शॉट जनरेशन: कैरेक्टर रेफरेंस इमेज से उपयोग योग्य क्लिप तक
💡 लक्ष्य: इस स्टेशन का लगभग 35 मिनट का कोर्स पूरा करने पर (रेंडरिंग प्रतीक्षा अलग), स्टोरीबोर्ड टेबल के शॉट को एक-एक करके उपयोग योग्य क्लिप में बदलें — पहला शॉट वहीं चलेगा, AI शॉट जनरेशन की प्रॉम्प्ट लिखने की विधि, ट्रांज़िशन कंट्रोल, फेलियर निदान और रीट्राई अनुशासन सब एक साथ मिलेगा।
🎯 स्टेज लक्ष्य
- पहला शॉट चलाना: सीन रेफरेंस इमेज को फर्स्ट फ्रेम की तरह उपयोग करके इमेज-टू-वीडियो चलाएं, पहला 3–5 सेकंड का उपयोग योग्य क्लिप बनाएं (3–5 सेकंड इस कोर्स का शॉट लंबाई डिज़ाइन मान है) — देखें 4.1 पहला शॉट
- प्रॉम्प्ट में «动» लिखना आएगा, ट्रांज़िशन की दिशा कंट्रोल होगी: एक्शन, कैमरा मूवमेंट, मूड अलग-अलग वर्णित करें, लिखने की विधि आधिकारिक सैंपल प्रॉम्प्ट से वाक्य-दर-वाक्य ली गई है; ट्रांज़िशन, डिस्प्लेसमेंट शॉट के लिए फर्स्ट-लास्ट फ्रेम वर्कफ़्लो उपयोग करें, ताकि शॉट A इमेज से B इमेज तक जाए — देखें 4.2 एक्शन और कैमरा मूवमेंट प्रॉम्प्ट, 4.3 फर्स्ट-लास्ट फ्रेम कंट्रोल
- फेलियर का निदान आएगा, रीट्राई की सीमा होगी: 60 सेकंड में समस्या लोकेट करें; हर शॉट अधिकतम 3 बार, उससे ज़्यादा पर रिप्लेस करें या छोड़ दें — देखें 4.4 फेलियर निदान, 4.5 रीट्राई और रिप्लेस
⏳ अनुमानित समय
- पांच पाठों का कुल लगभग 35 मिनट (8 + 7 + 7 + 7 + 6), ±30% उतार-चढ़ाव रखने पर लगभग 25–46 मिनट
- रेंडरिंग प्रतीक्षा अलग से गिनें: आधिकारिक गति दावा — बिना किसी विशेष अनुकूलन के TI2V-5B के साथ, एक सिंगल कंज्यूमर-ग्रेड GPU 9 मिनट में 5 सेकंड का 720P वीडियो बना सकता है। रीट्राई को जोड़ने पर, हर शॉट के लिए आधे घंटे स्तर की प्रतीक्षा रखना ठीक रहता है (इस साइट की अनुमानित सलाह)
- समय कम हो तो यह रास्ता: 4.1 पहला शॉट जरूरी; 4.2 पहले परिणाम से संतुष्ट न हों तो पढ़ें; 4.3 ट्रांज़िशन शॉट आने पर पढ़ें; 4.4, 4.5 समस्या आने पर दोबारा पढ़ें
🚀 शुरू करने से पहले
- पूरा कर लिया है किरदार और सीन सामग्री: किरदार रेफरेंस चित्र, सीन रेफरेंस चित्र हाथ में हैं — इमेज-टू-वीडियो में इन्हें पहला फ्रेम बनाना होगा
- निर्माण मार्ग तय करें: 1.3 क्लाउड टूल या लोकल डिप्लॉयमेंट
- लोकल रास्ता: ComfyUI नवीनतम संस्करण में अपडेट हो चुका है (आधिकारिक ट्यूटोरियल की जरूरत; टेम्पलेट लाइब्रेरी में टेम्पलेट न मिले तो ज्यादातर संस्करण पुराना होने का कारण है), Wan2.2 मॉडल फाइलें जगह पर हैं — ComfyUI क्विक स्टार्ट से दाखिल हों, मॉडल कहाँ रखने हैं यह मॉडल फोल्डर विवरण में देखें
- क्लाउड रास्ता: Comfy Cloud खाता खुल चुका है (क्लाउड टेम्पलेट
video_wan2_2_5B_ti2vआदि सीधे खोले जा सकते हैं), या 1.3 रूट पेज में चुने गए क्लाउड प्लेटफॉर्म का खाता तैयार है - स्टोरीबोर्ड तालिका हाथ में है: 2.4 स्टोरीबोर्ड तालिका अंतिम रूप दे दी गई है — इस स्टेशन का काम इसे पंक्ति-दर-पंक्ति वीडियो में बदलना है
- सामग्री 3.5 नामकरण नियम के अनुसार संग्रहित है: कितनी भी रीट्राई हो, संस्करण एक-दूसरे को ओवरराइट नहीं करेंगे
- पानी का एक गिलास ☕ — हर शॉट के लिए रेंडर का इंतज़ार होता है, पानी पीने का अच्छा मौका
📚 इस चरण के पाठ
पाँच पाठ क्रमशः पाँच सवालों के जवाब देते हैं: पहला शॉट कैसे चलाएँ? प्रॉम्प्ट में "गति" कैसे लिखें? ट्रांज़िशन कैसे नियंत्रित करें? असफलता पर कैसे जाँच करें? कितनी रीट्राई काफी है?
