फ़ोन पर दिखने वाले आउटपुट के लिए Wan 2.7 के प्रो-लेवल प्रॉम्प्ट पैटर्न, कैमरा मूव, आस्पेक्ट रेशियो के नियम और वर्ज़न चुनने के तरीके। शॉर्ट-फ़ॉर्म क्रिएटर्स के लिए असली टैक्टिक्स, जो वर्टिकल शूट करते हैं और चाहते हैं कि उनके AI क्लिप का हर सेकंड सोचा-समझा, तेज़ और स्क्रॉल रोकने वाला लगे।
फ़ोन स्क्रीन की अपनी एक अजीब फ़िज़िक्स है। आपका अंगूठा आपकी आँखों से तेज़ चलता है, और किसी क्लिप के पास उस अंगूठे को रोकने के लिए लगभग आधा सेकंड होता है। Wan 2.7 उन चुनिंदा AI वीडियो मॉडल में से है जो इस सीमा का सच में सम्मान करते हैं, और जब आप इसे 16:9 के खींचे हुए रूप की जगह वर्टिकल-फ़र्स्ट टूल मानकर चलाते हैं, तो फ़र्क आपके रिटेंशन कर्व में दिखने लगता है। यह लेख उन प्रॉम्प्ट पैटर्न, आस्पेक्ट रेशियो टैक्टिक्स, कैमरा मूव और वर्ज़न चुनावों के बारे में बताता है जो लगातार फ़ोन-रेडी क्लिप बनाते हैं, ऐसे क्लिप जो स्वाइप-ऑफ़ के बजाय रीप्ले कमाते हैं।
शॉर्ट-फ़ॉर्म वीडियो अब सिर्फ़ ट्रेंड नहीं है। यही डिफ़ॉल्ट है। TikTok, Instagram Reels, YouTube Shorts, Snap Spotlight, Pinterest Idea Pins और यहाँ तक कि LinkedIn भी अब पोर्ट्रेट क्लिप को उनके 16:9 वाले रूप से ज़्यादा डिस्ट्रीब्यूशन बूस्ट देते हैं। अगर आप हॉरिज़ॉन्टल पब्लिश करते हैं और फ़ीड क्रॉप पर निर्भर रहते हैं, तो आप एल्गोरिदम को आपका कंटेंट आगे बढ़ाने का एक कारण कम दे रहे हैं।
लोग अपने फ़ोन एक ही तरह पकड़ते हैं। वे फ़ोन को हॉरिज़ॉन्टल तभी करते हैं जब लंबी फ़िल्में, खेल या कभी-कभार गेमिंग देखनी हो। बाकी सब कुछ, यानी सोशल और मैसेजिंग का ज़्यादातर समय, पोर्ट्रेट में होता है। इस आदत ने पूरी क्रिएटर इकॉनमी को आकार दिया है, और कोई भी AI वर्कफ़्लो जो इसे नज़रअंदाज़ करता है, वह मांसपेशियों की याद के खिलाफ़ लड़ रहा है।
| प्लेटफ़ॉर्म | नेटिव एस्पेक्ट | आम लंबाई |
|---|---|---|
| TikTok | 9:16 | 7 से 60 सेकंड |
| Instagram Reels | 9:16 | 7 से 90 सेकंड |
| YouTube Shorts | 9:16 | 60 सेकंड तक |
| Snap Spotlight | 9:16 | 60 सेकंड तक |
| LinkedIn वर्टिकल | 9:16 | 15 से 60 सेकंड |
पैटर्न पर ध्यान दें। हर आधुनिक फ़ीड एक ही आकार और लगभग एक ही अवधि चाहती है। Wan 2.7 उस 5 से 10 सेकंड के स्वीट स्पॉट में ठीक बैठता है, प्रति क्लिप, जो एक मज़बूत कहानी बीट की सटीक लंबाई है।
Wan 2.7 Alibaba की Tongyi लैब से खुले Wan परिवार में नवीनतम छलांग है, और यह PicassoIA पर तीन वर्ज़न में आता है। हर एक थोड़ी अलग समस्या हल करता है, और वर्टिकल के लिए सही चुनना हॉरिज़ॉन्टल की तुलना में ज़्यादा मायने रखता है, क्योंकि फ़ोन फ़्रेम के निचले हिस्से में कोई रियायत नहीं देते।
