નૅરેટિવ વીડિયો કન્ટિન્યુઇટી માટે AI ને પ્રોમ્પ્ટ કેવી રીતે આપવું

તમે પાત્રો અને પરિવેશ માટે એક સખત દૃશ્યાત્મક એન્કર સ્થાપિત કરીને, અને પછી દરેક અલગ ક્લિપમાં કેમેરા પોઝિશન અને લાઈટિંગ પેરામીટર્સને સખતાઈથી નિયંત્રિત કરીને નેરેટિવ કોહરન્સ જાળવો છો. જનરેટિવ મોડેલ્સમાં ટેમ્પોરલ કન્સિસ્ટન્સી મોડેલ તમારી વાર્તા સમજે તેની આશા રાખવાથી પ્રાપ્ત થતી નથી; તે દરેક વિડિયો ક્લિપને એક સ્થિર, પૂર્વ-વ્યાખ્યાયિત દૃશ્યાત્મક સ્થિતિના અલગ રેન્ડરિંગ તરીકે ગણવાથી પ્રાપ્ત થાય છે.

જનરેટિવ વિડિયોમાં ટેમ્પોરલ ડિસકન્ટિન્યુટીની સમસ્યા

જનરેટિવ મોડેલ્સ પ્રોમ્પ્ટ અને મર્યાદિત કોન્ટેક્સ્ટ વિન્ડોના આધારે ફ્રેમ્સની આગાહી કરીને કામ કરે છે. તેમની પાસે પાછલા ક્લિપમાં તમારો પાત્ર કોણ હતો તેની સતત યાદશક્તિ હોતી નથી. જો તમે એક મહિલા રસ્તા પર ચાલતી હોય તેવું પાંચ સેકન્ડનું ક્લિપ જનરેટ કરો, અને પછી તેણી પાછું વળતી હોય તેવું બીજું પાંચ સેકન્ડનું ક્લિપ જનરેટ કરો, તો મોડેલ બીજા પ્રોમ્પ્ટને નવી, અલગ સૂચના તરીકે ગણે છે. સ્પષ્ટ મર્યાદાઓ વિના, તે તેણીની ચહેરાની લાક્ષણિકતાઓ, વાળનો રંગ, કપડાંની ટેક્સચર અથવા તો તેણીની ઊંચાઈ પણ બદલી નાખશે. આ ઘટનાને ટેમ્પોરલ ડિસ્કોન્ટિન્યુઇટી કહેવામાં આવે છે. મોડેલ વર્તમાન પ્રોમ્પ્ટમાં સંભવિતતા માટે ઓપ્ટિમાઈઝ કરે છે, વૈશ્વિક નેરેટિવ આઈડેન્ટિટી પ્રત્યેની નિષ્ઠા માટે નહીં. આનો ઉકેલ લાવવા માટે, તમારે અર્થઘટન માટે જગ્યા આપતી નેચરલ લેંગ્વેજ ડિસ્ક્રિપ્શન્સથી દૂર જવું પડશે અને ફેરફાર માટે કોઈ જગ્યા ન છોડતી કઠોર, ડિક્લેરેટિવ સ્પેસિફિકેશન્સ તરફ વળવું પડશે.

