कोर्स
जनरेटिव AI कॉन्सेप्ट्स
2 घंटा
119.9K
यदि आप इस क्षेत्र की नवीनतम रिलीज़ के बारे में और जानना चाहते हैं, तो हमारे अन्य टॉप वीडियो जेनरेशन मॉडलों पर गाइड को देखें।
Kling AI क्या है?
Kling AI एक जनरेटिव एआई प्लेटफ़ॉर्म है जो टेक्स्ट प्रॉम्प्ट, इमेज या दोनों के संयोजन से वीडियो बनाता है। चीनी टेक कंपनी Kuaishou द्वारा विकसित, यह जल्दी ही किरदार स्थिरता के लिए बेहतरीन एआई मॉडलों में शामिल हो गया। यह जो वीडियो बनाता है वे नैटिव साउंड के साथ आते हैं, जिससे वे परिष्कृत और उपयोग के लिए तैयार लगते हैं।
Kling AI की कीमतें और एक्सेस
कई एआई वीडियो मॉडलों की तरह, Kling AI की कीमत क्रेडिट-आधारित है। हम मासिक सदस्यता लेते हैं जो हमें हर महीने निर्धारित संख्या में क्रेडिट देती है। हर सब्सक्रिप्शन स्तर के पीछे कुछ छोटी अतिरिक्त विशेषताएँ भी होती हैं, लेकिन मुख्य अंतर हमें मिलने वाले जेनरेशन क्रेडिट्स की संख्या ही रहता है।
यह लेख लिखने के लिए, मैंने उनका Pro प्लान (प्रति माह $32.56) इस्तेमाल किया, जिसमें 3,000 क्रेडिट्स आते हैं। उनकी प्राइसिंग योजनाओं के बारे में और विवरण के लिए, Kling AI की आधिकारिक प्राइसिंग पेज देखें।
एक वीडियो जनरेट करने में कितने वीडियो क्रेडिट्स लगते हैं?
क्रेडिट उपयोग मुख्य रूप से तीन कारकों पर निर्भर करता है:
- वीडियो की लंबाई (3 से 15 सेकंड)
- रेज़ोल्यूशन (720p या 1080p)
- क्या ऑडियो जेनरेट किया जा रहा है या नहीं
मान लें कि हम नैटिव ऑडियो के साथ वीडियो जेनरेट करते हैं, तो Pro सब्सक्रिप्शन के साथ हम प्रति माह लगभग 720p में 6 मिनट या 1080p में 4 मिनट का वीडियो बना सकते हैं।
Kling 3.0 की प्रमुख विशेषताएँ
इस सेक्शन के उदाहरण Kling 3.0 मॉडल के आधिकारिक यूजर गाइड से लिए गए हैं।
इम्प्लिसिट मल्टी-शॉट सीन
अधिकांश एआई वीडियो मॉडल तब सबसे अच्छा काम करते हैं जब प्रॉम्प्ट एक ही शॉट या एक्शन का वर्णन करता है। Kling 3.0 एक ही प्रॉम्प्ट में कई शॉट्स का वर्णन समझ सकता है।
निम्नलिखित उदाहरण प्रॉम्प्ट बिना स्पष्ट लिस्टिंग के वीडियो की सेटिंग और चार शॉट्स का वर्णन करता है:
Outdoor terrace of a European villa, by a dining table with a blue and white checkered tablecloth, a young white woman in a blue and white striped short-sleeve shirt and khaki shorts, with a brown belt, sits barefoot, opposite a young white man in a white T-shirt.
The camera zooms in, the woman swirls the juice in a glass, her eyes looking at the distant woods, and says, "These trees will turn yellow in a month, won't they?"
Close-up of the man, he lowers his head and says, "But they'll be green again next summer."
Then the woman turns her head, smiles at the man opposite, and says, "Are you always this optimistic? Or just about summer?"
