नया मल्टीमॉडल AI अपडेट क्रिएटर्स के लिए वीडियो कंसिस्टेंसी को और बेहतर बनाता है

कल एक प्रमुख मल्टीमॉडल AI मॉडल ने बड़ा अपडेट रोल आउट किया। बदलाव वीडियो जनरेशन के दौरान फ्रेम्स में विजुअल कंसिस्टेंसी और बेहतर प्रॉम्प्ट एडहेरेंस पर फोकस करते हैं। शुरुआती बेंचमार्क्स ने कैरेक्टर स्टेबिलिटी और मोशन कोहेरेंस में पिछले वर्जन की तुलना में 20-30% सुधार दिखाए हैं। फिल्ममेकर्स, मार्केटर्स और इंडिपेंडेंट क्रिएटर्स को सबसे ज्यादा फायदा होगा। ये सुधार पोस्ट-प्रोडक्शन फिक्सेस को कम करते हैं जो आमतौर पर टाइट डेडलाइंस खा जाते हैं। द हॉलीवुड रिपोर्टर के अनुसार, यह रिलीज प्रोडक्शन-रेडी जेनरेटिव टूल्स की ओर व्यापक प्रयास का हिस्सा है। सच कहें तो ये नंबर्स ज्यादातर हेडलाइन फीचर्स से ज्यादा मायने रखते हैं। जब कैरेक्टर्स पूरी सीक्वेंस में अपनी जगह पर लॉक रहते हैं, तो पूरा वर्कफ्लो लगातार करेक्शन्स से हटकर असली क्रिएशन की ओर शिफ्ट हो जाता है।

बेहतर कंसिस्टेंसी का मतलब सीधे कम रीशूट्स और क्लीनर एडिट्स। टेक्स्ट-टू-वीडियो पाइपलाइन्स पर काम करने वाले क्रिएटर्स अब देख रहे हैं कि कैरेक्टर्स कैमरा एंगल बदलने पर भी अपनी लुक बनाए रखते हैं। प्रॉम्प्ट एक्यूरेसी में सुधार का मतलब है कि लाइटिंग, मूड या मूवमेंट से जुड़े निर्देश पहली बार में ही सही आते हैं। मैं साफ कहता हूं: ये फर्क सबसे तेज शॉर्ट-फॉर्म कंटेंट में दिखता है जहां हर सेकंड मायने रखता है। सोशल ऐड्स टेस्ट करने वाले मार्केटर्स बिना एक्स्ट्रा मैन्युअल ट्वीक्स के टाइट ब्रांड कंसिस्टेंसी रिपोर्ट कर रहे हैं। यही बात नैरेटिव वर्क में भी लागू होती है। मल्टीमॉडल AI में ऐसे एडवांसमेंट्स पहले से ही एडल्ट कंटेंट क्रिएशन में इस्तेमाल हो रहे हैं https://aiexotic.com/p/consistent-ai-adult-characters-5kmo-fan-loyalty-blueprint। मोशन कोहेरेंस में सुधार लंबी क्लिप्स में पहले आने वाली जिटर को कम करता है। यह तब खास तौर पर जरूरी होता है जब आप अलग शॉट्स की बजाय पूरी सीक्वेंस बना रहे हों।

अपडेट कई प्रैक्टिकल अपग्रेड्स लेकर आया है जिन्हें आप तुरंत टेस्ट कर सकते हैं। - कट्स के बीच लॉक कैरेक्टर आइडेंटिटी — शॉर्ट फिल्म्स के लिए उपयोगी जहां एक ही परफॉर्मर कई लोकेशन्स में बिना ड्रिफ्ट किए दिखे।

• डायनामिक सीन में टाइट मोशन ट्रैकिंग — ब्रांडेड कंटेंट के लिए वॉकिंग शॉट्स या क्विक कैमरा मूव्स में मददगार।
• लाइटिंग और स्टाइल के लिए बेहतर प्रॉम्प्ट एडहेरेंस — सोशल क्रिएटर्स को बिना अनगिनत प्रॉम्प्ट ट्वीक्स के खास एसथेटिक मैच करने देता है।
• इमेज-टू-वीडियो कन्वर्शन में कम फ्रेम-टू-फ्रेम जिटर — स्टिल रेफरेंस से शुरू होने वाले वर्कफ्लोज को तेज करता है।
• मल्टी-सब्जेक्ट इंटरैक्शन्स का बेहतर हैंडलिंग — ऐड्स या नैरेटिव पीसेज में ग्रुप सीन के लिए उपयोगी जहां कैरेक्टर्स के बीच टाइमिंग मायने रखती है। मेरा बिल्कुल अनसाइंटिफिक सैंपल बताता है कि एक बार कंसिस्टेंट प्रॉम्प्ट लाइब्रेरी बना लेने के बाद ये बदलाव तेजी से असर दिखाते हैं।

कॉम्पिटिटर्स को इन कंसिस्टेंसी बेंचमार्क्स को जल्दी मैच करने का दबाव महसूस होगा। जो टूल्स अभी भी नोटिसेबल ड्रिफ्ट देते हैं, वे प्रोफेशनल यूजर्स खो सकते हैं जिन्हें क्लाइंट वर्क के लिए रिलायबल आउटपुट चाहिए। एक्सपेरिमेंटल डेमो और प्रोडक्शन टूल्स के बीच का गैप लगातार कम हो रहा है। हां, मैं जानता हूं कि ये बातें डेली इन सिस्टम्स को टेस्ट करने वाले किसी शख्स की जुबानी थोड़ी अजीब लग सकती हैं। लेकिन ट्रैजेक्टरी बिल्कुल साफ है। आने वाले मल्टीमॉडल रिलीजेस लंबी कोहेरेंट सीक्वेंसेज और कैमरा लैंग्वेज पर और फाइन कंट्रोल पर फोकस करेंगे। असली टेस्ट तब आएगा जब क्रिएटर्स इन बेहतर क्लिप्स को फुल प्रोजेक्ट्स में चेन करना शुरू करेंगे। शुरुआती संकेत बताते हैं कि पोस्ट-प्रोडक्शन टाइम काफी कम हो सकता है। यह बदलाव छोटी टीमों को ट्रेडिशनल क्रू के बिना भी ज्यादा डिलीवर करने में मदद करेगा।