Wan 2.7 पूरे 1080p में रेंडर होता है, जिसका मतलब वर्टिकल कैनवस पर सोशल प्लेटफ़ॉर्म के दोबारा कंप्रेस करने से पहले लगभग 1080 गुणा 1920 पिक्सल का उपयोगी रिज़ॉल्यूशन है। यह अतिरिक्त गुंजाइश ठीक वही है जिसकी ज़रूरत तब होती है जब आपका थंबनेल दोबारा पोस्ट, स्क्रीन-रिकॉर्ड और दूसरे क्रिएटर्स द्वारा रीमिक्स होना है। कम रिज़ॉल्यूशन के विकल्प TikTok के एन्कोडर से दूसरी बार गुज़रते ही धुंधले पड़ जाते हैं।
PicassoIA पर तीन Wan 2.7 एंडपॉइंट हैं, और वे तीन रचनात्मक समस्याओं से साफ़ मेल खाते हैं:
ज़्यादातर शुरुआती गलतियाँ गलत वर्ज़न चुनने से आती हैं। इस फ़ैसले पर हम अगले हिस्से में चलेंगे।
एक हॉरिज़ॉन्टल सिनेमैटोग्राफ़र और एक वर्टिकल क्रिएटर के बीच सबसे बड़ा फ़र्क यह है कि उनकी कंपोज़िशन कहाँ रहती है। वर्टिकल एक लंबा गलियारा है, चौड़ा मंच नहीं। Wan 2.7 आपके प्रॉम्प्ट से और I2V इस्तेमाल करने पर सोर्स इमेज से भी आस्पेक्ट रेशियो के संकेत पढ़ता है, इसलिए आकार के हिसाब से लिखना तुरंत फ़ायदा देता है।
TikTok और Reels पर स्क्रीन का नीचे का 18 प्रतिशत हिस्सा यूज़रनेम, कैप्शन और म्यूज़िक टैग से आंशिक रूप से ढक जाता है। ऊपर का 8 से 10 प्रतिशत हिस्सा स्टेटस बार और घड़ी के ओवरले ले लेते हैं। ज़रूरी चीज़ बीच के 70 प्रतिशत हिस्से में रहनी चाहिए।
💡 टिप: जब आप Wan 2.7 को प्रॉम्प्ट करें, तो साफ़ लिखें "subject centered in the upper-middle frame" या "main action in the middle vertical third"। मॉडल "well composed" जैसे अस्पष्ट शब्दों की तुलना में इन स्थानिक शब्दों का कहीं बेहतर पालन करता है।
वर्टिकल वीडियो चेहरों से बिकता है। फ़्रेम की ऊपरी तिहाई के पास आँखें लगभग हर शॉर्ट-फ़ॉर्म बेंचमार्क में, जिन्हें पब्लिशर ट्रैक करते हैं, सबसे ऊँचे वॉच-टाइम स्कोर देती हैं। Wan 2.7 T2V या I2V को प्रॉम्प्ट करते समय आई-लाइन को एक अहम तत्व मानें। इसे साफ़ लिखें। "subject's eyes near the upper third, gazing slightly off-frame" जैसा वाक्यांश आज़माएँ।
Wan 2.7 उन प्रॉम्प्ट पर सबसे अच्छा रिस्पॉन्ड करता है जो मूडबोर्ड के विशेषणों के पैराग्राफ़ की जगह छोटी शॉट लिस्ट जैसे पढ़ें। मॉडल के पास मज़बूत नेटिव मोशन प्रायर हैं, इसलिए साफ़-साफ़ बताना कि क्या हिलना चाहिए, किस क्रम में, और कैमरा कैसे प्रतिक्रिया देता है, पहली कोशिश में ही काम की टेक के 80 प्रतिशत तक पहुँचा देता है।
किसी भी Wan 2.7 प्रॉम्प्ट के लिए एक भरोसेमंद ढाँचा ऐसा दिखता है:
एक असली उदाहरण:
एक युवा सर्फ़र काले वेटसूट में सुबह के सूरज के समय किनारे पर अपने बोर्ड पर वैक्स लगाती है। वह खड़ी होती है, बोर्ड को बगल में दबाती है, फिर सीधे टूटती लहरों की ओर चलती है। कैमरा निचले वॉटरलाइन एंगल से धीरे-धीरे डॉली-इन, दाईं ओर से गर्म गोल्डन आवर रिम लाइट, सॉफ़्ट फ़िल्म ग्रेन, फ़ोटोरियलिस्टिक।