Then the man lifts his head, looks at the woman, and says, "Only about summers with you."प्रॉम्प्ट को एक इमेज के साथ जोड़ा गया था, जिसे मॉडल ने वीडियो के पहले फ़्रेम के रूप में इस्तेमाल किया।
यह रहा परिणाम:
मैं इस वीडियो से बहुत प्रभावित हुआ। प्रॉम्प्ट अनुपालन मज़बूत है, और वीडियो मुझे काफ़ी वास्तविक लगा।
एक्स्प्लिसिट मल्टी-शॉट सीन
हालांकि मॉडल टेक्स्ट प्रॉम्प्ट से यह समझ सकता है कि एक शॉट कहाँ खत्म होता है और अगला कहाँ शुरू, यह परफेक्ट नहीं है और हो सकता है प्रॉम्प्ट को हमारी मंशा से अलग ढंग से समझे। हम प्रॉम्प्ट में शॉट्स को स्पष्ट रूप से बताकर सीन की संरचना तय कर सकते हैं।
Shot 1: Profile shot of a Black man driving a truck, cinematic handheld.
Shot 2: Frontal macro shot of the Black man driving, cinematic handheld.
Shot 3: Macro shot of his hands on the steering wheel, cinematic handheld.
Shot 4: Macro shot of a weathered photograph of a young Black child lying on the passenger seat, cinematic handheld.प्रत्येक शॉट निर्दिष्ट करने के लिए, हम प्रॉम्प्ट इनपुट के नीचे Custom Multi-Shot बटन पर क्लिक करते हैं। वहाँ, हम हर शॉट के लिए प्रॉम्प्ट दे सकते हैं और उसकी अवधि भी सेट कर सकते हैं। मॉडल एक वीडियो में अधिकतम 6 शॉट्स की अनुमति देता है।
नीचे इस मल्टी-शॉट प्रॉम्प्ट का परिणाम है:
सब्जेक्ट बाइंडिंग
सब्जेक्ट बाइंडिंग ऐसी सुविधा है जो किसी विशेष किरदार या दृश्य तत्वों को पूरे जेनरेटेड वीडियो में सुसंगत बनाए रखती है। किसी सब्जेक्ट की उपस्थिति और विशेषताओं को लॉक करने से यह सुनिश्चित होता है कि मुख्य फोकस स्थिर और पहचानने योग्य रहे, भले ही कैमरा मूवमेंट जैसे ज़ूम, पैन या टिल्ट हों।
एक इमेज को प्रारंभिक फ़्रेम के रूप में अपलोड करने के बाद, हम इस सुविधा को Bind elements to enhance Consistency विकल्प चुनकर सक्रिय कर सकते हैं। इससे एक रेफ़रेंस बनता है जिसे सिस्टम वीडियो जेनरेशन के दौरान सब्जेक्ट में अनचाही तब्दीलियों से बचने और दृश्य स्थिरता बनाए रखने के लिए उपयोग करता है।
सब्जेक्ट बाइंडिंग के बिना, मॉडल को उन विशेषताओं का अनुमान लगाना पड़ेगा जो प्रारंभिक इमेज में दिखाई नहीं दे रहीं। उदाहरण के लिए, ऊपर की इमेज में सब्जेक्ट ने सनग्लासेज पहने हैं। ऐसे में सब्जेक्ट के चेहरे की इमेज देना उपयोगी होगा। अन्य पोज़ेस देना, जैसे बाएँ और दाएँ देखते हुए, भी उपयोगी है यदि हम चाहते हैं कि मॉडल व्यक्ति का लुक "ईजाद" न करे।
एलिमेंट बनाते समय, हम अधिकतम तीन इमेज दे सकते हैं। हमें किरदार के लिए एक वॉइस और नाम चुनने का विकल्प भी मिलता है।
यह रहा परिणाम:
मेरी दृष्टि में ये विशेषताएँ गेम-चेंजर हैं, क्योंकि किरदार सुसंगति एआई वीडियो जेनरेशन का सबसे निराशाजनक पहलू रहा है। अक्सर सही परिणाम पाने के लिए बहुत विस्तृत टेक्स्ट प्रॉम्प्ट और बार-बार दोहराव की ज़रूरत पड़ती थी।
