पोज़ से चुड़ैल तक: AI वीडियो को नियंत्रित करने के छह नए तरीके

वीडियो-टू-वीडियो आमतौर पर एक मॉडल को सब कुछ संरक्षित करने और एक साथ सब कुछ बदलने के लिए कहता है। यही कारण है कि एक मजबूत स्टाइल ट्रांसफर चाल को खो सकता है, कैमरा चाल को सपाट कर सकता है, या धीरे-धीरे कलाकार को एक अलग व्यक्ति से बदल सकता है। हमारे नए H3 नियंत्रण उपकरण समस्या को दो भागों में विभाजित करते हैं: पहले स्रोत क्लिप के उस हिस्से को निकालें जो मायने रखता है, फिर उस सिग्नल का उपयोग एक नई पीढ़ी का मार्गदर्शन करने के लिए करें।

हमने MiniMax-H3-Fun नियंत्रणNet Union मॉडल पर छह केंद्रित वर्कफ़्लो—कैन्य, डेप्थ, एचईडी, एमएलएसडी, पोज़, और वीडियो इनपेंटिंग—लॉन्च किए हैं। प्रत्येक टूल एक सामान्य स्रोत वीडियो स्वीकार करता है। ManifoldGen स्वचालित रूप से सही नियंत्रण पास तैयार करता है, या आप प्रीप्रोसेसिंग बंद कर सकते हैं और कहीं और तैयार किया गया एक नियंत्रण वीडियो अपलोड कर सकते हैं।

परीक्षण: एक प्रदर्शन को वन चुड़ैल में बदलें

लॉन्च परीक्षण के लिए, हमने एक छोटी पोज़-ड्राइविंग क्लिप का उपयोग किया और स्तरित पन्ना वस्त्रों, चांदी के बालों और चांदनी वाले प्राचीन जंगल में एक पूर्ण-शरीर वाली वन चुड़ैल के लिए कहा। आउटपुट व्यक्ति, अलमारी, प्रकाश व्यवस्था और स्थान को बदलते हुए स्रोत प्रदर्शन और हाथ के समय को बरकरार रखता है।

A powerful forest witch performing the movement, full body, layered emerald robes and leather corset, silver hair, magical particles around her hands, moonlit ancient forest, cinematic fantasy realism

आपको किस नियंत्रण का उपयोग करना चाहिए?

उपयोगी अंतर वह है जिसे आप खोना बर्दाश्त नहीं कर सकते। जब प्रदर्शन पवित्र हो तो पोज़ चुनें, जब कैमरा और वॉल्यूम मायने रखते हों तो डेप्थ चुनें, बोल्ड आकार के लिए कैन्य, सूक्ष्म रूपरेखा के लिए एचईडी, और निर्मित ज्यामिति के लिए एमएलएसडी चुनें। जब फ्रेम का अधिकांश भाग पहले से ही सही हो और केवल एक क्षेत्र बदलना हो तो इनपेंटिंग का उपयोग करें।

एक सामान्य वीडियो पर्याप्त है

आपको अपलोड करने से पहले Openपोज़, एक डेप्थ एस्टीमेटर, या एक एज डिटेक्टर चलाने की आवश्यकता नहीं है। "मेरे सामान्य वीडियो से नियंत्रण निकालें" सक्षम रखें और कार्यकर्ता जनरेशन से पहले एक अस्थायी रूप से संरेखित नियंत्रण वीडियो प्राप्त करता है। उन्नत उपयोगकर्ता पहले से तैयार कैन्य, डेप्थ, एचईडी, एमएलएसडी, या पोज़ पास सीधे भेजने के लिए उस स्विच को अक्षम कर सकते हैं।

महत्वपूर्ण सेटिंग्स

• नियंत्रण शक्ति यह तय करती है कि नया शॉट गाइड का कितनी सख्ती से पालन करता है। डिफ़ॉल्ट के पास से शुरू करें; बड़े रचनात्मक परिवर्तन के लिए इसे कम करें और जब गति या ज्यामिति भटकने लगे तो इसे बढ़ाएँ।
• स्रोत को नहीं, बल्कि प्रतिस्थापन को प्रॉम्प्ट करें। नए विषय, पोशाक, वातावरण, प्रकाश, सामग्री और वांछित फिनिश का वर्णन करें।
• प्रॉम्प्ट या शक्ति मानों की तुलना करते समय एक सीड का उपयोग करें। इसे स्थिर रखने से एक बदली हुई सेटिंग के प्रभाव का आकलन करना आसान हो जाता है।
• एक छोटे अंश पर 480p से शुरू करें। एक बार जब गति और फ्रेमिंग काम करने लगे, तो 576p या 720p पर जाएँ और लंबी क्लिप को रेंडर करें।

लॉन्च टूल 15 सेकंड तक के क्लिप स्वीकार करते हैं, जिसमें 3, 5, 8, 10 और 15-सेकंड के आउटपुट विकल्प होते हैं। रिज़ॉल्यूशन 480p, 576p और 720p हैं। जनरेशन एक टिकाऊ अतुल्यकालिक कार्य के रूप में चलता है, इसलिए एक लंबा रेंडर एक ब्राउज़र अनुरोध को खुला रखने पर निर्भर नहीं करता है।

लॉन्च मूल्य निर्धारण

जनरेट करने से पहले, पेज अवधि और रिज़ॉल्यूशन के आधार पर एक अनुमान दिखाता है। लॉन्च के समय, अनुमानित 480p कीमतें 3 सेकंड के लिए $1.16, 5 सेकंड के लिए $1.44, 8 सेकंड के लिए $1.88 और 15 सेकंड के लिए $2.88 हैं। 576p रेंडर 480p अनुमान का लगभग 1.35 गुना है और 720p लगभग 2 गुना है। अंतिम शुल्क वास्तविक GPU रनटाइम से तय होता है, इसलिए आप उपयोग की गई कंप्यूट के लिए भुगतान करते हैं न कि एक पैडेड निश्चित सीमा के लिए।

उपलब्धता और मॉडल लाइसेंस

ये छह टूल MiniMax H3 कम्युनिटी लाइसेंस का उपयोग करते हैं। वे वर्तमान में संयुक्त राज्य अमेरिका, यूरोपीय संघ, यूनाइटेड किंगडम और दक्षिण कोरिया में अनुपलब्ध हैं। टूल जनरेशन से पहले क्षेत्र की जांच करता है और इंटरफ़ेस में लाइसेंस स्वीकृति की आवश्यकता होती है। यदि टूल आपके स्थान पर उपलब्ध है, तो अपने उपयोग पर लागू होने वाले प्रतिबंधों के लिए लिंक किए गए मॉडल लाइसेंस की समीक्षा करें।

पहले क्या बनाना है

एक साफ, पठनीय प्रदर्शन के साथ शुरू करें: एक व्यक्ति चलना, नृत्य करना, कास्टिंग करना, या फ्रेम में घूमना। इसे पोज़ के माध्यम से चलाएं और एक ऐसे चरित्र का वर्णन करें जिसकी सिल्हूट उस गति का plausibly अनुसरण कर सके—एक चुड़ैल, बख्तरबंद नाइट, वन आत्मा, या शैलीबद्ध प्राणी। फिर उसी स्रोत को डेप्थ या एचईडी के माध्यम से ले जाएं। यह देखना कि प्रत्येक नियंत्रण कौन सी जानकारी संरक्षित करता है, छह उपकरणों को समझने का सबसे तेज़ तरीका है, और अक्सर आपके द्वारा योजनाबद्ध उपचार की तुलना में एक मजबूत उपचार का पता चलता है।