PixVerse पर Gemini Omni Flash: चरण-दर-चरण प्रॉम्प्ट वर्कफ़्लो

Gemini Omni Flash, PixVerse पर उपलब्ध वीडियो मॉडल विकल्पों में से एक है, और जनरेट करने से पहले थोड़ी योजना बनाने से नतीजे में साफ फर्क पड़ता है। इस ट्यूटोरियल में एक दोहराया जा सकने वाला वर्कफ़्लो बताया गया है: इनपुट टाइप चुनना, अवधि और आस्पेक्ट रेशियो तय करना, एक संरचित प्रॉम्प्ट बनाना, और आउटपुट को किस्मत के भरोसे नहीं बल्कि एक प्रोडक्शन एसेट की तरह जांचना।

आप इसी वर्कफ़्लो को टेक्स्ट-टू-वीडियो, इमेज-टू-वीडियो, या कई रेफरेंस इमेज वाले जनरेशन के लिए भी अपना सकते हैं, फिर नतीजे की तुलना PixVerse वर्कस्पेस के अन्य मॉडलों से करें, जिनमें PixVerse V6 और PixVerse C1 शामिल हैं, इससे पहले कि आप तय करें कि कौन-सा क्लिप इस्तेमाल करना है।

शुरू करने से पहले: यह वर्कफ़्लो क्या कवर करता है

PixVerse पर मौजूदा Gemini Omni Flash इंटीग्रेशन एक जनरेशन वर्कफ़्लो है, न कि वह पूरी बातचीत-आधारित एडिटिंग सुविधा जो Google अपने API के लिए दस्तावेज़ में बताता है। इन सीमाओं को पहले से जानने से आप एक ऐसी शॉट लिस्ट बनाने से बच जाते हैं जिसे मॉडल फिलहाल PixVerse पर पूरा नहीं कर सकता।

क्षमता	आज PixVerse पर उपलब्ध	योजना के लिए नोट
टेक्स्ट-टू-वीडियो	हां	मौलिक कॉन्सेप्ट और त्वरित क्रिएटिव टेस्ट के लिए अच्छा है।
इमेज-टू-वीडियो	हां	स्थिर इमेज (प्रोडक्ट, पोस्टर, स्केच) को मोशन में बदलने के लिए अच्छा है।
रेफरेंस इमेज-टू-वीडियो	हां, 5 इमेज तक	प्रॉम्प्ट में हर एक को `@image1` से `@image5` के रूप में रेफर करें।
क्लिप की अवधि	3-10 सेकंड	वह सबसे छोटी अवधि चुनें जो फिर भी आइडिया को स्पष्ट रूप से बता सके।
आउटपुट	720p, 16:9 या 9:16	जनरेट करने से पहले लक्षित चैनल के अनुसार आस्पेक्ट रेशियो चुनें।
ऑडियो	प्रॉम्प्ट-नियंत्रित, वीडियो के साथ सिंक्रोनाइज़्ड	आप टेक्स्ट प्रॉम्प्ट के ज़रिए माहौल, इफेक्ट्स या साइलेंस तय करते हैं।
नेचुरल-लैंग्वेज एडिटिंग, एक्सटेंशन, ट्रांज़िशन, वीडियो/वॉइस रेफरेंस	PixVerse पर अभी उपलब्ध नहीं	जब ये कंट्रोल प्राथमिकता हों तो किसी दूसरे PixVerse मॉडल का इस्तेमाल करें।

चरण 1: अपने मॉडल के रूप में Gemini Omni Flash चुनें

PixVerse जनरेशन स्क्रीन पर मॉडल सिलेक्टर खोलें और अगर आपकी प्लान में उपलब्ध है तो Gemini Omni Flash चुनें। चूंकि PixVerse कई मॉडलों को साथ-साथ रखता है, आप एक ही ब्रीफ को पहले Gemini Omni Flash पर चला सकते हैं और फिर किसी दूसरे मॉडल पर, यह देखने के लिए कि आपके खास शॉट के लिए कौन-सा बेहतर काम करता है।

अगर Gemini Omni Flash अभी नहीं दिख रहा है, तो अपने अकाउंट टियर और ऐप के अंदर रोलआउट नोटिस को जांचें — उपलब्धता और क्रेडिट लागत बदल सकती है, इसलिए इस गाइड की बजाय ऐप के अंदर मॉडल सिलेक्टर को नवीनतम स्रोत मानें।

चरण 2: अपना शुरुआती बिंदु तय करें

आपकी प्रॉम्प्ट रणनीति पूरी तरह इस बात पर निर्भर करती है कि आप किस सामग्री से शुरुआत कर रहे हैं:

टेक्स्ट-टू-वीडियो — सबसे अच्छा तब जब बनाने के लिए कोई मौजूदा एसेट न हो: नए कॉन्सेप्ट, सोशल क्लिप्स, त्वरित विज्ञापन ड्राफ्ट, समझाने वाले विज़ुअल।
इमेज-टू-वीडियो — सबसे अच्छा तब जब आपके पास पहले से एक स्थिर इमेज हो जिसे सीन का आधार बनना है: प्रोडक्ट फोटो, की-विज़ुअल, पोस्टर, पैकेजिंग।
रेफरेंस इमेज-टू-वीडियो — सबसे अच्छा तब जब कई इमेज मिलकर नतीजे को गाइड करें। पांच तक JPEG/PNG फाइलें अपलोड करें और प्रॉम्प्ट में हर एक को अलग-अलग नाम दें (@image1, @image2 आदि), यह स्पष्ट रूप से बताते हुए कि हर इमेज क्या नियंत्रित करती है — विषय, रंग पैलेट, लाइटिंग, पोज़।

चरण 3: पहले अवधि और आस्पेक्ट रेशियो तय करें

प्रॉम्प्ट लिखने से पहले इन्हें सेट करें, क्योंकि ये तय करते हैं कि टेक्स्ट को कितनी कहानी बतानी है।

अवधि: एक ही प्रोडक्ट मोमेंट के लिए 5-6 सेकंड काफी है; शुरुआत, मध्य और अंत (कैरेक्टर इंट्रो, स्पष्टीकरण) के लिए 8-10 सेकंड जगह देते हैं।
आस्पेक्ट रेशियो: TikTok, Reels और Shorts के लिए 9:16; YouTube, लैंडिंग पेज और प्रेजेंटेशन के लिए 16:9। एक मास्टर क्लिप को कई फॉर्मेट में फिट करने के लिए क्रॉप करने की बजाय हर रेशियो को अलग जॉब के रूप में जनरेट करें।

चरण 4: प्रॉम्प्ट को एक छोटे प्रोडक्शन ब्रीफ की तरह बनाएं

एक प्रॉम्प्ट जो सिर्फ माहौल बताता है (“इसे प्रीमियम दिखाओ”) वह मॉडल को उस प्रॉम्प्ट से कहीं कम जानकारी देता है जो सीन को स्पष्ट रूप से बताता है। इन तत्वों पर क्रम से काम करें:

विषय — वह व्यक्ति, प्रोडक्ट या वस्तु जो फ्रेम का आधार है।
एक्शन — क्लिप के दौरान भौतिक रूप से क्या बदलता है।
कैमरा — क्लोज़-अप, वाइड, पुश-इन, ऑर्बिट, हैंडहेल्ड, ओवरहेड, लॉक्ड-ऑफ।
लाइटिंग और मूड — दिन की रोशनी, नियॉन, सॉफ्ट स्टूडियो लाइट, ड्रामैटिक, चंचल।
वातावरण — स्थान, प्रॉप्स, मौसम, सामग्री, टेक्सचर।
ऑडियो — माहौल, इफेक्ट्स, संगीत का मूड, या स्पष्ट रूप से “कोई संवाद नहीं”।
समय — 6-7 सेकंड से लंबे किसी भी क्लिप के लिए किस सेकंड में क्या होता है।
सीमाएं — क्या टालना है: लोगो, अतिरिक्त टेक्स्ट, सीन कट, सेलिब्रिटी जैसी समानता।

भरने के लिए एक सरल टेम्पलेट:

[अवधि] [आस्पेक्ट रेशियो] का एक वीडियो बनाएं। विषय है [विशिष्ट विषय]। एक्शन है [विशिष्ट मूवमेंट]। कैमरा [मूवमेंट और फ्रेमिंग]। वातावरण है [स्थान, लाइटिंग, सामग्री, प्रॉप्स]। ऑडियो: [माहौल, इफेक्ट्स, संगीत का मूड, या साइलेंस]। सीमाएं: [क्या बनाए रखना है, क्या टालना है]।

जब जरूरत हो तो एक सतत शॉट के लिए स्पष्ट रूप से कहें

बिना निर्देश के, Gemini Omni Flash एक ही क्लिप के अंदर कई मिनी-शॉट्स के बीच कट कर सकता है। प्रोडक्ट शॉट्स, फैशन मूवमेंट, या किसी भी ऐसी स्थिति के लिए जहां कट कंटीन्यूइटी को तोड़ देगा, प्रॉम्प्ट में सीधे “single continuous shot” (एकल सतत शॉट), “no scene cuts” (कोई सीन कट नहीं), या “one unbroken take” (एक अखंड टेक) जोड़ें।

हर बार प्रॉम्प्ट में ऑडियो दिशा लिखें

चूंकि ऑडियो वीडियो के साथ सिंक्रोनाइज़्ड जनरेट होता है, इसे किस्मत पर न छोड़ें। जो माहौल या इफेक्ट्स आप चाहते हैं उन्हें बताएं (हल्की क्लिक्स, कमरे का टोन, भीड़ की ऊर्जा), और अगर क्लिप बिना शब्दों के रहनी चाहिए तो “no dialogue” (कोई संवाद नहीं) लिखें। किसी खास गाने, कलाकार, या पहचानी हुई आवाज़ की शैली मांगने से बचें — इसके बजाय मूड का वर्णन करें।

कई पलों वाली क्लिप के लिए टाइमकोड जोड़ें

8-10 सेकंड की क्लिप में जिनमें एक से ज़्यादा कहानी के पल हों, टाइमकोड वाले निर्देश मॉडल को आपकी संरचना के करीब रखने में मदद करते हैं:

[0-2s] मेज़ पर प्रोडक्ट को स्थापित करें। [2-5s] कैमरा आगे बढ़ता है जबकि रोशनी सतह पर पड़ती है। [5-8s] प्रोडक्ट थोड़ा घूमता है और एक साफ अंतिम फ्रेम पर टिक जाता है।

इसे दो या तीन पलों तक सीमित रखें — 10 सेकंड की विंडो में बहुत कुछ भरने से सबसे महत्वपूर्ण एक्शन धुंधला हो जाता है।

बताएं कि हर रेफरेंस इमेज क्या करती है

अगर आप एक से ज़्यादा रेफरेंस इमेज इस्तेमाल कर रहे हैं, तो अस्पष्टता सबसे बड़ी दुश्मन है। हर इमेज की भूमिका स्पष्ट रूप से बताएं:

@image1 को सटीक प्रोडक्ट रेफरेंस के रूप में इस्तेमाल करें — बोतल का आकार, कैप का रंग, और लेबल की जगह बनाए रखें। @image2 को केवल लाइटिंग और बैकग्राउंड मूड रेफरेंस के रूप में इस्तेमाल करें। @image2 से कोई लोगो या व्यक्ति न लें।

चरण 5: जनरेट करें, फिर फैन नहीं बल्कि प्रोड्यूसर की तरह समीक्षा करें

जब क्लिप रेंडर हो जाए, तो इसे केवल पहली नज़र के प्रभाव से नहीं बल्कि उस काम के आधार पर आंकें जो इसे करना है। जांचें:

क्या विषय/प्रोडक्ट पूरी क्लिप में विज़ुअली एक जैसा बना रहा?
स्क्रीन पर मौजूद टेक्स्ट, अगर कोई है, पढ़ने योग्य है या बिगड़ा हुआ?
क्या ऑडियो वाकई स्क्रीन पर हो रही मूवमेंट से मेल खाता है?
क्या अंतिम फ्रेम थंबनेल या कट पॉइंट के रूप में इस्तेमाल किया जा सकता है?

व्यावसायिक इस्तेमाल के लिए, अधिकारों से जुड़े मुद्दों की भी जांच करें — किसी असली व्यक्ति की समानता, ब्रांड लोगो, या पहचानने योग्य गाने या आवाज़ पर आधारित किसी भी चीज़ से बचें। Gemini Omni Flash सुरक्षा और वॉटरमार्किंग को कैसे संभालता है, इस पर गहराई से जानने के लिए हमारा Gemini Omni Flash ओवरव्यू देखें।

शुरुआत के लिए पांच प्रॉम्प्ट रेसिपी

इन्हें शुरुआती टेम्पलेट के रूप में इस्तेमाल करें, फिर अपने खुद के प्रोडक्ट, विषय और सीमाओं से बदलें।

रेसिपी 1: प्रोडक्ट फोटो से वर्टिकल विज्ञापन

सेटअप: 9:16, 6-8 सेकंड, इमेज-टू-वीडियो या एक प्रोडक्ट रेफरेंस इमेज।

@image1 को सटीक प्रोडक्ट रेफरेंस के रूप में इस्तेमाल करते हुए 8 सेकंड का 9:16 प्रोडक्ट वीडियो बनाएं। प्रोडक्ट का आकार, कैप, रंग, लेबल की जगह और सिल्हूएट बनाए रखें। प्रोडक्ट सूर्योदय के समय एक गीली गहरे रंग की पत्थर की सतह पर खड़ा है। [0-2s] सतह पर पानी की बूंदों का मैक्रो क्लोज़-अप। [2-5s] कैमरा धीरे-धीरे पीछे हटता है जबकि गर्म रोशनी किनारों को छूती है। [5-8s] प्रोडक्ट थोड़ा घूमता है और केंद्र में टिक जाता है। ऑडियो: नरम पानी की बूंदें, हल्का कमरे का टोन, कोई संवाद नहीं। सीमाएं: कोई अतिरिक्त लोगो नहीं, कोई अतिरिक्त टेक्स्ट नहीं, कोई सीन कट नहीं।

रेसिपी 2: शैक्षिक स्पष्टीकरण

सेटअप: 16:9 या 9:16, 8-10 सेकंड, टेक्स्ट-टू-वीडियो।

एक गहरे रंग की मेज़ पर पेपर-क्राफ्ट शैली का इस्तेमाल करते हुए, यह बताने वाला 10 सेकंड का 16:9 स्पष्टीकरण बनाएं कि सोलर पैनल सूरज की रोशनी को बिजली में कैसे बदलता है। [0-3s] कागज़ का एक सूरज नीले पैनल की ओर किरणें भेजता है। [3-6s] चमकते हुए बिंदु एक बनाए गए सर्किट के साथ चलते हैं। [6-10s] एक छोटा कागज़ का घर धीरे से जगमगाता है। कैमरा: लॉक्ड-ऑफ ओवरहेड शॉट के साथ छोटी स्टॉप-मोशन मूवमेंट। टेक्स्ट: केवल “sunlight”, “panel”, “electricity”, बिल्कुल सही स्पेलिंग में। ऑडियो: कागज़ की नरम आवाज़, एक छोटी घंटी, कोई वॉयसओवर नहीं। सीमाएं: कोई अतिरिक्त शब्द नहीं, कोई इंसानी हाथ नहीं, कोई लोगो नहीं।

रेसिपी 3: रेफरेंस इमेज से कैरेक्टर इंट्रोडक्शन

सेटअप: 16:9, 8-10 सेकंड, तीन तक रेफरेंस इमेज।

एक ओरिजिनल कैरेक्टर का 9 सेकंड का 16:9 इंट्रो बनाएं। @image1 को पहचान रेफरेंस के रूप में इस्तेमाल करें — चेहरे का आकार, हेयरस्टाइल, जैकेट का रंग और सिल्हूएट बनाए रखें। @image2 को केवल लाइटिंग और शहरी बैकग्राउंड मूड के लिए इस्तेमाल करें। कैरेक्टर शाम के समय एक छत पर खड़ा है, कैमरे की ओर मुड़ता है, और एक छोटा चमकता हुआ डिवाइस उठाता है। कैमरा: धीमा मीडियम शॉट पुश-इन, एकल सतत शॉट। लाइटिंग: नीला शाम का आसमान, गर्म रिम लाइट। ऑडियो: दूर का शहरी माहौल, डिवाइस से एक नरम इलेक्ट्रॉनिक गुनगुनाहट। सीमाएं: केवल ओरिजिनल कैरेक्टर, कोई फ्रेंचाइज़ी संदर्भ नहीं, कोई लोगो नहीं, कोई संवाद नहीं।

रेसिपी 4: ऐप हीरो लूप

सेटअप: 16:9, 6-8 सेकंड, टेक्स्ट-टू-वीडियो।

एक AI प्लानिंग ऐप के लिए 7 सेकंड का 16:9 हीरो लूप बनाएं। एक पारदर्शी तैरता हुआ टाइमलाइन इंटरफेस एक साफ डेस्क के ऊपर मंडराता है, जिसमें एब्सट्रैक्ट कार्ड्स और लाइनें एक शांत साप्ताहिक योजना में व्यवस्थित होती हैं। कैमरा: धीमा बाएं-से-दाएं स्लाइडर मूवमेंट, कम डेप्थ ऑफ फील्ड, एकल सतत शॉट। लाइटिंग: प्राकृतिक सुबह की रोशनी, नरम छाया, टील और गर्म पीले रंग के एक्सेंट। ऑडियो: हल्की इंटरफेस क्लिक्स, नरम एम्बिएंट टोन। टेक्स्ट: कोई पढ़ने योग्य ऐप नाम या टास्क टेक्स्ट नहीं। अंतिम फ्रेम को शुरुआती फ्रेम से मेल खाना चाहिए ताकि क्लिप आसानी से लूप हो सके।

रेसिपी 5: फैशन लुकबुक मूड वीडियो

सेटअप: 9:16, 8-10 सेकंड, रेफरेंस इमेज-टू-वीडियो।

10 सेकंड की 9:16 फैशन लुकबुक क्लिप बनाएं। @image1 को आउटफिट रेफरेंस के रूप में इस्तेमाल करें — कोट की लंबाई, फैब्रिक की टेक्सचर, रंग पैलेट और जूतों की स्टाइल बनाए रखें। @image2 को केवल स्टूडियो लाइटिंग के लिए इस्तेमाल करें। एक काल्पनिक मॉडल एक कंक्रीट स्टूडियो में चलता है, रुकता है, कैमरे की ओर एक कंधा घुमाता है जबकि कोट कदम के साथ स्वाभाविक रूप से हिलता है। कैमरा: वर्टिकल फुल-बॉडी फ्रेमिंग, स्मूद डॉली मूवमेंट, कोई सीन कट नहीं। लाइटिंग: बाईं ओर से बड़ा सॉफ्टबॉक्स। ऑडियो: शांत स्टूडियो माहौल, नरम कदमों की आवाज़, कोई संवाद नहीं। सीमाएं: काल्पनिक मॉडल, कोई सेलिब्रिटी जैसी समानता नहीं, कोई ब्रांड लोगो नहीं।

अक्सर पूछे जाने वाले सवाल

क्या मुझे खासतौर पर Gemini Omni Flash इस्तेमाल करना होगा, या मैं किसी दूसरे PixVerse मॉडल का इस्तेमाल कर सकता हूं?

Gemini Omni Flash, PixVerse द्वारा दिए जाने वाले कई विकल्पों में से एक है। यह सिंक्रोनाइज़्ड ऑडियो और मल्टी-इमेज रेफरेंस कंट्रोल वाले प्रॉम्प्ट-आधारित सीन के लिए बढ़िया है; अगर एक्सटेंशन, ट्रांज़िशन, या लंबे फॉर्म वाले एडिट प्राथमिकता हैं, तो जब तक ये फीचर Gemini Omni Flash में नहीं आते, तब तक दूसरे PixVerse मॉडल बेहतर हो सकते हैं।

मैं कितनी रेफरेंस इमेज अपलोड कर सकता हूं?

प्रति जनरेशन पांच तक JPEG या PNG इमेज, जिन्हें आपके प्रॉम्प्ट में अलग-अलग @image1 से @image5 के रूप में रेफर किया जाता है।

मुझे किस तरह के रिज़ॉल्यूशन और अवधि की उम्मीद करनी चाहिए?

मौजूदा PixVerse इंटीग्रेशन 720p वीडियो देता है, जो 3 से 10 सेकंड लंबा होता है, 16:9 या 9:16 में।

क्या मुझे स्क्रीन पर सटीक टेक्स्ट मिल सकता है?

प्रॉम्प्ट में स्क्रीन टेक्स्ट को छोटा और स्पष्ट रखें (सटीक शब्द, उद्धरण चिह्नों में), और ध्यान से समीक्षा करने के लिए समय निकालें — सटीक टाइपोग्राफी अभी भी एक ऐसा क्षेत्र है जहां नतीजे बदल सकते हैं।

क्या वीडियो एक्सटेंशन या ट्रांज़िशन अभी सपोर्टेड है?

PixVerse के मौजूदा Gemini Omni Flash वर्कफ़्लो में अभी नहीं। जब एक्सटेंशन, ट्रांज़िशन, या वीडियो/वॉइस रेफरेंस प्राथमिकता हो, तो किसी दूसरे PixVerse मॉडल का इस्तेमाल करें।