Omni मोड
Kling AI का Omni मोड सभी फीचर्स को एक ही मॉडल में समेट लाता है। इसे आप सुपरचार्ज्ड सब्जेक्ट बाइंडिंग की तरह समझ सकते हैं—यह हमें एलिमेंट्स (किरदार, सीन, वस्तुएँ आदि) बनाने और फिर उन्हें एक ही प्रॉम्प्ट में साथ लाने देता है। इससे उच्च सटीकता के साथ बहुत जटिल सीन जेनरेट करना संभव हो जाता है।
उदाहरण के लिए, हम रेफ़रेंस इमेज देकर एक किरदार एलिमेंट बना सकते हैं और फिर एक सीन एलिमेंट बनाकर उस किरदार को आसानी से उस सीन में रख सकते हैं। एक और उदाहरण के तौर पर, हम कई किरदार बना सकते हैं और प्रॉम्प्ट में इन किरदारों का संदर्भ देकर उनके बीच संवाद विकसित कर सकते हैं।
Omni मोड का उपयोग करते हुए, हम पहले से बनाए गए एलिमेंट्स को @ के जरिए संदर्भित कर सकते हैं। इससे एक पॉप-अप खुलता है जहाँ हम इच्छित एलिमेंट चुन सकते हैं।
यह रहा तीन-शॉट का उदाहरण जो Omni की शक्ति और बहुमुखी प्रतिभा दिखाता है:
Shot 1 (3s): Mid-shot, background @Image. @Grace sits on the sofa eating cookies as @Alan walks in holding @Samoyed.@Samoyed lunges for the cookie in @Grace's hand. @Grace says, "Hey! Watch your dog!"
Shot 2 (2s): @Alan sits beside her, pulling the leash and lifting @Samoyed. Close-up, @Alan says, "He just likes cookies more than me."
Shot 3 (3s): Close-up, @Grace smiles and says, "Well, he has good taste at least."इस उदाहरण में, @Image, @Grace, @Alan, और @Samoyed अलग-अलग बनाए गए एलिमेंट्स हैं जिन्हें एक ही प्रॉम्प्ट में साथ इस्तेमाल किया गया है।
Kling 3.0 का परीक्षण
पिछले सेक्शन में, हमने Kling 3.0 की मुख्य क्षमताओं के बारे में सीखा और उनकी आधिकारिक वेबसाइट से लिए गए कुछ उदाहरण दिखाए। मुझे ये नतीजे बहुत प्रभावशाली लगे, लेकिन कंपनियों द्वारा दिए गए उदाहरणों के प्रति हमेशा थोड़ा संदेह होना चाहिए, क्योंकि वे आमतौर पर छाँटकर, केवल सर्वश्रेष्ठ उदाहरण ही दिखाते हैं।
इस सेक्शन में, हम इसे नए उदाहरणों पर परखते हैं ताकि देखें कि मॉडल वास्तव में अपेक्षाओं पर खरा उतरता है या नहीं।
उदाहरण 1: एक किरदार जेनरेट करना
मैंने एआई का उपयोग करके एक फैंटेसी किरदार बनाया। मैंने एक फुल-बॉडी इमेज बनाई और फिर कुछ अलग-अलग पोज़ेस, जैसे बाएँ देखना, दाएँ देखना और क्रोधित अभिव्यक्ति।
मैंने इन एलिमेंट्स को मिलाकर Elias नाम का किरदार बनाया। फिर मैंने वीडियो के पहले फ़्रेम के लिए एक इमेज जेनरेट की और सब्जेक्ट बाइंडिंग का उपयोग करके दोनों को जोड़ा।
यह रहा वह प्रॉम्प्ट जो मैंने इस्तेमाल किया:
Elias stands alone in front of the burning village. Elias is breathing heavily, his hands clenched into tight fists at his sides.
Elias looks at something just off-camera, something we cannot see. Elias says, in a low and dangerous voice, "I told you what would happen if you crossed that line."
