Veo 3.1: उदाहरणों के साथ एक पूर्ण मार्गदर्शिका

Veo 3.1 तक कैसे पहुँचें

Veo 3.1 तक पहुँचने का सबसे आसान तरीका Google के Flow प्लेटफ़ॉर्म के माध्यम से है। इसके लिए एक सदस्यता की आवश्यकता होती है, जिसकी कीमत आपके क्षेत्र पर निर्भर हो सकती है। सदस्यता में 1,000 मासिक क्रेडिट मिलते हैं, जो Veo 3.1 Fast का उपयोग करके 50 वीडियो और Veo 3.1 का उपयोग करके 10 वीडियो के बराबर है।

इसे Vertex AI स्टूडियो पर भी उपयोग करना संभव है, लेकिन इसके लिए अधिक कॉन्फ़िगरेशन और Google Cloud Platform के बारे में जानकारी की आवश्यकता होती है।

एक अन्य विकल्प है Gemini API का उपयोग करना, जैसे कि Python के साथ। इन दोनों मामलों में सदस्यता आवश्यक नहीं है। हालांकि, API कुंजी या Google प्रोजेक्ट से क्रेडिट कार्ड लिंक होना चाहिए, और प्रति वीडियो शुल्क लिया जाएगा।

Veo 3.1 में नया क्या है?

Veo 3.1, Veo 3 की तुलना में कई नई सुविधाएँ और सुधार लाता है, जिनमें शामिल हैं:

• समृद्ध ऑडियो क्षमताएँ: अब Veo 3.1 वीडियो के साथ अधिक समृद्ध और यथार्थपरक ऑडियो उत्पन्न करने में सक्षम बनाता है। ऑडियो सपोर्ट Flow की सभी विशेषताओं—"Ingredients to Video", "Frames to Video", और "Extend"—में जोड़ दिया गया है, जिससे अधिक इमर्सिव और कथा-समृद्ध वीडियो संभव होते हैं।
• बेहतर नैरेटिव और यथार्थवाद: अब किसी दृश्य के शुरुआती और अंतिम फ्रेम देकर वीडियो जनरेट करना संभव है, जिससे दृश्य के प्रवाह पर बहुत अधिक नियंत्रण मिलता है। यथार्थवाद भी बेहतर हुआ है, जिसमें बेहतर टेक्सचर निष्ठता, प्रॉम्प्ट के प्रति सख्त अनुपालन, और बेहतर ऑडियोविजुअल गुणवत्ता शामिल है।
• लंबे, निर्बाध शॉट्स: सामान्यतः एआई वीडियो जनरेशन मॉडल कुछ सेकंड के वीडियो तक ही सीमित रहते हैं। Extend फीचर के साथ, उपयोगकर्ता मौजूदा क्लिप को बढ़ाकर लंबे वीडियो बना सकते हैं, जिससे निर्बाध, लंबे दृश्य संभव हो जाते हैं।
• उन्नत क्रिएटिव कंट्रोल: Flow में नई क्षमताएँ उपयोगकर्ताओं को अधिक सटीकता के साथ क्लिप संपादित करने देती हैं। उदाहरण के लिए, हम दृश्यों से तत्वों (वस्तुएँ, पात्र, आदि) को वास्तविक प्रकाश और छाया के साथ जोड़ और हटा सकते हैं।

Veo 3.1 की विशेषताओं का अन्वेषण

आइए Veo 3.1 में जोड़ी गई कुछ नई क्षमताओं को थोड़ा विस्तार से देखें। 

Frames to video

Frames-to-video फीचर पहले और आखिरी फ्रेम प्रदान करके वीडियो जनरेट करना संभव बनाता है। इसके बाद मॉडल ऐसा वीडियो तैयार करेगा जिसमें शुरुआती और अंतिम फ्रेम वही होंगे जो आपने दिए हैं।

इस फीचर का उपयोग करने के लिए, "Frames to Video" विकल्प चुनें:

उदाहरण के लिए, चावल के कटोरे से शुरू करते हुए और उसी कटोरे में बिल्ली के आकार के चावल की एक छवि होने पर, हम Veo 3.1 से एक ऐसा वीडियो बनाने के लिए कह सकते हैं जो यह रूपांतरण दिखाए:

वीडियो जनरेट करने के लिए, फ़्रेम चयनकर्ता में केवल पहले और अंतिम फ़्रेम चुनें और उनके बीच के वीडियो का वर्णन करता हुआ एक प्रॉम्प्ट लिखें।

यह रहा परिणाम:

यह फीचर विशेष रूप से उन क्रिएटर्स के लिए मूल्यवान है जो दृश्यों में दृश्य-एकरूपता बनाए रखना चाहते हैं या लंबे, अधिक सुसंगत वीडियो बनाना चाहते हैं। शुरुआती और अंतिम बिंदु तय करके, Veo 3.1 स्मूथ ट्रांज़िशन और सुसंगत नैरेटिव सुनिश्चित कर सकता है, जो एआई-जनरेटेड फुटेज में अक्सर दिखने वाली असहज शिफ्ट्स से बचाता है। 

यह फिल्म निर्माताओं, एनीमेटर्स और मार्केटर्स के लिए ऐसे विकल्प खोलता है जिन्हें कहानी के आर्क्स और विज़ुअल निरंतरता पर सटीक नियंत्रण चाहिए—वह भी एआई वीडियो जनरेशन की कुशलता का लाभ उठाते हुए।

मैंने इसका व्यापक परीक्षण किया है, और यह हमेशा अच्छा प्रदर्शन नहीं कर पाया। मेरे मन में कुछ साल पहले ली गई इस तस्वीर को एनीमेट करने का विचार आया:

मेरा विचार था कि बिना लोगों वाला फ्रेम लेकर शुरू करूँ और बाएँ से पानी में चलते हुए लोगों का वीडियो जनरेट करूँ। मैंने सभी लोगों को हटाकर एक प्रारंभिक फ्रेम बनाया और Veo 3.1 से वीडियो बनाने के लिए कहा:

फिर भी, कई प्रयासों के बावजूद, Veo 3.1 दोनों फ़्रेमों के बीच स्मूथ एनीमेशन वाला वीडियो बनाने में सफल नहीं हुआ। नीचे दो असफल प्रयास दिए गए हैं:

दोनों वीडियो दिए गए फ़्रेमों पर शुरू और समाप्त होते हैं, लेकिन उनके बीच स्वाभाविक रूप से ट्रांज़िशन नहीं होता। इस संदर्भ में, मुझे लगता है कि मॉडल में अभी भी सुधार की काफी गुंजाइश है।

वीडियो एक्सटेंड

Veo 3.1 की एक शानदार सुविधा वीडियो को बढ़ाने की क्षमता है। इस फीचर के साथ, Veo 3.1 मौजूदा वीडियो को लेता है और अंतिम फ़्रेमों के आधार पर उसे लगातार और निर्बाध रूप से बढ़ा देता है।

यह फीचर एआई-जनरेटेड वीडियो की सबसे बड़ी कमजोरियों में से एक—लंबाई—को संबोधित करता है। मौजूदा एआई मॉडल कुछ सेकंड के ही वीडियो बना पाते हैं। वीडियो एक्सटेंड फीचर के साथ, हम लंबे वीडियो बना सकते हैं जो पूरे समय सुसंगत बने रहते हैं।

इस फीचर के लिए आवश्यक है कि हमने पहले से ही Flow में उपयोग हेतु Veo 3.1 के साथ एक वीडियो जनरेट किया हो। दुर्भाग्यवश, फिलहाल हम किसी वीडियो को अपलोड करके उसे बढ़ा नहीं सकते। फीचर तक पहुँचने के लिए, हमें पहले सीन बिल्डर पर जाना होगा:

वहाँ से, हम क्लिप के बगल में "+" बटन पर क्लिक करते हैं और "Extend" विकल्प चुनते हैं:

अंत में, हम एक प्रॉम्प्ट लिखते हैं जो बताता है कि हम एक्सटेंशन कैसा चाहते हैं:

हम एक वीडियो को कई बार बढ़ा सकते हैं, जिससे एक लंबा और सुसंगत वीडियो बनाया जा सकता है।

यहाँ एक उदाहरण है, जिसमें किसी वीडियो को तीन बार बढ़ाकर बनाया गया वीडियो दिखाया गया है। इस वीडियो में, मैं चारों वीडियो को साथ-साथ दिखाता/दिखाती हूँ ताकि प्रत्येक एक्सटेंशन से क्या जोड़ा गया, यह स्पष्ट हो:

वीडियो के लिए सामग्री

Veo 3.1 एक नए फीचर के साथ आता है, जो आपको तीन छवियों के तत्वों को मिलाकर एक वीडियो बनाने देता है। इस उदाहरण में, मैंने निम्नलिखित की छवियां दीं:

• एक स्थान
• एक व्यक्ति
• एक पोशाक

इसके बाद, मैंने Veo 3.1 से कहा कि वह इन तत्वों को मिलाकर दिए गए स्थान पर चलते हुए उस व्यक्ति का वीडियो बनाए, जो निर्दिष्ट हाइकिंग पोशाक पहने हो। मैंने यह भी बताया कि व्यक्ति बहुत अधिक मच्छरों के होने की शिकायत करे।

स्वयं वीडियो बहुत अच्छा नहीं है, खासकर जब वह महिला मच्छरों की शिकायत करते हुए हाथ के इशारे करती है; लेकिन यह फीचर को अच्छी तरह दर्शाता है। दिलचस्प है कि स्थान में दिए गए लोकेशन चित्र और पोशाक वाली छवि की पृष्ठभूमि में मौजूद पेड़ों—दोनों के तत्व मिले हुए दिखते हैं। इससे बचने के लिए, सुनिश्चित करें कि जिन तत्वों का उपयोग हो रहा है, उनकी पृष्ठभूमि न्यूट्रल हो।

ध्यान दें कि इस फीचर के लिए अनिवार्य रूप से तीन छवियां नहीं चाहिए; यह तीन तक रेफरेंस छवियों के साथ ठीक से काम करता है।

वीडियो संपादन

किसी वीडियो को संपादित करने के लिए, उस पर होवर करने पर दिखने वाले "Edit" बटन का उपयोग करें:

यह एक विंडो खोलता है, जहां हम संपादन के लिए क्षेत्र चुन सकते हैं और संपादन निर्देशों वाला एक प्रॉम्प्ट दे सकते हैं।

चित्र से लगता है कि यह केवल वीडियो में तत्व जोड़ने की ही अनुमति देता है। Veo 3.1 के प्रचार वीडियो के अनुसार, हमें तत्वों को हटाने में भी सक्षम होना चाहिए, लेकिन मुझे वह विकल्प नहीं मिला। मैंने प्रॉम्प्ट में क्या हटाना है यह निर्दिष्ट करने की कोशिश की, पर वह काम नहीं किया।

मैंने ऊपरी क्षेत्र का चयन किया और उससे चलती ट्रेनों को जोड़ने के लिए कहा। इसने वह काफ़ी ठीक से किया; हालांकि, उसने चयनित क्षेत्र के बाहर भी ट्रेनें जोड़ दीं।

Veo 3.1 के साथ एक लंबा वीडियो बनाना

कुछ समय पहले, मैंने Runway ML Gen 4 पर यह लेख लिखा था। उसमें, मैंने एक छोटा वीडियो बनाया था जिसमें एक ज्वाला और एक पानी की बूंद एक-दूसरे से प्यार कर बैठते हैं। हालांकि, उनका प्यार कामयाब नहीं होता क्योंकि वे एक-दूसरे को छू नहीं सकते।

