इमेज और वीडियो

ऑडियो-वीडियो जॉइंट जनरेशन वाला एक यूनिफ़ाइड मल्टीमॉडल वीडियो मॉडल, जो बेहद वास्तविक, सिनेमैटिक नतीजों के लिए परफ़ॉर्मेंस, लाइटिंग, शैडो और कैमरा मूवमेंट पर डायरेक्टर-लेवल कंट्रोल देता है।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• शुरुआती फ़्रेम
• अंतिम फ़्रेम
• इमेज रेफरेंस
• वीडियो रेफरेंस
• ऑडियो रेफरेंस

फ़ीचर्स:

• यूनिफ़ाइड मल्टीमॉडल आर्किटेक्चर, जो एक ही पास में सिंक्रनाइज़ ऑडियो और वीडियो साथ में जनरेट करता है
• इंडस्ट्री-लीडिंग मल्टीमॉडल रेफरेंस और एडिटिंग क्षमताएं, जो टेक्स्ट, इमेज, ऑडियो और वीडियो इनपुट एक साथ स्वीकार करती हैं
• इंडस्ट्री मानकों के अनुरूप सिनेमैटिक-ग्रेड रियलिज़्म के साथ बेहतरीन मोशन स्टेबिलिटी
• परफ़ॉर्मेंस, लाइटिंग, शैडो और कैमरा मूवमेंट पर डायरेक्टर-लेवल क्रिएटिव कंट्रोल
• 4s से 15s तक की लचीली जनरेशन लंबाई
• हर जनरेशन में ऑडियो को चालू या बंद करने का नेटिव कंट्रोल
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 480p, 720p, 1080p
• आस्पेक्ट रेशियो: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

इनके लिए उपयुक्त:

• सिंक्रनाइज़ ऑडियो और विज़ुअल की ज़रूरत वाली सिनेमैटिक स्टोरीटेलिंग
• सोर्स इमेज, वीडियो या ऑडियो का सख्ती से पालन करने वाला रेफरेंस-आधारित कंटेंट
• लाइटिंग और कैमरा वर्क पर बारीकी से कंट्रोल की ज़रूरत वाले प्रोफ़ेशनल प्रोडक्शन

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार बदलती है

API: bytedance-seedance-v2

Seedance 2.0 का तेज़ और कम लागत वाला वेरिएंट, जिसमें वही मल्टीमॉडल रेफरेंस इनपुट हैं और आउटपुट 720p तक सीमित है।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• शुरुआती फ़्रेम
• अंतिम फ़्रेम
• इमेज रेफरेंस (अधिकतम 9)
• वीडियो रेफरेंस (अधिकतम 3, कुल 15s)
• ऑडियो रेफरेंस (अधिकतम 3, कुल 15s)

फ़ीचर्स:

• Seedance 2.0 जैसा ही रेफरेंस हैंडलिंग, हर जनरेशन में कुल अधिकतम 12 रेफरेंस
• फ़्रेम और रेफरेंस एक साथ इस्तेमाल नहीं किए जा सकते: शुरुआती या अंतिम फ़्रेम इस्तेमाल करें, या रेफरेंस; दोनों नहीं
• 4s से 15s तक की लचीली जनरेशन लंबाई
• हर जनरेशन में ऑडियो को चालू या बंद करने का नेटिव कंट्रोल
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 480p, 720p
• आस्पेक्ट रेशियो: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

इनके लिए उपयुक्त:

• फ़ुल-रिज़ॉल्यूशन रेंडर से पहले Seedance 2.0 प्रॉम्प्ट पर बदलाव करना
• ऐसे रेफरेंस-आधारित क्लिप जिनके लिए 720p आउटपुट पर्याप्त हो

