«मैं गेम के अंदर हूँ» रील
वह फ़ॉर्मैट जिसने इस वर्कफ़्लो को प्रेरित किया: लंबवत शूट की गई एक हरकत, चारों ओर गेम की दुनिया, पाँच सेकंड। नोड सीधे 9:16 में दुनिया की आवाज़ के साथ रेंडर करता है, नतीजा जैसा है वैसा पोस्ट हो जाता है।
AI से वीडियो गेम के अंदर जाएँ
फ़ोन से शूट की गई आपकी क्लिप कैनवास में आती है, और Wan 3.0 वही इंसान, वही हरकत, वीडियो गेम के लेवल के अंदर रेंडर करता है। मंदिर के खंडहर, क्यूब की दुनिया, इंटरफ़ेस वाली नियॉन छत: पूरा वर्कफ़्लो बिना खाते के दिखता है, तीनों नतीजों के साथ।
इंटरैक्टिव डेमो
असली वर्कफ़्लो, असली नतीजे। खुलकर घुमाइए और ज़ूम कीजिए।
यह वर्कफ़्लो इस्तेमाल करेंअसली वर्कफ़्लो: गलियारे में शूट की गई एक मामूली क्लिप, Wan 3.0 पर तीन वीडियो नोड जो उस क्लिप को वीडियो पोर्ट से संदर्भ के रूप में लेते हैं, और तीन निर्देश जो पहले इंसान को और फिर उस दुनिया को बताते हैं जहाँ वह पहुँचती है।
एक नज़र में
- यह वर्कफ़्लो क्या बनाता है
- 720p में 15 सेकंड की 3 वीडियो, फ़ॉर्मैट 9:16
- कैनवास की बनावट
- 6 कनेक्शन से जुड़े 8 नोड
- जुड़े हुए मॉडल
- Wan 3.0
- एक पूरे राउंड का ख़र्च
- लगभग 180 क्रेडिट, यानी $2.16
यह विचार उन वीडियो से आया है जिनमें कोई «सचमुच» वीडियो गेम के अंदर पहुँच जाता है: इंसान फ़िल्माया हुआ है, उसके चारों ओर की दुनिया गेम की है, और यही विरोधाभास हँसाता या चौंकाता है। यहाँ न ग्रीन स्क्रीन है न कंपोज़िटिंग सॉफ़्टवेयर: गलियारे में फ़ोन से शूट की गई क्लिप एक नोड के वीडियो पोर्ट से अंदर जाती है और वही इंसान खाई के ऊपर एक पत्थर के प्लेटफ़ॉर्म से दूसरे पर छलाँग लगाता हुआ निकलता है।
क्लिप संदर्भ के रूप में दी जाती है, संपादित नहीं होती। Wan 3.0 उसे वैसे पढ़ता है जैसे कोई किरदार की शीट पढ़ता है: चेहरा, जूड़ा, पीली हुडी, छलाँग, अंत की मुस्कान, और फिर एक नया वीडियो बनाता है जिसमें यह सब निर्देश में बताई दुनिया के अंदर बना रहता है। इसलिए निर्देश के दो हिस्से हैं: पहले इंसान, यह कहते हुए कि वह असली फ़िल्माया गया इंसान ही रहता है, फिर दुनिया और वह रोशनी जो दुनिया उस पर डालती है।
तीन नोड एक ही क्लिप लेते हैं, क्योंकि दुनिया तुलना करके चुनी जाती है: एडवेंचर गेम के जंगल-मंदिर के खंडहर, क्यूब की दुनिया जहाँ उसके सिवा सब कुछ ब्लॉक का है, और एक्शन गेम की नियॉन छत जिस पर हेल्थ बार और मिनीमैप तस्वीर के ऊपर बने हैं। हर दुनिया की क़ीमत 720p में आवाज़ के साथ पाँच सेकंड के लिए साठ क्रेडिट है, तीनों मिलाकर एक सौ अस्सी, दो डॉलर से थोड़ा ज़्यादा।
कैसे करें
- 1
ऐसी हरकत शूट करें जिसका गेम में मतलब हो
कूदना, संतुलन बनाकर चलना, निशाना लगाना, झटके से मुड़ना। पाँच से दस सेकंड, चौड़ा फ़्रेम, पूरा इंसान फ़्रेम में। जिस क्लिप में कुछ नहीं होता, उससे ऐसी दुनिया मिलती है जिसमें कुछ नहीं होता।
- 2
डेमो की क्लिप की जगह अपनी लगाएँ
