Runway Gen 4.5: अब तक का सबसे बेहतर टेक्स्ट‑टू‑वीडियो मॉडल?

उनके प्रभावशाली ट्रेलर के बावजूद, मैं हमेशा संदेह में रहता/रहती हूँ कि वीडियो AI जेनरेशन कंपनियाँ जिन उदाहरणों से अपने मॉडल दिखाती हैं, वे अक्सर चुने हुए होते हैं और वास्तविकता कई बार हाइप से मेल नहीं खाती।

इस लेख में, मैं आपको Runway 4.5 का उपयोग करना सिखाऊंगा/सिखाऊंगी और बिना छँटे उदाहरण दिखाऊंगा/दिखाऊंगी ताकि देखा जा सके कि Runway 4.5 वाकई अपने वादे पर खरा उतरता है या नहीं।

Runway 4.5 क्या है?

Runway 4.5, Runway ML का टेक्स्ट‑टू‑वीडियो AI जेनरेशन मॉडल है। जहाँ Runway 4 छवियों से वीडियो बनाने पर केंद्रित था, Runway 4.5 टेक्स्ट प्रॉम्प्ट्स पर केंद्रित है। नया मॉडल फिलहाल ध्वनि का समर्थन नहीं करता, लेकिन Runway के अनुसार यह जल्द ही उपलब्ध होगा।

ऑडियो सपोर्ट की कमी का मतलब यह भी है कि उनके लॉन्च ट्रेलर में जो ध्वनियाँ हैं, वे बाहर से जोड़ी गई हैं, Runway 4.5 ने उन्हें जेनरेट नहीं किया है।

हालाँकि नया मॉडल टेक्स्ट‑टू‑वीडियो बेंचमार्क्स में मौजूदा अन्य मॉडलों से बेहतर है, फिर भी यह एक कदम पीछे जैसा लगता है क्योंकि उनके पिछले मॉडलों में ध्वनि और छवि समर्थन अच्छा था। 

मेरे अनुभव में, छवि समर्थन एक सुसंगत कहानी बनाने के लिए बुनियादी है, क्योंकि भले ही कोई मॉडल टेक्स्ट प्रॉम्प्ट का पूरी तरह पालन कर ले, केवल टेक्स्ट के सहारे पात्रों की निरंतरता बनाए रखना असंभव होगा।

यदि आप Runway के लिए नए हैं, तो हम सुझाव देते हैं कि आप Runway ML पर हमारे अन्य लेख देखें:

• Runway Gen 4: व्यावहारिक उदाहरणों के साथ एक गाइड
• Runway Gen‑3 Alpha क्या है? यह कैसे काम करता है, उपयोग के मामले, विकल्प और अधिक
• Runway Act‑One गाइड: मैंने इसे परखने के लिए खुद को फिल्माया

Runway 4.5 तक पहुँच कैसे पाएं?

Runway 4.5 तक पहुँच उनके वेब ऐप के माध्यम से मिलती है।

इसका उपयोग निःशुल्क नहीं है और सब्सक्रिप्शन की आवश्यकता होती है। अधिक जानकारी के लिए देखें उनका प्राइसिंग पेज।

Gen 4.5 के लिए वीडियो जेनरेशन के हर सेकंड की कीमत 25 क्रेडिट है। उनका सबसे सस्ता सब्सक्रिप्शन 625 क्रेडिट्स देता है, जिससे केवल 25 सेकंड का वीडियो जेनरेट किया जा सकता है।

Runway Gen‑4.5 में नया क्या है?

आइए Runway Gen 4.5 की नई विशेषताएँ देखें:

प्रॉम्प्ट का सटीक अनुपालन

अपने रिलीज़ लेख में, उनका दावा है कि Runway 4.5 जटिल प्रॉम्प्ट्स का उच्च सटीकता से पालन कर सकता है। यानी, यह सक्षम है:

• जटिल, बहु‑तत्व वाले दृश्यों को सटीकता से रेंडर करने में।
• विस्तृत कंपोज़िशन सँभालने में, जिससे वस्तुओं की सटीक स्थिति और दृश्य में पात्रों व वस्तुओं की तरल गति संभव हो।
• भौतिक अंतःक्रियाओं को विश्वसनीय टकरावों और प्राकृतिक गति के साथ सटीक रूप से सँभालने में।
• सूक्ष्म भावनाओं, प्राकृतिक हावभाव और जीवंत विवरणों वाले अभिव्यंजक पात्रों को जेनरेट करने में।

