Wan 2.7 तब कहीं बेहतर वर्टिकल वीडियो बनाता है जब आप सही मॉडल वर्ज़न को पोर्ट्रेट-नेटिव प्रॉम्प्ट के साथ जोड़ते हैं। इस लेख में PicassoIA पर T2V, I2V और R2V मोड के लिए आस्पेक्ट रेशियो सेटिंग्स, फ़्रेमिंग की भाषा, सब्जेक्ट की जगह और वर्कफ़्लो के चरण दिए गए हैं।
वर्टिकल वीडियो अब सिर्फ़ फ़ॉर्मेट की पसंद नहीं रहा। फ़ोन पर छोटे क्लिप देखने वाले अरबों लोगों के लिए यही डिफ़ॉल्ट है, और अगर आपके AI से बने वीडियो पोर्ट्रेट मोड में कटे हुए, दबे हुए या अजीब तरह से फ़्रेम किए हुए हैं, तो दर्शक पहले सेकंड के खत्म होने से पहले ही स्क्रॉल कर देते हैं। Wan 2.7 इसे ठीक करने के असली टूल देता है, लेकिन तभी जब आप उन्हें सही तरीके से इस्तेमाल करें।
ज़्यादातर टेक्स्ट-टू-वीडियो मॉडल हॉरिज़ॉन्टल कंटेंट पर ट्रेन हुए हैं। फ़िल्में, टीवी, YouTube, स्टॉक फ़ुटेज: इनमें लगभग सब कुछ 16:9 में है। जब आप किसी मॉडल से पोर्ट्रेट वीडियो माँगते हैं, तो वह अपने ट्रेनिंग डेटा के असर के खिलाफ़ लड़ रहा होता है। Wan 2.7 इसे ज़्यादातर मॉडलों से बेहतर संभालता है, फिर भी आपको यह समझना होगा कि आप किससे जूझ रहे हैं।
16:9 फ़्रेम अपनी ऊँचाई से 1.78 गुना चौड़ा होता है। 9:16 पोर्ट्रेट फ़्रेम इसका ठीक उलटा है: वह चौड़ाई से 1.78 गुना ऊँचा होता है। सुनने में यह सरल लगता है, लेकिन सोचिए कि इसका सब्जेक्ट की जगह पर क्या असर होता है। हॉरिज़ॉन्टल सीन में खड़े व्यक्ति के दोनों तरफ़ साँस लेने की जगह होती है। पोर्ट्रेट मोड में वही व्यक्ति कंधों या पैरों पर कट जाता है, जब तक मॉडल शॉट को सक्रिय रूप से दोबारा फ़्रेम न करे।
बैकग्राउंड के साथ समस्या और बढ़ जाती है। Wan 2.7 अक्सर वही समृद्ध वातावरणीय डिटेल दिखाने की कोशिश करता है जो वह वाइड शॉट में दिखाता, लेकिन लंबे और संकरे फ़्रेम में वह डिटेल दबकर उलझी हुई लगती है। 16:9 में बीच में रहने वाले सब्जेक्ट 9:16 में अजीब तरह से कट जाते हैं, जब तक आप मॉडल को ठीक-ठीक न बताएँ कि क्या करना है।
असली समस्या यह है: ज़्यादातर लोग प्रॉम्प्ट ऐसे लिखते हैं जैसे आस्पेक्ट रेशियो कोई सेटिंग टॉगल हो जिसे मॉडल अपने-आप संभाल लेगा। ऐसा नहीं है। मॉडल भाषा पर प्रतिक्रिया देता है। अगर आपका प्रॉम्प्ट "शहर की सड़क का वाइड शॉट" बताता है लेकिन आपने आउटपुट रेशियो 9:16 रखा है, तो आपको एक अजीब समझौता मिलता है जहाँ मॉडल दोनों निर्देशों को एक साथ खुश करने की कोशिश करता है और दोनों में नाकाम रहता है।
इसका हल ऐसे प्रॉम्प्ट लिखना है जिनकी कंपोज़िशन की तर्क-प्रणाली ही वर्टिकल हो। इस पर बाद में विस्तार से बात होगी।
