दो सेल्फी, अपनी सड़क की एक फोटो और आपकी मीम इमेजें: एक ही टेक में 30 सेकंड का व्लॉग, जिसमें मीम टेरेस पर कॉफी पीते हैं और आपके पीछे सिग्नल पर सड़क पार करते हैं। पूरा वर्कफ़्लो बिना अकाउंट के यहीं देखा जा सकता है।
असली वर्कफ़्लो, असली नतीजे। खुलकर घुमाइए और ज़ूम कीजिए।
यह वर्कफ़्लो इस्तेमाल करेंवर्कफ़्लो सामने है: कैरेक्टर शीट, सड़क की फोटो, अपनी इमेज से बदलने वाले छह मीम कार्ड, दो प्रॉम्प्ट, और सड़क की आवाज़ों वाला Wan 3.0 वीडियो। घूमिए, ज़ूम कीजिए, नोड खोलकर देखिए।
एक नज़र में
यह फ़ॉर्मेट TikTok और Reels पर धूम मचा रहा है: एक व्लॉगर फ्रंट कैमरे से खुद को फिल्माते हुए अपनी सड़क पर चलता है, और उसके पीछे के नज़ारे में मीम अपनी ज़िंदगी जीते हैं, कैफे की टेरेस पर बैठे, किताब खरीदते, ज़ेब्रा क्रॉसिंग पर इंतज़ार करते। कोई रिएक्ट नहीं करता, और यही ठंडापन इस वीडियो की जान है। तीस सेकंड, एक ही टेक, न शूटिंग, न एडिटिंग, न एक्स्ट्रा कलाकार।
इस फ़ॉर्मेट को टिकाए रखने वाली चीज़ मीम नहीं, फ्रेम का अनुशासन है: एक मल्टी-एंगल कैरेक्टर शीट जो पहले से आखिरी फ्रेम तक आपका चेहरा और कपड़े लॉक कर देती है (गाइड कंसिस्टेंट कैरेक्टर बनाना बताती है क्यों), एक फ्रंट कैमरा जो कभी नहीं पलटता, हर सीन में सिर्फ़ एक मीम, और शब्दशः घोषित की गई लाइन। टेम्पलेट ये सारे नियम अपने प्रॉम्प्ट में पहले से समेटे हुए है: आपको सिर्फ़ इमेजें बदलनी हैं।
मॉडल की बात करें तो Wan 3.0 कैटलॉग का इकलौता मॉडल है जो दस रेफरेंस इमेज के साथ एक ही शॉट में तीस सेकंड निभाता है, ऑडियो वीडियो के अंदर ही जनरेट करता है और सबसे बड़ी बात, रेफरेंस में असली चेहरा स्वीकार करता है। Seedream 5 Pro दो-तीन सेल्फी से कैरेक्टर शीट बना देता है, और पब्लिक कैलकुलेटर किसी भी साइन-अप से पहले सटीक लागत दिखाता है।
अपनी कैरेक्टर शीट जनरेट कीजिए
Seedream 5 Pro वाले Image नोड में दो-तीन सेल्फी: सामने से पूरा शरीर, तिरछा, प्रोफ़ाइल और पीछे से, साथ में चेहरे के क्लोज़-अप, सादा बैकग्राउंड, हर जगह एक जैसे कपड़े। तीस सेकंड तक आपका चेहरा यही शीट सँभालती है।
अपनी सड़क की फोटो लीजिए
सिर्फ़ एक फोटो, गहराई वाली: चौड़ा फुटपाथ, दोनों तरफ़ दुकानें, हो सके तो एक टेरेस या शोकेस। एक ही जगह की दो फोटो देने पर मॉडल ऐसी सड़क गढ़ देगा जो है ही नहीं।
अपने मीम इम्पोर्ट कीजिए
हर कार्ड पर एक इमेज, किरदार फ्रेम में अच्छा बड़ा, ऊपर कोई कैप्शन नहीं। ड्रॉइंग और जानवर बहुत अच्छे चलते हैं; असली लोगों की फोटो अक्सर प्रोवाइडर ठुकरा देते हैं, और बच्चों की फोटो कभी नहीं।
ओपनिंग लाइन को अपने हिसाब से कीजिए