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार बदलती है

API: bytedance-seedance-v2-fast

Seedance 2.0 का सबसे छोटा वेरिएंट: समान इनपुट और 720p आउटपुट के साथ, Seedance 2.0 से लगभग दोगुना तेज़ और लगभग आधी लागत वाला।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• शुरुआती फ़्रेम
• अंतिम फ़्रेम
• इमेज रेफरेंस (अधिकतम 9)
• वीडियो रेफरेंस (अधिकतम 3, कुल 15s)
• ऑडियो रेफरेंस (अधिकतम 3, कुल 15s)

फ़ीचर्स:

• Seedance 2.0 जैसा ही रेफरेंस हैंडलिंग, हर जनरेशन में कुल अधिकतम 12 रेफरेंस
• फ़्रेम और रेफरेंस एक साथ इस्तेमाल नहीं किए जा सकते: शुरुआती या अंतिम फ़्रेम इस्तेमाल करें, या रेफरेंस; दोनों नहीं
• 4s से 15s तक की लचीली जनरेशन लंबाई
• हर जनरेशन में ऑडियो को चालू या बंद करने का नेटिव कंट्रोल
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 480p, 720p
• आस्पेक्ट रेशियो: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

इनके लिए उपयुक्त:

• अधिक मात्रा में ड्राफ़्ट और प्रीव्यू
• लागत-संवेदनशील वर्कफ़्लो, जिन्हें फिर भी ऑडियो और रेफरेंस इनपुट चाहिए

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार बदलती है

API: bytedance-seedance-v2-mini

Seedance 2.0 का अगला संस्करण, जिसमें अधिक स्पष्ट रियलिज़्म, कुल मिलाकर अधिकतम 50 इमेज, वीडियो और ऑडियो रेफरेंस, और 30 सेकंड तक की जनरेशन है।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• शुरुआती फ़्रेम
• अंतिम फ़्रेम
• इमेज रेफरेंस (अधिकतम 30)
• वीडियो रेफरेंस (अधिकतम 10, कुल 30s)
• ऑडियो रेफरेंस (अधिकतम 10, कुल 30s)

फ़ीचर्स:

• रेफरेंस प्रकारों में कोई संयुक्त सीमा नहीं; इमेज या वीडियो के बिना केवल ऑडियो रेफरेंस भी स्वीकार किए जाते हैं
• फ़्रेम और रेफरेंस एक साथ इस्तेमाल नहीं किए जा सकते
• 4s से 30s तक की लचीली जनरेशन लंबाई
• शुरुआती फ़्रेम या रेफरेंस वीडियो दिए जाने पर उसी से आस्पेक्ट रेशियो लिया जाता है
• हर जनरेशन में ऑडियो को चालू या बंद करने का नेटिव कंट्रोल
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 480p, 720p
• आस्पेक्ट रेशियो: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

इनके लिए उपयुक्त:

• लंबे क्लिप, जिन्हें कई रेफरेंस के साथ एक जैसा बनाए रखना हो
• रेफरेंस ऑडियो से संचालित डायलॉग और परफ़ॉर्मेंस सीन

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार बदलती है

API: bytedance-seedance-v2.5

बदलावों का विवरण देकर मौजूदा वीडियो को एडिट करता है। आउटपुट की लंबाई और आस्पेक्ट रेशियो इनपुट वीडियो के अनुसार होते हैं।

जनरेशन इनपुट:

• एडिट करने के लिए वीडियो (ज़रूरी, अधिकतम 30s)
• एडिट का वर्णन करने वाला टेक्स्ट प्रॉम्प्ट
• इमेज रेफरेंस (अधिकतम 30)
• अतिरिक्त वीडियो रेफरेंस (अधिकतम 10, कुल 30s)
• ऑडियो रेफरेंस (अधिकतम 10, कुल 30s)

फ़ीचर्स:

• अवधि का कोई कंट्रोल नहीं: आउटपुट इनपुट वीडियो की लंबाई के बराबर होता है
• आस्पेक्ट रेशियो इनपुट वीडियो से लिया जाता है
• हर जनरेशन में ऑडियो को चालू या बंद करने का नेटिव कंट्रोल
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 480p, 720p

इनके लिए उपयुक्त:

• मौजूदा फ़ुटेज में कपड़े, प्रॉप्स, लाइटिंग या सेटिंग बदलना
• ओरिजिनल मोशन को बनाए रखने वाला स्टाइल ट्रांसफ़र

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार बदलती है

प्रॉम्प्ट और वैकल्पिक रेफरेंस के आधार पर, मौजूदा वीडियो को उसके समाप्त होने के स्थान से आगे बढ़ाता है।

जनरेशन इनपुट:

• आगे बढ़ाने के लिए वीडियो (ज़रूरी, अधिकतम 30s)
• अगले भाग का वर्णन करने वाला टेक्स्ट प्रॉम्प्ट
• इमेज रेफरेंस (अधिकतम 30)
• अतिरिक्त वीडियो रेफरेंस (अधिकतम 10, कुल 30s)
• ऑडियो रेफरेंस (अधिकतम 10, कुल 30s)

फ़ीचर्स:

• 4s से 30s तक की एक्सटेंशन लंबाई
• आस्पेक्ट रेशियो इनपुट वीडियो से लिया जाता है
• हर जनरेशन में ऑडियो को चालू या बंद करने का नेटिव कंट्रोल
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 480p, 720p

इनके लिए उपयुक्त:

• बहुत जल्दी समाप्त हो जाने वाले शॉट को लंबा करना
• कई जनरेशन को जोड़कर लंबा सीक्वेंस बनाना

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार बदलती है

एक उन्नत वीडियो मॉडल, जो AI डायरेक्टर की तरह काम करता है और जटिल कैमरा मूवमेंट के दौरान कैरेक्टर, आइटम और सीन में उच्च स्थिरता बनाए रखता है।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• शुरुआती फ़्रेम
• अंतिम फ़्रेम

फ़ीचर्स:

• मल्टी-एंगल इमेज या वीडियो रेफरेंस का उपयोग करके हाई-फ़िडेलिटी कैरेक्टर और सीन रिटेंशन
• मल्टीलिंगुअल लिप-सिंक और पर्यावरणीय साउंड के साथ नेटिव ऑडियो-विज़ुअल को-जनरेशन
• 3s से 15s तक की लचीली जनरेशन लंबाई
• एक साथ अधिकतम 4 वेरिएशन जनरेट करें
• टेक्स्ट, फ़्लूइड डायनेमिक्स और जटिल भौतिक इंटरैक्शन की बेहतर हैंडलिंग

आउटपुट विकल्प:

• रिज़ॉल्यूशन: केवल 1080p
• आस्पेक्ट रेशियो: 16:9, 1:1, 9:16

इनके लिए उपयुक्त:

• विज़ुअल कंटिन्यूटी की ज़रूरत वाली कैरेक्टर-आधारित स्टोरीटेलिंग
• खास टेक्स्ट-रेंडरिंग आवश्यकताओं वाले विज्ञापन और एसेट्स

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार बदलती है

उच्च स्थिरता वाला वीडियो मॉडल, जो AI डायरेक्टर की तरह काम करता है और जटिल कैमरा मूवमेंट के दौरान कैरेक्टर, आइटम और सीन की पहचान बनाए रखता है।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• शुरुआती फ़्रेम
• अंतिम फ़्रेम
• वीडियो रेफरेंस
• इमेज रेफरेंस

फ़ीचर्स:

• मल्टी-एंगल रेफरेंस से मुख्य कैरेक्टर और आइटम की सटीक विज़ुअल पहचान बनाए रखता है
• 3s से 15s तक की सहज जनरेशन लंबाई सपोर्ट करता है
• एक बार में अधिकतम 4 वेरिएशन जनरेट करें
• एलिमेंट इंटरैक्शन और मोशन कोहेरेंस की सटीक मॉडलिंग
• हर जनरेशन में ऑडियो चालू या बंद करने का नेटिव सपोर्ट

आउटपुट विकल्प:

• रिज़ॉल्यूशन: केवल 1080p
• आस्पेक्ट रेशियो: 16:9, 1:1, 9:16

इनके लिए उपयुक्त:

• सख्त विज़ुअल कंटिन्यूटी की ज़रूरत वाली कैरेक्टर-आधारित स्टोरीटेलिंग
• लगातार आइटम रेंडरिंग वाली प्रोफ़ेशनल मार्केटिंग और ब्रांड एसेट्स

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार बदलती है

O3 आर्किटेक्चर पर आधारित, नैचुरल लैंग्वेज से संचालित वीडियो-टू-वीडियो एडिटिंग मॉडल। यह मैन्युअल मास्किंग या फ़्रेम-दर-फ़्रेम बदलावों के बिना कैरेक्टर रिप्लेसमेंट और एनवायरनमेंट स्वैप जैसे जटिल विज़ुअल ट्रांसफ़ॉर्मेशन संभव बनाता है।

जनरेशन इनपुट:

• सोर्स वीडियो
• इमेज रेफरेंस (अधिकतम 4 अलग एलिमेंट/एंगल)
• टेक्स्ट विवरण (नैचुरल लैंग्वेज निर्देश)

फ़ीचर्स:

• ओरिजिनल मोशन स्ट्रक्चर का सम्मान करते हुए सब्जेक्ट या सेटिंग बदलने के लिए कन्वर्सेशनल प्रॉम्प्ट की व्याख्या करता है
• एडिट के दौरान ओरिजिनल कैमरा एंगल, मूवमेंट पैटर्न और स्पेशल रिलेशनशिप बनाए रखता है
• हाई-फ़िडेलिटी कैरेक्टर स्थिरता सुनिश्चित करने के लिए अधिकतम 4 कुल एलिमेंट (फ्रंटल और मल्टी-एंगल इमेज सहित) जोड़ता है
• हर जनरेशन में ओरिजिनल सोर्स ऑडियो बनाए रखने या साइलेंट आउटपुट जनरेट करने का विकल्प
• एक बार में अधिकतम 4 एडिट किए गए वेरिएशन जनरेट करें

आउटपुट विकल्प:

• रिज़ॉल्यूशन: सोर्स वीडियो पर निर्भर
• आस्पेक्ट रेशियो: सोर्स वीडियो से मेल खाता है

इनके लिए उपयुक्त:

• ओरिजिनल मूवमेंट बनाए रखते हुए मौजूदा फ़ुटेज में हाई-फ़िडेलिटी कैरेक्टर रिप्लेसमेंट
• पूरे सीन के एनवायरनमेंट ट्रांसफ़ॉर्मेशन (जैसे, दिन के शहर को भविष्यवादी नाइटस्केप में बदलना)
• मौजूदा कैमरा डायनेमिक्स का सख्ती से पालन करने वाले स्टाइल ट्रांसफ़र लागू करना

लागत: वीडियो की अवधि और चुनी गई सेटिंग्स के अनुसार बदलती है

उच्च गुणवत्ता वाले सिनेमैटिक वीडियो जनरेशन के लिए प्रोफ़ेशनल-ग्रेड मॉडल।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• शुरुआती फ़्रेम
• अंतिम फ़्रेम
• इमेज रेफरेंस

फ़ीचर्स:

• नेगेटिव प्रॉम्प्ट के साथ बेहतरीन क्वालिटी और क्रिएटिव कंट्रोल
• पूरी तरह इंटीग्रेटेड और सिंक्रनाइज़ ऑडियो
• वास्तविक डायलॉग, लिप-सिंक और साउंड इफेक्ट्स
• तय अवधि: 4s, 6s और 8s
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन
• समर्पित साउंड कंट्रोल

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 720p, 1080p
• आस्पेक्ट रेशियो: 16:9, 9:16

इनके लिए उपयुक्त:

• पूरे क्रिएटिव कंट्रोल के साथ उच्च गुणवत्ता वाला सिनेमैटिक वीडियो जनरेशन

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार बदलती है

API: veo-3.1-generate-001

तेज़ प्रीव्यू और जनरेशन के लिए ऑप्टिमाइज़ किया गया हाई-स्पीड मॉडल, जो कम लेटेंसी के साथ अधिक स्पष्ट विज़ुअल देता है।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• शुरुआती फ़्रेम
• अंतिम फ़्रेम

फ़ीचर्स:

• नेगेटिव प्रॉम्प्ट और समर्पित साउंड कंट्रोल के साथ उन्नत क्रिएटिव कंट्रोल
• तय अवधि: 4s, 6s और 8s
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन
• वास्तविक मोशन और इंटरैक्शन के लिए असली दुनिया की फ़िज़िक्स को सटीक रूप से मॉडल करता है

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 720p, 1080p
• आस्पेक्ट रेशियो: 16:9, 9:16

इनके लिए उपयुक्त:

• तेज़ बदलाव और A/B टेस्टिंग विज़ुअल
• तेज़ रफ़्तार सोशल मीडिया कंटेंट क्रिएशन

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार बदलती है

API: veo-3.1-fast-generate-001

कम कंप्यूट पर तेज़ जनरेशन के लिए ऑप्टिमाइज़ किया गया Veo 3.1 का किफ़ायती, हाई-स्पीड वेरिएंट।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• शुरुआती फ़्रेम

फ़ीचर्स:

• नेगेटिव प्रॉम्प्ट और समर्पित साउंड कंट्रोल के साथ बारीकी वाला क्रिएटिव कंट्रोल
• तय अवधि: 4s, 6s और 8s
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 720p
• आस्पेक्ट रेशियो: 16:9, 9:16

इनके लिए उपयुक्त:

• अधिक मात्रा में कंटेंट क्रिएशन, जहां स्पीड और लागत दक्षता प्राथमिकता हो
• तेज़ कॉन्सेप्ट एक्सप्लोरेशन और प्रीव्यू

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार बदलती है

Google का फ़िज़िक्स-अवेयर वीडियो मॉडल, जिसमें नेटिव ऑडियो, 4K तक आउटपुट, और फ़्रेम इंटरपोलेशन व रेफरेंस-गाइडेड जनरेशन दोनों हैं।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• शुरुआती फ़्रेम
• अंतिम फ़्रेम
• इमेज रेफरेंस (अधिकतम 10)
• वीडियो रेफरेंस (अधिकतम 3, प्रत्येक अधिकतम 10s)

फ़ीचर्स:

• फ़्रेम और रेफरेंस एक साथ इस्तेमाल नहीं किए जा सकते: फ़्रेम के बीच इंटरपोलेट करें या रेफरेंस से गाइड करें
• तय अवधि 3s से 10s तक; रेफरेंस वीडियो अटैच होने पर अवधि उसी के अनुसार होती है
• छोटे ऑन-स्क्रीन टेक्स्ट और लेबल का मज़बूत रेंडरिंग
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 360p, 720p, 1080p, 4K
• आस्पेक्ट रेशियो: 16:9, 9:16

इनके लिए उपयुक्त:

• स्पष्ट टेक्स्ट वाले एक्सप्लेनर और काइनेटिक टाइपोग्राफ़ी
• रेफरेंस के बीच एक जैसे सब्जेक्ट के साथ फ़िज़िकली ग्राउंडेड मोशन

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार बदलती है

Gemini Omni Flash 1.1 का उपयोग करके मौजूदा वीडियो को उसके समाप्त होने के स्थान से आगे बढ़ाता है, ताकि कुल लंबाई 40 सेकंड तक हो सके।

जनरेशन इनपुट:

• आगे बढ़ाने के लिए वीडियो (ज़रूरी, अधिकतम 30s)
• अगले भाग का वर्णन करने वाला टेक्स्ट प्रॉम्प्ट

फ़ीचर्स:

• 3s से 10s तक की एक्सटेंशन लंबाई
• आस्पेक्ट रेशियो इनपुट वीडियो के अनुसार होता है
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 360p, 720p, 1080p, 4K

इनके लिए उपयुक्त:

• बिना दिखने वाले कट के Gemini Omni Flash जनरेशन को लंबा करना
• एक जनरेशन की अनुमति से लंबे सीक्वेंस बनाना

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार बदलती है

पहला Gemini Omni वीडियो मॉडल: फ़िज़िक्स-अवेयर मोशन, नेटिव ऑडियो और उपलब्ध वीडियो मॉडल में सबसे मज़बूत ऑन-स्क्रीन टेक्स्ट रेंडरिंग, 720p पर।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• इमेज रेफरेंस (अधिकतम 8)
• वीडियो रेफरेंस (1, अधिकतम 10s)

फ़ीचर्स:

• तय अवधि 3s से 10s तक; रेफरेंस वीडियो अटैच होने पर अवधि उसी के अनुसार होती है
• शुरुआती या अंतिम फ़्रेम नहीं; इसके बजाय सब्जेक्ट को एंकर करने के लिए इमेज रेफरेंस इस्तेमाल करें
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 720p
• आस्पेक्ट रेशियो: 16:9, 9:16

इनके लिए उपयुक्त:

• छोटे कैप्शन, टाइटल और लेबल वाले एक्सप्लेनर
• 720p पर मल्टी-इमेज स्थिरता

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार बदलती है

बेहतर टेम्पोरल स्थिरता और कीफ़्रेम के बीच सटीक ट्रांज़िशन कंट्रोल के साथ डायनामिक, हाई-फिडेलिटी सीक्वेंस बनाने के लिए एक उन्नत विशेष मॉडल।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• शुरुआती फ़्रेम
• अंतिम फ़्रेम

फ़ीचर्स:

• सुसंगत, मल्टी-शॉट सीक्वेंस के लिए शुरुआती और अंतिम फ़्रेम को सहजता से जोड़ता है
• जटिल ऐक्शन और पर्यावरण की स्थिरता की हाई-फिडेलिटी मॉडलिंग
• 4s से 12s तक की निश्चित जनरेशन लंबाई सपोर्ट करता है
• एक बार में अधिकतम 4 वेरिएशन जनरेट करें
• हर जनरेशन के लिए ऑडियो सक्षम या अक्षम करने का नेटिव सपोर्ट

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 420p, 720p
• आस्पेक्ट रेशियो: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

इनके लिए आदर्श:

• खास विज़ुअल बेंचमार्क के बीच स्थिर भौतिकी वाले स्टोरीटेलिंग और ऐक्शन सीन
• सख्त शुरुआत/अंत आवश्यकताओं वाले सिनेमैटिक ट्रांज़िशन और प्रोफ़ेशनल वीडियो एसेट्स

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार अलग-अलग

Black Forest Labs का वीडियो मॉडल, जिसमें प्राकृतिक गति, मल्टी-शॉट सीन, जनरेटेड ऑडियो और वीडियो एक्सटेंशन शामिल हैं।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• शुरुआती फ़्रेम
• अंतिम फ़्रेम
• एक्सटेंड करने के लिए वीडियो (1, अधिकतम 15s)

फ़ीचर्स:

• वीडियो एक्सटेंशन को शुरुआती और अंतिम फ़्रेम के साथ एक साथ इस्तेमाल नहीं किया जा सकता
• 5s से 20s तक की लचीली जनरेशन लंबाई
• हर जनरेशन में ऑडियो सक्षम या अक्षम करने के लिए नेटिव साउंड कंट्रोल
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 720p, 1080p
• आस्पेक्ट रेशियो: 21:9, 2:1, 16:9, 4:3, 1:1, 3:4, 9:16

इनके लिए आदर्श:

• एक ही प्रॉम्प्ट से मल्टी-शॉट सीन
• मेल खाती गति और ऑडियो के साथ मौजूदा क्लिप को एक्सटेंड करना