मीडिया नोड फ़ोन से इंपोर्ट किया वीडियो लेता है। तीनों वीडियो नोड उससे पहले से जुड़े हैं: कुछ दोबारा जोड़ना नहीं। अवधि, फ़ॉर्मैट और रेज़ोल्यूशन नोड पर तय होते हैं, संदर्भ उन्हें थोपता नहीं।
- 3
पहले इंसान बताएँ, फिर दुनिया
कहें कि वह संदर्भ वीडियो वाला ही है, उसका चेहरा, उसके कपड़े, उसकी हरकत, और वह असली फ़िल्माया गया इंसान ही रहता है। फिर वह ज़मीन जिस पर वह अब चलता है, उस पर दुनिया की रोशनी, और चाहें तो इंटरफ़ेस।
- 4
बनाएँ, तुलना करें, जो दुनिया टिके उसे रखें
तीन नतीजे अगल-बगल, कोई एक बेहतर होगा। सिर्फ़ उसी को सुधारे निर्देश के साथ दोबारा चलाएँ: हर नोड का भुगतान अलग होता है, बाक़ी दो जस के तस रहते हैं।
वेरिएंट और इस्तेमाल के तरीके
वही कैनवास, अलग-अलग ज़रूरतों के लिए सेट किया हुआ: हर वेरिएंट में प्रॉम्प्ट की बस दो-तीन लाइनें बदलनी होती हैं।
दोस्तों के बीच गेम नाइट का न्योता
हर कोई पाँच सेकंड ख़ुद को शूट करता है, हर कोई उसी दुनिया से गुज़रता है, और एडिट उन्हें अगल-बगल रख देता है। एडिट नोड ब्राउज़र में नतीजे जोड़ता है, बिना क्रेडिट के।
अपने बनाए गेम का ट्रेलर
बताया गया सेट आपका है: आपके रंग, आपका इंटरफ़ेस, आपके दुश्मन। उसके अंदर छलाँग लगाता असली इंसान स्केल और माहौल के बारे में स्क्रीनशॉट से ज़्यादा कहता है।
वही हरकत दस दुनियाओं में
एक स्रोत, दस वीडियो नोड, दस निर्देश। क्लिप दोबारा शूट नहीं होती, हर नोड पर दुनिया बदलती है, और तुलना कैनवास पर होती है।
बच्चा अपने पसंदीदा गेम के अंदर
गेम का नाम लिए बिना दुनिया बताएँ: क्यूब, खंडहर, पत्थर के ब्लॉक। बच्चा तस्वीर में ख़ुद ही रहता है, और जब वीडियो दादा-दादी को दिखाया जाए तो यही मायने रखता है।
नतीजा, फिर उसका संगीत
Wan 3.0 दुनिया की आवाज़ें पहले से देता है, पर ऊपर गेम संगीत गाना बनाएँ वर्कफ़्लो से बनता है और एडिट नोड में रखा जाता है।
आम ग़लतियाँ
ऐसे इंसान को शूट करना जो कुछ नहीं करता
खड़ा, बाँहें बग़ल में, नतीजा एक सेट में रखी तस्वीर है। हरकत ही गेम बनाती है: कूदना, संतुलन बनाकर चलना, निशाना लगाना। पाँच सेकंड की हरकत दस सेकंड के पोज़ से बेहतर है।
यह कहना भूल जाना कि वह संदर्भ वाला इंसान है
उस वाक्य के बिना मॉडल वीडियो को माहौल समझता है और कोई और गढ़ लेता है। निर्देश इंसान से शुरू होता है: संदर्भ वीडियो वाला, उसका चेहरा, उसके कपड़े, उसकी हरकत, और वह असली फ़िल्माया गया इंसान ही रहता है।
गेम बताने की जगह उसका नाम लेना
गेम का शीर्षक मॉडल को कम देता है और अधिकारों की समस्या खड़ी करता है। जो दिखता है वह बताएँ: ज़मीन, रोशनी, चीज़ें, इंटरफ़ेस। «टेक्सचर वाले क्यूब, एक चौकोर सूरज» काफ़ी है।
इंसान पर दुनिया की रोशनी भूल जाना
मशालों वाला मंदिर, पर हुडी पर गर्म रोशनी नहीं, तो वह चिपकाया हुआ बैकग्राउंड ही रहता है। कपड़ों और चेहरे पर सेट की रोशनी हमेशा माँगें: यही उसे सचमुच अंदर बनाती है।
सुझाए गए मॉडल
Wan 3.0
Seedance 2.5
Grok Imagine Videoअक्सर पूछे जाने वाले सवाल
क्या इंसान सचमुच वही रहता है?
