Veo 3.1 पोर्ट्रेट-मोड कंटेंट के लिए Google का सबसे परिष्कृत AI वीडियो मॉडल है। यह लेख इसके 9:16 आउटपुट स्पेक्स, नेटिव ऑडियो सिंथेसिस और Veo 3 व Veo 2 के मुकाबले इसके प्रदर्शन को समझाता है। साथ ही प्रॉम्प्टिंग की रणनीतियाँ और अपनी पहली सोशल रील बनाने का चरण-दर-चरण तरीका भी बताता है।
वर्टिकल वीडियो अब मोबाइल का बाद का विचार नहीं रहा। हर बड़े प्लेटफ़ॉर्म पर यही सबसे प्रचलित फ़ॉर्मेट है, और AI से बने 9:16 कंटेंट की माँग पहले कभी इतनी ज़्यादा नहीं थी। Google का Veo 3.1 इस माँग का नवीनतम जवाब है, और यह वह काम करता है जो ज़्यादातर AI वीडियो मॉडल अब भी नहीं कर पाते: यह पोर्ट्रेट-मोड आउटपुट को पूरे दर्जे का मानता है, न कि वाइडस्क्रीन क्लिप का काटा हुआ संस्करण।
Veo 3.1 Google का तीसरी पीढ़ी का AI वीडियो मॉडल है, जो टेक्स्ट प्रॉम्प्ट से हाई-फ़िडेलिटी वीडियो सिंथेसिस के लिए बनाया गया है। जहाँ पिछले वर्ज़न मुख्य रूप से सिनेमाई 16:9 आउटपुट पर केंद्रित थे, वहीं यह संस्करण वर्टिकल फ़ॉर्मेट के लिए बेहतर सपोर्ट, छोटी क्लिप में ज़्यादा कसी हुई मोशन कोहेरेंस और बिल्ट-इन ऑडियो सिंथेसिस लाता है, जिसके लिए पोस्ट-प्रोसेसिंग की ज़रूरत नहीं पड़ती।
इस मॉडल की लाइनअप में तेज़ इटरेशन के लिए Veo 3.1 Fast और हल्के वर्कलोड के लिए Veo 3.1 Lite भी शामिल हैं। हर वर्ज़न एक खास उपयोग के लिए बना है, लेकिन जब क्वालिटी से समझौता नहीं किया जा सकता, तब आप फ़्लैगशिप Veo 3.1 ही चुनते हैं।
ज़्यादातर टेक्स्ट-टू-वीडियो टूल बिना आवाज़ की क्लिप बनाते हैं, जिनके लिए अलग से ऑडियो काम करना पड़ता है। Veo 3.1 प्रॉम्प्ट से ही सिंक्रोनाइज़्ड एम्बिएंट ऑडियो, साउंड इफ़ेक्ट और कुछ मामलों में संवाद भी बना देता है। सोशल वीडियो के लिए यह बहुत अहम है। बारिश में शहर की सड़क की क्लिप को बारिश जैसी ही आवाज़ आनी चाहिए, और Veo 3.1 बिना अतिरिक्त कदमों के यही देता है।
यह TikTok और Reels के लिए खास मायने रखता है, जहाँ ऑटोप्ले में आवाज़ डिफ़ॉल्ट रूप से चालू रहती है और बिना आवाज़ वाला कंटेंट वॉच-टाइम के आँकड़ों में साफ़ तौर पर कमज़ोर प्रदर्शन करता है।
आउटपुट रेज़ोल्यूशन 9:16 आस्पेक्ट रेशियो पर 1080p है, जो Instagram Reels, TikTok, YouTube Shorts और Snapchat के नेटिव डिस्प्ले फ़ॉर्मेट से मेल खाता है। क्रॉप करने या फ़ॉर्मेट बदलने की ज़रूरत नहीं पड़ती। आप जो जनरेट करते हैं, वही पब्लिश करते हैं।
पोर्ट्रेट-ओरिएंटेशन वाला वीडियो शुरुआती लोगों की गलती से बदलकर सोशल डिस्ट्रीब्यूशन के लिए सही चुनाव बन गया है। यह बदलाव तेज़ी से हुआ, और इसके पीछे एक ही वजह थी: लोग अपना फ़ोन असल में कैसे पकड़ते हैं।