वह वीडियो बहुत सरल था और उसमें आवाज़ नहीं थी, लेकिन फिर भी वह मेरी चाही गई भावना को व्यक्त करने में सफल रहा। मैं उत्सुक था कि Veo 3.1 का उपयोग करके वैसा ही वीडियो फिर से बनाने की कोशिश करूं और देखूं कि तकनीक कितनी आगे बढ़ी है।

नीचे Veo 3.1 का उपयोग करके बनाया गया उस वीडियो का नया संस्करण है।

शुरू करने के लिए, मैंने Nano Banana का उपयोग करके ज्वाला वाले किरदार को जनरेट किया। फिर मैंने केवल एक छवि देकर ingredients टूल्स को, जंगल में घूमती ज्वाला के साथ पहला दृश्य बनाया।

दूसरे दृश्य के लिए, मैंने Veo 3.1 से ऐसा वीडियो बनाने को कहा जिसमें ज्वाला का किरदार पत्ते पर धूप सेंक रही पानी की बूंद से मिले। इसका एक उपउत्पाद यह भी हुआ कि मेरा दूसरा किरदार भी यहीं बन गया। वैकल्पिक रूप से, हम उसे अलग से भी जनरेट कर सकते थे और दोनों किरदारों को वीडियो के इनपुट के रूप में दे सकते थे।

उसके बाद से, मैं हर वीडियो के एक फ़्रेम को अगले वीडियो के पहले फ़्रेम के रूप में चुनता रहा, अंतिम फ़्रेम खाली छोड़ते हुए और केवल प्रॉम्प्ट से वीडियो जेनरेशन को निर्देशित करता रहा।

Flow इसे सीधा-सादा बना देता है। जब हम कोई फ़्रेम चुनते हैं, तो हम "+" बटन पर क्लिक करके उस फ़्रेम को एक एसेट के रूप में सेव कर सकते हैं और फिर "Frames to video" टूल से उसे अगले वीडियो के पहले फ़्रेम के रूप में इस्तेमाल कर सकते हैं।

यह वीडियो बनाने के लिए, मैंने ज़्यादातर "Frames to Video" टूल का उपयोग किया, जिसमें एक ही शुरुआती फ़्रेम दिया। मैं अक्सर किसी क्लिप के बीच का फ़्रेम चुनता था. 

इसे स्पष्ट करने के लिए, यहां कुछ फ़्रेम दिए हैं जिन्हें मैंने एसेट में बदलकर शुरुआती बिंदु के रूप में इस्तेमाल किया:

नतीजतन, वीडियो आपस में ठीक से नहीं जुड़े, इसलिए मैंने बाहरी संपादन सॉफ़्टवेयर का उपयोग करके क्लिप्स को सही स्थानों पर काटा।

फिर भी कुछ निराशाजनक पल आए, जब मैं वीडियो को अपनी कल्पना के अनुरूप नहीं बना सका और मुझे अपनी कल्पना को AI के आउटपुट के मुताबिक ढालना पड़ा। मेरे द्वारा उपयोग किए गए हर AI वीडियो टूल के साथ यह लगातार चुनौती रही है।

इस प्रक्रिया में मुझे एक और समस्या यह दिखी कि ध्वनियों में कुछ असंगतताएं हैं। ज्वाला किरदार की आवाज़ बदलती रहती है, और क्योंकि मैं अगले वीडियो के लिए केवल एक ही फ़्रेम इनपुट दे रहा था, साउंडट्रैक भी बहुत सुसंगत नहीं रहा।

इस दूसरी समस्या से Video Extend फीचर का उपयोग करके निपटा जा सकता है। हम Flow पर क्लिप्स को मैन्युअल रूप से ट्रिम कर सकते हैं और फिर उसी बिंदु से वीडियो को आगे बढ़ा सकते हैं।