नीचे दिया गया वीडियो उनके आधिकारिक वेबसाइट से लिए गए प्रत्येक फीचर के एक‑एक उदाहरण का संकलन है:

शैलीगत नियंत्रण और दृश्य निरंतरता

Veo3.1 जैसे आधुनिक टेक्स्ट‑टू‑वीडियो मॉडलों की तरह, Gen‑4.5 जीवन्त सिनेमाई इमेजरी से लेकर अत्यधिक स्टाइलाइज़्ड एनीमेशन तक, दृश्य शैलियों के व्यापक स्पेक्ट्रम का समर्थन करता है, और इसके साथ एक सुसंगत व एकीकृत विज़ुअल पहचान बनाए रखता है। विशेष रूप से, हम कर सकते हैं:

• ऐसे वीडियो बनाना जो वास्तविक दुनिया की फुटेज से अलग न पहचाने जा सकें, जीवन्त विवरण और सटीकता सहित।
• वास्तविकता की पाबंदियों से मुक्त कलात्मक स्वतंत्रता के साथ स्टाइलाइज़्ड, अभिव्यंजक मोशन बनाना।
• ऐसे वीडियो बनाना जो रोज़मर्रा की ज़िंदगी जैसे दिखें और महसूस हों।
• गहरी परतों और सिनेमाई चमक के साथ वीडियो रेंडर करना।

नीचे उनके आधिकारिक घोषणा‑पत्र से लिए गए उदाहरण हैं जो ऊपर बताई गई प्रत्येक विशेषता को दिखाते हैं:

Runway 4.5 का परीक्षण

ऊपर दिखाए गए उदाहरण आधिकारिक वेबसाइट से लिए गए थे। ये काफी प्रभावशाली दिखते हैं, लेकिन AI वीडियो जेनरेशन मॉडलों में अक्सर हमें वही प्रॉम्प्ट कई बार चलाकर बहुत सारे वीडियो बनाने पड़ते हैं, तभी कोई अच्छा परिणाम मिलता है। 

यह ध्यान रखना ज़रूरी है कि आमतौर पर नए मॉडल की घोषणा में जो परिणाम दिखते हैं, वे कई जेनरेटेड उदाहरणों में से बड़ी सावधानी से चुने गए सर्वश्रेष्ठ वीडियो होते हैं।

इस खंड में, मैं Runway 4.5 का उपयोग करके अपने स्वयं के प्रयोगों के परिणाम दिखाता/दिखाती हूँ। इन प्रयोगों के दौरान, मैंने चुनकर नहीं दिखाया। हर विचार के लिए, मैंने एक ही वीडियो जेनरेट किया और तब तक कई संस्करण बनाने की कोशिश नहीं की जब तक कोई स्वीकार्य न मिल जाए।

अच्छा प्रॉम्प्ट बनाने के लिए, मैं उनके प्रॉम्प्टिंग गाइड का पालन करने की सिफारिश करता/करती हूँ, जो निम्न संरचना सुझाता है:

[Camera] shot of [a subject/object] [action] in [environment]. [Supporting component descriptions]संचालित द्वारा

भौतिक सटीकता

Runway 4.5 के लिए मेरा पहला परीक्षण यह देखने का था कि क्या मॉडल भौतिकी समझता है। 

इसके लिए, मेरे दिमाग में हाथी और चूहे को झूले (सी‑सॉ) पर बैठाने और देखना था कि किस तरफ झूला झुकेगा। मैं प्रॉम्प्ट में यह नहीं बताना चाहता/चाहती था कि क्या होना चाहिए, ताकि पता चले कि मॉडल बिना वर्णन के यथार्थवादी भौतिकी जेनरेट करना सीख चुका है या नहीं।

एक वीडियो बनाने के बजाय, मैंने दो वीडियो बनाने का फैसला किया:

1. झूले पर अकेला चूहा बैठा है, और दूसरी तरफ हाथी कूदता है। मेरी अपेक्षा थी कि चूहा उछलकर दूर चला जाएगा।
2. झूले पर अकेला हाथी बैठा है, और दूसरी तरफ चूहा कूदता है। मेरी अपेक्षा थी कि कुछ नहीं होगा क्योंकि हाथी बहुत भारी है।