| पाठ | विषय | अवधि |
|---|---|---|
| 4.1 पहला शॉट | इमेज-टू-वीडियो से पहला शॉट चलाना: सीन रेफरेंस चित्र को पहला फ्रेम बनाएँ | 8 मिनट |
| 4.2 एक्शन और कैमरा मूवमेंट प्रॉम्प्ट्स | आधिकारिक उदाहरणों की वाक्य-दर-वाक्य ब्रेकडाउन + कैमरा मूवमेंट शब्दावली टेम्पलेट | 7 मिनट |
| 4.3 पहले और आख़िरी फ़्रेम से शॉट की दिशा नियंत्रित करें | पहला फ़्रेम + आख़िरी फ़्रेम से दिशा तय करें, ट्रांज़िशन और डिस्प्लेसमेंट शॉट्स के लिए इसका उपयोग करें | 7 मिनट |
| 4.4 शॉट फ़ेल होने का निदान | 60 सेकंड में समस्या पहचानें: पर्यावरण की समस्याओं और कंटेंट की समस्याओं को अलग-अलग करें | 7 मिनट |
| 4.5 शॉट रिट्राई और रिप्लेसमेंट रणनीति | हर शॉट के लिए अधिकतम 3 बार: रिट्राई, डाउनग्रेड, या छोड़ दें | 6 मिनट |
चार आधिकारिक वर्कफ़्लो: AI शॉट जनरेशन में कौन-सा चुनें
Wan2.2 के ComfyUI आधिकारिक ट्यूटोरियल में चार वर्कफ़्लो दिए गए हैं, जो सब टेम्पलेट लाइब्रेरी में सर्च किए जा सकते हैं। इस सेक्शन में सिर्फ़ "शॉर्ट ड्रामा शॉट्स में कैसे उपयोग करें" बताया गया है; नोड-स्तरीय कार्यों के लिए comfyui सेक्शन के समर्पित पेज का लिंक:
| आधिकारिक वर्कफ़्लो | टेम्पलेट लाइब्रेरी में सर्च करने का नाम | शॉर्ट ड्रामा में कब उपयोग करें | नोड-स्तरीय ट्यूटोरियल |
|---|---|---|---|
| Wan2.2 5B (टेक्स्ट-टू-वीडियो + इमेज-टू-वीडियो एकीकृत) | Wan2.2 5B | प्रैक्टिस फ़िल्म का मुख्य मार्ग (इस कोर्स में अनुशंसित): एक मॉडल, दो तरीके से उपयोग, 8GB VRAM में चल सकता है | Wan2.2 5B वर्कफ़्लो |
| Wan2.2 14B T2V (टेक्स्ट-टू-वीडियो) | Wan2.2 14B T2V | उपयुक्त रेफ़रेंस इमेज न होने पर, सीधे टेक्स्ट से दृश्य बनाएँ | 14B T2V वर्कफ़्लो |
| Wan2.2 14B I2V (image-to-video) | Wan2.2 14B I2V | संदर्भ छवि को पहला फ़्रेम, गुणवत्ता को प्राथमिकता | 14B I2V वर्कफ़्लो |
| Wan2.2 14B FLF2V (पहला-आख़िरी फ़्रेम) | Wan2.2 14B FLF2V | ट्रांज़िशन, डॉली शॉट: पहले और आख़िरी दो फ़्रेम दिशा तय करते हैं | 14B FLF2V वर्कफ़्लो |
आपको 14B वर्कफ़्लो मेंदोdiffusion मॉडल फ़ाइलें दिखेंगी (हाई-नॉइज़ + लो-नॉइज़) — यह Wan2.2 का MoE डुअल-एक्सपर्ट डिज़ाइन है: हाई-नॉइज़ एक्सपर्ट समग्र लेआउट संभालता है, लो-नॉइज़ एक्सपर्ट विवरण संभालता है (आधिकारिक README: कुल पैरामीटर 27B, प्रति चरण सक्रिय 14B)।5B वर्कफ़्लो में केवल एक diffusion मॉडल फ़ाइल है, जो अभ्यास फ़िल्मों के लिए अधिक अनुकूल है।
💡 अभ्यास फ़िल्म के लिए 5B पहली पसंद क्यों है?