Instagram Reels की पहुँच स्टैंडर्ड फ़ीड पोस्ट से काफ़ी ज़्यादा होती है। TikTok शुरू से ही सिर्फ़ 9:16 के लिए बना था। YouTube Shorts ने रोज़ 70 अरब व्यूज़ का आँकड़ा पार किया। यह फ़ॉर्मेट सिर्फ़ ट्रेंड नहीं कर रहा, बल्कि स्थापित हो चुका है, और यह उस कंटेंट को पुरस्कृत करता है जो पोर्ट्रेट मोड में बना हो, न कि वाइडस्क्रीन से अनुकूलित किया गया हो।
9:16 में नेटिव आउटपुट देने वाला AI वीडियो अनुकूलन की समस्या को पूरी तरह छोड़ देता है। न ब्लैक बार होते हैं, न अजीब क्रॉप, न किनारों से कटा हुआ सब्जेक्ट। कंपोज़िशन शुरुआत से ही इसी फ़ॉर्मेट के लिए बनती है।
नेटिव वर्टिकल कंटेंट और दोबारा इस्तेमाल किए गए लैंडस्केप कंटेंट के प्रदर्शन में फ़र्क रिटेंशन डेटा में साफ़ दिखता है। मोबाइल पर दर्शक फ़ोन को वर्टिकल पकड़ते हैं, और वर्टिकल वीडियो उनकी पूरी स्क्रीन भर देता है। लेटरबॉक्स वाली 16:9 क्लिप आधी से भी कम स्क्रीन लेती है। छोटे फ़ॉर्मेट के कंटेंट में, जहाँ पहले दो सेकंड तय करते हैं कि कोई स्क्रॉल करके आगे बढ़ेगा या नहीं, स्क्रीन की यह जगह छोटी बात नहीं है।
जानना ज़रूरी है: प्लेटफ़ॉर्म एल्गोरिदमिक रूप से उस कंटेंट को बढ़ावा देते हैं जो यूज़र्स को फ़ुल-स्क्रीन पर देखते रहने के लिए प्रेरित करे। नेटिव 9:16 कंटेंट को एक भी व्यू गिने जाने से पहले ही संरचनात्मक बढ़त मिल जाती है।
Google की Veo लाइनअप तेज़ी से आगे बढ़ी है। Veo 2 सिनेमाई आउटपुट के लिए पहले से ही मज़बूत था। Veo 3 में नेटिव ऑडियो जुड़ा। Veo 3.1 दोनों को परिष्कृत करता है और वर्टिकल कंपोज़िशन में बेहतर सब्जेक्ट ट्रैकिंग के साथ 9:16 फ़ॉर्मेट को और अच्छे से संभालता है।
| फ़ीचर | Veo 2 | Veo 3 | Veo 3.1 |
|---|---|---|---|
| नेटिव ऑडियो | नहीं | हाँ | हाँ, बेहतर |
| 9:16 आउटपुट | सीमित | हाँ | अनुकूलित |
| रेज़ोल्यूशन | 1080p | 1080p | 1080p |
| मोशन कोहेरेंस | अच्छा | बहुत अच्छा | उत्कृष्ट |
| प्रॉम्प्ट फ़ॉलोइंग | मज़बूत | मज़बूत | और मज़बूत |
Veo 3 से Veo 3.1 तक का सबसे व्यावहारिक सुधार यह है कि मॉडल वर्टिकल फ़्रेमिंग को कैसे संभालता है। पिछले वर्ज़न कभी-कभी पोर्ट्रेट-ओरिएंटेड प्रॉम्प्ट में अजीब हेडरूम दे देते थे या सब्जेक्ट को घुटनों पर काट देते थे। Veo 3.1 कंपोज़िशन को ज़्यादा स्वाभाविक ढंग से संभालता है और सब्जेक्ट को लंबे फ़्रेम में सही जगह पर रखता है।
यह उन प्रॉम्प्ट के लिए ख़ास तौर पर अहम है जिनमें लोगों का वर्णन होता है, और सोशल वीडियो कंटेंट का ज़्यादातर हिस्सा यही है। फ़ैशन, फ़िटनेस, खाना बनाना, ट्रैवल, लाइफ़स्टाइल, इन सभी श्रेणियों के लिए ऐसा मॉडल चाहिए जो समझता हो कि पोर्ट्रेट फ़्रेम में इंसान कैसे दिखते हैं।