Veo 3.1 के साथ मेरा अनुभव

मैंने Google के Flow वेब ऐप और API—दोनों पर Veo 3.1 का उपयोग करके प्रयोग किए हैं। Flow प्लेटफ़ॉर्म पर मेरा अनुभव कम से कम कहें तो बहुत निराशाजनक रहा। अधिकांश समय, वीडियो जेनरेशन बिना किसी स्पष्ट कारण के विफल हो जाती थी और एक सामान्य-सा त्रुटि संदेश दिखता था, जो विफलता के बारे में कोई जानकारी नहीं देता था।

मुझे इंटरफ़ेस भी बहुत सहज नहीं लगा। कुछ विकल्पों—जैसे वीडियो संपादन और वीडियो एक्सटेंशन—को ढूंढना मुश्किल था।

एक प्रोग्रामर के रूप में, API का उपयोग करते समय मेरा अनुभव, बीच-बीच में कुछ रुकावटों के बावजूद, काफ़ी सुगम रहा। खास तौर पर, मुझे लगा कि दस्तावेज़ीकरण अधूरा है और कोड उदाहरणों में कुछ अहम विवरण छूटे हुए हैं, जिसकी वजह से कुछ बातों को समझने में अनावश्यक रूप से अधिक समय लगा। उदाहरण के लिए, मॉडल को छवियां कैसे दी जाएं, यह समझना कठिन था क्योंकि उनके उदाहरणों में कुछ कोड पुराना लगता है और काम नहीं करता।

मैं यह भी नहीं समझ पाया कि एक्सटेंड फीचर आज़माने के लिए वीडियो कैसे भेजें। कुछ खोजबीन से संकेत मिला कि संभव है यह फीचर अभी API पर खुला ही न हो, लेकिन यह स्पष्ट नहीं है कि समस्या यही है।

परिणामों की दृष्टि से, मुझे लगा कि वीडियो समग्र रूप से अच्छे हैं, भले ही वे अभी भी कुछ गंभीर सीमाओं से जूझ रहे हैं। मुझे अब भी अपनी कल्पना और इन मॉडलों से जो मैं बना पाता हूं, उनके बीच एक बड़ा अंतर महसूस होता है।

निष्कर्ष

Veo 3.1 AI वीडियो जेनरेशन में एक कदम आगे है, जो अधिक रचनात्मक नियंत्रण, बेहतर ऑडियो, और लंबे तथा अधिक सुसंगत क्लिप बनाने की अनूठी क्षमता प्रदान करता है।

हालांकि यह टूल निस्संदेह शक्तिशाली है—खासकर तेज़ प्रोटोटाइपिंग और रचनात्मक प्रयोगों के लिए—लेकिन इसकी मौजूदा सीमाएं, जैसे बोझिल इंटरफ़ेस, कभी-कभार की असंगतताएं, और अपूर्ण ट्रांज़िशन, सटीकता चाहने वालों के लिए खीझ पैदा कर सकती हैं।

फिर भी, निरंतर सुधारों और Flow जैसे प्लेटफ़ॉर्म तथा API के ज़रिए बढ़ती उपलब्धता के साथ, Veo 3.1 एक ऐसे आशाजनक भविष्य का संकेत देता है जहां AI-संचालित वीडियो निर्माण न केवल अधिक सहज होगा, बल्कि कलाकार की दृष्टि के और अधिक अनुरूप भी होगा। यदि आप जनरेटिव वीडियो के अत्याधुनिक पहलू का अन्वेषण करना चाहते हैं, तो इसकी कुछ खामियों के बावजूद Veo 3.1 एक बार आज़माने लायक है, और आने वाले महीनों में इस तकनीक का विकास देखना रोमांचक होगा।

मैं यह भी सिफारिश करता हूं कि आप हमारा नए SAM3 मॉडल पर मार्गदर्शक देखें।