यह प्रॉम्प्ट, Wan 2.7 T2V में डालने पर बिना किसी दिक्कत के एक कसकर कंपोज़ की गई वर्टिकल क्लिप बनाएगा। ध्यान दें कि इसमें कोई विरोधाभास नहीं है और कोई अमूर्त स्टाइल शब्द भारी काम नहीं कर रहा।
ये टोकन लगातार आउटपुट को फ़ोन-रेडी फ़ुटेज की ओर झुकाते हैं:
ये फ़ायदे से ज़्यादा नुकसान करते हैं, खासकर वर्टिकल पर:
विशेषणों का भरा हुआ स्पैम पुराने डिफ़्यूज़न मॉडल में काम करता था। Wan 2.7 का टेक्स्ट एन्कोडर इन टोकन को शोर मानता है और आपके बाकी प्रॉम्प्ट को कमज़ोर कर देता है।
यहीं ज़्यादातर शॉर्ट-फ़ॉर्म क्रिएटर लड़खड़ाते हैं। तीनों वर्ज़न एक-दूसरे की जगह नहीं ले सकते, और गलत वर्ज़न से अपना विचार चलाने पर रेंडर और समय दोनों बर्बाद होते हैं।
अगर आपके पास केवल लिखित कॉन्सेप्ट है और कोई रेफ़रेंस इमेज नहीं है, तो Wan 2.7 T2V चुनें। टेक्स्ट-टू-वीडियो सबसे अच्छा तब है जब:
जब आपके पास पहले से कोई इमेज है जो आपको पसंद है, तो सही टूल Wan 2.7 I2V है। इमेज-टू-वीडियो आपके सोर्स फ़्रेम की सटीक कंपोज़िशन, रंग पैलेट और चेहरे बनाए रखता है, फिर उन पर मोशन जोड़ता है। मौजूदा विज़ुअल पहचान वाले क्रिएटर के लिए ब्रांड-अनुरूप वर्टिकल क्लिप पाने का यह सबसे भरोसेमंद तरीका है।
💡 प्रो टिप: I2V को ऐसी सोर्स इमेज दें जो पहले से 9:16 में हो। मॉडल
match_input_imageआस्पेक्ट रेशियो का पालन करता है और आपकी कंपोज़िशन बनाए रखता है। वर्टिकल आउटपुट माँगते हुए 16:9 इमेज देना अजीब क्रॉपिंग का सबसे तेज़ रास्ता है।
अगर वही व्यक्ति या प्रोडक्ट कई क्लिप में दिखना है, तो Wan 2.7 R2V सही विकल्प है। रेफ़रेंस-टू-वीडियो एक सब्जेक्ट इमेज लेता है और प्रॉम्प्ट-आधारित मोशन लागू करता है, साथ ही पहचान को स्थिर रखता है। जिन ब्रांड क्रिएटर्स के पास बार-बार आने वाला चेहरा या मैस्कॉट है, वे इसी वर्ज़न में काम करते हैं।
| वर्ज़न | इनपुट | सबसे अच्छा किसके लिए |
|---|---|---|
| Wan 2.7 T2V | केवल टेक्स्ट | कॉन्सेप्ट क्लिप, माहौल, दृश्य |
| Wan 2.7 I2V | फ़ोटो और टेक्स्ट | आपके द्वारा पहले से शूट किए गए फ़्रेम को एनिमेट करना |
| Wan 2.7 R2V | रेफ़रेंस सब्जेक्ट और टेक्स्ट | लगातार दोहराया जाने वाला व्यक्ति या प्रोडक्ट |
वर्टिकल का मतलब स्थिर होना नहीं है। Wan 2.7 कुछ मोशन पैटर्न बहुत अच्छे से संभालता है, और हर एक को सही सब्जेक्ट के साथ जोड़ना ही आपकी क्लिप को एडिटोरियल एहसास देता है, न कि स्लाइडशो जैसा।
सब्जेक्ट की ओर धीमी गति से आगे बढ़ना फ़ोन पर सबसे मज़बूत शुरुआती चाल है। यह उस तरह की नकल करता है जिससे हमारी आँखें भीड़ भरी फ़ीड में किसी चेहरे पर टिक जाती हैं, और जब आप डॉली को साफ़-साफ़ बताते हैं तो Wan 2.7 बेहद चिकनी डॉली बनाता है। यह वाक्यांश आज़माएँ: "slow dolly-in from chest height, ending tight on the eyes."