દૃશ્યમાન એન્કરનું વ્યાખ્યાન: પાત્ર અને પર્યાવરણ વર્ણકોને લોક કરવા

કોઈ પણ મોશન જનરેટ કરતાં પહેલાં, તમારે તમારા વિષયો અને સેટિંગની વિઝ્યુઅલ આઈડેન્ટિટી અત્યંત ચોકસાઈ સાથે વ્યાખ્યાયિત કરવી પડશે. દરેક પાત્ર માટે એક માસ્ટર ડિસ્ક્રિપ્ટર બનાવો. આ ડિસ્ક્રિપ્ટરમાં અપરિવર્તનીય ગુણોનો સમાવેશ થવો જોઈએ: ઉંમર, જાતિ, ચોક્કસ ચહેરાના ભાગો (ઉદા. તરીકે, "મજબૂત જોડલાઈન, ડાબી ભમર પર હળવો ઘા"), વાળની સ્ટાઈલ અને રંગ, અને કપડાંની વિગતો જેમાં પેટર્ન અને કટનો સમાવેશ થાય છે. "કૂલ આઉટફિટ" અથવા "મિસ્ટેરિયસ વુમન" જેવા અસ્પષ્ટ શબ્દોનો ઉપયોગ કરશો નહીં. તેના બદલે, "ગ્રે ચારકોલ વૂલ કોટ, ગળા સુધી બટન કરેલો, સાથે રેડ સિલ્ક સ્કાર્ફ" એવું સ્પષ્ટ કરો. આ ડિસ્ક્રિપ્ટર એકવાર લખો, અને તે પાત્ર સાથે સંકળાયેલા દરેક પ્રોમ્પ્ટમાં તેને કોપી-પેસ્ટ કરો.

પરિવેશો માટે પણ એ જ કરો. સ્થાનને અવકાશીય અને ટેક્સચરલ અચળાંકો સાથે વ્યાખ્યાયિત કરો. જો દૃશ્ય લાઇબ્રેરી હોય, તો શેલ્ફ પરની લાકડાનો પ્રકાર, કાર્પેટનો રંગ અને મુખ્ય પ્રકાશ સ્રોતની સ્થિતિ સ્પષ્ટ કરો. આ વર્ણકો તમારો વિઝ્યુઅલ એન્કર બનાવે છે. તે સ્થિર પાયો છે જેના પર બધી ગતિ બને છે. જો તમે ક્લિપ્સ વચ્ચે વર્ણક બદલો, તો તમે સતતતા તોડો છો. જો તમે વર્ણક છોડી દો, તો મોડેલ તેની પોતાની સાંખ્યિક સરેરાશથી ખાલી જગ્યા ભરી દેશે, જે તમારી પહેલી ક્લિપથી અલગ હશે.

કૅમેરા હલનચલન અને સ્પેશિયલ સંબંધો માટે પ્રોમ્પ્ટિંગ

કૅમેરા ભાષા એ જગ્યા છે જ્યાં મોટાભાગની નેરેટિવ બ્રેકડાઉન થાય છે. મોડેલ્સ ઘણીવાર "કૅમેરા ફોલો કરે છે" અથવા "પાન રાઈટ" ને અસ્પષ્ટ રીતે અર્થઘટન કરે છે, જેના પરિણામે દૃષ્ટિકોણ અથવા ઓરિએન્ટેશનમાં અચાનક જમ્પ્સ આવે છે. તમારે કૅમેરાની પોઝિશન, ઓરિએન્ટેશન અને મૂવમેન્ટ વેક્ટર સ્પષ્ટ રીતે વ્યાખ્યાયિત કરવા પડશે. "કૅમેરા પાત્ર સાથે હલે છે" એવું કહેવાને બદલે, "સ્ટેટિક મેડિયમ શોટ, આઈ-લેવલ, કૅમેરા પોઝિશન A પર ફિક્સ્ડ, પાત્ર ફ્રેમમાં ડાબેથી જમણી તરફ હલે છે" એવું સ્પેસિફાઈ કરો. જો તમને મૂવિંગ શોટની જરૂર હોય, તો પાથ વ્યાખ્યાયિત કરો: "ડોલી ફોરવર્ડ સ્લોલી, આઈ-લેવલ જાળવી રાખીને, પાત્રની પાછળ ટ્રેક કરતી હોય."