व्लॉगर सिर्फ़ एक बार बोलता है, शुरू में, और वह लाइन प्रॉम्प्ट में शब्दशः घोषित है: यही मॉडल को अपने आप संवाद गढ़ने से रोकता है। आम बोलचाल के शब्द रखिए, दुर्लभ शब्द गलत उच्चारण में निकलते हैं।
9:16 में आवाज़ के साथ जनरेट कीजिए
तीस सेकंड, वर्टिकल, ऑडियो चालू: सड़क का माहौल, कदमों की आवाज़ और लाइन, सब तस्वीर के साथ जनरेट होते हैं। यह फ़ॉर्मेट बिना एडिटिंग के सीधे पोस्ट हो जाता है।
वही कैनवास, अलग-अलग ज़रूरतों के लिए सेट किया हुआ: हर वेरिएंट में प्रॉम्प्ट की बस दो-तीन लाइनें बदलनी होती हैं।
फ़ीड का नेटिव फ़ॉर्मेट: 9:16 वर्टिकल, एक ही टेक में तीस सेकंड, सड़क की आवाज़ तस्वीर के साथ जनरेट। न कोई कट छिपाना है, न कोई एडिटिंग करनी है, वीडियो जस का तस पोस्ट होता है, और एक ही लंबा शॉट कटे-छँटे प्लान की कतार से ज़्यादा बाँधता है: लोग अगले मीम का इंतज़ार किसी लौटते हुए चुटकुले की तरह करते हैं।
कैरेक्टर शीट दो-तीन सेल्फी से जनरेट होती है: आपका चेहरा और कपड़े पूरे टेक में एक जैसे रहते हैं, बिना किसी शूटिंग के। यही सिद्धांत वर्कफ़्लो खुद को सीन में लाइए का है, बस यहाँ एक ही लंबे शॉट तक बढ़ाया गया: सड़क पर चलने वाला कोई अधूरा हमशक्ल नहीं, आप खुद हैं।
एनीमेशन और असली शूटिंग का मेल, हाइब्रिड फिल्मों के अंदाज़ में: ड्रॉइंग अपने फ्लैट रंग और स्याही की आउटलाइन बनाए रखती है, लेकिन फुटपाथ पर असली परछाईं डालती है और असली राहगीरों के बीच से गुज़रती है। टेम्पलेट का प्रॉम्प्ट यह करार पक्का कर देता है: बना हुआ किरदार पहले से आखिरी फ्रेम तक बना हुआ ही रहता है, कभी किसी एक्टर से नहीं बदला जाता।
पूरा सेट जनरेट होता है: सड़क एक रेफरेंस फोटो से आती है, गोल्डन आवर की रोशनी, भीड़ और सड़क की आवाज़ तस्वीर के साथ बनती हैं। और असली लगाने वाली खामियाँ बरकरार रहती हैं, हल्की कंपकंपी, अटकता ऑटोफोकस, देर से सँभलता व्हाइट बैलेंस, यानी वही शौकिया व्लॉग की भाषा जो काम करने वाला प्रॉम्प्ट लिखना में समझाई गई है।
मीम की जगह अपना मैस्कट रखिए: वह टेरेस पर कॉफी पीता है, बस का इंतज़ार करता है, थैला लिए आपकी दुकान से निकलता है। वही मैकेनिक, पेशेवर इस्तेमाल: मैस्कट आपके ग्राहकों की असली दुनिया में रहता है, और रेफरेंस शीट पक्का करती है कि वह हर वीडियो में एक जैसा दिखे।
व्लॉगर से कभी कैमरा पलटने को मत कहिए: मॉडल यह हरकत दिखाना नहीं जानता और उसे पीछे से फिल्माकर काम चला लेता है, जो नामुमकिन है क्योंकि फोन उसके अपने हाथ में है। कंधे के पीछे का सीन दिखाने के लिए शरीर घूमता है, कैमरा शुरू से आखिर तक फ्रंट ही रहता है।
पाँच सेकंड का एक ब्लॉक साझा करने वाले दो किरदार अपनी खूबियाँ बदल लेते हैं या एक में घुल जाते हैं। हर सीन में एक मीम, यही इस ग्रिड का सबसे ज़रूरी नियम है: कई किरदारों वाला इकलौता पल फिनाले है, जहाँ पहले आ चुके किरदार कतार बनाते हैं।
