प्रोडक्ट का एक अच्छा एंगल
एक सपाट, समान रोशनी वाला शॉट पाँच लापरवाह क्लिक्स से बेहतर है। चमक, मोशन ब्लर और लेबल का आधा हिस्सा ढकता हाथ — ये सब मॉडल की कल्पना बनकर लौटते हैं।
यूज़ केस · AI UGC वीडियो
दो फोटो से AI UGC वीडियो विज्ञापन
UGC विज्ञापन यानी कोई व्यक्ति आपका प्रोडक्ट हाथ में लिए फ़ोन कैमरे से बात कर रहा हो। यहाँ इसे शूट नहीं, जनरेट किया जाता है: आप प्रोडक्ट की एक फ़ोटो और व्यक्ति की एक फ़ोटो देते हैं, मॉडल पहला फ़्रेम बनाता है और फिर उसी पास में आवाज़ और कमरे की ध्वनि के साथ उसे हिला देता है। एक क्लिप Gemini Omni Flash पर $0.30–$1.00 की पड़ती है और आवाज़ के साथ Veo 3.1 पर $3.00 तक, फ़्रेम $0.11 का, और इसमें कोई सब्सक्रिप्शन नहीं।
01यह है क्या
AI UGC वीडियो क्या होता है?
AI UGC वीडियो यूज़र-जनरेटेड-कॉन्टेंट फ़ॉर्मैट का छोटा विज्ञापन है — कोई व्यक्ति फ़ोन कैमरे से बात करता है, हाथ में प्रोडक्ट है, स्टूडियो की जगह किचन या लिविंग रूम है — बस यह किसी क्रिएटर के साथ शूट होने के बजाय वीडियो मॉडल से बनता है। पूरा प्रोडक्शन तीन कॉल का है: प्रोडक्ट और व्यक्ति की रेफ़रेंस फ़ोटो, एक स्थिर फ़्रेम जो तय कर देता है कि स्क्रीन पर कौन है और क्या पकड़े है, और फिर वह वीडियो मॉडल जो उस फ़्रेम को सिंक बोली के साथ चला देता है। यहाँ दो मॉडल काम आते हैं। Gemini Omni Flash सस्ता भी है और नया भी: Google के मॉडल कार्ड में असली दुनिया की फ़िज़िक्स सिम्युलेशन इसकी क्षमताओं में गिनी गई है और जटिल मूवमेंट बची हुई कमज़ोरियों में — जो मेरे अनुभव से मेल खाता है: सामान्य हैंडलिंग आमतौर पर निकल जाती है, पेचीदा हैंडलिंग सिक्का उछालने जैसी है। Veo 3.1 तब उठाया जाता है जब पूरा शॉट इस पर टिका हो कि कोई चीज़ ठीक से बर्ताव करे। एक क्लिप Omni Flash पर $0.30–$1.00, Veo 3.1 Fast पर $1.00 और आवाज़ सहित आठ सेकंड के लिए पूरे Veo 3.1 पर $3.00, 4K में $4.40 तक। और यह दो-चार हफ़्तों की जगह दो मिनट में रेंडर हो जाता है, जो क्रिएटर ब्रीफ़ आमतौर पर खा जाता है।
एक क्लिप की असल लागत कितनी बैठती है?
ऊपर वाली क्लिप का बिल, बिना गोल किए: प्रोडक्ट रेफ़रेंस के $0.11, इंसान के $0.11, दोनों को एक साथ लाने वाले ओपनिंग फ्रेम के $0.11, और आठ सेकंड के Omni Flash के $0.80 — कुल $1.13। नीचे दी गई वर्टिकल छह-सेकंड की कट $0.60 में बनी। आवाज़ अलग से दोबारा रिकॉर्ड करनी हो तो स्क्रिप्ट के हर 200 कैरेक्टर पर $0.01 लगते हैं, यानी करीब एक सेंट प्रति वाक्य। नए अकाउंट को $0.20 मुफ़्त मिलते हैं, जो एक रेफ़रेंस फोटो और एक पहले फ्रेम के लिए काफ़ी हैं — वीडियो पर पैसे लगाने से पहले यह देख लेने के लिए कि किरदार जँच रहा है या नहीं।
यह पहली टेक का आँकड़ा है, और पहली टेक कोई योजना नहीं होती। कुछ क्लिप पहली ही कोशिश में बन जाते हैं; बहुत सारे दो-तीन बार माँगते हैं — कहीं लाइन सपाट लगती है, कहीं हाथ अजीब हरकत करता है, कहीं मॉडल कपड़ों पर इनकार कर देता है। और एक बात जो कोई कीमत में नहीं जोड़ता: विज्ञापन शायद ही कभी एक क्लिप का होता है। 20–30 सेकंड का स्पॉट आम तौर पर तीन-चार टेक जोड़कर बनता है — हुक, हाथ में प्रोडक्ट, क्लोज़-अप, अंत। इसलिए तैयार विज्ञापन का असली बिल कुछ सेंट नहीं, कुछ डॉलर बैठता है, और अगर मूवमेंट वाले शॉट पूरे Veo 3.1 पर $3.00 प्रति क्लिप बनाए जाएँ तो यह तेज़ी से चढ़ता है। जोड़ने का काम मुफ़्त है: ffmpeg कमांड लाइन से ही काटता है, जोड़ता है और वीडियो पर ऑडियो चढ़ा देता है, किसी एडिटर की ज़रूरत नहीं।
02वर्कफ़्लो
दो फोटो अंदर, एक विज्ञापन बाहर
असली रेफ़रेंस लाइए
प्रोडक्ट का एक साफ़ शॉट और उस इंसान की एक फोटो। इनपुट में जो भी धुंधला, कटा-फटा या अजीब रोशनी वाला होगा, वीडियो में वह कई गुना होकर लौटेगा।
ओपनिंग फ्रेम बनाइए
दोनों रेफ़रेंस को साथ रखकर एक स्टिल जनरेट कीजिए — इंसान प्रोडक्ट के साथ, ठीक उसी फ़्रेमिंग में जिससे विज्ञापन शुरू होना चाहिए। Nano Banana Pro पर $0.11, और जब तक सही न लगे तब तक दोबारा बना सकते हैं।
उसी फ्रेम को एनिमेट कीजिए
उस स्थिर फ़्रेम को पहले फ़्रेम के तौर पर भेजिए और मूवमेंट तथा उसकी लाइन लिखिए। Omni Flash आवाज़ सहित 720p के हर सेकंड का $0.10 लेता है; Veo 3.1 महँगा है और तब आज़माने लायक है जब एक ही टेक को कई क्रियाएँ लगातार सँभालनी हों।
03रेफ़रेंस
आगे का सब कुछ उतना ही अच्छा होगा जितना आपने अंदर डाला है
यही वह हिस्सा है जिसे लोग छोड़ देते हैं, और नतीजा यही तय करता है। बोतल की धुंधली, टेढ़ी-सी फोन-क्लिक थमा दीजिए तो मॉडल शोर मचाकर फेल नहीं होता — वह चुपचाप वह साइड गढ़ लेता है जो उसे दिख नहीं रही, और वही गढ़ी हुई साइड आठ सेकंड तक स्क्रीन पर रहती है। बजाय इसके उसे लेबल कैमरे की ओर किए हुए, सपाट और समान रोशनी वाला प्रोडक्ट शॉट दीजिए — वही बोतल फ्रेम स्टेप, वीडियो स्टेप और उसके बाद के एडिट, तीनों से सही-सलामत निकल आएगी।
इंसान के साथ भी मामला बिल्कुल वैसा ही है। Google के Veo डॉक्यूमेंटेशन इस बारे में सीधी बात कहती है: साफ़, अच्छी रोशनी वाली ऐसी तस्वीरें चुनिए जिनमें सब्जेक्ट उसी एंगल से दिखे जो आपको चाहिए, और शॉट्स के बीच लेंस और लाइटिंग की भाषा एक जैसी रखिए। कुछ दर्जन ऐसे विज्ञापन बनाने के बाद मेरा अपना नियम यह है: अगर रेफ़रेंस पोर्ट्रेट और सोचा हुआ सीन इस बात पर सहमत नहीं कि रोशनी किधर से आ रही है, तो चेहरा कहीं बीच में जाकर अटक जाएगा और वही इंसान लगना बंद कर देगा।
वही इंसान, वही लुक
सारी रेफ़रेंस फोटो में हेयरकट, कपड़े और मेकअप एक जैसे रखिए। लुक मिल-जुल जाएँ तो चेहरा ऐसा औसत बन जाता है जो किसी से भी मेल नहीं खाता।
रोशनी मिलाइए
फ़्लैश में खिंचा पोर्ट्रेट अगर नरम दिन की रोशनी वाले किचन सीन में डाला जाए तो साफ़ चिपकाया हुआ लगता है। रेफ़रेंस में वही रोशनी चुनिए जो विज्ञापन में असल में होगी।
छोटे टेक्स्ट पर नज़र रखिए
Nano Banana Pro छोटा लेबल टेक्स्ट संभाल लेता है; घनी इंग्रीडिएंट लिस्ट बस टेक्सचर बनकर रह जाती है। अगर टेक्स्ट ज़रूरी है, तो असली पैकेजिंग के साथ क्लोज़-अप शॉट प्लान कीजिए।
फ़्रेमिंग बाद की बात है
रेफ़रेंस को विज्ञापन की तरह कंपोज़ करने की ज़रूरत नहीं। कंपोज़िशन ओपनिंग फ्रेम का काम है — मॉडल से बहस उसी स्टेप पर होती है।
क्रॉप मत थमाइए
किसी मार्केटप्लेस लिस्टिंग से उठाया 300-पिक्सेल का क्रॉप मॉडल को बचाने लायक लगभग कुछ नहीं देता। हर बार पूरी रेज़ोल्यूशन वाली ओरिजिनल फाइल।
04पहला फ्रेम
क्यों ओपनिंग फ्रेम सीधे रेफ़रेंस से बेहतर है
दोनों रास्ते काम करते हैं: या तो वीडियो मॉडल को अपनी रेफ़रेंस फोटो दे दीजिए और सीन उसे ही कंपोज़ करने दीजिए, या पहले एक स्टिल जनरेट करके उसे एनिमेट कीजिए। व्यवहार में दूसरा बेहतर है, और वजह बड़ी साधारण है — जिस वीडियो मॉडल से कंपोज़िशन गढ़ने को कहा जाए, वह उसे हर फ्रेम में नए सिरे से गढ़ता है, जबकि जिसे स्टिल थमा दी गई हो उसे बस उसे आगे बढ़ाना है। Gemini Omni Flash पर यह फ़र्क इतना बड़ा है कि मैंने प्रोडक्ट शॉट्स के लिए सिर्फ़-रेफ़रेंस वाला तरीका छोड़ ही दिया।
नीचे दो क्लिप हैं, एक ही प्रॉम्प्ट, एक ही रेफ़रेंस, छह-छह सेकंड, $0.60 प्रति क्लिप। फ़र्क सिर्फ़ इतना कि पहले फ्रेम के तौर पर एक अप्रूव की हुई स्टिल गई या नहीं। और कुछ नहीं बदला गया, और कोई भी क्लिप दोबारा नहीं चलाई गई।
सिर्फ़ रेफ़रेंस
अप्रूव किए हुए पहले फ्रेम से
ईमानदार बात: सिर्फ़ रेफ़रेंस वाला रास्ता टूटा हुआ नहीं है — चेहरा ठीक टिका रहा, और जिस सीन में प्रोडक्ट हाथ में न हो, वहाँ यह अक्सर काफ़ी है। बल्कि उस टेक में रोशनी बेहतर ही लगती है: चेहरे पर ज़्यादा मुलायम, खिड़की का कंट्रास्ट कम — क्योंकि मॉडल हमारे फ़्रेम को आगे बढ़ाने के बजाय अपनी पसंद का कमरा बना रहा था। एक बात कहना ज़रूरी है क्योंकि इससे नतीजे का मतलब बदल जाता है: हमारी क्रिएटर जनरेट की हुई है, किसी असली व्यक्ति की तस्वीर नहीं — यानी मॉडल के पास उसे नए सिरे से रोशन करने की छूट थी। असली पोर्ट्रेट रोशनी और त्वचा को कहीं ज़्यादा सख़्ती से बाँधता है, और तब सिर्फ़-रेफ़रेंस वाले रास्ते के पास सजाने-सँवारने की आज़ादी कम रह जाती है। यहाँ आप गुणवत्ता नहीं, नियंत्रण ख़रीद रहे हैं। Veo 3.1 पर यह चुनाव आपके लिए पहले से तय है: Google का API या तो पहला फ़्रेम लेता है या ज़्यादा से ज़्यादा तीन रेफ़रेंस इमेज, एक ही रिक्वेस्ट में दोनों कभी नहीं — और रेफ़रेंस इमेज के साथ लंबाई आठ सेकंड ही रहती है।
05मॉडल का चुनाव
शॉट को मॉडल से मिलाइए
Omni Flash ठीक उसी फ़ॉर्मैट में बहुत अच्छा है जिसमें UGC असल में रहता है: लेंस से बात करता हुआ इंसान। इंटरव्यू, पॉडकास्ट जैसे टुकड़े, प्रोडक्ट समझाता फ़ाउंडर, कोई जार पकड़कर उसके बारे में बताता हुआ। यह होंठ, सूक्ष्म हलचल और कमरे की ध्वनि एक ही पास में बनाता है, और वीडियो मॉडल से सिंक आवाज़ पाने का सबसे सस्ता तरीका यही है। यह दोनों में नया मॉडल भी है, और Google इसे बेचता ही फ़िज़िक्स के नाम पर है: घोषणा में गुरुत्वाकर्षण, गतिज ऊर्जा और द्रव-गतिकी की सहज समझ की बात है, जबकि मॉडल कार्ड असली दुनिया की फ़िज़िक्स सिम्युलेशन को क्षमता बताता है और साथ ही जटिल मूवमेंट को ज्ञात कमज़ोरी। व्यवहार में दोनों बातें सही हैं। चीज़ें गिरती हैं, तरल बहता है, वज़न सही दिखता है — तब तक, जब तक शॉट किसी वस्तु के साथ सटीक क्रियाओं की शृंखला न माँग ले।
यानी बँटवारा «बोलता चेहरा बनाम मूवमेंट» का नहीं है; सवाल यह है कि एक टेक को कितनी कोरियोग्राफ़ी सँभालनी है। नीचे का टेस्ट उसी पैमाने का कठिन सिरा है, किसी मॉडल पर फ़ैसला नहीं: वही शुरुआती फ़्रेम, वही प्रॉम्प्ट, हर मॉडल से एक क्लिप — बोतल खोलो, ड्रॉपर दबाओ, खुली हथेली में दो बूँदें, और यह सब आठ सेकंड में।
Gemini Omni Flash · 8 s · $0.80
Veo 3.1 Fast · 8 s ऑडियो के साथ · $1.00
कैमरे से बात → Omni Flash
होंठों की हरकत, कमरे का साउंड और आवाज़, तीनों साथ आते हैं, $0.10 प्रति सेकंड। रिव्यू, टेस्टिमोनियल या दो लोगों की बातचीत के लिए यही ज़ाहिर चुनाव है।
लंबी क्रिया-शृंखलाएँ → Veo भी आज़माएँ
एक मूवमेंट Omni सँभाल लेता है; लगातार चार पर टेक क्रियाएँ गिराने लगती हैं। हमारी तुलना में आवाज़ सहित आठ सेकंड के $1.00 वाला Veo 3.1 Fast था, पूरा Veo 3.1 $3.00 का है — दोनों पर बनाइए और जो टेक चल जाए उसे रखिए।
कपड़े नतीजा बदल देते हैं
Omni का सेफ़्टी फ़िल्टर कपड़ों को लेकर साफ़ तौर पर ज़्यादा सख़्त है: स्पोर्ट्स ब्रा में कोई फ़िटनेस क्रिएटर वहाँ Veo 3.1 के मुक़ाबले कहीं ज़्यादा बार रिजेक्ट होती है — वही प्रॉम्प्ट, वही रेफ़रेंस। या तो कपड़े प्लान कीजिए, या मॉडल।
लंबाई और रेज़ोल्यूशन
Omni Flash 720p है और 3–10 सेकंड का, ठीक उतना ही जितने के आप पैसे देते हैं। Veo 3.1 4, 6 या 8 सेकंड देता है, 4K तक, और उसकी क्लिप पहले कट के आगे बढ़ाई भी जा सकती हैं।
साउंड: हमेशा बनाम वैकल्पिक
हर Omni क्लिप में ऑडियो होता है, चाहे आपने माँगा हो या नहीं। Veo पर ऑडियो एक टॉगल है — बिना आवाज़ के रेंडर सस्ते पड़ते हैं, और यह तब मायने रखता है जब आवाज़ वैसे भी कहीं और से आ रही हो।
रिजेक्शन मुफ़्त है
ब्लॉक हुई जनरेशन के पैसे दोनों मॉडल पर अपने-आप वापस आ जाते हैं। रिजेक्शन में महँगे वे चार मिनट हैं, वह डॉलर नहीं।
06आवाज़ और एडिट
जब आवाज़ को दूसरा टेक चाहिए
Omni Flash बोली को तस्वीर वाले ही पास में लिख देता है, और बोलचाल की अंग्रेज़ी में आम तौर पर ठीक रहता है। लड़खड़ाता है नामों पर: गढ़े हुए प्रोडक्ट नाम, विदेशी शब्द, मॉडल नंबर — यानी वह सब जो किसी नेटिव को भी बताना पड़े कि कैसे बोलें। लेकिन इस समस्या का बड़ा रूप अंग्रेज़ी के अलावा दूसरी भाषाएँ हैं, और यह हर वीडियो मॉडल में है: Seedance 2.5 को रूसी में परखने वालों ने ऐसी लाइन बताई है जो शुरू में ठीक लगती है और रास्ते में बिखर जाती है — बिना बल वाले स्वर ग़लत घटते हैं, बल ग़लत अक्षर पर पड़ता है, और पंद्रह सेकंड के सीन के अंत तक लहजा रूसी से ज़्यादा किसी स्लाव मिश्रण जैसा हो जाता है, क्योंकि रूसी, यूक्रेनी और बेलारूसी इतने पास हैं कि मॉडल उन्हें मिला देता है। कुछ शब्द साफ़ निकलते हैं और अगला शब्द पूरी टेक की पोल खोल देता है। अगर आपकी स्क्रिप्ट अंग्रेज़ी में नहीं है, मंज़ूरी देने से पहले पूरा सुन लीजिए।
इसका इलाज यह है कि वीडियो मॉडल से आवाज़ माँगना बंद कर दीजिए और उसे अलग से जनरेट कीजिए। Gemini 3.1 Flash TTS (gemini-3.1-flash-tts-preview) उसी बैलेंस पर हमारे MCP server के ज़रिए चलता है: स्क्रिप्ट के हर 200 कैरेक्टर पर $0.01, 30 आवाज़ें, एक वक्ता या दो लोगों का संवाद, आउटपुट 24 kHz WAV। निर्देश सीधी अंग्रेज़ी में दिए जाते हैं — किरदार, रफ़्तार, लहजा, और उस हर शब्द की ध्वन्यात्मक स्पेलिंग जिसे सही बुलवाना है। फिर ट्रैक को किसी भी एडिटर में क्लिप के ऊपर रख दीजिए। अपनी दोबारा लिखी लाइन को लगभग उतना ही लंबा रखिए जितना असली टेक था, तो मुँह की हरकत मोटे तौर पर मेल खाती रहेगी; जहाँ न खाए, वहाँ प्रोडक्ट पर कट कर दीजिए।
जनरेट किया गया वॉइस-ओवर · $0.01
विज्ञापन जोड़ने के लिए भी एडिटर की ज़रूरत नहीं। ffmpeg टेक को सिरे से सिरे तक जोड़ता है, वह आधा सेकंड काट देता है जहाँ हाथ कुछ अजीब करता है, जनरेट हुए ऑडियो की जगह आपका TTS ट्रैक लगा देता है, क्रॉसफ़ेड डालता है और 9:16 वर्ज़न निर्यात कर देता है — यह सब एक कमांड लाइन से, मुफ़्त, किसी भी मशीन पर। इसका सिंटैक्स कुख्यात रूप से रूखा है, और ठीक इसीलिए यह किसी मॉडल के साथ अच्छा बैठता है: जो कट चाहिए वह Claude या किसी भी LLM को बताइए, कमांड लीजिए, चला दीजिए। तीन क्लिप वाले UGC स्पॉट के लिए पूरा पोस्ट-प्रोडक्शन बस इतना ही है — और यही वजह है कि इस पेज के आँकड़े जनरेशन की लागत पर ही रुके रहते हैं, ऊपर से कोई सब्सक्रिप्शन नहीं जुड़ती।
07कीमत
यहाँ एक AI UGC विज्ञापन कितने में पड़ता है
| मॉडल | कीमत | यूनिट | ऑडियो |
|---|---|---|---|
| Nano Banana Proरेफ़रेंस और पहला फ्रेम | $0.11 | 1K–2K इमेज | — |
| Nano Banana 2ड्राफ़्ट और वैरिएंट | $0.03–$0.13 | 512px–4K इमेज | — |
| Gemini Omni Flash$0.10 प्रति सेकंड | $0.30–$1.00 | 3–10 s, 720p | हमेशा चालू |
| Veo 3.1 Fastऑडियो के साथ | $0.50–$1.00 | 4–8 s, 720p/1080p | वैकल्पिक |
| Veo 3.1 Liteसबसे सस्ता वीडियो | $0.10–$0.36 | 4–8 s, 720p | वैकल्पिक |
| Gemini 3.1 Flash TTSसिर्फ़ MCP | $0.01 | प्रति 200 कैरेक्टर | सिर्फ़ आवाज़ |
Veo की कीमतें 720p और 1080p के लिए हैं; 4K महँगा पड़ता है। Omni Flash आउटपुट के हर सेकंड का $0.10 लेता है, यानी क्लिप की लंबाई ही उसकी कीमत है। पूरी टेबल प्राइसिंग पेज पर है।
टॉप-अप क्रिप्टो से, $1 से शुरू। $50 या उससे ऊपर के डिपॉज़िट पर 5%, $100 या उससे ऊपर पर 10%, और चालू प्रोमो कोड उसी डिपॉज़िट का 10% और जोड़ देता है — यानी कोड के साथ $100 बैलेंस में $120 बनकर आता है। आठ सेकंड के क्लिप के $1.13 के हिसाब से यह लगभग सौ टेक हैं — दोबारा बनाने और कई क्लिप जोड़ने को गिन लें तो पच्चीस से तीस तैयार विज्ञापन।
हर मॉडल और रेज़ोल्यूशन पूरे प्राइसिंग पेज पर लिखा है, और Gemini Omni Flash पेज बताता है कि वह मॉडल क्या कर सकता है और क्या नहीं।
08और जानिए
ब्लॉग से गाइड
AI Image to Video: फोटो को चलती-फिरती वीडियो क्लिप में बदलें
फ़र्स्ट-फ्रेम एनिमेशन कैसे काम करता है, मोशन प्रॉम्प्ट में क्या लिखें, और यह कहाँ जाकर बिखर जाता है।
गाइड पढ़ेंNano Banana Pro प्रोडक्ट फोटोग्राफी: $0.11 का स्टूडियो
प्रोडक्ट को रेफ़रेंस फोटो से तैयार फ्रेम तक सही-सलामत पहुँचाना, असली प्रॉम्प्ट के साथ।
गाइड पढ़ेंGemini Omni Flash API समीक्षा: जानिए प्रीव्यू मॉडल की असली क्षमताएं
प्रीव्यू API के साथ हाथ आज़माकर: यह क्या सपोर्ट करता है, किससे मना करता है, और हर क्लिप असल में कितने की पड़ती है।
गाइड पढ़ें09FAQ
वे सवाल जो लोग सचमुच पूछते हैं
AI UGC वीडियो बनाने के लिए क्या मुझे किसी असली इंसान की ज़रूरत है?
नहीं। क्रिएटर भी जनरेट किया जा सकता है — इस पेज पर आप जितने लोग देख रहे हैं, वे सब एक टेक्स्ट प्रॉम्प्ट से निकले हैं और कभी अस्तित्व में थे ही नहीं। अगर आप किसी असली इंसान का चेहरा इस्तेमाल करते हैं, तो उसकी अनुमति चाहिए: जनरेट किए गए वीडियो पर लाइकनेस के नियम वैसे ही लागू होते हैं जैसे किसी फोटोशूट पर, और सिंथेटिक लाइकनेस को लेकर प्लेटफ़ॉर्म की नीतियाँ ज़्यादातर लोगों की सोच से कहीं सख़्त हैं।
क्या अगले विज्ञापन में वही चेहरा वापस आएगा?
हाँ, बशर्ते आप वही रेफ़रेंस फोटो रखें और वही ओपनिंग फ्रेम दोबारा इस्तेमाल करें। उन्हीं रेफ़रेंस से फ्रेम दोबारा बनाने पर नतीजा करीब तो आता है, पर पिक्सेल-दर-पिक्सेल एक जैसा नहीं होता — सबसे सुरक्षित आदत यह है कि हर अप्रूव किया हुआ पहला फ्रेम संभालकर रखें और उसे दोबारा बनाने के बजाय दोबारा एनिमेट करें।
क्या मुझे बताना पड़ेगा कि विज्ञापन AI से बना है?
TikTok पर हाँ: एडिट की गई मीडिया और AI-जनरेटेड कंटेंट पर उसकी विज्ञापन नीति या तो Ads Manager से AIGC लेबल माँगती है या क्रिएटिव पर आपका अपना दिखाई देने वाला डिस्क्लेमर। Meta जिन विज्ञापनों को जनरेटेड पहचानता है, उन पर अपने AI लेबल अपने-आप लगा देता है। दोनों नीतियाँ 2026 के दौरान बदली हैं, इसलिए किसी बड़ी फ़्लाइट से पहले किसी ब्लॉग पोस्ट पर भरोसा करने के बजाय — इस वाली पर भी — मौजूदा वर्ज़न ख़ुद देख लीजिए।
टॉकिंग-हेड UGC विज्ञापन के लिए कौन सा मॉडल चुनूँ?
शुरुआत Gemini Omni Flash से कीजिए: आवाज़ सहित $0.10 प्रति सेकंड। कैमरे से बात करते व्यक्ति के लिए यह सबसे सस्ता भी है और सबसे कम नख़रे वाला भी, और यही नया मॉडल है जिसकी फ़िज़िक्स को Google ख़ुद आगे रखता है। इसे «Omni मूवमेंट नहीं कर सकता» मत पढ़िए: यह उड़ेलता है, गिराता है, वज़न महसूस कराता है। जो यह गिरा देता है वे हैं एक ही टेक में लंबी और सटीक हैंडलिंग की शृंखलाएँ — हमारे चार-क्रिया वाले ड्रॉपर टेस्ट में इसने बोतल खो दी जबकि Veo 3.1 Fast ने थामे रखी। तो हुक या टेस्टिमोनियल के लिए Omni। और जो शॉट कोरियोग्राफ़ी पर टिका हो, उसे दोनों पर बनाइए और चलने वाली टेक रखिए; नाकाम टेक की कीमत चंद सेंट है।
क्या मैं अपना ख़ुद का शूट किया फुटेज इस्तेमाल कर सकता हूँ?
हाँ, 10 सेकंड तक। अपनी क्लिप अपलोड कीजिए और Omni Flash उसे वीडियो-टू-वीडियो एडिट कर देगा — रोशनी, बैकग्राउंड, इंसान के हाथ में क्या है, यह सब बदलते हुए, पर उसी टेक को बरकरार रखते हुए। इससे लंबे सोर्स जनरेशन से पहले मॉडल की सीमा तक काट दिए जाते हैं।
अगर कोई जनरेशन रिजेक्ट हो जाए तो क्या होता है?
बैलेंस अपने-आप वापस आ जाता है, Omni Flash और Veo दोनों पर। रिजेक्शन ज़्यादातर कपड़ों, नाबालिगों और पहचाने जाने वाले असली लोगों के इर्द-गिर्द होते हैं; ऊपर मॉडल-चुनाव वाले हिस्से का कपड़ों वाला नियम ही सबसे ज़्यादा री-ट्राई बचाता है।
क्या मैं इसे Claude, Cursor या अपनी स्क्रिप्ट से चला सकता हूँ?
हाँ — यही मॉडल हमारे MCP server पर भी उपलब्ध हैं, स्पीच मॉडल समेत, जिसका कोई वेब इंटरफ़ेस है ही नहीं। रेफ़रेंस इमेज और पहले फ्रेम job ID, पब्लिक URL या इनलाइन base64 के रूप में भेजे जा सकते हैं, इसलिए पूरा UGC बैच किसी एजेंट से स्क्रिप्ट किया जा सकता है।
एक क्लिप नहीं, पूरे 30 सेकंड के विज्ञापन का ख़र्च कितना बैठता है?
क्लिप नहीं, टेक गिनिए। 20–30 सेकंड का स्पॉट आम तौर पर तीन-चार क्लिप जोड़कर बनता है, और हर क्लिप काम लायक होने से पहले दो-तीन कोशिशें माँगता है: सपाट पढ़ाई, अजीब हाथ, या इनकार। Omni Flash के आठ सेकंड $0.80 के हिसाब से तैयार विज्ञापन कुछ डॉलर में बैठता है; मूवमेंट वाले शॉट पूरे Veo 3.1 पर $3.00 प्रति क्लिप बनाएँ तो यह दहाई में चला जाता है। एडिटिंग कुछ नहीं जोड़ती: ffmpeg टेक जोड़ता है, छाँटता है और ऊपर वॉइस-ओवर चढ़ा देता है — सब कमांड लाइन से, और वे कमांड आपके लिए कोई LLM लिख सकता है।
दो फोटो और दो-चार डॉलर
मुफ़्त साइन अप कीजिए, बैलेंस पर $0.20 के साथ, और $1 से क्रिप्टो में टॉप-अप कीजिए। पहला फ्रेम करीब एक मिनट में, पहली क्लिप पाँच में।