ऐसे पॉलिश्ड कंटेंट के लिए जहाँ आपके पास इटरेट करने का समय हो: Veo 3.1।
तेज़ ड्राफ़्ट और कॉन्सेप्ट टेस्ट के लिए: Veo 3.1 Fast।
हल्के या कम क्रेडिट वाले उपयोग के लिए: Veo 3.1 Lite।
जो पुराने प्रोजेक्ट पहले से पाइपलाइन में हैं, उनके लिए: Veo 3 Fast अब भी भरोसेमंद है।
PicassoIA आपको बिना किसी API सेटअप, Google पर अकाउंट रजिस्ट्रेशन या वेटलिस्ट के सीधे Veo 3.1 तक पहुँच देता है। वर्कफ़्लो सीधा है।
PicassoIA पर Veo 3.1 पर जाएँ। आपको पेज पर ही प्रॉम्प्ट इनपुट और पैरामीटर विकल्प दिखेंगे।
आपके प्रॉम्प्ट में सब्जेक्ट, एक्शन, माहौल और मूड का वर्णन होना चाहिए। सोशल वीडियो के लिए प्रॉम्प्ट में ही आस्पेक्ट रेशियो या फ़्रेमिंग का इरादा भी बताएँ। उदाहरण:
"धूप वाले आउटडोर बाज़ार में कोरल रंग की सनड्रेस पहनी एक महिला चलती है, पृष्ठभूमि में विक्रेता और रंगीन सब्ज़ियाँ हैं, वर्टिकल पोर्ट्रेट फ़्रेमिंग, गोल्डन आफ़्टरनून लाइट, सिनेमाई, फोटोरियलिस्टिक"
गति का वर्णन जितना साफ़ होगा, नतीजा उतना बेहतर होगा। "बाज़ार में लड़की" जैसे धुंधले प्रॉम्प्ट आम नतीजे देते हैं। चाल की रफ़्तार, रोशनी की दिशा और पृष्ठभूमि की गहराई बताने से मॉडल को वह मिलता है जो उसे चाहिए।
9:16 आस्पेक्ट रेशियो चुनें। विकल्प उपलब्ध हो तो 1080p रेज़ोल्यूशन चुनें। जिन सोशल क्लिप को लूप या स्टिच किया जाएगा, उनके लिए 5-8 सेकंड की अवधि सबसे उपयुक्त है।
जनरेशन में कतार के हिसाब से 30 सेकंड से 2 मिनट लगते हैं। तैयार होने पर डाउनलोड से पहले ब्राउज़र में क्लिप का प्रीव्यू देखें। सब्जेक्ट फ़्रेमिंग, मोशन कोहेरेंस और, अगर आपके प्रॉम्प्ट में आवाज़ माँगी गई थी, तो ऑडियो सिंक की जाँच करें।
अगर पहला नतीजा आपकी ज़रूरत के मुताबिक नहीं है, तो पोस्ट-प्रोडक्शन में उसे ठीक करने के बजाय परिष्कृत प्रॉम्प्ट के साथ दोबारा जनरेट करें। मॉडल इटरेशन पर अच्छी प्रतिक्रिया देता है।
प्रॉम्प्ट सबसे अहम वेरिएबल है। Veo 3.1 सक्षम है, लेकिन वह अपनी पूरी क्षमता तभी दिखाता है जब प्रॉम्प्ट साफ़ हो।
संरचना 1: सब्जेक्ट + एक्शन + माहौल + रोशनी + स्टाइल
"सफ़ेद एप्रन पहने एक बरिस्ता सिरेमिक कप में लाते पर लाते आर्ट बनाता है, हाथों का क्लोज़-अप, गर्म कैफ़े इंटीरियर में सॉफ़्ट एम्बिएंट रोशनी, पोर्ट्रेट फ़्रेमिंग, सिनेमाई, फोटोरियलिस्टिक"
संरचना 2: मूड + सब्जेक्ट + गति + सेटिंग
"आनंदित, एक युवा महिला सूर्यास्त के समय फूलों के खेत में घूमती है, स्लो मोशन, वाइड शॉट से मीडियम शॉट में बदलाव, गर्म गोल्डन लाइट, वर्टिकल वीडियो फ़ॉर्मेट"
संरचना 3: दृश्य + कैमरा मूवमेंट + डिटेल
