12 अगस्त 2026
AI वर्कफ़्लो क्या होता है? नोड कैनवास, उनके लिए जिन्होंने अब तक सिर्फ़ चैट देखा है
आपने AI क्रिएशन एक चैट विंडो में सीखा, और हर सेशन के साथ आपके प्रॉम्प्ट, सेटिंग्स और इमेज कहीं खो जाती हैं। नोड कैनवास इसमें क्या बदलता है: एक खिंचा हुआ, स्थायी प्रोसेस जिसे टुकड़ा दर टुकड़ा बदला जा सकता है। नोड दर नोड पूरी व्याख्या, और एक उदाहरण जो केबल दर केबल खोलकर दिखाया गया है।
आपने AI एक चैट विंडो में सीखा, और यह बिल्कुल सामान्य है
चैट ने AI क्रिएशन को सबके लिए खोल दिया, पर उसकी सीधी और क्षणिक बनावट बातचीत के साथ साथ आपके प्रॉम्प्ट, सेटिंग्स और मॉडल खो देती है: यह आपके ध्यान की नहीं, टूल की कमी है।
लगभग हर किसी ने AI इमेज बनाना एक ही तरीके से सीखा है: एक टेक्स्ट बॉक्स, एक बटन, और स्क्रीन पर आती एक इमेज। यह आसान है, तुरंत है, और शुरुआत के लिए बिल्कुल सही है। आप लिखते हैं “पेरिस की छत पर डूबते सूरज में बैठी एक भूरी बिल्ली”, आपको भूरी बिल्ली मिल जाती है, आप खुश हैं। चैट ने AI क्रिएशन को सबके लिए खोल दिया, इसमें कोई दो राय नहीं।
दिक्कत बाद में आती है, आम तौर पर तीसवीं जेनरेशन के आसपास। दस दिन पहले आपको एक शानदार इमेज मिली थी। वह असली प्रॉम्प्ट? चार किलोमीटर लंबी बातचीत में कहीं गुम। कौन सा मॉडल था? कुछ पता नहीं। सेटिंग्स? गायब। आप याददाश्त से सब दोबारा करते हैं, और नतीजे का पहले वाली इमेज से कोई लेना देना नहीं रहता।
यह आपकी लापरवाही नहीं है। यह टूल की बनावट की खामी है। बातचीत अपने स्वभाव से ही सीधी और क्षणिक होती है। जबकि सच में पसंद आने वाली इमेज या वीडियो बनाना एक प्रोसेस है, जिसमें कई चरण होते हैं, पीछे लौटना होता है और अलग अलग वैरिएंट बनते हैं। इसे दिखाने के लिए चैट थ्रेड से बुरा फ़ॉर्मैट कोई नहीं।
चैट की तीन दीवारें
कुछ भी दोबारा इस्तेमाल लायक नहीं बचता, साफ़ वैरिएशन बनाना नामुमकिन है, और एक चरण सुधारने के लिए पूरी चेन हाथ से दोहरानी पड़ती है: बातचीत वाले फ़ॉर्मैट की तीन बुनियादी सीमाएँ।
पहली दीवार: कुछ भी दोबारा इस्तेमाल लायक नहीं बचता। हर बातचीत शून्य से शुरू होती है। रोशनी बयान करने का आपका तरीका, आपका वह प्रॉम्प्ट ढाँचा जो काम करता है, वह मॉडल जो आपकी स्टाइल से मेल खाता है, यह सब आपके दिमाग में या बगल में खुली किसी नोट्स फ़ाइल में रहता है। टूल खुद कुछ भी काम लायक याद नहीं रखता।
दूसरी दीवार: साफ़ वैरिएशन नहीं बनते। वही सीन दिन में और रात में चाहिए? Instagram के लिए 1:1 और स्टोरी के लिए 9:16? चैट में आप प्रॉम्प्ट थोड़ा बदलकर दोबारा भेजते हैं और दुआ करते हैं कि मॉडल साथ में बैकग्राउंड, किरदार और कंपोज़िशन न बदल दे। वह लगभग हमेशा बदल देता है।
तीसरी दीवार: सिर्फ़ एक चरण सुधारना नामुमकिन है। अगर आपकी फ़ाइनल वीडियो इसलिए खराब है कि शुरुआती इमेज औसत थी, तो इमेज दोबारा बनानी होगी, फिर वीडियो का प्रॉम्प्ट ढूँढना होगा, फिर सब दोबारा चलाना होगा। हर बार आप पूरी चेन हाथ से दोहराते हैं। दिन में तीन बदलाव ठीक हैं। तीस बदलाव नर्क हैं।
वर्कफ़्लो यानी आपका प्रोसेस, एक बड़े वर्कबेंच पर खिंचा हुआ
हर चरण एक नोड बन जाता है, केबल नतीजे आगे पहुँचाते हैं, और सब कुछ ऑटो सेव के साथ अपनी जगह बना रहता है: यह हिस्ट्री नहीं, दोबारा चलाई जा सकने वाली मशीन है।
नोड कैनवास वह प्रोसेस लेता है जो पहले से आपके दिमाग में था और उसे एक बड़े वर्कबेंच पर फैला देता है। हर चरण एक डिब्बा बन जाता है, जिसे नोड कहते हैं: यहाँ मैं अपना आइडिया लिखता हूँ, यहाँ एक इमेज बनाता हूँ, यहाँ उसे वीडियो में बदलता हूँ। केबल इन डिब्बों को जोड़ते हैं और एक का नतीजा अगले के इनपुट तक ले जाते हैं।
चैट से असली फ़र्क़ स्थायित्व का है। आपका वर्कफ़्लो कैनवास पर वहीं खुला रहता है, सारे प्रॉम्प्ट दिखते हुए, सारी सेटिंग्स सामने, सारी इमेज अपनी जगह पर। आप तीन हफ़्ते बाद लौटते हैं और सब कुछ ठीक वहीं मिलता है जहाँ छोड़ा था। Imaginode पर सेव अपने आप होता है, यहाँ सेव बटन तक नहीं है।
और क्योंकि प्रोसेस खिंचा हुआ है, इसलिए उस पर हाथ चलाया जा सकता है। आप एक केबल निकाल सकते हैं, एक चरण बदल सकते हैं, वैरिएंट आज़माने के लिए पूरी ब्रांच की कॉपी बना सकते हैं। वर्कफ़्लो इस बात की हिस्ट्री नहीं है कि आपने क्या किया: यह एक मशीन है जो आपने बनाई है और जिसे आप जब चाहें दोबारा चला सकते हैं, ट्यून कर सकते हैं और बेहतर कर सकते हैं।
Text नोड, आपका बाहर रखा हुआ दिमाग
अपनी पसंद का LLM, GPT-5, Claude, Gemini या Kimi, जो दूसरे नोड से टेक्स्ट और इमेज दोनों लेता है: उसका आउटपुट केबल से सीधे इमेज जेनरेटर तक जाता है, बिना किसी कॉपी पेस्ट के।
Text नोड कैनवास पर रखा हुआ एक LLM है। Imaginode पर आप चुनते हैं कि उसके अंदर कौन सा मॉडल चले: GPT-5, Claude, Gemini, Kimi K2.5, DeepSeek और कई दूसरे। आप उसे एक निर्देश देते हैं, वह टेक्स्ट बनाता है। यहाँ तक तो यह चैट से अलग कुछ नहीं। फ़र्क़ इस बात से आता है कि आप इसमें क्या जोड़ते हैं।
यह नोड इनपुट में दूसरे नोड का टेक्स्ट लेता है, और साथ में एनालिसिस के लिए इमेज भी। सीधे शब्दों में: आप अपने प्रोडक्ट की फ़ोटो एक Text नोड से जोड़ते हैं और निर्देश देते हैं “इस प्रोडक्ट को एक ऐड इमेज के प्रॉम्प्ट के लिए बयान करो”, और वह आपके लिए विवरण लिख देता है। यह विवरण फिर एक केबल से Image नोड तक चला जाता है। आपने अभी अभी एक ऐसी चेन बना ली जिसमें LLM इमेज जेनरेटर के लिए काम कर रहा है।
आम चैट में यह चीज़ साफ़ सुथरे तरीके से दोहराना नामुमकिन है, वहाँ हर बार एक टूल का जवाब दूसरे में हाथ से कॉपी पेस्ट करना पड़ेगा। यहाँ कॉपी पेस्ट बचा ही नहीं: केबल हर जेनरेशन पर यह काम खुद करता है, बिना कुछ भूले और बिना कुछ बिगाड़े।