हाँ, यही इस असर का दिल है, और डेमो इसे तीन दुनियाओं में दिखाता है: चेहरा, जूड़ा, पीली हुडी और छलाँग तीनों में एक जैसी है, अंत की मुस्कान तक। हरकत इसलिए बची रहती है क्योंकि पूरा वीडियो संदर्भ बनता है, एक अकेली तस्वीर नहीं।
क्या यह असली चेहरे के साथ काम करता है?
हाँ, Wan 3.0 पर, जिसने कभी कोई क्लिप नहीं ठुकराई, और यह नापा गया है। Seedance 2.5 जब स्वीकार करता है तो बेहतर करता है, क्योंकि वह आपकी क्लिप को दोबारा बनाने की जगह ख़ुद संपादित करता है, पर उसका फ़िल्टर कभी-कभी किसी इंसान को ठुकरा देता है, असली हो या बनाया हुआ: उसने इस डेमो की एक टेस्ट क्लिप ठुकरा दी। अगर कोई मॉडल असली लोगों को ठुकराता है तो नोड बनाने से पहले चेतावनी देता है।
क्या मैं गेम का इंटरफ़ेस माँग सकता हूँ?
हाँ, उसे तस्वीर के ऊपर बने तत्व की तरह बताकर: हेल्थ बार, उसका रंग, उसका कोना, मिनीमैप, स्कोर। डेमो का तीसरा नतीजा यही करता है। गेम का नाम न लें, जो दिखता है वह बताएँ।
एक दुनिया की क़ीमत कितनी है?
Wan 3.0 पर 720p में आवाज़ के साथ पाँच सेकंड के लिए साठ क्रेडिट, यानी बहत्तर सेंट। डेमो की तीन दुनियाएँ मिलाकर एक सौ अस्सी क्रेडिट। क़ीमत क्लिक करने से पहले हर नोड पर दिखती है।
शूट की गई क्लिप कितनी लंबी हो?
संदर्भ के रूप में एक से पंद्रह सेकंड। आउटपुट की अवधि नोड पर तय होती है, दो से तीस सेकंड: पाँच सेकंड की क्लिप पाँच सेकंड में रेंडर हो तो पूरी हरकत बची रहती है, यही डेमो की सेटिंग है।
क्या लंबवत फ़ॉर्मैट ज़रूरी है?
नहीं। फ़ॉर्मैट नोड पर चुना जाता है, संदर्भ वीडियो से अलग: लैंडस्केप में शूट की गई क्लिप लंबवत निकल सकती है, और उल्टा भी। डेमो 9:16 में है क्योंकि यही रील का फ़ॉर्मैट है।
क्या मॉडल बदल सकते हैं?
हाँ, नोड वे सभी मॉडल दिखाता है जो वीडियो इनपुट लेते हैं। Seedance 2.5 आपकी क्लिप को ख़ुद संपादित करता है, जब उसका फ़िल्टर मान ले तो सबसे वफ़ादार। Wan 3.0 Prime चालीस प्रतिशत ज़्यादा में और बारीक रेंडर करता है। Grok Imagine Video भी क्लिप लेता है पर इंसान को दोबारा बनाता है: दूसरे कपड़े, दूसरा फ़्रेम, वह अब आप नहीं।
क्या यह फ़ोन से हो सकता है?
हाँ, और यही सबसे स्वाभाविक तरीक़ा है: शूट करें, इंपोर्ट करें, चलाएँ। मोबाइल पर बनाएँ गाइड कैनवास के इशारे समझाती है।
AI से वीडियो गेम के अंदर जाएँ
यह वर्कफ़्लो इस्तेमाल करेंमुफ़्त अकाउंट, बिना क्रेडिट कार्ड। वर्कफ़्लो आपके कैनवास में पहले से भरा हुआ खुलता है।