1. Veo-3 में प्रॉम्प्टिंग तकनीकें: टेक्स्ट बनाम JSON [0]

thumbnail

1.1. Veo-3 के छोटे अपडेट और JSON प्रॉम्प्टिंग का परिचय [5]

  1. Veo-3 के मामूली अपडेट:

    1. फ्लो प्लेटफॉर्म में सीन बिल्डर फ़ंक्शन में सुधार किए गए हैं, जिसमें अब ऑटोसेव सुविधा शामिल है [8]।
    2. Veo-3 में टेक्स्ट-टू-वीडियो अब सभी उम्र के विषयों के लिए आवाज़ें उत्पन्न करेगा, जो API के माध्यम से भी उपलब्ध होगा [10]।
    3. ये अपडेट मामूली हैं, लेकिन फ्लो प्लेटफॉर्म पर चल रहे काम को दर्शाते हैं, जिसमें बहुत अधिक क्षमता है [17]।
  2. JSON प्रॉम्प्टिंग का परिचय:

    1. JSON का अर्थ जावास्क्रिप्ट ऑब्जेक्ट नोटेशन है [20]।
    2. इसे जानकारी को श्रेणियों में व्यवस्थित करने के तरीके के रूप में समझा जा सकता है, जिससे मशीनों के लिए समझना आसान हो जाता है, लेकिन यह अभी भी मानव आँख के लिए पठनीय है [21]।
    3. JSON प्रारूप डगलस क्रॉकफोर्ड द्वारा बनाया गया था [22]।
    4. Veo-3 में JSON प्रॉम्प्टिंग की उत्पत्ति का कोई स्पष्ट उत्तर नहीं है; यह समुदाय के प्रयोगों के माध्यम से स्वाभाविक रूप से उभरा है [24]।
  3. JSON प्रॉम्प्टिंग में कोई मानकीकृत सूत्र नहीं:

    1. JSON प्रॉम्प्टिंग के भीतर कोई मानकीकृत सूत्र नहीं है [27]।
    2. उदाहरण के लिए, एक JSON प्रॉम्प्ट में दृश्य, क्रिया, कैमरा कोण, प्रकाश, पहलू अनुपात, और गति जैसी श्रेणियां शामिल हो सकती हैं [28]।
    3. परिणामी वीडियो IKEA से कुछ भी बनाने वाले किसी भी व्यक्ति को ईर्ष्या महसूस करा सकता है [31]।
    4. लेखक एक GBT जेम बिल्डर का उपयोग करता है जो इन श्रेणियों को एक साथ रखता है, और यह Gumroad पर मुफ्त में उपलब्ध है [32]।
  4. JSON प्रॉम्प्टिंग के लाभ:

    1. JSON प्रॉम्प्टिंग अंततः अधिक नियंत्रण प्रदान करता है [34]।
    2. प्राकृतिक भाषा का उपयोग करने पर, जैसे "एक तेज़ लाल स्पोर्ट्स कार", मॉडल को "तेज़", "लाल", या "स्पोर्ट्स कार" का क्या अर्थ है, यह तय करने के लिए बहुत सारे विकल्प मिलते हैं [35]।
    3. JSON प्रॉम्प्ट के साथ, लाल रंग के लिए एक हेक्स कोड और कार की गति जैसी विशिष्ट जानकारी दी जा सकती है [36]।

1.2. दक्षता और बहस: प्राकृतिक भाषा बनाम JSON प्रॉम्प्टिंग [37]

  1. दक्षता में अंतर:

    1. सरल प्रॉम्प्ट के लिए, प्राकृतिक भाषा वास्तव में अधिक कुशल होती है [37]।
    2. "एक लाल गुलाब का एक सिनेमाई शॉट" जैसे प्रॉम्प्ट में केवल 7-8 टोकन लगते हैं, जबकि उसी प्रॉम्प्ट का JSON आउटपुट 20-25 टोकन तक पहुँच जाता है [38]।
    3. हालांकि, लंबे, अधिक वर्णनात्मक प्रॉम्प्ट के साथ, JSON बेहतर प्रदर्शन करता है क्योंकि यह "ग्लू शब्द" जैसे लेख, पूर्वसर्ग और वर्णनात्मक वाक्यांशों को हटा देता है [38]।
  2. प्राकृतिक भाषा प्रॉम्प्ट के लिए बहस:

    1. प्राकृतिक भाषा प्रॉम्प्ट के लिए बहस जेसन ज़ादा के एक ट्वीट से शुरू हुई, जो फिल्म निर्माता हैं जिन्होंने V2 लघु फिल्म द गेटअवे और मैंडिंगो के लिए वुआंग वीडियो बनाया था [39]।
    2. ज़ादा ने JSON प्रॉम्प्टिंग को गैर-सहज या गैर-अभिव्यंजक कहा, इसकी तुलना एक्सेल का उपयोग करके प्रेम पत्र लिखने से की [40]।
    3. इसके बजाय, वह एक संरचना के साथ प्राकृतिक भाषा का उपयोग करने की वकालत करते हैं, यह ध्यान देते हुए कि वह LLM का उपयोग न करने के लिए नहीं कह रहे हैं, बल्कि एक संरचना के साथ प्राकृतिक भाषा और LLM का उपयोग करने के लिए कह रहे हैं [43]।
  3. आउटपुट में अंतर का परीक्षण:

    1. यह निर्धारित करने के लिए कि आउटपुट में कोई अंतर है या नहीं, कुछ क्रेडिट खर्च करके परीक्षण किए गए [46]।
    2. प्राकृतिक भाषा प्रॉम्प्ट का उपयोग करके पहला परीक्षण:
      1. "हरे टक्सीडो में आदमी" के लिए एक प्रॉम्प्ट का उपयोग किया गया, जिसे पहले "लाल पोशाक वाली महिला" द्वारा वेदी पर छोड़ दिया गया था [47]।
      2. प्रॉम्प्ट था: "वह मुझे छोड़ गई, लेकिन मैं अपना बदला लूँगा। मैं उस नीले व्यापार सूट वाले आदमी को ढूंढूंगा और उसे भुगतान कराऊंगा।" [49]।
      3. यह जेसन द्वारा उल्लिखित प्रॉम्प्ट संरचना का उपयोग करके जेमिनी 2.5 के माध्यम से चलाया गया था [53]।
      4. कुल मिलाकर, आउटपुट काफी ठोस था, हालांकि पृष्ठभूमि में थोड़ा गड़बड़ टेक्स्ट था [52]।
      5. प्राकृतिक भाषा संस्करण में, कैमरे को एक मध्यम शॉट से शुरू करने और धीरे-धीरे अंदर धकेलने के लिए कहा गया था, लेकिन ऐसा नहीं हुआ; इसके बजाय, अभिनेता कैमरे की ओर चला [60]।
    3. JSON प्रॉम्प्ट का उपयोग करके दूसरा परीक्षण:
      1. उसी आधार प्रॉम्प्ट को इस बार JSON प्रॉम्प्ट के माध्यम से चलाया गया [56]।
      2. आउटपुट भी काफी ठोस था और प्राकृतिक भाषा संस्करण के समान था [59]।
      3. JSON प्रॉम्प्ट में, एक एकल निरंतर धीमी गति से अंदर धकेलने के लिए कहा गया था, जो एक मध्यम शॉट से शुरू होकर एक तंग क्लोज-अप पर समाप्त होता है, और यह वास्तव में प्राप्त हुआ था [63]।

1.3. अतिरिक्त परीक्षण और JSON प्रॉम्प्टिंग के साथ अधिक दानेदार नियंत्रण [64]

  1. दूसरा टेक्स्ट-टू-वीडियो परीक्षण:

    1. एक और टेक्स्ट-टू-वीडियो परीक्षण किया गया, जिसमें 70 के दशक के अपराध/टैक्सी ड्राइवर का माहौल शामिल था [65]।
    2. प्राकृतिक भाषा आउटपुट काफी ठोस था [66]।
    3. JSON प्रॉम्प्ट के साथ भी यही प्रॉम्प्ट चलाया गया [69]।
    4. वास्तविक शॉट्स के संदर्भ में, दोनों लगभग एक-दूसरे के बराबर थे [70]।
    5. हालांकि, JSON संगीत संकेत में कमी थी, जो "फंकी बेसलाइन और शांत प्रतीकों के साथ एक तनावपूर्ण, न्यूनतम स्कोर" के प्रॉम्प्ट का हिस्सा था, लेकिन यह प्राप्त नहीं हुआ [71]।
    6. Veo-3 में संगीत के लिए कतारबद्ध करना हमेशा थोड़ा जोखिम भरा होता है [74]।
  2. अमूर्त प्रॉम्प्ट के साथ परीक्षण:

    1. टीएस एलियट की द वेस्टलैंड की शुरुआती पंक्तियों को एक सीधे टेक्स्ट प्रॉम्प्ट के रूप में चलाया गया [76]।
    2. आउटपुट ने "अप्रैल सबसे क्रूर महीना है", "ब्रीडिंग लिली", "डेड लैंड", "डल रूट्स", और "स्प्रिंग रेन" जैसी चीजों को उठाया [79]।
    3. JSON आउटपुट की तुलना में, जो थोड़ा गड़बड़ लग रहा था, विशेष रूप से जर्मन बोलने वाली महिला के साथ, JSON ने कविता के बहुत अधिक हिस्से को उठाया, जिसमें लिली से लेकर महिला के यह कहने तक कि वह रूसी नहीं है, वह लिथुआनिया से है, और यहां तक कि स्लेज पर बच्चे भी शामिल हैं [80]।
    4. हालांकि JSON प्रॉम्प्ट को आउटपुट करने के लिए LLM के माध्यम से एक अतिरिक्त स्तर की सोच से गुजरना पड़ता है, यह दर्शाता है कि JSON प्रारूप का उपयोग करके बहुत अधिक दानेदार नियंत्रण प्राप्त किया जा सकता है [82]।

1.4. इमेज-टू-वीडियो परीक्षण और समस्या निवारण [83]

  1. इमेज-टू-वीडियो परीक्षण:

    1. एक दृश्य का उपयोग किया गया जिसमें अग्रभूमि में दो पात्र बंकर और दुनिया के अंत पर चर्चा कर रहे थे [83]।
    2. लक्ष्य इसे एक स्थापित शॉट के रूप में रखना था और फिर उनके क्लोज-अप में काटना था, जिसमें Veo-3 बहुत अच्छा है [85]।
    3. प्राकृतिक भाषा टेक्स्ट प्रॉम्प्ट:
      1. प्रारंभिक सीधे प्राकृतिक भाषा टेक्स्ट प्रॉम्प्ट ने यह परिणाम दिया: "कृपया, आपको मेरी बात सुननी होगी। हमें बंकर तक पहुंचने की जरूरत है। यही एकमात्र तरीका है।" "मुझे पता है, लेकिन क्या यह वास्तव में सुरक्षित है?" [88]।
      2. यह काफी अच्छा था, एक HBO शो जैसा लग रहा था [91]।
      3. हालांकि, Veo ने पहले फ्रेम से उसी स्थान पर कूदने का काम किया, जिससे पूरी तरह से अलग शॉट मिले, और स्थापित शुरुआती शॉट नहीं मिला [93]।
    4. JSON प्रॉम्प्ट के साथ पुनः प्रयास:
      1. इसे JSON प्रॉम्प्ट के रूप में पुनः चलाने पर, यह सही नहीं निकला, लेकिन एक दिलचस्प चाल सामने आई [97]।
      2. प्रॉम्प्ट था: "बंकर हमारा एकमात्र मौका है।" "किसका मौका? आखिरी बचे रहने का।" [98]।
      3. परिणाम काफी ठोस था, सिवाय इसके कि एक काफी झटकेदार जंप कट था [100]।
      4. यह भी सवाल उठाया गया कि क्या बंकर उनके ठीक पीछे है, तो वे इसे क्यों ढूंढ रहे हैं [101]।
  2. समस्या निवारण के लिए LLM का उपयोग करना:

    1. एक जंप कट जैसी अवांछित आउटपुट को ठीक करने के लिए, वीडियो को जेमिनी (या किसी अन्य LLM) पर अपलोड किया जा सकता है और पूछा जा सकता है कि इसे ठीक करने के लिए एक प्रॉम्प्ट दिया जाए [102]।
    2. जेमिनी ने वास्तव में कट को ठीक कर दिया, हालांकि इसने एक और कट नहीं दिया, बल्कि एक पुश-इन दिया और पृष्ठभूमि में एक अजीब भेड़िया भी डाल दिया [105]।
    3. यह दर्शाता है कि जब वांछित आउटपुट नहीं मिल रहा हो तो LLM के साथ काम करने का यह एक तरीका है [109]।

1.5. JSON प्रॉम्प्टिंग की चुनौतियाँ और लाभ [111]

  1. JSON प्रॉम्प्टिंग की चुनौतियाँ:

    1. JSON प्रॉम्प्टिंग कभी-कभी निराशाजनक हो सकती है, खासकर जब किसी समस्या का निदान करने की कोशिश की जा रही हो [111]।
    2. नोयर जासूस का उदाहरण:
      1. एक "कठोर नोयर जासूस" के लिए एक प्राकृतिक भाषा प्रॉम्प्ट का उपयोग किया गया [112]।
      2. आउटपुट था: "यह मंगलवार था जब वह अंदर आई। मंगलवार को कभी कुछ अच्छा नहीं होता।" [115]।
      3. कुल मिलाकर, यह एक काफी ठोस आउटपुट था, हालांकि जासूस के लीवर के बारे में चिंता थी क्योंकि वह अपने तीसरे गिलास पर था और सूरज अभी तक अस्त नहीं हुआ था [117]।
      4. उसी प्रॉम्प्ट के JSON आउटपुट में एक समस्या थी [122]।
      5. आउटपुट था: "यह मंगलवार था जब वह अंदर आई। मंगलवार को कभी कुछ अच्छा नहीं होता।" [123]।
      6. यह एक "क्राइम नोयर, कंट्री, म्यूजिकल" जैसा लग रहा था, और यह पता लगाना मुश्किल था कि ऐसा क्यों हुआ [125]।
      7. जेमिनी भी इसका पता नहीं लगा पाई [126]।
      8. यह पता चला कि वॉयसओवर, "ग्रैली एंड टायर्ड" और लगातार बजने वाली पृष्ठभूमि की धुन के बीच कुछ संयोजन के कारण कंट्री संगीत बजने लगा [127]।
  2. JSON प्रॉम्प्टिंग का एक अतिरिक्त लाभ (हैक):

    1. JSON प्रॉम्प्टिंग के साथ एक हैक का उपयोग किया जा सकता है: यदि एक इमेज प्रॉम्प्ट का उपयोग किया जाता है, तो "तुरंत पूरी तरह से अलग स्थिति में कट" जैसा प्रॉम्प्ट का उपयोग किया जा सकता है [129]।
    2. अक्सर, उस छवि के गुण फिर आगे बढ़ेंगे [131]।
    3. यह हमेशा काम नहीं करता है, खासकर पात्रों के साथ, जहां चरित्र प्रारंभिक वातावरण में ही रह सकता है [132]।
    4. हालांकि, JSON प्रॉम्प्टिंग के साथ, एक छवि को साइबरपंक सेटिंग में ले जाया जा सकता है [133]।
    5. या, चरित्र एक कार्यालय अस्थायी के रूप में एक गिग उठा सकता है [134]।
    6. "दृश्य विवरण" जैसे JSON प्रॉम्प्ट का उपयोग करके, इसे शून्य से शून्य सेकंड पर समयबद्ध करके, और फिर प्रॉम्प्ट को पूरी तरह से बदलकर, सफलता दर बहुत अधिक प्रतीत होती है [136]।

1.6. निष्कर्ष: कोई स्पष्ट विजेता नहीं [137]

  1. कोई स्पष्ट विजेता नहीं:
    1. प्राकृतिक भाषा प्रॉम्प्टिंग या JSON प्रॉम्प्टिंग के बीच कोई स्पष्ट विजेता नहीं है [137]।
    2. प्रॉम्प्ट करने का कोई सही या गलत तरीका नहीं है; प्रयोग करना और यह देखना महत्वपूर्ण है कि कौन सा अधिक पसंद आता है [138]।
    3. दर्शकों को यह बताने के लिए प्रोत्साहित किया जाता है कि उन्हें किसके साथ अधिक सफलता मिली है [140]।

2. Teachable: ज्ञान साझा करने के लिए एक मंच [142]

thumbnail
  1. Teachable का परिचय:

    1. Teachable एक ऑनलाइन शिक्षा मंच है जो AI सामग्री निर्माण समुदाय के सदस्यों को अपने ज्ञान को दूसरों के साथ साझा करने में मदद करता है [143]।
    2. यह ऑनलाइन शिक्षा क्षेत्र का एक मुख्य आधार रहा है [148]।
  2. नई AI कोर्स करिकुलम जनरेटर सुविधा:

    1. Teachable ने हाल ही में एक AI कोर्स करिकुलम जनरेटर लॉन्च किया है जो उपयोगकर्ताओं को उनके पाठ्यक्रम को बनाने और उसकी रूपरेखा तैयार करने में मदद करता है [149]।
    2. उदाहरण के लिए, एक मिडजर्नी प्रॉम्प्टिंग कोर्स का वर्णन करके, जो छात्रों को छवि निर्माण की मूल बातें से लेकर उन्नत कमांड और फिर वीडियो तक ले जाता है, AI एक पूरा कोर्स आउटलाइन उत्पन्न कर सकता है [150]।
    3. यह ध्यान रखना महत्वपूर्ण है कि Teachable वास्तव में पाठ्यक्रम नहीं बनाता है; यह अभी भी उपयोगकर्ता का काम है, लेकिन यह प्रक्रिया को बहुत आसान बनाता है [154]।
  3. पाठ्यक्रम निर्माण और प्रबंधन:

    1. उपयोगकर्ता टेक्स्ट, छवियों, वीडियो या ऑडियो जैसी सामग्री जोड़ सकते हैं [157]।
    2. प्रत्येक व्यक्तिगत अनुभाग के लिए क्विज़ भी उत्पन्न किए जा सकते हैं [158]।
    3. पाठ्यक्रम को एक पेशेवर रूप देने के लिए डिज़ाइन टेम्पलेट उपलब्ध हैं [159]।
    4. Teachable असीमित संख्या में छात्रों को प्रबंधित करने के लिए कई अन्य उपकरण प्रदान करता है [162]।
    5. इसमें एक ऐप हब है जो कैलेंडर, जैपियर और मेलचिंप जैसे विभिन्न एकीकरणों की अनुमति देता है [163]।
  4. भुगतान और पहुंच:

    1. Teachable Teachable Pay के माध्यम से बेचे गए किसी भी पाठ्यक्रम के लिए बहुत जल्दी भुगतान करता है, जो विश्व स्तर पर उपलब्ध है [168]।
    2. Teachable मंच पर वह सब कुछ प्रदान करता है जिसकी आवश्यकता होती है [169]।
  5. विशेष प्रस्ताव:

    1. Teachable ने एक विशेष 30-दिवसीय विस्तारित मुफ्त परीक्षण दिया है [172]।
    2. उपयोगकर्ताओं को अपने ज्ञान को साझा करने के लिए भुगतान प्राप्त करना शुरू करने के लिए विवरण में दिए गए लिंक पर क्लिक करने के लिए प्रोत्साहित किया जाता है [173]।
    3. Teachable ने वीडियो को प्रायोजित किया [174]।

3. Kling का नया नोड-आधारित वर्कफ़्लो: Kling Lab [175]

thumbnail
  1. Kling Lab का परिचय:

    1. Kling ने एक पूरी तरह से नया वर्कफ़्लो पेश किया है जिसे Kling Lab कहा जाता है [176]।
    2. यह वर्तमान में बहुत शुरुआती पहुंच में है, और व्यापक रिलीज से कम से कम 2 सप्ताह पहले होने की उम्मीद है [177]।
    3. यह एक नोड-आधारित वर्कफ़्लो होगा [181]।
  2. Kling Lab की कार्यक्षमता:

    1. लेखक को इसके साथ खेलने के लिए बहुत अधिक समय नहीं मिला है, लेकिन यह एक पहली झलक है [182]।
    2. यह एक टेक्स्ट बॉक्स से शुरू हो सकता है जो इमेज जनरेटर रंगों में जा सकता है, फिर इमेज प्रीव्यू और फिर वीडियो में जा सकता है [185]।
    3. प्रत्येक वीडियो को अलग-अलग देखा जा सकता है [187]।
  3. नई सुविधाएँ:

    1. Kling Lab में कुछ नई सुविधाएँ जोड़ी जा रही हैं, जैसे को-पायलट, जो एक रचनात्मक सहायक के रूप में कार्य करता है [188]।
    2. को-पायलट छवि और वीडियो सामग्री का विश्लेषण कर सकता है [189]।
    3. इस एसेट नोड सिस्टम का उपयोग करने का एक अतिरिक्त बोनस यह है कि कई संपत्तियों को संयोजित किया जा सकता है और फिर उससे एक आउटपुट बनाया जा सकता है [191]।
  4. नोड-आधारित वर्कफ़्लो पर विचार:

    1. नोड-आधारित वर्कफ़्लो सभी के पसंदीदा नहीं होते हैं, लेकिन लेखक को यह एक दिलचस्प कार्य शैली लगती है जो कभी-कभी अप्रत्याशित परिणाम दे सकती है [193]।
    2. Kling Lab वर्तमान में थोड़ा सीमित है क्योंकि यह अभी शुरुआती चरण में है [194]।
    3. इसमें बहुत सारे आउटपुट हैं लेकिन बहुत सारे इनपुट नहीं हैं, जो उम्मीद है कि अधिक सुविधाएँ जोड़े जाने पर विकसित होगा [198]।
    4. लेखक Kling Lab को आज़माने के लिए उत्साहित है [200]।
  5. नियमित Kling इंटरफ़ेस की निरंतरता:

    1. जो लोग नोड-आधारित वर्कफ़्लो को नापसंद करते हैं, उनके लिए नियमित Kling कहीं नहीं जा रहा है [201]।
    2. मानक Kling इंटरफ़ेस का अभी भी उपयोग किया जा सकता है; Kling Lab काम करने का एक अलग तरीका है [203]।
    3. लेखक को उम्मीद है कि समय के साथ यह अपनी चीज़ में विकसित होगा [204]।
    4. लेखक अगले सप्ताह Kling Lab पर एक गहरी नज़र के साथ वापस आएगा [205]।

4. मिडजर्नी समाचार और हैक्स [207]

thumbnail
  1. मिडजर्नी वीडियो अपडेट:

    1. मिडजर्नी वीडियो के लिए जल्द ही 720p में जनरेट करना संभव होगा [208]।
    2. यह क्रिस्टोफर फ्रायन द्वारा देखा गया था और कल के कार्यालय समय में इसका उल्लेख किया गया था [209]।
    3. 720p मोड के अलावा, टर्बो मोड भी आने वाला है [211]।
    4. अतिरिक्त सुविधाओं में स्टार्ट और एंड फ्रेम और एक लूपिंग सुविधा शामिल होगी [213]।
    5. ये सभी बहुत अच्छी खबर हैं, क्योंकि मिडजर्नी वीडियो मॉडल मनोरंजक है, लेकिन 480 रास्टर आकार छोटा है [214]।
    6. 720p आउटपुट होने से अपस्केलर या टोपाज़ के एस्ट्रा जैसे रचनात्मक वीडियो अपस्केलर को चीजों को बड़ा करते समय अधिक काम करने को मिलेगा [219]।
  2. मिडजर्नी API:

    1. ऐसा लगता है कि मिडजर्नी API भी जल्द ही एक वास्तविकता बनने वाला है [221]।
  3. मिडजर्नी हैक/ट्रिक: अजीब पहलू अनुपात में वीडियो जनरेट करना:

    1. मिडजर्नी अजीब पहलू अनुपात में छवियां उत्पन्न कर सकता है, जैसे 1:18 [222]।
    2. यह पता चला है कि वीडियो को भी उन अजीब पहलू अनुपात में उत्पन्न किया जा सकता है [223]।
    3. हालांकि यह स्पष्ट नहीं है कि इसका उपयोग किस लिए किया जाएगा, यह देखने में अच्छा लगता है और इसे एक इंस्टॉलेशन पीस के रूप में एक साथ स्टैक किया जा सकता है [224]।
    4. लेखक किसी अन्य वीडियो जनरेटर के बारे में नहीं सोच सकता जो इतने अजीब पहलू अनुपात में उत्पन्न करेगा [228]।
    5. संख्याओं को प्लग इन करके और यह देखकर कि क्या होता है, प्रयोग करना मजेदार है [229]।