Image नोड, जहाँ पिक्सल जन्म लेते हैं
एक प्रॉम्प्ट, 1 क्रेडिट वाले Flux Schnell से 7 क्रेडिट वाले Flux 2 Pro तक मॉडल का चुनाव, क्लिक से पहले दिखती लागत, और 1 क्रेडिट में प्रॉम्प्ट को अंग्रेज़ी में लिख देने वाली मैजिक वैंड।
Image नोड असली जेनरेटर है। एक प्रॉम्प्ट फ़ील्ड, एक मॉडल का चुनाव, एक Generate बटन, और इमेज नोड के अंदर आ जाती है, कहीं और जोड़े जाने के लिए तैयार। Imaginode पर यही एक नोड पूरी रेंज देता है: मोटी मोटी शक्ल तय करने के लिए 1 क्रेडिट पर Flux Schnell, रेफ़रेंस का साथ निभाना हो तो 5 क्रेडिट पर Seedream 5 Lite, और फ़ाइनल रेंडर के लिए 7 क्रेडिट पर Flux 2 Pro।
क्लिक करने से पहले ही Generate बटन पर सटीक लागत दिख जाती है, इसलिए बाद में कोई झटका नहीं लगता। एक क्रेडिट की कीमत करीब 0.01 € है। यानी Flux Schnell पर चार कंपोज़िशन आज़माने का खर्च 4 सेंट, और महँगे मॉडल पर आप तभी जाते हैं जब कंपोज़िशन तय हो चुकी हो। सस्ता ड्राफ़्ट पहले, संभला हुआ फ़ाइनल बाद में: शायद यही सबसे फ़ायदेमंद आदत है जो आप डाल सकते हैं।
प्रॉम्प्ट फ़ील्ड में एक छोटा सा पर बेहद काम का टूल छिपा है: मैजिक वैंड। एक क्लिक, 1 क्रेडिट, और आपका कामचलाऊ हिंदी वाक्य Kimi मॉडल के ज़रिए एक भरे पूरे और सुगठित अंग्रेज़ी प्रॉम्प्ट में बदल जाता है। आपके रेफ़रेंस वाले @mentions इस दौरान जस के तस बने रहते हैं। जिन्हें अंग्रेज़ी लिखने में सहूलियत नहीं, उनके लिए यही फ़र्क़ है एक ठीक ठाक इमेज और एक सटीक इमेज के बीच।
Video नोड, परिवार का सबसे नखरैल सदस्य
शुरुआती इमेज, आखिरी इमेज और मॉडल के हिसाब से 9 तक रेफ़रेंस: वीडियो में हर तीन चार में से एक जेनरेशन बिगड़ती है, इसलिए नोड से दोबारा चलाना एक क्लिक का काम है, जबकि चैट में यही दस मिनट माँगता है।
Video नोड एक इमेज या प्रॉम्प्ट को चलती हुई क्लिप में बदलता है। चुने गए मॉडल के हिसाब से इसके इनपुट बदलते हैं, और यह वाजिब भी है: हर वीडियो मॉडल की अपनी क्षमताएँ हैं। एक शुरुआती इमेज, हमेशा सिर्फ़ एक। एक आखिरी इमेज, अगर मॉडल उसे सपोर्ट करता हो। चेहरा या प्रोडक्ट एक जैसा रखने के लिए रेफ़रेंस इमेज: Seedance 2.0 पर ज़्यादा से ज़्यादा 9, Seedance 2.5 पर उससे भी ज़्यादा।
ईमानदारी से कहें, क्योंकि यह बात कोई खुलकर नहीं कहता: AI वीडियो अब भी अक्सर बिगड़ती है। हर तीन या चार में से करीब एक जेनरेशन पटरी से उतर जाती है, कोई हाथ मुड़ जाता है, कोई चीज़ अजीब तरह से पिघलती है, कैमरा मूवमेंट आपके निर्देश को अनसुना कर देता है। और भद्दा नतीजा भी, तकनीकी रूप से डिलीवर हो जाने पर, चुकाना पड़ता है। रिफ़ंड अपने आप सिर्फ़ तब मिलता है जब प्रोवाइडर की तरफ़ से तकनीकी गड़बड़ी हो, और वह कुछ ही सेकंड में मिल जाता है।
इसीलिए वर्कफ़्लो की अहमियत वीडियो में बाकी हर जगह से ज़्यादा है। जब 48 क्रेडिट वाली क्लिप बिगड़ती है, तो आप अपना प्रॉम्प्ट याददाश्त से दोबारा नहीं जोड़ना चाहते। आप नोड खोलना चाहते हैं, मूवमेंट वाले वाक्य में तीन शब्द बदलना चाहते हैं, और दोबारा चलाना चाहते हैं। कैनवास पर यह एक क्लिक है। चैट में यह दस मिनट की खुदाई है।
Reference और Style, वह याददाश्त जो चैट के पास कभी नहीं थी
Reference नोड किसी किरदार या प्रोडक्ट को एक @mention में बदल देता है जो विवरण और फ़ोटो दोनों भेजता है, और Style नोड पूरी प्रोडक्शन पर एक ही आर्ट डायरेक्शन लागू करता है।
Reference नोड AI क्रिएशन की सबसे पुरानी दिक्कत सुलझाता है: हर इमेज में किरदार का बदलता चेहरा। आप एक नाम, एक विवरण और कुछ फ़ोटो के साथ रेफ़रेंस बनाते हैं। इसके बाद कैनवास के किसी भी प्रॉम्प्ट में @ लिखकर वही नाम टाइप कीजिए। मेंशन हरे रंग में दिखता है, विवरण प्रॉम्प्ट में जुड़ जाता है और फ़ोटो अपने आप जेनरेशन के साथ भेज दी जाती हैं।
आपका किरदार, आपका लोगो या आपका प्रोडक्ट एक शब्द बन जाता है। “@Lea कैफ़े में बैठी है, सुबह की रोशनी”, और Lea का चेहरा वही रहता है। रेफ़रेंस के बिना, सच यही है कि वह चेहरा नहीं टिकता: मॉडल हर बार नया चेहरा गढ़ देते हैं। इमेज जेनरेशन की यही नंबर एक सीमा है, और रेफ़रेंस इसका इकलौता भरोसेमंद जवाब है।
Style नोड आर्ट डायरेक्शन के लिए ठीक यही काम करता है। आप उसमें अपनी सौंदर्य दृष्टि लिखते हैं और मूडबोर्ड की इमेज डालते हैं। अपने Image नोड से जोड़ देने पर वह पक्का करता है कि पूरी प्रोडक्शन की छाप एक जैसी रहे। इसमें Media नोड भी जोड़ लीजिए, जो ड्रैग एंड ड्रॉप से आपकी अपनी फ़ाइलें लेता है, और कैनवास आखिरकार आपकी दुनिया जान जाता है, हर बार शून्य से शुरू करने के बजाय।
Camera नोड और आराम देने वाले नोड
पाँच डायल आपकी जगह सिनेमैटोग्राफ़र की भाषा लिख देते हैं, और स्टिकी नोट्स, फ़्रीहैंड ड्रॉइंग तथा जलती बुझती पोर्ट लाइटें कैनवास पर घंटों बैठना आसान बना देती हैं।
Camera नोड अपने आप में एक पूरे लेख का हकदार है, पर संक्षेप में समझ लीजिए। पाँच सचित्र डायल: फ़्रेमिंग, मिलीमीटर में लेंस, अपर्चर, एंगल, मूवमेंट। आप इन्हें असली कैमरे की तरह घुमाते हैं, और नोड आपकी जगह सही अंग्रेज़ी शब्द प्रॉम्प्ट की शुरुआत में लिख देता है, मूवमेंट को आखिरी वाक्य में रखते हुए, जहाँ वीडियो मॉडल उसे सबसे अच्छे से समझते हैं। सिनेमैटोग्राफ़र की शब्दावली, बिना उसे सीखे।
इन प्रोडक्शन नोड के इर्द गिर्द कुछ आराम देने वाले नोड भी घूमते हैं: टिप्पणी के लिए स्टिकी नोट्स, खुला टेक्स्ट, फ़्रीहैंड ड्रॉइंग। यह मामूली लगते हैं, उस दिन तक जब आप महीने भर पुराना वर्कफ़्लो खोलते हैं और “12 तारीख को क्लाइंट से मंज़ूर वर्जन” वाला नोट आपके आधे घंटे की उलझन बचा लेता है।
कैनवास खुद भी आपके लिए काम करता है। केबल जुड़ते ही इनपुट पोर्ट जल उठते हैं, नोड खिसकाने पर चुंबक की तरह लाइन में आ जाते हैं, और नोड के शरीर पर छोड़ा गया केबल खुद ब खुद सबसे मुनासिब इनपुट से जुड़ जाता है। छोटी बातें, हाँ। पर इन्हीं छोटी बातों का जोड़ है जो घंटों कैनवास पर बिताने के बाद भी थकने नहीं देता।
एक पूरा उदाहरण, केबल दर केबल खोलकर
एक बेकरी का एनिमेटेड पोस्टर पाँच नोड और चार केबल में बन जाता है, हर पूरे वर्जन के लिए करीब तीस क्रेडिट यानी लगभग 30 सेंट, और वह चेन कल भी मौजूद रहेगी।
एक असली मामला लेते हैं: किसी बेकरी के Instagram अकाउंट के लिए एनिमेटेड पोस्टर। पहला नोड, @Fournil नाम का एक Reference, जिसमें दुकान के अगले हिस्से की तीन फ़ोटो और दो लाइन का विवरण है। दूसरा नोड, एक Style जिसमें मूडबोर्ड की चार इमेज, गर्म रंग, फ़िल्मी ग्रेन। यह दोनों नोड कुछ जेनरेट नहीं करते: यह बाकियों को खुराक देते हैं।
तीसरा नोड, GPT-5 पर चलता एक Text नोड: “सर्दियों की एक सुबह, धुँधली शीशे वाली खिड़की, ओवन से निकलती ताज़ा ब्रेड, इस दृश्य में @Fournil को रखते हुए एक ऐड इमेज का प्रॉम्प्ट लिखो”। उसका नतीजा एक केबल से Seedream 5 Lite पर सेट Image नोड तक जाता है, 5 क्रेडिट, जो इसलिए चुना गया क्योंकि रेफ़रेंस के मामले में वही चैंपियन है। Style नोड उसी आर्ट डायरेक्शन इनपुट से जुड़ा है।
मंज़ूर हुई इमेज Kling 2.5 Turbo पर चलते Video नोड तक जाती है, 5 सेकंड के करीब 26 क्रेडिट, और मूवमेंट का प्रॉम्प्ट छोटा सा: शीशे पर फिसलती भाप, ब्रेड से उठता धुआँ। पूरी चेन का हिसाब: पाँच नोड, चार केबल, हर पूरे वर्जन पर करीब तीस क्रेडिट यानी लगभग 30 सेंट। और सबसे बड़ी बात, यह चेन कल भी मौजूद रहेगी।
सर्जिकल इटरेशन, इस सब की असली वजह
बाकी सब को छुए बिना सिर्फ़ एक पुर्ज़ा बदलना: प्रॉम्प्ट में तीन शब्द, 5 क्रेडिट, और जो सुधार पंद्रह मिनट की खोदाई माँगता था वह चालीस सेकंड में हो जाता है।
यही पूरे मामले की जड़ है। बेकरी वाले उदाहरण में मान लीजिए क्लाइंट को इमेज बहुत गहरी लग रही है। चैट में आप विवरण से दोबारा शुरू करते, इस उम्मीद में कि सब कुछ याद आ जाए। कैनवास पर आप Image नोड खोलते हैं, प्रॉम्प्ट में “golden hour light” जोड़ते हैं, और 5 क्रेडिट में दोबारा जेनरेट करते हैं। रेफ़रेंस, स्टाइल, Video नोड: बाकी कुछ भी हिला तक नहीं।
इसे ही सर्जिकल इटरेशन कहा जा सकता है: मशीन का एक पुर्ज़ा बदलना, बाकियों को छुए बिना। नया विज़ुअल अपने आप केबल से Video नोड तक चला जाता है, जो सुधरा हुआ वर्जन बनाने के लिए बस एक क्लिक का इंतज़ार कर रहा है। जो सुधार पहले पंद्रह मिनट की जोड़ तोड़ माँगता था, वह अब चालीस सेकंड लेता है।