સ્પેશિયલ સંબંધો કૅમેરા સાથે લોક કરવા પડશે, ફક્ત એકબીજા સાથે નહીં. જો પાત્ર A પાત્ર B તરફ મોં કરીને ઊભો હોય, તો તેમની રિલેટિવ પોઝિશન અને ઓરિએન્ટેશન સ્પેસિફાઈ કરો. "પાત્ર A ફ્રેમના ડાબા ત્રીજા ભાગમાં ઊભો છે, જમણી તરફ મોં કરીને. પાત્ર B જમણા ત્રીજા ભાગમાં ઊભો છે, ડાબી તરફ મોં કરીને. તેઓ બે મીટર દૂર છે." આ જ્યોમેટ્રિક લોકિંગ મોડેલને શોટ્સ વચ્ચે પોઝિશન સ્વેપ કરવા અથવા એંગલ ઓફ એન્ગેજમેન્ટ બદલવાથી રોકે છે. ચહેરા અને શરીરની ઓરિએન્ટેશન ફિક્સ કરવા માટે "પ્રોફાઈલ વ્યૂ," "થ્રી-ક્વાર્ટર વ્યૂ," અને "ડાયરેક્ટ ફ્રન્ટલ" જેવા શબ્દોનો ઉપયોગ કરો.

લાઈટિંગ અને કલર ગ્રેડિંગ કન્સિસ્ટન્સી મેનેજ કરવી

લાઈટિંગ એ ક્રમિકતાનો સૌથી સૂક્ષ્મ પરંતુ મહત્વપૂર્ણ પાસો છે. જો ક્લિપ્સ વચ્ચે લાઈટ સોર્સનું સ્થાન અથવા તીવ્રતા બદલાય, તો છાયાઓ ખસી જશે, જેથી સિક્વન્સ બે અલગ ફિલ્મો જેવું લાગશે. માસ્ટર ડિસ્ક્રિપ્ટરમાં તમારું લાઈટિંગ સેટઅપ વ્યાખ્યાયિત કરો. પ્રાથમિક લાઈટ સોર્સ (ઉદા. "સિંગલ ઓવરહેડ ફ્લોરોસન્ટ ટ્યુબ, કૂલ વ્હાઈટ, 4000K"), છાયાઓની દિશા, અને એમ્બિયન્ટ ફિલ લાઈટ સ્પષ્ટ કરો. દરેક પ્રોમ્પ્ટમાં કલર ગ્રેડિંગ નિર્દેશો સામેલ કરો. જો તમારી નેરેટિવ નોયર હોય, તો "હાઈ કોન્ટ્રાસ્ટ, ડિસેચ્યુરેટેડ પેલેટ, ટીલ અને ઓરેન્જ શેડો ટોન્સ" સ્પષ્ટ કરો. જો તે ઉજ્જવળ અને ખુશખુશાલ હોય, તો "સોફ્ટ ડિફ્યુઝ્ડ ડેલાઈટ, વોર્મ હાઈલાઈટ્સ, લો કોન્ટ્રાસ્ટ" સ્પષ્ટ કરો. આ ગ્રેડિંગ પેરામીટર્સ સીનની બધી જ ક્લિપ્સમાં અચળ રહેવા જોઈએ. જો તમે નેરેટિવ અસર માટે લાઈટિંગમાં ફેરફાર ઇચ્છતા હોવ, તો તેને એક જાણીજોઈને કરેલો, પ્રોમ્પ્ટેડ ટ્રાન્ઝિશન બનાવો, અકસ્માતે થતો ડ્રિફ્ટ નહીં.

ક્લિપ્સને ચેઈન કરવી: એન્ડ-ફ્રેમ્સનો ઉપયોગ સ્ટાર્ટ-ફ્રેમ્સ તરીકે કરવો

ક્લિપ્સ વચ્ચે ક્રમિકતા જાળવવા માટેની સૌથી અસરકારક તકનીક એ છે ચેઈનિંગ. જ્યારે તમે સિક્વન્સ જનરેટ કરો, ત્યારે Clip 1 નો અંતિમ ફ્રેમ કાઢો અને તેને Clip 2 માટે સ્ટાર્ટિંગ ફ્રેમ અથવા રેફરન્સ ઈમેજ તરીકે વાપરો. આ મોડેલને પાછલી ક્લિપ જ્યાં સમાપ્ત થઈ હતી ત્યાંના ચોક્કસ વિઝ્યુઅલ સ્ટેટમાંથી જનરેશન શરૂ કરવા માટે મજબૂર કરે છે. જો નવી એક્શન માટે પ્રોમ્પ્ટ ટેક્સ્ટ થોડો બદલાય પણ, તો સ્ટાર્ટિંગ ફ્રેમનો વિઝ્યુઅલ એન્કર કેરેક્ટરની દેખાવ, લાઈટિંગ, અને કૅમેરા પોઝિશન લોક કરી દે છે. ક્રમિકતા માટે ફક્ત ટેક્સ્ટ પ્રોમ્પ્ટ્સ પર આધાર રાખવા કરતાં આ પદ્ધતિ શ્રેષ્ઠ છે કારણ કે તે મોડેલની આઈડેન્ટિટી ડિસ્ક્રિપ્ટર્સની સંભાવનાત્મક અર્થઘટનને બાયપાસ કરે છે. જો તમારું ટૂલ ઈમેજ-ટુ-વીડિયો અથવા કીફ્રેમ ઈન્ટરપોલેશનને સપોર્ટ કરતું હોય, તો તેનો ઉપયોગ કરો. જો ન હોય, તો પછીની ક્લિપની શરૂઆત પાછલી ક્લિપના અંત સાથે મેળ ખાતી હોય તેની ખાતરી કરવા માટે એન્ડ-ફ્રેમનો ઉપયોગ સ્ટાઈલ રેફરન્સ અથવા ઈનપેઈન્ટિંગ કન્સ્ટ્રેઈન્ટ તરીકે કરો.

સામાન્ય ભૂલો: મોશનને ઓવર-સ્પેસિફાઈ કરવું વિરુદ્ધ કોન્ટેક્સ્ટને અન્ડર-સ્પેસિફાઈ કરવું

ક્રિએટર્સ ઘણીવાર બે અત્યંત ટ્રેપમાં ફસાય છે. પહેલી છે મોશનને ઓવર-સ્પેસિફાઈ કરવું. જો તમે શરીરના દરેક મેક્રો-મૂવમેન્ટનું વર્ણન કરો—"શી બ્લિંક્સ, શી હેર વેઈટ શિફ્ટ કરે છે, હવામાં તેના વાળ ઝૂલે છે," તો મોડેલ ઓવરવ્હેલ્મ થઈ જાય છે અને કોર એક્શનને અવગણી શકે છે અથવા ભૌતિક રીતે અશક્ય પરિણામો જનરેટ કરી શકે છે. મોશન ડિસ્ક્રિપ્શન્સ હાઈ-લેવલ અને કાઈનેટિક રાખો: "વોક્સ ફોરવર્ડ," "ટર્ન્સ હેડ," "રેઝેસ આર્મ." મેક્રો-મેકેનિક્સ માટે મોડેલને છોડી દો.

બીજું છે કન્ટેક્સ્ટનું અનડર-સ્પેસિફિકેશન. જો તમે મોડેલ પર આધાર રાખો કે તે અસ્પષ્ટ પ્રોમ્પ્ટમાંથી પાત્રની ઓળખ અથવા દૃશ્યની લાઈટિંગ અનુમાનિત કરશે, તો તમે નિયંત્રણ ગુમાવો છો. જો તમે વિઝ્યુઅલ એન્કર ફરીથી ન દર્શાવો, તો તમે ધારી શકતા નથી કે મોડેલ પાછલા ક્લિપમાંથી પાત્રને યાદ રાખશે. જો તમે લાઈટિંગને સ્પષ્ટપણે મર્યાદિત ન કરો, તો તમે ધારી શકતા નથી કે લાઈટિંગ સુસંગત રહેશે. નિયમ સરળ છે: અપરિવર્તનીય (ઓળખ, લાઈટિંગ, કેમેરા પોઝિશન) ને અત્યંત વિગતવાર દર્શાવો, અને ચલ (ગતિ, ક્રિયા) ને ઉચ્ચ-સ્તરીય સંક્ષિપ્તતા સાથે દર્શાવો.