"दक्षिण-पूर्व एशिया का एक व्यस्त रात का बाज़ार, कैमरा धीरे-धीरे स्ट्रीट फ़ूड स्टॉल से ऊपर की ओर झुकता है और नीयॉन-रोशन आकाश तक जाता है, हैंडहेल्ड एहसास, वर्टिकल ओरिएंटेशन, नम वायुमंडलीय धुंध"
ध्यान देने वाली बात: गति को साफ़-साफ़ बताएँ। "एक महिला चलती है" की तुलना में "एक महिला धीरे-धीरे चलती है, बाँहें बगल में, टाइल पर हील्स की खटखट" कहीं बेहतर है। मॉडल वही रेंडर करता है जो आप वर्णन करते हैं, न कि वह जो आप कल्पना करते हैं।
Veo 3.1 अभी वर्टिकल सोशल वीडियो के लिए सबसे मज़बूत विकल्प है, पर यह अकेला विकल्प नहीं है। आपके कंटेंट के प्रकार के हिसाब से कुछ और विकल्प जानने लायक हैं।
ड्राफ़्ट के लिए Veo 3.1 Fast स्पष्ट पहली पसंद है। Veo परिवार से बाहर देखें तो ByteDance का Seedance 2.0 तेज़ है, 1080p में ऑडियो के साथ आउटपुट देता है और मानव सब्जेक्ट को अच्छी तरह संभालता है। लगभग तुरंत प्रीव्यू के लिए LTX 2.3 Fast जल्दी 4K आउटपुट देता है।
जब क्वालिटी प्राथमिकता हो और रेंडर का समय दूसरी बात हो, तब Kling v3 Omni Video मज़बूत मोशन कंट्रोल के साथ सिनेमाई नतीजे देता है। LTX 2.3 Pro हाई डिटेल फ़िडेलिटी के साथ 4K क्लिप बनाता है। Pixverse v5 भरोसेमंद वर्टिकल फ़ॉर्मेट सपोर्ट और तीखे 1080p आउटपुट के साथ एक और ठोस विकल्प है।
इनमें से हर मॉडल PicassoIA पर उसी बिना-सेटअप एक्सेस के साथ उपलब्ध है, जैसा Veo 3.1 के लिए है।
AI वर्टिकल वीडियो के उपयोग प्रयोगात्मक कंटेंट से काफ़ी आगे बढ़ चुके हैं। क्रिएटर हर बड़े सोशल प्लेटफ़ॉर्म पर असली दर्शकों के लिए इसे पब्लिश कर रहे हैं।
AI से बने वीडियो के लिए छोटी ट्रैवल क्लिप सबसे अच्छा प्रदर्शन करने वाले फ़ॉर्मेट में से एक हैं। लिस्बन की एक संकरी गली, इस्तांबुल के फ़ेरी क्रॉसिंग या बैंकॉक के भोर के बाज़ार का वर्णन करने वाला प्रॉम्प्ट दो मिनट से कम में एक विश्वसनीय वायुमंडलीय क्लिप बना सकता है। असली वॉइसओवर या कैप्शन के साथ मिलकर यह कंटेंट एक तैयार सोशल पोस्ट का काम करता है।
ट्रैवल कंटेंट में विशिष्टता ही तय करती है कि कौन-सी क्लिप भूल जाई जाएगी और कौन-सी ध्यान बाँधे रखेगी। शहर का नाम, दिन का समय, मौसम, और एक-दो अलग दिखने वाली दृश्य डिटेल। "ओसाका में सुबह का मछली बाज़ार, रबर के जूते पहने विक्रेता, गीले पत्थर के फ़र्श, हवा में धुंध, वर्टिकल फ़ॉर्मेट" ऐसा कुछ बनाता है जिसमें जगह का सच्चा एहसास हो।
फ़ैशन एक और श्रेणी है जहाँ Veo 3.1 अच्छा प्रदर्शन करता है। किसी खास सेटिंग में, किसी खास आउटफ़िट में, पोर्ट्रेट फ़्रेमिंग के साथ एक मॉडल की क्लिप मिनटों में बनाई जा सकती है और मूड बोर्डिंग, प्रोडक्ट प्रीव्यू या सोशल कंटेंट के लिए इस्तेमाल हो सकती है। इस रेज़ोल्यूशन पर मॉडल कपड़े की बनावट और स्वाभाविक गति को अच्छी तरह संभालता है।