आपके प्रॉम्प्ट का एक भी शब्द लिखने से पहले तकनीकी सेटिंग्स सही होनी चाहिए। इन्हें गलत रखने से समय और क्रेडिट बर्बाद होते हैं, और फिर आउटपुट दोबारा बनाने पड़ते हैं।
Wan 2.7 T2V मूल 9:16 पोर्ट्रेट आउटपुट समेत कई आस्पेक्ट रेशियो सपोर्ट करता है। वर्टिकल कंटेंट के लिए यही सेटिंग चाहिए। 16:9 में जनरेट करके बाद में क्रॉप मत कीजिए: आप रेज़ोल्यूशन खोते हैं, ऐसा कंटेंट काट देते हैं जो कभी क्रॉप होने के लिए नहीं बना था, और कंपोज़िशन बाद का विचार लगने लगती है।
PicassoIA पर Wan 2.7 I2V (इमेज-टू-वीडियो) इस्तेमाल करते समय आपकी सोर्स इमेज का आस्पेक्ट रेशियो भी उतना ही मायने रखता है। बेहतर नतीजों के लिए पोर्ट्रेट ओरिएंटेशन वाली रेफ़रेंस इमेज दीजिए। I2V में लैंडस्केप फ़ोटो डालने से वर्टिकल आउटपुट में लगभग हमेशा अजीब नतीजे आते हैं, क्योंकि मॉडल ऐसी कंपोज़िशन को एनिमेट करने की कोशिश करता है जो फ़्रेम में फ़िट नहीं होती।
💡 प्रो टिप: Wan 2.7 I2V इस्तेमाल करते समय हमेशा अपनी सोर्स इमेज 9:16 फ़ॉर्मेट में तैयार करें। पहले पोर्ट्रेट ओरिएंटेशन में इमेज बनाएँ, फिर उसे एनिमेट करें। वर्टिकल AI वीडियो के लिए यह अकेला सबसे बड़ा वर्कफ़्लो सुधार है।
Wan 2.7 अलग-अलग रेज़ोल्यूशन टियर देता है। TikTok, Instagram Reels या YouTube Shorts पर जाने वाले कंटेंट के लिए 720p एक ठोस न्यूनतम स्तर है जो रेंडर का समय वाजिब रखता है। बड़ी स्क्रीन पर दिखाए जाने वाले या प्रोफ़ेशनल प्रोडक्शन वर्कफ़्लो में इस्तेमाल होने वाले कंटेंट के लिए पूरा 1080p विकल्प फ़ायदेमंद है।
एक व्यावहारिक नोट: ऊँचे रेज़ोल्यूशन पर आपके प्रॉम्प्ट को ज़्यादा साफ़ होना चाहिए। 1080p पर मॉडल के पास भरने के लिए ज़्यादा पिक्सल होते हैं, और अगर आपके विवरण में खाली जगह रह जाए तो वह ज़्यादा फ़ैसले खुद लेगा। 720p पर वह थोड़ा ज़्यादा माफ़ करने वाला है। प्रॉम्प्ट के विचार परखते समय 720p से शुरू करें और फ़ाइनल आउटपुट के लिए 1080p पर जाएँ।
PicassoIA पर Wan 2.7 के तीन अलग वर्ज़न हैं, और हर एक अलग प्रोडक्शन स्थितियों के लिए बना है। यह जानना कि कब कौन सा इस्तेमाल करना है, आपको गलत मॉडल पर सही विचार चलाने से बचाता है।
Wan 2.7 T2V (टेक्स्ट-टू-वीडियो) तब आपका शुरुआती बिंदु है जब आपके पास रेफ़रेंस इमेज नहीं है। यह वर्कफ़्लो लगातार वर्टिकल नतीजे देता है:
इस चरण में सबसे आम गलती है प्रॉम्प्ट लिखने के बाद आस्पेक्ट रेशियो सेट करना। शुरू से ही फ़्रेम को ध्यान में रखकर प्रॉम्प्ट लिखें।