इससे प्रयोग करने का तरीका भी बदल जाता है। एक ही इमेज पर Kling और Seedance की तुलना करनी है? आप पहले Video नोड के बगल में दूसरा रख देते हैं, वही इनपुट केबल जोड़ते हैं, और दोनों वर्जन साथ साथ बन जाते हैं। चैट आपको आज़माने से पहले चुनने पर मजबूर करता था। कैनवास आपको चुनने से पहले आज़माने देता है।
हर नोड की अपनी हिस्ट्री, आपका सुरक्षा जाल
हर नोड अपनी पिछली 12 जेनरेशन लोकल रखता है: एक क्लिक में वर्जन 7 वापस बुलाइए और वह उस नोड का चालू आउटपुट बन जाता है, आगे जुड़ी हर चीज़ के लिए।
Imaginode पर हर नोड अपनी पिछली 12 जेनरेशन संभालकर रखता है। चैट थ्रेड जैसी एक मिली जुली, साझा हिस्ट्री नहीं: हर चरण की अपनी अलग, साफ़ हिस्ट्री। बेकरी वाला Image नोड अपनी पिछली 12 इमेज रखता है, Video नोड अपनी पिछली 12 क्लिप, और हर एक वहीं मौके पर देखी जा सकती है।
सबसे आम इस्तेमाल बेहद सीधा है: जेनरेशन नंबर 7 आखिरकार नंबर 11 से बेहतर निकली। आप एक क्लिक में उसे वापस बुलाते हैं, वह नोड का चालू आउटपुट बन जाती है, और आगे जुड़ी हर चीज़ उसी का इस्तेमाल करती है। चैट में वह इमेज चालीस मैसेज नीचे दबी होती, और उसे “दोबारा चालू करने” का कोई मतलब ही नहीं बनता।
इसमें कैनवास के अपने कामों के लिए सामान्य अनडू रीडू भी जोड़ लीजिए, और आपको ऐसा माहौल मिलता है जहाँ गलती की कीमत लगभग शून्य है। जब पता हो कि कोई कोशिश पिछली को मिटाती नहीं, तो इंसान कहीं ज़्यादा प्रयोग करता है। फ़ाइनल क्वालिटी में हर नोड की उन 12 सुरक्षित जेनरेशन का बड़ा हाथ है: लोग ऐसे वैरिएंट आज़मा लेते हैं जो अंधेरे में कभी न आज़माते।
Photoshop वाला पल: AI के लिए लेयर
चैट 1994 से पहले की फ़्लैट रीटचिंग है, नोड कैनवास Photoshop 3.0 की लेयर के बराबर है: वही वैचारिक छलांग, और सीखने में बस एक घंटा।
यह कहानी पहले भी घट चुकी है। 1994 से पहले इमेज एडिटिंग विनाशकारी थी: ब्रश का हर स्ट्रोक नीचे के पिक्सल मिटा देता था, और पीछे लौटने का मतलब था सब कुछ दोबारा शुरू करना। फिर Photoshop 3.0 लेयर लेकर आया। एडिटिंग स्वतंत्र तत्वों का ढेर बन गई, हर तत्व अलग से बदला जा सकने वाला, जब चाहे दोबारा जमाया जा सकने वाला। कोई भी गंभीर आदमी फ़्लैट रीटचिंग पर वापस नहीं लौटा।
AI चैट वही फ़्लैट रीटचिंग है: हर आदान प्रदान पिछले का संदर्भ मिटा देता है, और आखिरी नतीजा एक ऐसा ब्लॉक होता है जिसे दोबारा खोला नहीं जा सकता। नोड कैनवास लेयर है: आपकी रचना एक ऐसा ढाँचा बन जाती है जिसका हर हिस्सा ज़िंदा और बदला जा सकने वाला रहता है। यह तुलना मार्केटिंग की दलील नहीं है, यह तीस साल बाद दोहराई गई वही वैचारिक छलांग है।
और लेयर की तरह ही, यहाँ भी दाखिले की एक कीमत है। कैनवास पर पहले कुछ मिनट एक टेक्स्ट बॉक्स के मुकाबले कम सहज लगते हैं, यह सच है। पोर्ट, केबल और फ़्लो की दिशा समझनी पड़ती है। सहज होने में करीब एक घंटा मानकर चलिए। लेयर भी एक घंटा माँगते थे। आगे की कहानी सबको मालूम है।