लाइफ़स्टाइल कंटेंट, सुबह की दिनचर्या, कॉफ़ी के रिवाज, अपार्टमेंट टूर, सब इसी तरीके को अपनाते हैं। 9:16 फ़ॉर्मेट और विज़ुअल स्टाइल स्वाभाविक रूप से उसी से मेल खाते हैं जिसकी प्लेटफ़ॉर्म के दर्शक उम्मीद करते हैं।
ज़्यादातर क्रिएटर्स के लिए व्यावहारिक सवाल यह है कि 9:16 में नेटिव जनरेट करें या 16:9 में जनरेट करके क्रॉप करें। Veo 3.1 के साथ जवाब हमेशा नेटिव है।
जब मॉडल जनरेशन के दौरान आस्पेक्ट रेशियो जानता है, तो वह दृश्य को उसी अनुपात के लिए कंपोज़ करता है। सब्जेक्ट लंबे फ़्रेम के हिसाब से सही जगह पर रखे जाते हैं। डेप्थ ऑफ़ फ़ील्ड, रोशनी की दिशा और परिवेश के तत्व इस तरह सजाए जाते हैं कि दर्शक उन्हें फ़ोन की स्क्रीन पर कैसे देखेंगे। 16:9 क्लिप को जनरेट के बाद क्रॉप करने से अक्सर वे संदर्भ-तत्व हट जाते हैं जो फ़्रेम के किनारों पर रखे गए थे।
याद रखने वाली बात: लंबवत बनाएँ, आड़े नहीं। मॉडल तब बेहतर काम करता है जब उसे शुरू से पता हो कि वह क्या बना रहा है।
जनरेट करने से पहले हर प्लेटफ़ॉर्म के स्पेक्स जानना मददगार है:
| प्लेटफ़ॉर्म | फ़ॉर्मेट | रेज़ोल्यूशन | अधिकतम अवधि |
|---|---|---|---|
| TikTok | 9:16 | 1080x1920 | 60 मिनट |
| Instagram Reels | 9:16 | 1080x1920 | 15 मिनट |
| YouTube Shorts | 9:16 | 1080x1920 | 3 मिनट |
| Snapchat | 9:16 | 1080x1920 | 60 सेकंड |
| 9:16 | 1080x1920 | 15 मिनट |
Veo 3.1 नेटिव रूप से 1080x1920 पर आउटपुट देता है, जो इस टेबल के हर प्लेटफ़ॉर्म से बिना किसी रीसाइज़िंग कदम के मेल खाता है।
AI से सोशल वीडियो बनाना पहले से कहीं तेज़ हो गया है, और क्वालिटी उस स्तर तक पहुँच गई है जहाँ कई श्रेणियों में AI आउटपुट तैयार कंटेंट से टक्कर ले सकता है। Veo 3.1 फ़ॉर्मेट, ऑडियो और रेज़ोल्यूशन संभालता है। आपका काम प्रॉम्प्ट है।
एक ही, साफ़ दृश्य से शुरू करें। उसे इस तरह लिखें जैसे किसी ऐसे व्यक्ति को फ़ोटो का वर्णन कर रहे हों जिसने उसे कभी नहीं देखा। सब्जेक्ट, एक्शन, सेटिंग, रोशनी और ओरिएंटेशन शामिल करें। Veo 3.1 पर चलाएँ, नतीजा देखें, और एक बार में एक वेरिएबल बदलकर सुधार करें।
PicassoIA आपको एक ही इंटरफ़ेस में Veo 3.1, Veo 3.1 Fast, Veo 3.1 Lite और दर्जनों अन्य मॉडल तक पहुँच देता है। अगर एक मॉडल वह नहीं देता जो आपको चाहिए, तो अगला बस एक क्लिक दूर है। अपने खास कंटेंट श्रेणी के लिए जो काम करता है उसे खोजने का यह सबसे तेज़ तरीका है।
जाएँ और कुछ वर्टिकल बनाएँ।
अपनी भाषा चुनें