Wan 2.7 I2V (इमेज-टू-वीडियो) हाई-क्वालिटी वर्टिकल आउटपुट का सबसे भरोसेमंद रास्ता है, क्योंकि पहले फ़्रेम पर आपका पूरा नियंत्रण होता है।
वर्कफ़्लो:
यह प्रोडक्ट शॉट्स, पोर्ट्रेट एनिमेशन और उन सभी चीज़ों के लिए खास तौर पर असरदार है जहाँ कोई खास शुरुआती कंपोज़िशन मायने रखती है।
Wan 2.7 R2V (रेफ़रेंस-टू-वीडियो) तीनों में सबसे कम इस्तेमाल होने वाला है, लेकिन कैरेक्टर एनिमेशन के लिए शक्तिशाली है। आप किसी सब्जेक्ट की रेफ़रेंस इमेज और एक मोशन प्रॉम्प्ट देते हैं, और मॉडल उस खास सब्जेक्ट को एनिमेट करता है।
किसी एक व्यक्ति या कैरेक्टर वाले वर्टिकल वीडियो के लिए R2V अक्सर T2V से ज़्यादा साफ़ नतीजे देता है, क्योंकि सब्जेक्ट एंकर रहता है। मॉडल यह नहीं गढ़ रहा कि आपका कैरेक्टर कैसा दिखता है: वह एक रेफ़रेंस से काम कर रहा है। इसका मतलब है बेहतर सब्जेक्ट सेंटरिंग, वर्टिकल फ़्रेम के भीतर ज़्यादा स्थिर अनुपात, और कंपोज़िशन के हॉरिज़ॉन्टल डिफ़ॉल्ट में बहकने की कम संभावना।
💡 टिप: सबसे कसे हुए वर्टिकल कंपोज़िशन कंट्रोल के लिए R2V को एक साफ़ पोर्ट्रेट-स्टाइल रेफ़रेंस फ़ोटो के साथ मिलाएँ (सब्जेक्ट बीच में, बैकग्राउंड कम से कम)।
यहीं ज़्यादातर ट्यूटोरियल अधूरे रह जाते हैं। वे बस "9:16 सेट करें" कहकर बात खत्म कर देते हैं। असली कारीगरी उस भाषा में है जो आप इस्तेमाल करते हैं।
आपके प्रॉम्प्ट में साफ़ वर्टिकल कंपोज़िशन की भाषा होनी चाहिए। ये वाक्यांश पोर्ट्रेट-मोड के आउटपुट को लगातार बेहतर बनाते हैं:
क्या न लिखें: "wide shot," "panoramic," "establishing shot," "landscape view." ये संकेत तब भी पोर्ट्रेट आउटपुट से लड़ते हैं जब आस्पेक्ट रेशियो सही सेट हो।
वर्टिकल थर्ड्स में सोचें। 9:16 फ़्रेम में आपके पास हॉरिज़ॉन्टल से ज़्यादा वर्टिकल जगह होती है। उसका इस्तेमाल करें:
| कंटेंट का प्रकार | इस्तेमाल करने वाला प्लेसमेंट संकेत |
|---|---|
| एक व्यक्ति | "centered vertically, head in upper third" |
| फ़ुल-बॉडी शॉट | "full figure from feet to head, vertical frame" |
| प्रोडक्ट डिस्प्ले | "product centered, close-up, portrait frame" |
| एक्शन शॉट | "subject moving upward through frame" |
| बातचीत | "two people stacked vertically" |
ऊपर की तालिका सिद्धांत भर नहीं है: Wan 2.7 T2V पर परखे गए ये खास वाक्यांश मापने योग्य रूप से ज़्यादा सोच-समझकर बनाई गई वर्टिकल कंपोज़िशन देते हैं।
