमंद पहचान चरण चलाना है, इससे पहले कि संकेत शोर से अलग न दिखे। वह सहज बोध तब तक ध्यान देने लायक है जब तक वह लगातार काम कर रहा है।
वायरल AI क्लिप, डीपफ़ेक कंटेंट, और ग्रुप चैट और रिकमेंडेशन फ़ीड में घूमने वाला सिंथेटिक मीडिया, यह सब उसी श्रेणी के टूल्स से बनता है। यह समझना कि ये टूल्स कैसे काम करते हैं, कोई अमूर्त चिंता नहीं है। 2027 और उसके बाद वीडियो देखने के लिए यह बुनियादी साक्षरता है।
💡 जो अब भी साफ़ तौर पर इंसानी है: संदर्भ, इरादा, और किसी खास बातचीत में किसी खास पल पर कोई खास भाव क्यों बनाता है, उसकी ठोस वजह। AI चेहरा बना सकता है। वह अभी उस संचित निजी इतिहास को नहीं बना सकता जिसकी वजह से वह चेहरा ठीक उस पल में ठीक वैसा दिखता है। वह विशिष्टता, अभी के लिए, किसी पहचान एल्गोरिदम को चलाए बिना मिलने वाला सबसे साफ़ संकेत है।
जो वही तकनीक ऑनलाइन सबसे परेशान करने वाली क्लिप्स बना रही है, वही AI वीडियो क्रिएशन को प्रयोग के लायक बनाती है। डरावने और सिनेमैटिक के बीच की रेखा ज़्यादातर इरादे और शिल्प की बात है, और दोनों किसी भी ऐसे व्यक्ति के लिए उपलब्ध हैं जिसके पास ब्राउज़र और सटीक प्रॉम्प्ट है।
PicassoIA बिना किसी तकनीकी सेटअप के पूरा टूल्स का सेट आपके सामने रखता है: Kling v3 Video मज़बूत टेम्पोरल कंसिस्टेंसी के साथ सिनेमैटिक चेहरा एनिमेशन के लिए, Veo 3 ऑडियो-सिंक्ड नैरेटिव क्लिप्स के लिए जहाँ आवाज़ और चेहरा स्वाभाविक रूप से साथ चलते हैं, Wan 2.7 T2V हाई-रेज़ोल्यूशन वायुमंडलीय 1080p फ़ुटेज के लिए, Sora 2 फ़िज़िक्स-अवेयर मोशन के लिए जहाँ कपड़े और बाल असली जैसे व्यवहार करते हैं, और Pixverse v5 तेज़ इटरेशन के लिए जब आप प्रॉम्प्ट के वेरिएशन जल्दी टेस्ट कर रहे हों।
आपको न स्टूडियो चाहिए, न कैमरा, न कोई कलाकार। आपको चाहिए कि आप जो देखना चाहते हैं उसका सटीक विवरण हो, और इतना धैर्य कि जो आपने कल्पना की और जो मॉडल बनाता है, वे एक-दूसरे तक पहुँच जाएँ।
आपका देखा हुआ सबसे डरावना AI वीडियो किसी ऐसे व्यक्ति ने बनाया था जो ठीक उसी जगह बैठा था जहाँ अभी आप बैठे हैं।
अपनी भाषा चुनें