- आधिकारिक ट्यूटोरियल के मूल शब्द: ComfyUI नेटिव offloading के साथ, 5B "should fit well on 8GB vram" (8GB VRAM पर्याप्त है) — एंट्री-लेवल ग्राफ़िक्स कार्ड भी संभाल सकते हैं
- एक ही मॉडल text-to-video और image-to-video दोनों को सपोर्ट करता है, अभ्यास फ़िल्म की दोनों ज़रूरतें कवर होती हैं
- आधिकारिक रूप से 5B की स्थिति "तेज़ प्रोटोटाइपिंग और रचनात्मक खोज" है — अभ्यास फ़िल्म को चाहिए तेज़ trial-and-error, एक बार में पूर्णता नहीं
- 14B की आधिकारिक स्थिति गुणवत्ता की ओर अधिक झुकी है (वर्कफ़्लो विवरण: high-quality, सिनेमैटिक सौंदर्य नियंत्रण), लेकिन हार्डवेयर पर अधिक भारी: आधिकारिक रिपॉज़िटरी के कमांड-लाइन स्क्रिप्ट 14B के लिए सिंगल कार्ड पर कम से कम 80GB VRAM अंकित करती हैं (ComfyUI पैकेज संस्करण में कोई विशिष्ट संख्या अंकित नहीं है)। VRAM कम होने पर, 4.4 विफलता निदान में कम्युनिटी GGUF quantized संस्करण से VRAM घटाने का रास्ता है
सीमा पहले स्पष्ट करें (यह पूरे कोर्स की सीमा भी है): AI शॉट जनरेशन का मतलब है हर शॉट अलग से जनरेट करना, कई बार प्रयास करना, और अंत में एडिट करके जोड़ना, एक बार में पूरी फ़िल्म जनरेट नहीं करना; संदर्भ छवि कैरेक्टर की निरंतरता बढ़ा सकती है, लेकिन "शॉट्स के पार चेहरा कभी न बदलने" की गारंटी नहीं देती — शेष चेहरे और कपड़ों का drift, 2.5 शॉट निरंतरता जाँच और 4.3 पहला-आख़िरी फ़्रेम से संभाला जाता है।
📋 आधिकारिक संसाधनों की त्वरित सूची
- Wan2.2 ComfyUI आधिकारिक ट्यूटोरियल (docs.comfy.org)
- Wan2.2 आधिकारिक रिपॉज़िटरी (GitHub README)
- Wan2.2 Prompt Guide (आधिकारिक प्रॉम्प्ट गाइड, DingTalk दस्तावेज़, इस साइट ने इसकी सामग्री का स्नैपशॉट नहीं लिया है)
- मॉडल डाउनलोड: Comfy-Org/Wan_2.2_ComfyUI_Repackaged (HuggingFace, ComfyUI पैकेज्ड संस्करण)
- क्लाउड मार्ग: Comfy Cloud (टेम्पलेट
video_wan2_2_5B_ti2v,video_wan2_2_14B_t2v,video_wan2_2_14B_i2v,video_wan2_2_14B_flf2v)
🎒 आप क्या सीखेंगे
- शॉट लिस्ट के शॉट नंबर के अनुसार संग्रहित 3–5 सेकंड के उपयोगी फ़्रैगमेंट्स का एक सेट, जो कभी भी फ़ाइनल फ़िल्म में एडिटिंग के लिए उपयोग हो सकते हैं
- "एक्शन + कैमरा मूवमेंट + मूड" शैली के शॉट प्रॉम्प्ट लिखने का एक तरीका — आधिकारिक उदाहरणों से तोड़ा गया, किसी जादू पर निर्भर नहीं
- फ़र्स्ट-लास्ट फ़्रेम वर्कफ़्लो का व्यावहारिक उपयोग: ट्रांज़िशन शॉट A दृश्य से B दृश्य तक जाता है, जिससे पूरी तरह रैंडम किस्मत पर निर्भर रहने वाला हिस्सा कम होता है
- "60 सेकंड डायग्नोसिस + प्रति शॉट अधिकतम 3 बार" की रिट्राय अनुशासन: बजट सही जगह खर्च हो, खर्च 1.4 लागत रिकॉर्ड तालिका में वापस दर्ज किया जाए
तैयार हैं? पहला पाठ शुरू करें: पहला शॉट →