प्रॉम्प्ट में मौजूद कोई भी नाम या टेक्स्ट तस्वीर में लिखा हुआ निकल सकता है, कॉमिक के बबल या दुकान के बोर्ड की शक्ल में। मीम की पोज़ और अंदाज़ बताइए, उसका नाम कभी नहीं, और टेम्पलेट का टेक्स्ट नियम बनाए रखिए: कोई गढ़ा हुआ लेखन नहीं, बोर्ड असली और पढ़े न जा सकने वाले।
अगर शीट रेफरेंस की बजाय पहली इमेज बनकर चली गई, तो क्लिप उसी मल्टी-एंगल शीट से खुलता है। इस टेम्पलेट की सारी इमेजें पहचान की रेफरेंस हैं: वे रेंडर को दिशा देती हैं, पहला फ्रेम कभी नहीं बनतीं।
कार्ड कोई भी इम्पोर्ट की गई इमेज स्वीकार करते हैं: टेम्पलेट में बनाए हुए उदाहरण हैं, और इमेज चुनना आपका काम है। बस याद रखिए कि मशहूर मीम कॉपीराइट से सुरक्षित रचनाएँ हैं और बहुतों में असली लोग दिखते हैं, जिन्हें प्रोवाइडर अक्सर रेफरेंस में ठुकरा देते हैं: ड्रॉइंग और जानवर सबसे आसानी से पास होते हैं।
कुछ वीडियो मॉडल रेफरेंस इमेज में कोई भी असली चेहरा स्वीकार नहीं करते, यह प्रोवाइडर की नीति है। Wan 3.0 स्वीकार करता है: एक ही शॉट में तीस सेकंड के साथ-साथ, यह भी एक वजह है कि टेम्पलेट उसी पर चलता है।
नहीं, लाइन को मॉडल किरदार पर जँचती जनरेटेड आवाज़ में निभाता है। अपनी असली आवाज़ सुनने के लिए Video नोड पर एक ऑडियो सैंपल रेफरेंस वॉइस की तरह जोड़िए: Wan 3.0 ऐसे पाँच तक स्वीकार करता है।
कीमत चुने गए मॉडल और रेज़ॉल्यूशन पर निर्भर है: पब्लिक कैलकुलेटर किसी भी साइन-अप से पहले वर्कफ़्लो की सटीक लागत दिखाता है, और हर सेटिंग बदलने पर Video नोड में कोटेशन अपडेट होता है। Wan 3.0 के 720p में तीस सेकंड, कैटलॉग के लंबे शॉट्स में सबसे किफ़ायती विकल्पों में से है।
नहीं: आपकी सेल्फी से जनरेट हुई कैरेक्टर शीट काफ़ी है, व्लॉगर और उसकी चाल मॉडल बनाता है। अगर आप अपनी असली चाल और असली सड़क चाहते हैं, तो Wan 3.0 रेफरेंस में वीडियो भी स्वीकार करता है: खुद को सेल्फी में फिल्माइए और मॉडल उसे मोशन गाइड की तरह इस्तेमाल करेगा।
टेम्पलेट की ग्रिड में पाँच-पाँच सेकंड के छह सीन हैं, हर सीन में एक मीम। ज़्यादा दिखाने के लिए उसी कैरेक्टर शीट और उसी सड़क की फोटो से दूसरा क्लिप जनरेट कीजिए, फिर दोनों को एडिटिंग में जोड़ दीजिए: साझा रेफरेंस चेहरे और नज़ारे को एक जैसा रखते हैं।
उसी भाषा में जिसमें आपने प्रॉम्प्ट में लाइन लिखी है: वह शब्दशः निभाई जाती है, और आस-पास की आवाज़ें भी माँगी गई भाषा में चलती हैं। आम शब्द और छोटा वाक्य रखिए, बोलने में वही सबसे नैचुरल निकलता है।
मीम वीडियो AI: मीम आपकी सड़क पर ज़िंदा हो उठते हैं
यह वर्कफ़्लो इस्तेमाल करेंमुफ़्त अकाउंट, बिना क्रेडिट कार्ड। वर्कफ़्लो आपके कैनवास में पहले से भरा हुआ खुलता है।
Wan 3.0
Seedream 5 Pro
MiniMax H3