पैरों से चेहरे तक टिल्ट करना वर्टिकल पर खूबसूरती से काम करता है, क्योंकि कैमरे का रास्ता फ़्रेम के स्वाभाविक आकार से मेल खाता है। इसे फ़ैशन रिवील, स्नीकर ड्रॉप और फ़ुल-बॉडी डांस के लिए इस्तेमाल करें।
कभी-कभी सबसे अच्छा मोशन कैमरे का कोई मोशन न होना होता है। फ़्रेम लॉक करें और काम सब्जेक्ट को करने दें। टॉकिंग-हेड इंट्रो के लिए यह खास तौर पर असरदार है, जहाँ ज़रा-सा भी खिसकाव शब्दों से ध्यान हटा देता है। आज़माएँ: "locked-off tripod, no camera movement, subject delivers line directly to lens."
फ़ोन ज़ोर से कंप्रेस करते हैं। हल्के ग्रेडिएंट वाले आसमान, कम कंट्रास्ट वाले त्वचा के टोन और नाज़ुक शैडो रोलऑफ़ ही वे चीज़ें हैं जिन्हें TikTok का एन्कोडर सबसे पहले खा जाता है। Wan 2.7 को शुरू में ही सही रोशनी के लिए प्रॉम्प्ट करने से बाद में दोबारा शूट करने की ज़रूरत नहीं पड़ती।
गर्म दिशात्मक धूप सबसे क्षमाशील विकल्प है। यह कंप्रेशन से गुज़रते हुए भी रंग की कहानी बनाए रखती है, चेहरों को खूबसूरत रिम देती है, और पोस्ट में बिना कलर ग्रेड के भी दर्शकों को महँगी लगती है।
इंटीरियर के लिए ब्रांड नाम या खास स्टूडियो किट का ज़िक्र करने की बजाय "large diffused window light from the left, soft falloff" प्रॉम्प्ट करें। Wan 2.7 का ट्रेनिंग डेटा इस वाक्यांश से भरा है और लगातार प्राकृतिक नतीजे देता है।
मिक्स्ड कलर टेम्प मॉडल और कोडेक दोनों को उलझा देते हैं। हर शॉट में एक प्रमुख रोशनी रखें। अगर आपको सोडियम-वेपर सनसेट जैसा एहसास चाहिए, तो लिखें "single warm sunset light source from low right, no fill"। आउटपुट नाटकीय रूप से साफ़ हो जाता है।
Wan 2.7 साइलेंट वीडियो आउटपुट करता है, जो असल में शॉर्ट-फ़ॉर्म के लिए फ़ायदा है। आप हर क्लिप का संगीत खुद तय करते हैं, जिसका मतलब है कि कट पॉइंट वही बीट पर बैठते हैं जो आप चुनते हैं, न कि जेनरेट किए गए ऑडियो बेड से लड़ते हैं। दो फ़ील्ड-टेस्टेड तरीके:
Wan 2.7 24 फ़्रेम प्रति सेकंड पर रेंडर होता है। अगर आपके म्यूज़िक में साफ़ डाउनबीट है, तो पहला हार्ड कट ठीक उसी बीट पर रखें और रेंडर किया गया मोशन पीक उसी फ़्रेम पर आने दें। दर्शक इसे महसूस करते हैं, भले ही वे इसका नाम न बता पाएँ।
धीमी डॉली मूव 80 से 100 BPM के साथ जाते हैं। लॉक्ड-ऑफ़ फ़्रेम तेज़ 130 से 150 BPM कट के साथ जाते हैं। तेज़ हैंडहेल्ड ट्रैकिंग 160 से ऊपर की किसी भी चीज़ के साथ जाती है। सही गाने के लिए सही मूव चुनने से महसूस होने वाली प्रोडक्शन वैल्यू दोगुनी हो जाती है।