फ़्रेमिंग के संकेतों के अलावा, कुछ कंपोज़िशन की शब्दावली लगातार मॉडल को पोर्ट्रेट का इरादा बताती है:
आखिरी दो मोशन प्रॉम्प्ट हैं, और इससे एक ज़रूरी बात सामने आती है: आपका मोशन विवरण भी पोर्ट्रेट-नेटिव होना चाहिए। वर्टिकल वीडियो में "slow pan left" अजीब लगता है। "Pan down," "tilt up," "vertical dolly" वे कैमरा मूव हैं जो लंबे फ़्रेम में समझ में आते हैं।
अनुभवी क्रिएटर भी ये गलतियाँ करते हैं। इन्हें पहले से जानने से बहुत सारे बेकार जनरेशन बचते हैं।
जब Wan 2.7 को यह तय करने में दिक्कत होती है कि वर्टिकल फ़्रेम कैसे भरे, तो वह कभी-कभी ऊपर और नीचे काली पट्टियाँ जोड़ देता है, जिससे एक छद्म-सिनेमैटिक लेटरबॉक्स इफ़ेक्ट बनता है। पोर्ट्रेट फ़ॉर्मेट में यह बहुत बुरा लगता है, और यह मॉडल का सुरक्षित खेलने का तरीका है।
इससे कैसे बचें: पूरा फ़्रेम भरने के बारे में साफ़-साफ़ बताएँ। "edge-to-edge vertical composition," "no black bars," और "full bleed portrait format" जैसे वाक्यांश बताते हैं कि आप पूरे फ़्रेम का इस्तेमाल चाहते हैं।
हॉरिज़ॉन्टल वाइड शॉट में विस्तृत बैकग्राउंड गहराई और संदर्भ जोड़ता है। 9:16 फ़्रेम में व्यस्त बैकग्राउंड आपके सब्जेक्ट से होड़ करता है, क्योंकि चीज़ों को साँस लेने के लिए हॉरिज़ॉन्टल जगह बहुत कम होती है। मॉडल सारे विवरण एक संकरे कॉलम में भरने की कोशिश करता है, और नतीजा भीड़भाड़ वाला और दृश्य रूप से उलझा हुआ होता है।
इसका हल: वर्टिकल कंटेंट के लिए बैकग्राउंड का विवरण सरल रखें। "Soft blurred background," "single-color wall," "out-of-focus natural setting" पोर्ट्रेट फ़ॉर्मेट में "detailed cityscape with multiple buildings and signs" से बेहतर काम करते हैं।
हेड रूम सब्जेक्ट के सिर के ऊपरी हिस्से और फ्रेम के ऊपरी किनारे के बीच की जगह होती है। हॉरिज़ॉन्टल वीडियो में यह एक छोटी बात होती है। वर्टिकल वीडियो में यह बेहद ज़रूरी है। 9:16 फ्रेम में हेड रूम ज़्यादा हो तो आपका सब्जेक्ट छोटा और खोया हुआ लगता है। बहुत कम हो तो व्यक्ति फ्रेम के किनारे से कटा हुआ लगता है।
साफ़ निर्देश काम करते हैं: "tight head room, approximately one head-height of space above the subject" मॉडल को कुछ ठोस देता है जिस पर वह काम कर सके।
Wan 2.7 मज़बूत है, लेकिन PicassoIA पर दूसरे टेक्स्ट-टू-वीडियो मॉडल भी हैं जो खास स्थितियों में वर्टिकल फ़ॉर्मेट अच्छी तरह संभालते हैं।