टेम्प्लेट, ताकि खाली कैनवास से शुरुआत न करनी पड़े
पहले से जुड़ी मशीनें आम ज़रूरतें कवर करती हैं, टेक्स्ट से इमेज, इमेज से वीडियो, पूरा पाइपलाइन: कैनवास डॉक्युमेंटेशन पढ़कर नहीं, इन्हें खोलकर सीखा जाता है।
किसी को भी अपना पहला वर्कफ़्लो एक एक नोड जोड़कर नहीं बनाना चाहिए, और Imaginode आपसे यह माँगता भी नहीं। तैयार टेम्प्लेट सबसे आम ज़रूरतें कवर करते हैं: टेक्स्ट से इमेज, इमेज से वीडियो, और एक पूरा पाइपलाइन जो प्रॉम्प्ट लिखने, विज़ुअल बनाने और उसे एनिमेट करने को एक साथ जोड़ता है। आप एक चलती हुई मशीन से शुरू करते हैं और उसमें बदलाव करते हैं। कारोबारी वर्कफ़्लो भी इसी तर्ज़ पर हैं: पोस्टर जेनरेटर एक ऐसा कैनवास है जहाँ शीर्षक, तारीख और जगह पहले से प्रॉम्प्ट में जुड़े हुए हैं।
सीखने का सही तरीका यही है। टेक्स्ट से इमेज वाला टेम्प्लेट खोलते ही आप ठोस रूप में देखते हैं कि Text नोड, Image नोड को कैसे खुराक देता है, केबल कहाँ जुड़ते हैं, और अच्छी बनावट वाला प्रॉम्प्ट दिखता कैसा है। आप विषय बदलते हैं, जेनरेट करते हैं, और काम हो जाता है। आपने डॉक्युमेंटेशन का एक पन्ना पढ़े बिना कैनवास सीख लिया।
जब जिज्ञासा जागे, तो डॉक्युमेंटेशन मौजूद है ही, साथ में YouTube वीडियो कोर्स की एक अकादमी भी। पर हकीकत में ज़्यादातर लोग टेम्प्लेट खोलकर ही सीखते हैं, ठीक वैसे जैसे कभी लोग पन्नों का सोर्स कोड देखकर HTML सीखते थे। चलती हुई मशीन की नकल करना आज भी दुनिया की सबसे कारगर पढ़ाई है।
वह असिस्टेंट जो आपकी जगह वर्कफ़्लो बना देता है
नीचे दाईं ओर के बबल में अपनी ज़रूरत लिखिए और असिस्टेंट, जो आपका कैनवास देख रहा है, एक क्लिक में पूरी मशीन खड़ी कर देता है, हर मैसेज पर 1 क्रेडिट।
एक और सीधा रास्ता बचा है: बनाना ही न पड़े। कैनवास के नीचे दाईं ओर एक बबल Imaginode का असिस्टेंट खोलता है। आप उससे लिखते हैं “मुझे ऐसा वर्कफ़्लो चाहिए जो प्रोडक्ट की फ़ोटो को TikTok के लिए वर्टिकल क्लिप में बदल दे”, और वह पूरी मशीन बना देता है: सही नोड चुने हुए, प्रॉम्प्ट अंग्रेज़ी में लिखे हुए, कनेक्शन जुड़े हुए। एक क्लिक, और सब कुछ कैनवास पर आ जाता है, कॉलम में करीने से सजा हुआ, बिना एक दूसरे पर चढ़े।
असिस्टेंट आपका खुला कैनवास देखता है, और सामान्य चैटबॉट से यही उसे अलग करता है। आप पूछ सकते हैं कि आपका Video नोड कोई इनपुट क्यों नहीं ले रहा, आपकी स्टाइल के लिए कौन सा मॉडल बेहतर रहेगा, या मौजूदा प्रॉम्प्ट को कैसे सुधारा जाए। वह आपके ठोस मामले पर जवाब देता है, किसी किताबी उदाहरण पर नहीं। हर मैसेज की कीमत 1 क्रेडिट, यानी करीब एक सेंट।
मज़े की बात यह है: नोड कैनवास के हक़ में सबसे अच्छी दलील आखिर में एक चैट इंटरफ़ेस ही निकलती है। पर ऐसा चैट जो एक बार के जवाबों की जगह एक स्थायी ढाँचा बनाकर देता है। आप एक मिनट बात करते हैं, और उसमें से एक दोबारा इस्तेमाल होने वाली मशीन निकलती है। यह आम चैट का ठीक उल्टा है, जहाँ आप एक घंटा बात करते हैं और अंत में कुछ नहीं बचता।
चैट कब वाकई काफ़ी है
बिना आगे की योजना वाली अकेली इमेज के लिए चैट या एक अकेला नोड काफ़ी है: दोहराव या चेन आते ही कैनवास फ़ायदे का सौदा बन जाता है, नियम सीधा है, दोबारा करना है तो खींच लीजिए।
अंत तक ईमानदार रहते हैं: कैनवास हमेशा सही जवाब नहीं होता। एक अकेली इमेज के लिए, जिसका कोई आगे का हिस्सा नहीं, किसी लेख का इलस्ट्रेशन या झटपट बनाया अवतार, चैट या एक अकेला नोड पूरी तरह काफ़ी है। एक ही जेनरेशन के लिए पूरा वर्कफ़्लो बनाना, कील ठोकने के लिए कंक्रीट मिक्सर निकालने जैसा है।
दोहराव या चेन आते ही कैनवास फ़ायदे का सौदा बन जाता है। कई इमेज में दिखने वाला एक किरदार, एनिमेट करने लायक एक विज़ुअल, एक जैसी आर्ट डायरेक्शन वाली पोस्ट की सीरीज़, या कोई प्रोसेस जो आप अगले हफ़्ते फिर दोहराएँगे। नियम सीधा है: अगर दोबारा करना है, तो खींच लीजिए। अगर एक बार का काम है, तो जेनरेट कीजिए और आगे बढ़िए।
आखिरी ईमानदार बात: फ़ोन पर Imaginode पूरी तरह ब्राउज़र में चलता है, टच कैनवास समेत, और स्क्रीन लॉक होने पर भी जेनरेशन चलती रहती है। ट्रेन में कोई नोड दोबारा चलाने या नतीजा देखने के लिए यह बढ़िया है। पर बहुत बड़ा वर्कफ़्लो माउस के साथ ही ज़्यादा आरामदेह रहता है। टच बखूबी काम चला देता है, 27 इंच की स्क्रीन फिर भी जीतती है।
शुरुआत कहाँ से करें, ठोस तरीके से
इमेज से वीडियो वाला टेम्प्लेट खोलिए, प्रॉम्प्ट बदलिए, मैजिक वैंड चलाइए और Flux Schnell पर जेनरेट कीजिए: 5 सेंट खर्च होने से पहले ही केबल का सिद्धांत समझ आ जाएगा।
सबसे छोटा रास्ता: अपने ब्राउज़र में Imaginode खोलिए, कोई इंस्टॉलेशन नहीं, सब कुछ सर्वर पर बनता है। इमेज से वीडियो वाला टेम्प्लेट लोड कीजिए। उदाहरण वाले प्रॉम्प्ट की जगह अपना कोई आइडिया लिखिए, उस पर 1 क्रेडिट में मैजिक वैंड चलाइए, और 1 क्रेडिट और खर्च करके Flux Schnell पर इमेज बनाइए। 5 सेंट खर्च होने से पहले ही आप केबल का सिद्धांत समझ चुके होंगे।
दूसरे सेशन में तीन फ़ोटो के साथ अपना पहला Reference बनाइए और उसे किसी प्रॉम्प्ट में मेंशन कीजिए। यही वह पल है जब कैनवास खिलौना होना छोड़कर आपका औज़ार बन जाता है: मशीन अब वह चीज़ जानती है जो चैट कभी याद नहीं रख सकता था। इसके बाद आप जो भी वर्कफ़्लो बनाते हैं, वह एक ऐसी संपत्ति है जो टिकी रहती है।
और अगर आप तुरंत देखना चाहते हैं कि असली हालात में एक पूरा वर्कफ़्लो कैसा दिखता है, प्रॉम्प्ट, कैमरा सेटिंग्स और क्रेडिट के हिसाब समेत, तो हमने ब्लॉग के एक दूसरे लेख में 10 सेकंड की एक वीडियो ऐड बनने की पूरी प्रक्रिया शुरू से आखिर तक दर्ज की है। वह इसी लेख की स्वाभाविक अगली कड़ी है।