तीनों वर्ज़न के लिए तीन छोटे वॉकथ्रू नीचे दिए गए हैं। हर एक मानकर चलता है कि Picasso IA पर आपका अकाउंट पहले से है और आपके वॉलेट में क्रेडिट हैं।
तीन खास विफलता के तरीके क्रिएटर्स को बार-बार परेशान करते हैं। इन्हें जल्दी पहचानने से क्रेडिट बचते हैं और आपकी रेंडर कतार सुरक्षित रहती है।
400 शब्दों का प्रॉम्प्ट बेहतर Wan 2.7 क्लिप नहीं बनाता। वह एक उलझी हुई क्लिप बनाता है। प्रॉम्प्ट 80 शब्दों से कम रखें, और ऊपर बताए थ्री-ब्लॉक पैटर्न में ढाँचा बनाएँ।
अगर आप Wan 2.7 I2V को हॉरिज़ॉन्टल सोर्स देते हैं और वर्टिकल माँगते हैं, तो मॉडल रेंडर के बीच में क्रॉप कर देता है और आपकी कंपोज़िशन खो जाती है। वर्टिकल आउटपुट के लिए हमेशा 9:16 सोर्स से शुरू करें।
जिन प्रॉम्प्ट में साफ़ मोशन क्रिया नहीं होती, वे भटकती हुई, सिर्फ़ माहौल वाली क्लिप बनाते हैं, जिनमें कोई कहानी का पल नहीं होता। हमेशा इनमें से कम से कम एक क्रिया शामिल करें: चलना (walks), मुड़ना (turns), उठाना (lifts), उँडेलना (pours), खोलना (opens), नज़र डालना (glances), दौड़ना (runs), नाचना (dances), बैठना (sits), हाथ बढ़ाना (reaches)।
| गलती | लक्षण | तुरंत समाधान |
|---|---|---|
| ठूँसा हुआ प्रॉम्प्ट | उलझा मोशन, कमज़ोर सब्जेक्ट | 60 शब्दों तक छोटा करें, तीन ब्लॉक रखें |
| गलत आस्पेक्ट रेशियो | अजीब क्रॉप, खोई कंपोज़िशन | I2V के लिए 9:16 सोर्स इस्तेमाल करें |
| मोशन क्रिया नहीं | भटकती माहौल वाली क्लिप | एक ठोस एक्शन क्रिया जोड़ें |
यह सब समझने का सबसे तेज़ तरीका है आज रात एक क्लिप रेंडर करना। अपनी 9:16 में ली गई कोई एक फ़ोटो चुनें, उसे PicassoIA पर Wan 2.7 I2V में थ्री-ब्लॉक प्रॉम्प्ट के साथ डालें, और देखें कि क्या वापस आता है। अगर आप शून्य से शुरू कर रहे हैं, तो Wan 2.7 T2V कॉन्सेप्ट क्लिप को खूबसूरती से संभालता है, और जब भी आप पूरी सीरीज़ में कोई दोहराया जाने वाला चेहरा या प्रोडक्ट चाहें, Wan 2.7 R2V तैयार है। रोज़ एक रेंडर की छोटी आदत बनाएँ, देखें कि आपके रिटेंशन कर्व में क्या चला, और आपकी वर्टिकल समझ किसी भी ट्यूटोरियल से तेज़ निखरेगी। Picasso IA आपको प्रयोग की जगह, हर शॉट के लिए वर्ज़न, और बिना क्वालिटी की कीमत चुकाए सीधे TikTok, Reels और Shorts पर भेजने लायक रिज़ॉल्यूशन देता है। अपना फ़ोन उठाएँ, किसी दिलचस्प चीज़ पर कैमरा रखें, और बाकी काम Wan 2.7 को करने दें।
अपनी भाषा चुनें