Kling v3 Video सिनेमैटिक मोशन में उत्कृष्ट है। अगर आपके वर्टिकल कंटेंट में नाटकीय कैमरा वर्क, तेज़ एक्शन या जटिल सब्जेक्ट मूवमेंट चाहिए, तो मोशन क्वालिटी में Kling v3 अक्सर Wan 2.7 से आगे निकल जाता है। इसकी कीमत यह है कि Kling v3 प्रति जनरेशन ज़्यादा खर्च होता है।
Kling v3 कब इस्तेमाल करें: जब आपके क्लिप में काफ़ी मोशन, कई सब्जेक्ट हों, या आपको सिनेमैटिक-स्तर की विज़ुअल क्वालिटी चाहिए। Wan 2.7 कब इस्तेमाल करें: जब बजट मायने रखता हो, आपको लगातार बैच आउटपुट चाहिए, या आप कैरेक्टर-एंकर्ड एनिमेशन के लिए Wan 2.7 R2V इस्तेमाल कर रहे हों।
ByteDance का Seedance 2.0 ठीक उसी इस्तेमाल के लिए बना है जिसे सोशल मीडिया वर्टिकल वीडियो दर्शाता है। इसमें वीडियो के साथ नेटिव ऑडियो जनरेशन शामिल है, जो TikTok या Reels पर सीधे जाने वाले क्लिप के लिए बिना पोस्ट-प्रोडक्शन के एक व्यावहारिक फ़ायदा है।
Seedance 2.0 छोटे, दमदार प्रॉम्प्ट पर अच्छा रिस्पॉन्स देता है: 50 से कम शब्द, जिनमें साफ़ सब्जेक्ट, एक्शन और सेटिंग हो। Wan 2.7 जैसे विस्तृत प्रॉम्प्ट के लिए मॉडल भ्रमित हो सकता है। इन्हें अलग-अलग प्रॉम्प्ट डायलेक्ट वाले अलग टूल मानें।
💡 तेज़ इटरेशन के लिए यह भी आज़माने लायक है: 4K आउटपुट के लिए LTX 2 Pro, इफ़ेक्ट-भारी वर्टिकल कंटेंट के लिए Pixverse v6, और जब गति चरम क्वालिटी से ज़्यादा मायने रखे तो 2.7 के थोड़े तेज़ विकल्प के रूप में Wan 2.6 T2V।
AI वीडियो कम्युनिटी में एक आम बहस है कि प्रॉम्प्ट की क्वालिटी ज़्यादा मायने रखती है या मॉडल सेटिंग्स। वर्टिकल वीडियो के लिए खास तौर पर जवाब दोनों है, लेकिन एक खास क्रम में।
सेटिंग्स पहले आती हैं। अगर आपका आस्पेक्ट रेशियो गलत है, तो कोई भी प्रॉम्प्ट आपको नहीं बचाएगा। भाषा को सुधारने में समय लगाने से पहले तकनीकी पैरामीटर सही करें।
प्रॉम्प्ट की क्वालिटी दूसरे स्थान पर है। एक बार सेटिंग्स सही हो जाएँ, तो प्रॉम्प्ट की भाषा ही कंपोज़िशन की क्वालिटी का मुख्य चालक होती है। एक सटीक वर्टिकल-नेटिव प्रॉम्प्ट हर बार एक अस्पष्ट प्रॉम्प्ट से बेहतर प्रदर्शन करेगा, भले ही सेटिंग्स एक जैसी हों।
वर्टिकल कंटेंट के लिए प्रॉम्प्ट इटरेशन के बारे में ऐसे सोचें:
जनरेशन के बीच कई वेरिएबल एक साथ न बदलें। आपको पता नहीं चलेगा कि किस चीज़ ने नतीजा ठीक किया या बिगाड़ा।
अगर आप वर्टिकल वीडियो की एक श्रृंखला बना रहे हैं (कंटेंट सीरीज़, प्रोडक्ट लाइन या कहानी का आर्क), तो एक क्लिप के भीतर क्वालिटी जितनी ही मायने रखती है, उतनी ही क्लिप्स के बीच एकरूपता भी।
कैरेक्टर कंसिस्टेंसी के लिए Wan 2.7 R2V एक फ़िक्स्ड रेफ़रेंस इमेज के साथ सबसे अच्छा टूल है। अपनी सीरीज़ की सभी क्लिप्स में एक ही रेफ़रेंस फ़ोटो इस्तेमाल करें, और हर जनरेशन में वही सब्जेक्ट पोर्ट्रेट मोड में एक जैसी फ़्रेमिंग के साथ मिलेगा।
गैर-कैरेक्टर कंटेंट (प्रोडक्ट, वातावरण, एब्स्ट्रैक्ट) के लिए एक प्रॉम्प्ट टेम्पलेट बनाएँ जिसमें फ़िक्स्ड तत्व हों जो हर जनरेशन में दोहराए जाएँ:
सिर्फ़ एक्शन या सब्जेक्ट के इंटरैक्शन को बदलें। पेशेवर कंटेंट पाइपलाइन इसी तरीके से 20 या 30 एकसमान वर्टिकल क्लिप्स बनाती हैं, बिना इस बात के कि हर एक किसी अलग क्रिएटिव दिशा जैसा लगे।
जब आपको कोई जनरेशन पसंद आए, तो अगर मॉडल सीड वैल्यू दिखाता है तो उसे नोट कर लें। प्रॉम्प्ट में छोटे बदलावों के साथ वही सीड दोबारा इस्तेमाल करने पर ऐसे आउटपुट मिलते हैं जो मूल आउटपुट से जुड़े हुए लगते हैं। हर बार सीड पूरी तरह रैंडम रखने से सफल नतीजों पर आगे काम करना मुश्किल हो जाता है।
अगर आप Wan 2.6 I2V या Wan 2.6 T2V इस्तेमाल कर रहे हैं, तो खास तौर पर वर्टिकल कंटेंट के लिए 2.7 पर अपग्रेड करना सार्थक है।
पोर्ट्रेट-मोड आउटपुट को प्रभावित करने वाले मुख्य सुधार ये हैं:
ये मार्केटिंग के दावे नहीं हैं: वही प्रॉम्प्ट दोनों मॉडल पर चलाकर तुलना करें। फ़र्क दिखता है, खासकर मानव सब्जेक्ट के क्लोज़-अप में, जहाँ पोर्ट्रेट फ़ॉर्मेट सबसे ज़्यादा इस्तेमाल होता है।
इस लेख की सारी बातें लागू करने का सबसे तेज़ तरीका है एक लाइव तुलना चलाना। PicassoIA पर Wan 2.7 T2V खोलें और एक ही कॉन्सेप्ट दो बार चलाएँ: एक बार सामान्य हॉरिज़ॉन्टल-स्टाइल प्रॉम्प्ट के साथ, और एक बार इस लेख की वर्टिकल-नेटिव फ़्रेमिंग की भाषा के साथ। आउटपुट क्वालिटी का फ़र्क आपको किसी भी लिखित व्याख्या से ज़्यादा बता देगा।
उसके बाद, आपके पास पहले से मौजूद पोर्ट्रेट-ओरिएंटेशन रेफ़रेंस इमेज के साथ Wan 2.7 I2V आज़माएँ। अगर आप कोई सीरीज़ बना रहे हैं, तो एक फ़िक्स्ड सब्जेक्ट रेफ़रेंस के साथ Wan 2.7 R2V आज़माएँ और सिर्फ़ एक्शन प्रॉम्प्ट बदलें।
PicassoIA पर 87 से ज़्यादा दूसरे टेक्स्ट-टू-वीडियो मॉडल भी उपलब्ध हैं, जिनमें Kling v3, Seedance 2.0 और Pixverse v6 शामिल हैं, ताकि आप अलग-अलग आर्किटेक्चर के बीच तुलना कर सकें। वर्टिकल वीडियो प्रोडक्शन प्लेटफ़ॉर्म पर सबसे तेज़ी से बढ़ते इस्तेमालों में से एक है, और टूलसेट लगातार बढ़ रहा है।
एक सिंगल पोर्ट्रेट क्लिप से शुरू करें। फ़्रेमिंग एक बार सही करें, वे सेटिंग्स और प्रॉम्प्ट का ढाँचा लिखें जो काम कर गया, और फिर वहीं से बढ़ाएँ।
अपनी भाषा चुनें