Elias pauses for a second.
The camera zooms in close to his face. His face burns with anger, and he says, "I gave you my word, and I gave you a choice." ध्यान दें कि इसमें @ रेफ़रेंस का उपयोग नहीं है क्योंकि मैंने इस वीडियो के लिए Omni मोड नहीं, केवल सब्जेक्ट बाइंडिंग का उपयोग किया। यह रहा परिणाम
उदाहरण 2: Omni के साथ एक कॉमिक स्केच बनाना
यहाँ, मैंने दोस्तों के बीच एक सिटकॉम सीन बनाने की कोशिश की। मैंने एआई से तीन किरदार बनाए—Alex, Jamie, और Sam। पहले की तरह, मैंने हर एक के लिए कुछ अलग-अलग पोज़ेस जेनरेट किए।
मैंने लोकेशन के लिए भी एक इमेज जेनरेट की और उससे एक सीन एलिमेंट बनाया।
यह रहा अंतिम प्रॉम्प्ट जो मैंने इस्तेमाल किया। मैंने मल्टी-शॉट फ़ंक्शनलिटी के बजाय शॉट्स को टेक्स्ट प्रॉम्प्ट से वर्णित किया क्योंकि वह सीन को छह शॉट्स तक सीमित कर देता है। निकला कि Kling 3.0 इसे भी बखूबी संभाल लेता है।
Shot 1: Mid-shot, background @Image.
Shot 2: @Jamie and @Sam sit on the couch as @Alex rushes into the coffee shop and says, "I just liked my ex’s photo from 2016."
Shot 3: @Jamie turns to @Alex and says, "How bad?"
Shot 4: @Alex replies, "She’s with the guy she left me for."
Shot 5: Camera focuses on @Sam, and he replies, "Delete it, dude!"
Shot 6: @Alex replies, "I did, but what if she saw?"
Shot 7: @Sam says, "Then act confident, like her wedding photo."
Shot 8: @Jamie laughs, and @Alex says, "I need new friends..."और यह रहा परिणाम:
हम वीडियो में कुछ गलतियाँ देख सकते हैं:
- शुरुआती फ़्रेम में खाली सोफ़ा है। यह शायद मेरी गलती थी क्योंकि मैंने शॉट 1 में यह नहीं बताया कि किरदार सोफ़े पर होने चाहिए। हालांकि, फिर से आजमाने पर भी यह खाली से शुरू हुआ। केवल तब जब मैंने पहला फ़्रेम किरदारों के साथ सोफ़े पर बैठा हुआ दिया, तभी अपेक्षित परिणाम मिला। लेकिन उस स्थिति में Alex का कॉफी शॉप में प्रवेश कराना मुश्किल था।
- सोफ़े पर एक अतिरिक्त किरदार बैठा है।
इसके बावजूद, परिणाम मुझे काफी प्रभावशाली लगा। किरदार जीवंत और प्रामाणिक लगते हैं, और कुल मिलाकर सीन अच्छी तरह बहता है।
उदाहरण 3: मल्टी-सीन वीडियो में एक किरदार को दोबारा उपयोग करना
अंतिम उदाहरण में, मैंने बनाए गए किरदारों को एक अलग संदर्भ में दोबारा उपयोग करने की कोशिश की। मकसद था यह महसूस करना कि वीडियो के बीच वे कितने सुसंगत रहते हैं, ताकि आकलन हो सके कि एक ही किरदारों के साथ कई सीन बनाना व्यावहारिक है या नहीं। क्योंकि अगर किरदारों का लुक और एहसास वैसा ही रहता है, तो मुझे सच में लगता है कि Kling 3.0 का उपयोग लंबी फ़ॉर्मेट सामग्री बनाने के लिए किया जा सकता है।
इस मामले में, मैंने हर शॉट का वर्णन करने के लिए मल्टी-शॉट फ़ंक्शनलिटी का उपयोग किया। यह रहा सीन कॉन्फ़िगरेशन:
यह रहा जेनरेट हुआ वीडियो: