پروڈکٹ کا ایک اچھا زاویہ
ایک سیدھا، یکساں روشنی والا شاٹ پانچ لاپروا تصویروں سے بہتر ہے۔ چمک، حرکت کی دھندلاہٹ اور لیبل کا آدھا حصہ ڈھانپتا ہاتھ — یہ سب ماڈل خود سے گھڑ کر بھر دیتا ہے۔
استعمال · AI UGC ویڈیو
دو تصاویر سے AI UGC ویڈیو اشتہار
UGC اشتہار یعنی کوئی شخص آپ کی پروڈکٹ ہاتھ میں لیے فون کے کیمرے سے بات کر رہا ہو۔ یہاں اسے فلمایا نہیں جاتا بلکہ بنایا جاتا ہے: آپ پروڈکٹ کی ایک تصویر اور شخص کی ایک تصویر دیتے ہیں، ماڈل پہلا فریم بناتا ہے اور پھر اسی ایک عمل میں آواز اور کمرے کی صوتی فضا سمیت اسے حرکت دے دیتا ہے۔ ایک کلپ Gemini Omni Flash پر $0.30–$1.00 کا پڑتا ہے اور آواز کے ساتھ Veo 3.1 پر $3.00 تک، فریم $0.11 کا، اور اس میں کوئی سبسکرپشن نہیں۔
01یہ ہے کیا
AI UGC ویڈیو کیا ہوتی ہے؟
AI UGC ویڈیو صارف کے تیار کردہ مواد کی طرز کا مختصر اشتہار ہے — کوئی شخص فون کے کیمرے سے بات کرتا ہے، ہاتھ میں پروڈکٹ ہے، اسٹوڈیو کے بجائے کچن یا لِونگ روم ہے — فرق صرف یہ کہ اسے کسی کری ایٹر کے ساتھ فلمانے کے بجائے ویڈیو ماڈل سے بنایا گیا ہے۔ سارا کام تین کالز کا ہے: پروڈکٹ اور شخص کی ریفرنس تصویریں، ایک ساکت فریم جو طے کر دے کہ اسکرین پر کون ہے اور کیا تھامے ہوئے ہے، اور پھر وہ ویڈیو ماڈل جو اس فریم کو ہم آہنگ آواز کے ساتھ چلا دے۔ یہاں دو ماڈل کام آتے ہیں۔ Gemini Omni Flash سستا بھی ہے اور نیا بھی: Google کے ماڈل کارڈ میں حقیقی دنیا کی فزکس کی سمولیشن اس کی صلاحیتوں میں شمار ہوئی ہے اور پیچیدہ حرکت باقی کمزوریوں میں — جو میرے مشاہدے سے مطابقت رکھتا ہے: عام طور پر چیز کو پکڑنا اور برتنا نکل جاتا ہے، پیچیدہ برتاؤ کی صورت میں یہ قسمت کا معاملہ ہے۔ Veo 3.1 تب نکالا جاتا ہے جب پورا شاٹ اس پر منحصر ہو کہ کوئی چیز ٹھیک برتاؤ کرے۔ ایک کلپ Omni Flash پر $0.30–$1.00، Veo 3.1 Fast پر $1.00 اور آواز سمیت آٹھ سیکنڈ کے لیے مکمل Veo 3.1 پر $3.00، 4K میں $4.40 تک۔ اور یہ دو سے چار ہفتوں کے بجائے چند منٹ میں رینڈر ہو جاتا ہے، جو کری ایٹر کو دی گئی بریف عموماً کھا جاتی ہے۔
ایک کلپ پر اصل میں کتنا خرچ آتا ہے؟
اوپر والے کلپ کا بل، بغیر گول کیے: پروڈکٹ ریفرنس کے $0.11، شخص کے $0.11، دونوں کو ایک ساتھ لانے والے پہلے فریم کے $0.11، اور Omni Flash کے آٹھ سیکنڈ کے $0.80 — کل $1.13۔ نیچے دیا گیا عمودی چھ سیکنڈ کا کٹ $0.60 کا پڑا۔ آواز الگ سے دوبارہ ریکارڈ کرنا اسکرپٹ کے ہر 200 حروف پر $0.01 پڑتا ہے، یعنی فی جملہ تقریباً ایک سینٹ۔ نئے اکاؤنٹس کو $0.20 مفت ملتے ہیں، جو ایک ریفرنس تصویر اور ایک پہلے فریم کے لیے کافی ہیں — یعنی ویڈیو پر پیسے خرچ کرنے سے پہلے آپ دیکھ سکتے ہیں کہ کردار جچ رہا ہے یا نہیں۔
یہ پہلی ٹیک کا ہندسہ ہے، اور پہلی ٹیک کوئی منصوبہ نہیں ہوتی۔ کچھ کلپ پہلی ہی کوشش میں بن جاتے ہیں؛ بہت سے دو تین بار مانگتے ہیں، کیونکہ جملہ پھیکا نکلتا ہے، ہاتھ کچھ عجیب کرتا ہے یا ماڈل لباس پر انکار کر دیتا ہے۔ اور ایک بات جو کوئی قیمت میں شامل نہیں کرتا: اشتہار شاذ ہی ایک کلپ کا ہوتا ہے۔ 20–30 سیکنڈ کا اسپاٹ عموماً تین چار ٹیکس جوڑ کر بنتا ہے — ہُک، ہاتھ میں پروڈکٹ، کلوز اپ، اختتام۔ چنانچہ مکمل اشتہار کا حقیقی بل چند سینٹ نہیں، چند ڈالر بنتا ہے، اور اگر زیادہ حرکت والے شاٹ مکمل Veo 3.1 پر فی کلپ $3.00 میں بنائے جائیں تو یہ تیزی سے چڑھتا ہے۔ جوڑنے کا مرحلہ البتہ مفت ہے: ffmpeg کمانڈ لائن ہی سے کاٹتا ہے، جوڑتا ہے اور ویڈیو پر آڈیو چڑھا دیتا ہے، کسی ایڈیٹنگ سافٹ ویئر کے بغیر۔
02طریقۂ کار
دو تصاویر اندر، ایک اشتہار باہر
اصلی ریفرنس دیں
پروڈکٹ کا ایک صاف شاٹ اور اُس شخص کی ایک تصویر۔ ان پٹ میں جو چیز دھندلی، کٹی ہوئی یا عجیب روشنی میں ہوگی، وہ ویڈیو میں کئی گنا بڑھ کر واپس آئے گی۔
پہلا فریم بنائیں
دونوں ریفرنس ایک ساتھ دے کر ایک ساکت تصویر جنریٹ کریں — شخص پروڈکٹ کے ساتھ، بالکل اسی فریمنگ میں جس سے اشتہار شروع ہونا چاہیے۔ Nano Banana Pro پر $0.11، اور جب تک ٹھیک نہ لگے، دوبارہ بناتے رہیں۔
اسی فریم کو متحرک کریں
اس ساکت تصویر کو پہلے فریم کے طور پر بھیجیے اور حرکت اور مکالمہ لکھیے۔ Omni Flash آواز سمیت 720p کے ہر سیکنڈ کے $0.10 لیتا ہے؛ Veo 3.1 مہنگا ہے اور تب آزمانے کے قابل ہے جب ایک ہی ٹیک کو کئی کام یکے بعد دیگرے سنبھالنے ہوں۔
03ریفرنسز
آگے کی ہر چیز اتنی ہی اچھی ہوگی جتنا آپ اندر ڈالتے ہیں
لوگ عام طور پر یہی حصہ چھوڑ دیتے ہیں، حالانکہ نتیجہ یہی طے کرتا ہے۔ جس ماڈل کو بوتل کا دھندلا سا تین چوتھائی زاویے والا فون شاٹ دیا جائے، وہ شور مچا کر ناکام نہیں ہوتا — وہ خاموشی سے اُس رخ کو گھڑ لیتا ہے جو اسے نظر نہیں آ رہا، اور یہی گھڑا ہوا رخ آٹھ سیکنڈ تک اسکرین پر رہتا ہے۔ اسے پروڈکٹ کا سیدھا، یکساں روشنی والا شاٹ دیں جس میں لیبل کیمرے کی طرف ہو، تو وہی بوتل فریم والے مرحلے، ویڈیو والے مرحلے اور اس کے بعد کی ایڈٹنگ تک سلامت پہنچتی ہے۔
شخص کے ساتھ بھی معاملہ بالکل یہی ہے۔ Google کی Veo دستاویزات اس بارے میں دو ٹوک ہیں: صاف اور اچھی روشنی والی تصاویر چنیں جن میں سبجیکٹ اُسی زاویے سے نظر آئے جو آپ چاہتے ہیں، اور شاٹس کے درمیان لینس اور لائٹنگ کی زبان ایک جیسی رکھیں۔ درجن بھر ایسے کام کرنے کے بعد میرا اپنا اصول: اگر ریفرنس پورٹریٹ اور مطلوبہ منظر اس بات پر متفق نہ ہوں کہ روشنی کہاں سے آ رہی ہے، تو چہرہ کہیں بیچ میں بہک جائے گا اور وہی شخص لگنا بند ہو جائے گا۔
ایک ہی شخص، ایک ہی حلیہ
ریفرنس تصاویر میں بال، لباس اور میک اپ ایک جیسا رکھیں۔ ملے جلے حلیے مل کر ایسا چہرہ بناتے ہیں جو کسی سے بھی نہیں ملتا۔
روشنی ملائیں
فلیش سے لیا گیا پورٹریٹ نرم دن کی روشنی والے کچن کے منظر میں ڈالیں تو وہ چپکایا ہوا لگتا ہے۔ ریفرنس میں وہی روشنی چنیں جو اشتہار میں واقعی ہوگی۔
چھوٹی تحریر کا خیال رکھیں
Nano Banana Pro لیبل کی مختصر تحریر سنبھال لیتا ہے؛ اجزاء کی گھنی فہرست محض ٹیکسچر بن جاتی ہے۔ اگر تحریر اہم ہے تو اصل پیکنگ کے ساتھ الگ کلوز اپ شاٹ کا منصوبہ بنائیں۔
فریمنگ بعد کا کام ہے
ریفرنس تصاویر کا اشتہار کی طرح کمپوز ہونا ضروری نہیں۔ کمپوزیشن پہلے فریم کا کام ہے — بحث آپ ماڈل سے وہیں کرتے ہیں۔
کراپ مت تھمائیں
کسی مارکیٹ پلیس لسٹنگ سے اٹھایا گیا 300 پکسل کا کراپ ماڈل کو رکھنے کے لیے کچھ نہیں دیتا۔ ہر بار پوری ریزولوشن والی اصل تصویر۔
04پہلا فریم
پہلا فریم خالی ریفرنسز سے بہتر کیوں ہے
دونوں راستے چلتے ہیں: آپ ویڈیو ماڈل کو ریفرنس تصاویر دے کر منظر خود بنانے دے سکتے ہیں، یا پہلے ایک ساکت تصویر جنریٹ کر کے اسے متحرک کر سکتے ہیں۔ عملاً دوسرا طریقہ بہتر ہے، اور وجہ بالکل سیدھی ہے — جس ویڈیو ماڈل سے کمپوزیشن گھڑنے کو کہا جائے، وہ اسے ہر فریم پر نئے سرے سے گھڑتا ہے، جبکہ جسے ساکت تصویر تھما دی جائے اسے صرف اسے آگے بڑھانا ہوتا ہے۔ Gemini Omni Flash پر یہ فرق اتنا بڑا ہے کہ میں نے پروڈکٹ شاٹس کے لیے صرف ریفرنسز والا طریقہ استعمال کرنا چھوڑ دیا۔
نیچے دو کلپ ہیں، ایک ہی پرامپٹ، ایک ہی ریفرنسز، دونوں چھ سیکنڈ کے، فی کلپ $0.60۔ فرق صرف اتنا ہے کہ ایک میں منظور شدہ ساکت تصویر پہلے فریم کے طور پر گئی۔ اس کے علاوہ کچھ نہیں بدلا اور کوئی کلپ دوبارہ نہیں چلایا گیا۔
صرف ریفرنسز
منظور شدہ پہلے فریم سے
کھری بات: صرف ریفرنس والا راستہ ٹوٹا ہوا نہیں — چہرہ بخوبی برقرار رہا، اور جس منظر میں پروڈکٹ ہاتھ میں نہ ہو وہاں یہ اکثر کافی ہے۔ بلکہ روشنی اُس ٹیک میں زیادہ خوشگوار لگتی ہے: چہرے پر نرم تر، کھڑکی کا تضاد کم — کیونکہ ماڈل ہمارے فریم کو آگے بڑھانے کے بجائے اپنی پسند کا کمرہ ترتیب دے رہا تھا۔ ایک وضاحت ضروری ہے کیونکہ اس سے نتیجہ پڑھنے کا انداز بدل جاتا ہے: ہماری کری ایٹر بنائی گئی ہے، کسی حقیقی شخص کی تصویر نہیں — یعنی ماڈل کے پاس اسے نئے سرے سے روشن کرنے کی گنجائش تھی۔ اصل پورٹریٹ روشنی اور جلد کو کہیں سختی سے باندھ دیتا ہے، اور تب صرف ریفرنس والے راستے کے پاس سنوارنے کی آزادی کم رہ جاتی ہے۔ آپ یہاں معیار نہیں، کنٹرول خرید رہے ہیں۔ Veo 3.1 پر یہ انتخاب پہلے سے طے ہے: Google کا API یا تو پہلا فریم لیتا ہے یا زیادہ سے زیادہ تین ریفرنس تصویریں، ایک ہی درخواست میں دونوں کبھی نہیں، اور ریفرنس تصویروں کے ساتھ دورانیہ آٹھ سیکنڈ ہی رہتا ہے۔
05ماڈل کا انتخاب
شاٹ کو ماڈل کے مطابق چنیں
Omni Flash ٹھیک اسی فارمیٹ میں بہت اچھا ہے جس میں UGC اصل میں جیتا ہے: لینس سے بات کرتا ہوا شخص۔ انٹرویو، پوڈکاسٹ نما ٹکڑے، بانی اپنی پروڈکٹ سمجھاتا ہوا، کوئی جار تھامے اس کے بارے میں بتاتا ہوا۔ یہ ہونٹ، باریک حرکت اور کمرے کی آواز ایک ہی عمل میں بناتا ہے، اور ویڈیو ماڈل سے ہم آہنگ آواز حاصل کرنے کا سب سے سستا طریقہ یہی ہے۔ یہ دونوں میں سے نیا ماڈل بھی ہے، اور Google اسے فزکس ہی کے نام پر بیچتا ہے: اعلان میں کششِ ثقل، حرکی توانائی اور سیالیات کی فطری سمجھ کا ذکر ہے، جبکہ ماڈل کارڈ حقیقی دنیا کی فزکس سمولیشن کو صلاحیت بتاتا ہے اور ساتھ ہی پیچیدہ حرکت کو معلوم کمزوری۔ عملاً دونوں باتیں درست ہیں۔ چیزیں گرتی ہیں، مائع بہتا ہے، وزن ٹھیک محسوس ہوتا ہے — تب تک، جب تک شاٹ کسی ایک چیز کے ساتھ درست کاموں کی لڑی نہ مانگ لے۔
یعنی تقسیم «بولتا چہرہ بمقابلہ حرکت» کی نہیں؛ سوال یہ ہے کہ ایک ٹیک کو کتنی ترتیب سنبھالنی ہے۔ نیچے والا امتحان اسی پیمانے کا مشکل سرا ہے، کسی ماڈل پر فیصلہ نہیں: وہی ابتدائی فریم، وہی پرامپٹ، فی ماڈل ایک کلپ — بوتل کھولیے، ڈراپر دبائیے، کھلی ہتھیلی میں دو قطرے، اور یہ سب آٹھ سیکنڈ میں۔
Gemini Omni Flash · 8 s · $0.80
Veo 3.1 Fast · آواز کے ساتھ 8 s · $1.00
کیمرے سے بات ← Omni Flash
ہونٹوں کی حرکت، کمرے کا شور اور بات چیت ایک ساتھ آتے ہیں، فی سیکنڈ $0.10۔ ریویو، ٹیسٹیمونیل یا دو افراد کی گفتگو کے لیے یہی واضح انتخاب ہے۔
لمبی کاموں کی لڑی ← Veo بھی آزمائیں
ایک حرکت Omni سنبھال لیتا ہے؛ مسلسل چار پر ٹیکس کام گرانے لگتی ہیں۔ ہماری موازنہ میں آواز سمیت آٹھ سیکنڈ کے $1.00 والا Veo 3.1 Fast تھا، مکمل Veo 3.1 $3.00 کا ہے — دونوں پر بنائیے اور جو ٹیک چل جائے وہی رکھیے۔
لباس فیصلہ بدل دیتا ہے
Omni کا سیفٹی فلٹر کپڑوں کے معاملے میں نمایاں طور پر زیادہ سخت ہے: اسپورٹس برا میں فٹنس کریئیٹر کو یہاں Veo 3.1 کے مقابلے کہیں زیادہ بار انکار ملتا ہے، وہی پرامپٹ، وہی ریفرنس۔ یا لباس کا منصوبہ بنائیں یا ماڈل کا۔
دورانیہ اور ریزولوشن
Omni Flash 720p اور 3–10 سیکنڈ کا ہے، بالکل اتنا ہی جتنے کے آپ پیسے دیتے ہیں۔ Veo 3.1 چار، چھ یا آٹھ سیکنڈ دیتا ہے، 4K تک، اور اس کے کلپ پہلے کٹ سے آگے بڑھائے بھی جا سکتے ہیں۔
آواز: ہمیشہ بمقابلہ اختیاری
Omni کے ہر کلپ میں آواز ہوتی ہے، چاہے آپ نے مانگی ہو یا نہ ہو۔ Veo پر آواز ایک ٹوگل ہے — خاموش رینڈر سستے پڑتے ہیں، جو تب اہم ہے جب آواز ویسے بھی کہیں اور سے آنی ہے۔
انکار مفت ہے
بلاک ہونے والی جنریشن کے پیسے دونوں ماڈلز پر خودکار طور پر واپس ہو جاتے ہیں۔ انکار کی اصل قیمت وہ چار منٹ ہیں، ڈالر نہیں۔
06آواز اور ایڈٹ
جب آواز کو دوسرا ٹیک چاہیے ہو
Omni Flash مکالمے کو تصویر والے ہی عمل میں لکھ دیتا ہے، اور بول چال کی انگریزی میں عموماً ٹھیک رہتا ہے۔ ٹھوکر ناموں پر لگتی ہے: گھڑے ہوئے پروڈکٹ نام، غیر ملکی الفاظ، ماڈل نمبر — یعنی وہ سب جو کسی مادری بولنے والے کو بھی بتانا پڑے کہ کیسے بولا جائے۔ مگر اس مسئلے کی بڑی صورت انگریزی کے علاوہ زبانیں ہیں، اور یہ ہر ویڈیو ماڈل میں ہے: Seedance 2.5 کو روسی میں پرکھنے والوں نے ایسا جملہ بیان کیا ہے جو شروع میں قابلِ قبول لگتا ہے اور راستے میں بکھر جاتا ہے — غیر زوردار مصوتے غلط طور پر کمزور پڑتے ہیں، زور غلط رکن پر آ جاتا ہے، اور پندرہ سیکنڈ کے منظر کے اختتام تک لہجہ روسی سے زیادہ کسی سلاوی آمیزے جیسا ہو جاتا ہے، کیونکہ روسی، یوکرینی اور بیلاروسی اتنی قریب ہیں کہ ماڈل انہیں گڈمڈ کر دیتا ہے۔ کچھ الفاظ صاف نکلتے ہیں اور اگلا لفظ پوری ٹیک کا بھید کھول دیتا ہے۔ اگر آپ کا اسکرپٹ انگریزی میں نہیں، تو منظوری سے پہلے پورا سن لیجیے۔
حل یہ ہے کہ ویڈیو ماڈل سے آواز مانگنا چھوڑ دیں اور اسے الگ جنریٹ کریں۔ Gemini 3.1 Flash TTS (gemini-3.1-flash-tts-preview) اسی بیلنس پر ہمارے MCP سرور کے ذریعے چلتا ہے: اسکرپٹ کے ہر 200 حروف پر $0.01، 30 آوازیں، ایک اسپیکر یا دو افراد کا مکالمہ، اور آؤٹ پٹ 24 kHz WAV۔ ہدایات سادہ انگریزی میں دی جاتی ہیں — کردار، رفتار، لہجہ، اور کسی بھی ایسے لفظ کی صوتی ہجے جسے درست بلوانا ہو۔ پھر ٹریک کو کسی بھی ایڈیٹر میں کلپ کے اوپر رکھ دیں۔ نئی لکھی ہوئی سطر اصل ٹیک جتنی ہی لمبی رکھیں تو منہ کی حرکت تقریباً میل کھاتی رہتی ہے؛ جہاں نہ کھائے، وہاں کٹ کر کے پروڈکٹ دکھا دیں۔
جنریٹ کی گئی وائس اوور · $0.01
اشتہار جوڑنے کے لیے بھی ایڈیٹنگ سافٹ ویئر کی ضرورت نہیں۔ ffmpeg ٹیکس کو سرے سے سرے تک جوڑتا ہے، وہ آدھا سیکنڈ کاٹ دیتا ہے جہاں ہاتھ کچھ عجیب کرتا ہے، بنی ہوئی آواز کی جگہ آپ کا TTS ٹریک لگا دیتا ہے، کراس فیڈ ڈالتا ہے اور 9:16 ورژن برآمد کر دیتا ہے — یہ سب ایک کمانڈ لائن سے، مفت، کسی بھی مشین پر۔ اس کا نحو بدنامِ زمانہ حد تک ناہموار ہے، اور بالکل اسی لیے یہ کسی ماڈل کے ساتھ خوب جچتا ہے: جو کٹ آپ چاہتے ہیں وہ Claude یا کسی بھی LLM کو بتائیے، کمانڈ لیجیے، چلا دیجیے۔ تین کلپ والے UGC اسپاٹ کے لیے پورا پوسٹ پروڈکشن بس یہی ہے — اور یہی وجہ ہے کہ اس صفحے کے ہندسے جنریشن کی لاگت ہی پر رکے رہتے ہیں، اوپر سے کوئی سبسکرپشن نہیں جڑتی۔
07قیمتیں
AI UGC اشتہار یہاں کتنے کا پڑتا ہے
| ماڈل | قیمت | یونٹ | آڈیو |
|---|---|---|---|
| Nano Banana Proریفرنسز اور پہلا فریم | $0.11 | 1K–2K تصویر | — |
| Nano Banana 2ڈرافٹ اور ویریئنٹس | $0.03–$0.13 | 512px–4K تصویر | — |
| Gemini Omni Flashفی سیکنڈ $0.10 | $0.30–$1.00 | 3–10 s، 720p | ہمیشہ آن |
| Veo 3.1 Fastآواز کے ساتھ | $0.50–$1.00 | 4–8 s، 720p/1080p | اختیاری |
| Veo 3.1 Liteسب سے سستی ویڈیو | $0.10–$0.36 | 4–8 s، 720p | اختیاری |
| Gemini 3.1 Flash TTSصرف MCP | $0.01 | فی 200 حروف | صرف آواز |
Veo کی قیمتیں 720p اور 1080p کے لیے ہیں؛ 4K مہنگا پڑتا ہے۔ Omni Flash آؤٹ پٹ کے ہر سیکنڈ کے $0.10 لیتا ہے، یعنی کلپ کی لمبائی ہی اس کی قیمت ہے۔ مکمل ٹیبل قیمتوں والے صفحے پر ہیں۔
ٹاپ اپ کرپٹو سے، $1 سے شروع۔ $50 یا اس سے زیادہ کے ڈپازٹ پر 5%، $100 یا اس سے زیادہ پر 10%، اور فعال پرومو کوڈ اسی ڈپازٹ کا مزید 10% دیتا ہے — یعنی کوڈ کے ساتھ $100 بیلنس میں $120 بن کر آتے ہیں۔ آٹھ سیکنڈ کے کلپ کے $1.13 کے حساب سے یہ تقریباً سو ٹیکس ہیں — دوبارہ بنانے اور کئی کلپ جوڑنے کو شمار کریں تو پچیس سے تیس مکمل اشتہار۔
ہر ماڈل اور ہر ریزولوشن مکمل قیمتوں والے صفحے پر درج ہے، اور Gemini Omni Flash کا صفحہ بتاتا ہے کہ وہ ماڈل کیا کر سکتا ہے اور کیا نہیں۔
08مزید جانیں
بلاگ سے گائیڈز
AI تصویر سے ویڈیو: کسی بھی تصویر کو ایک متحرک کلپ میں تبدیل کریں
پہلے فریم سے اینیمیشن کیسے کام کرتی ہے، موشن پرامپٹ میں کیا لکھنا ہے، اور یہ کہاں جا کر بکھر جاتی ہے۔
گائیڈ پڑھیںNano Banana Pro پروڈکٹ فوٹوگرافی: $0.11 اسٹوڈیو
پروڈکٹ کو ریفرنس تصویر سے مکمل فریم تک سلامت پہنچانا، اصل پرامپٹس کے ساتھ۔
گائیڈ پڑھیںGemini Omni Flash API جائزہ: پریویو ورژن کی اصل صلاحیتیں
پریویو API کے ساتھ عملی تجربہ: یہ کس چیز کو سپورٹ کرتا ہے، کس سے انکار کرتا ہے، اور ہر کلپ اصل میں کتنے کا پڑتا ہے۔
گائیڈ پڑھیں09عام سوالات
وہ سوال جو لوگ واقعی پوچھتے ہیں
کیا AI UGC ویڈیو بنانے کے لیے کسی اصلی شخص کی ضرورت ہے؟
نہیں۔ کریئیٹر بھی جنریٹ کیا جا سکتا ہے — اس صفحے پر آپ جتنے لوگ دیکھ رہے ہیں، سب ایک ٹیکسٹ پرامپٹ سے نکلے ہیں اور کبھی وجود میں نہیں تھے۔ اگر آپ کسی حقیقی شخص کا چہرہ استعمال کریں تو اس کی اجازت لازمی ہے: شبیہ سے متعلق قواعد جنریٹ شدہ ویڈیو پر بھی اسی طرح لاگو ہوتے ہیں جیسے کسی فوٹو شوٹ پر، اور مصنوعی شبیہ کے بارے میں پلیٹ فارمز کی پالیسیاں لوگوں کے اندازے سے کہیں زیادہ سخت ہیں۔
کیا اگلے اشتہار میں وہی چہرہ واپس آئے گا؟
ہاں، بشرطیکہ آپ وہی ریفرنس تصاویر رکھیں اور وہی پہلا فریم دوبارہ استعمال کریں۔ انہی ریفرنسز سے فریم دوبارہ جنریٹ کرنے پر نتیجہ قریب تو آتا ہے مگر پکسل بہ پکسل وہی نہیں ہوتا — سب سے محفوظ عادت یہ ہے کہ ہر منظور شدہ پہلا فریم سنبھال کر رکھیں اور اسے دوبارہ بنانے کے بجائے دوبارہ متحرک کریں۔
کیا مجھے بتانا پڑے گا کہ اشتہار AI سے بنا ہے؟
TikTok پر، ہاں: ایڈٹ شدہ میڈیا اور AI سے بنے مواد سے متعلق اس کی اشتہاری پالیسی کے تحت یا تو Ads Manager سے AIGC لیبل لگانا ہوگا یا کریئیٹو پر اپنا نمایاں ڈسکلیمر۔ Meta جن اشتہارات کو جنریٹ شدہ پہچانتا ہے، ان پر اپنے AI لیبل خود لگا دیتا ہے۔ دونوں پالیسیاں 2026 کے دوران بدلی ہیں، لہٰذا بڑی مہم چلانے سے پہلے موجودہ ورژن خود دیکھ لیں، کسی بلاگ پوسٹ پر بھروسہ نہ کریں — بشمول اسی والے کے۔
ٹاکنگ ہیڈ UGC اشتہار کے لیے کون سا ماڈل استعمال کروں؟
شروعات Gemini Omni Flash سے کیجیے: آواز سمیت $0.10 فی سیکنڈ۔ کیمرے سے بات کرتے شخص کے لیے یہ سب سے سستا بھی ہے اور سب سے کم نخرے والا بھی، اور یہی نیا ماڈل ہے جس کی فزکس کو Google خود نمایاں کرتا ہے۔ اسے یوں نہ پڑھیے کہ «Omni حرکت نہیں کر سکتا»: یہ انڈیلتا ہے، گراتا ہے، وزن محسوس کراتا ہے۔ جو یہ گرا دیتا ہے وہ ایک ہی ٹیک میں لمبے اور نازک کاموں کی لڑی ہے — ہمارے چار کاموں والے ڈراپر امتحان میں اس نے بوتل کھو دی جبکہ Veo 3.1 Fast نے تھامے رکھی۔ سو ہُک یا تعریفی گواہی کے لیے Omni۔ اور جو شاٹ ترتیب پر کھڑا ہو، اسے دونوں پر بنائیے اور چلنے والی ٹیک رکھیے؛ ناکام ٹیک کی قیمت چند سینٹ ہے۔
کیا میں اپنی فلمائی ہوئی فوٹیج استعمال کر سکتا ہوں؟
ہاں، زیادہ سے زیادہ 10 سیکنڈ تک۔ اپنا کلپ اپ لوڈ کریں اور Omni Flash اسے video-to-video کے طور پر ایڈٹ کر دے گا — روشنی، پس منظر، یا شخص کے ہاتھ میں موجود چیز بدل دے گا — اور ٹیک وہی رہے گا۔ زیادہ لمبی فوٹیج جنریشن سے پہلے ماڈل کی حد تک کاٹ دی جاتی ہے۔
اگر جنریشن سے انکار ہو جائے تو کیا ہوتا ہے؟
بیلنس خودکار طور پر واپس آ جاتا ہے، Omni Flash اور Veo دونوں پر۔ انکار زیادہ تر لباس، کم عمر افراد اور پہچانے جانے والے حقیقی لوگوں کے گرد ہوتا ہے؛ اوپر ماڈل کے انتخاب والے حصے میں لباس کا جو اصول بتایا گیا ہے، وہی سب سے زیادہ دوبارہ کوششیں بچاتا ہے۔
کیا میں یہ سب Claude، Cursor یا اپنی اسکرپٹ سے چلا سکتا ہوں؟
ہاں — یہی ماڈلز ہمارے MCP سرور پر دستیاب ہیں، بشمول اسپیچ ماڈل کے، جس کا کوئی ویب انٹرفیس سرے سے ہے ہی نہیں۔ ریفرنس تصاویر اور پہلے فریم job ID، عوامی URL یا inline base64 کے طور پر بھیجے جا سکتے ہیں، یعنی پورا UGC بیچ کسی ایجنٹ سے اسکرپٹ کیا جا سکتا ہے۔
ایک کلپ نہیں، پورے 30 سیکنڈ کے اشتہار پر کتنا خرچ آتا ہے؟
کلپ نہیں، ٹیکس گنیے۔ 20–30 سیکنڈ کا اسپاٹ عموماً تین سے چار کلپ جوڑ کر بنتا ہے، اور ہر کلپ کام کے قابل ہونے سے پہلے دو تین کوششیں مانگتا ہے: پھیکی ادائیگی، عجیب ہاتھ، یا انکار۔ Omni Flash کے آٹھ سیکنڈ $0.80 کے حساب سے مکمل اشتہار چند ڈالر میں رہتا ہے؛ زیادہ حرکت والے شاٹ مکمل Veo 3.1 پر فی کلپ $3.00 میں بنائیں تو یہ دہائیوں میں چلا جاتا ہے۔ ایڈیٹنگ کچھ نہیں بڑھاتی: ffmpeg ٹیکس جوڑتا ہے، انہیں کاٹتا ہے اور اوپر وائس اوور چڑھا دیتا ہے — سب کمانڈ لائن سے، اور وہ کمانڈز کوئی LLM آپ کے لیے لکھ سکتا ہے۔
دو تصاویر اور چند ڈالر
مفت سائن اپ کریں، بیلنس پر $0.20 کے ساتھ، اور کرپٹو سے $1 سے ٹاپ اپ کریں۔ پہلا فریم تقریباً ایک منٹ میں، پہلا کلپ پانچ میں۔