ये रहे वे प्रॉम्प्ट जो मैंने उपयोग किए:

Side-on static camera shot of a mouse sitting alone on one end of a wooden see-saw as an elephant falls onto the opposite end in an open grassy field. 
The full see-saw and pivot remain visible, the fall completes within the shot, the motion is shown in real-time, and the take is continuous with no cuts.संचालित द्वारा

Side-on static camera shot of an elephant sitting alone on one end of a wooden see-saw as a mouse falls onto the opposite end in an open grassy field. 
The full see-saw and pivot remain visible, the fall completes within the shot, the motion is shown in real-time, and the take is continuous with no cuts.संचालित द्वारा

और यह रहा परिणाम:

हालाँकि परिणाम बिल्कुल वैसा नहीं था जैसा मैंने सोचा था, फिर भी भौतिकी के लिहाज़ से मुझे लगता है कि Runway 4.5 इसे अपेक्षाकृत ठीक तरह से सँभालता है। 

पहले वीडियो में, हाथी वास्तव में झूले पर नहीं गिरता, लेकिन जब वह उस पर कदम रखता है, तो वह चूहे को ऊपर उठा देता है, भले ही कुछ छोटी‑मोटी असंगतियाँ हैं।

दूसरे वीडियो में, अपेक्षा के अनुसार, चूहे का झूले पर गिरना कोई असर नहीं डालता, जो अच्छा है।

पात्रों की भावनाएँ

अगला, मैं देखना चाहता/चाहती था कि क्या पात्रों में तीव्र भावनाएँ जगाई जा सकती हैं। शुरुआत में, मैं देखना चाहता/चाहती था कि क्या यह एक अटपटा पल जेनरेट कर सकता है—दो लोग एक‑दूसरे को घूर रहे हों, बातचीत खत्म होने के बाद करने को कुछ न हो। मैंने यह प्रॉम्प्ट इस्तेमाल किया:

Two-shot eye-level camera shot of two people holding eye contact after a conversation ends in a small elevator. 
Neither speaks, the doors remain closed, and the moment extends slightly longer than comfortable in real time.संचालित द्वारा

यह रहा Runway Gen 4.5 द्वारा जेनरेट किया गया वीडियो:

वीडियो ने मुझे अटपटेपन का एहसास नहीं दिया। मैं जानता/जानती हूँ कि मैंने प्रॉम्प्ट में उस भावना की स्पष्ट माँग नहीं की थी, और शायद यह विषयपरक है कि लंबी नजर के बाद वही भावना उपजे।

मेरी अपेक्षा के अनुरूप न होते हुए भी, मुझे लगा कि वीडियो में स्थिति के अनुरूप चेहरे के हावभाव सुसंगत थे। मुझे यह ज्यादा लगा कि पात्र किसी कठिन स्थिति से निपटने के लिए तैयार हो रहे हैं।

मैंने दूसरा प्रयोग किया, जिसमें एक महिला को एक दुखद टेक्स्ट संदेश मिलता है और वह उस पर प्रतिक्रिया देती है। यह प्रॉम्प्ट मैंने उपयोग किया:

Locked-off close-up camera shot of a young woman reading a very sad message on her phone and slowly lowering it in a quiet subway station. 
Her face remains fully visible, background movement continues naturally, and the moment plays out in a single continuous take.संचालित द्वारा

जटिल दृश्य जेनरेट करना

एक चीज़ जिसमें मैंने AI मॉडलों को लगातार विफल होते देखा है, वह है बहुत सारे लोगों वाले व्यस्त दृश्य जेनरेट करना। आमतौर पर बहुत सारे आर्टिफैक्ट्स आते हैं, लोग और वस्तुएँ अचानक गायब या प्रकट हो जाती हैं।

Runway 4.5 की जटिल दृश्य जेनरेट करने की क्षमता जाँचने के लिए, मैंने उससे भीड़भाड़ वाले नाइट मार्केट का वीडियो बनाने को कहा, यह प्रॉम्प्ट देकर:

A crowded open-air night market just after a sudden rainstorm. 
Steam rises from food stalls while neon signs in different languages reflect in puddles on the ground. 
Dozens of people move through the narrow aisles: vendors cooking, customers eating, children weaving through the crowd, a street musician performing near an intersection. 
Some people carry umbrellas, others shake water from their clothes. 
Plastic tarps flutter overhead, partially blocking strings of warm lights. 
In the background, scooters pass by, and apartment windows glow at different heights. 
The scene feels alive, messy, and authentic, with many small interactions happening at once.संचालित द्वारा

यह रहा परिणाम:

कुल मिलाकर, परिणाम बहुत बुरा नहीं है। सामने के लोग सुसंगत रहते हैं, और वीडियो में अधिकांश अनुरोधित तत्व शामिल हैं। 

फिर भी, इसमें वही समस्या दिखती है जो अन्य मॉडलों में होती है—गति की निरंतरता बनाए रखने में कठिनाई। 

उदाहरण के लिए, एक समय पर पृष्ठभूमि में एक स्कूटर गायब हो जाता है। कुछ लोगों के साथ भी यही होता है।

जीवन्त दृश्य जेनरेट करना

घोषणा में किए गए दावों में से एक मॉडल की साधारण रोज़मर्रा के जीवन के दृश्य जेनरेट करने की क्षमता है। इसे परखने के लिए, मैंने उससे वह दृश्य जेनरेट करने को कहा जो रोज़मर्रा की ज़िंदगी में सबसे आम है: सुपरमार्केट में चेकआउट।

यह प्रॉम्प्ट मैंने उपयोग किया:

Eye-level handheld camera shot of a customer placing items on a checkout counter and waiting in a small local grocery store. 
The cashier scans items off-screen, the line behind shifts slightly, and ambient motion continues.संचालित द्वारा

हालाँकि परिणाम बहुत खराब नहीं है, फिर भी मुझे लगता है कि मॉडल को प्रॉम्प्ट का पालन करने में काफी मुश्किल हुई:

ग्राहकों की दिखाई देने वाली कतार नहीं है, और आइटम्स कन्वेयर बेल्ट पर अजीब तरह से लुढ़कते हैं और बस अंत में इकट्ठे हो जाते हैं। दृश्य मुझे अप्राकृतिक और बहुत AI‑जेनरेटेड लगता है।

फैंटेसी दुनिया जेनरेट करना

एक चीज़ जो मैं काफी समय से जेनरेट करना चाहता/चाहती था और जो मेरे आज़माए सभी मॉडलों में विफल हो रही थी, उसे मैंने Runway 4.5 पर आज़माने का फैसला किया। मैं एक ऐसे पात्र को बनाना चाहता/चाहती था जिसके पास जादुई पेंटब्रश हो, जिसे वह मुश्किल हालात से निकलने के लिए इस्तेमाल करता हो। 

उदाहरण के लिए, वह बुरे लोगों से भाग रहा हो और बंद गली से निकलने के लिए सीढ़ी बना दे।

मैंने Runway 4.5 से यह दृश्य इस प्रॉम्प्ट से जेनरेट करने को कहा:

A fantastical world where painted objects can become real. 
A lone character carrying a glowing magical paintbrush runs through a surreal alley as shadowy pursuers close in behind him. 
He reaches a dead end: a tall, blank wall with no exits. 
Panicked but focused, he turns, presses the brush against the wall, and quickly paints a ladder. 
As the final stroke is completed, the painted ladder transforms into a physical object attached to the wall. 
The character climbs the ladder and escapes upward just as the pursuers reach the wall below. 
The environment feels dreamlike and imaginative, with subtle magical effects reinforcing that art and reality blend together in this world.संचालित द्वारा

वीडियो में कुछ असंगतियाँ हैं, जैसे शुरुआत में बुरे लोग मुख्य पात्र से दूर भागते हुए दिखते हैं, और अंत में बुरे लोग सीढ़ी नहीं चढ़ते। इसके बावजूद, अन्य मॉडलों पर यह विचार आज़माने के बाद, मुझे कहना होगा कि पहली बार मुझे अपनी इच्छा के क़रीब कोई परिणाम मिला है।

सिनेमाई वीडियो जेनरेट करना

अंतिम प्रयोग के तौर पर, मैंने सिनेमाई लुक‑एंड‑फील वाला वीडियो जेनरेट करने की कोशिश की। यह रहा मेरा प्रॉम्प्ट:

A cinematic sequence at dusk in a vast desert landscape. 
A solitary figure walks along a windswept ridge as the sky shifts from deep blue to burning orange. 
The camera begins wide and slowly pushes in, revealing dust catching the light and fabric moving in the wind. 
The character stops, turns toward the horizon, and exhales as distant thunder rolls. 
Subtle lens flares, natural motion blur, and layered sound cues suggest scale and tension. 
The moment feels quiet, dramatic, and intentional, like a scene from a high-budget film.संचालित द्वारा

यह रहा परिणाम:

लुक‑एंड‑फील के लिहाज़ से, मुझे यह बहुत सटीक लगा और काफी सिनेमाई महसूस हुआ। सिर्फ एक बात अच्छी नहीं लगी—पात्र चलने के बजाय दौड़ रहा था। मुझे लगता है इससे वीडियो का पूरा मूड बदल जाता है।

Runway 4.5 बनाम Veo 3.1 तुलना

मैंने कुछ उदाहरण समान प्रॉम्प्ट्स के साथ Runway 4.5 और उसके सबसे सीधे प्रतिद्वंद्वी समझे जाने वाले Veo 3.1 पर चलाए (ध्यान दें कि Veo 3.1 द्वारा जेनरेट किए गए वीडियो थोड़े लंबे हैं)।

मुझे यह देखकर थोड़ी हैरानी हुई कि सभी तीन उदाहरणों में Runway 4.5 ने कितना बेहतर प्रदर्शन किया। यहाँ झूले वाले उदाहरण में—हाथी उसके ऊपर बैठा है—दोनों मॉडलों द्वारा जेनरेट किए गए वीडियो की तुलना है:

Veo 3.1 के वीडियो में काफी गलतियाँ हैं। उदाहरण के लिए, चूहे के गिरते समय अचानक दूसरा चूहा कहीं से आ जाता है। फिर ऐसा लगता है कि झूला हाथी को मार रहा है, लेकिन उसके बाद हाथी दरअसल उसके आगे दिखाई देता है।

मैंने जटिल गति और भौतिक अंतःक्रियाओं वाला एक अंतिम उदाहरण और आज़माया:

Slow-motion dolly shot of a line of shopping carts colliding one after another in a steep supermarket parking garage. 
Each impact transfers momentum unevenly, carts crumple differently, loose items fly forward, and the final cart barely moves.संचालित द्वारा

इस मामले में दोनों मॉडल विफल रहे, लेकिन Veo 3.1 और ज्यादा खराब रहा:

निष्कर्ष

इस वॉकथ्रू में, मैंने Runway 4.5 का उपयोग कैसे करें, यह दिखाया और भौतिकी, भावनाएँ, जटिल भीड़, रोज़मर्रा के पल, फैंटेसी एस्केप और एक सिनेमाई दृश्य जैसे बिना छँटे प्रॉम्प्ट्स के साथ इसका स्ट्रेस‑टेस्ट किया। मैंने Runway 4.5 की सीधे Veo 3.1 से तुलना भी की। 

Runway 4.5 निश्चित रूप से अच्छे दिखने वाले, सुसंगत वीडियो बना सकता है, प्रॉम्प्ट का पालन भी ठोस है और कभी‑कभी बेहतरीन पल भी मिलते हैं, लेकिन यहाँ कुछ भी सचमुच क्रांतिकारी नहीं लगा। 

Runway 4.5 में कुछ स्पष्ट सीमाएँ अब भी हैं—सबसे उल्लेखनीय है नैटिव साउंड की कमी, जो उनके अनुसार जल्द ही आएगा—और साथ ही व्यस्त या सूक्ष्म अंतःक्रियाओं में दिखी निरंतरता की कमियाँ भी बनी हुई हैं। 

कुल मिलाकर, मेरे प्रयोगों और उनके प्रकाशित बेंचमार्क्स के आधार पर, अभी Runway 4.5 Veo 3.1 से मजबूत दिखता है।

यदि आप AI वीडियो जेनरेशन में उपयोग की जाने वाली तकनीकों के बारे में और सीखने के इच्छुक हैं, तो मैं हमारे टॉप वीडियो जेनरेशन मॉडलों के गाइड और हमारे AI Fundamentals स्किल ट्रैक को देखने की सिफारिश करता/करती हूँ।