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार अलग-अलग

टेक्स्ट प्रॉम्प्ट से मौजूदा वीडियो एडिट करता है। आउटपुट की लंबाई और फ़्रेमिंग स्रोत वीडियो के अनुसार होती है, अधिकतम 15s तक।

जनरेशन इनपुट:

• एडिट करने के लिए वीडियो (ज़रूरी, अधिकतम 15s)
• एडिट का विवरण देने वाला टेक्स्ट प्रॉम्प्ट

आउटपुट विकल्प:

• रिज़ॉल्यूशन और आस्पेक्ट रेशियो स्रोत वीडियो से मेल खाते हैं

इनके लिए आदर्श:

• मौजूदा फ़ुटेज में प्रॉम्प्ट-आधारित बदलाव

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार अलग-अलग

MiniMax का फ़्लैगशिप वीडियो मॉडल, जिसमें मल्टीमॉडल रेफ़रेंस, जनरेटेड ऑडियो और 4K तक आउटपुट शामिल है।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• शुरुआती फ़्रेम
• अंतिम फ़्रेम
• इमेज रेफ़रेंस (अधिकतम 9)
• वीडियो रेफ़रेंस (अधिकतम 3, प्रत्येक 2s से 15s, कुल 15s)
• ऑडियो रेफ़रेंस (अधिकतम 3, प्रत्येक 2s से 15s, कुल 15s)

फ़ीचर्स:

• हर जनरेशन में कुल 12 रेफ़रेंस की सीमा; ऑडियो रेफ़रेंस के लिए कम-से-कम एक इमेज या वीडियो रेफ़रेंस ज़रूरी है
• फ़्रेम और रेफ़रेंस को एक साथ इस्तेमाल नहीं किया जा सकता
• 5s से 15s तक की लचीली जनरेशन लंबाई
• सिंक्रोनाइज़्ड ऑडियो जनरेट करता है
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 480p, 768p, 2K, 4K (2K और 4K को 768p से अपस्केल किया जाता है)
• आस्पेक्ट रेशियो: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

इनके लिए आदर्श:

• रेफ़रेंस-आधारित सीन, जिनकी हाई-रिज़ॉल्यूशन डिलीवरी चाहिए
• रेफ़रेंस ऑडियो से संचालित डायलॉग क्लिप

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार अलग-अलग

MiniMax H3 का लगभग तुरंत परिणाम देने वाला वेरिएंट, जिसमें वही इनपुट और बेहतर एस्थेटिक्स हैं और जो नेटिव रूप से 768p तक रेंडर होता है।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• शुरुआती फ़्रेम
• अंतिम फ़्रेम
• इमेज रेफ़रेंस (अधिकतम 9)
• वीडियो रेफ़रेंस (अधिकतम 3, प्रत्येक 2s से 15s, कुल 15s)
• ऑडियो रेफ़रेंस (अधिकतम 3, प्रत्येक 2s से 15s, कुल 15s)

फ़ीचर्स:

• हर जनरेशन में कुल 12 रेफ़रेंस की सीमा; ऑडियो रेफ़रेंस के लिए कम-से-कम एक इमेज या वीडियो रेफ़रेंस ज़रूरी है
• फ़्रेम और रेफ़रेंस को एक साथ इस्तेमाल नहीं किया जा सकता
• 5s से 15s तक की लचीली जनरेशन लंबाई
• सिंक्रोनाइज़्ड ऑडियो जनरेट करता है
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 480p, 768p
• आस्पेक्ट रेशियो: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

इनके लिए आदर्श:

• प्रॉम्प्ट और रेफ़रेंस पर तेज़ी से इटरेशन
• MiniMax H3 से रेंडर करने से पहले प्रीव्यू

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार अलग-अलग

1 से 4 फ़ोटो का उपयोग करके स्रोत वीडियो में लोगों को बदलता है। लंबाई स्रोत के अनुसार होती है, अधिकतम 30s तक, और मूल ऑडियो रखा जाता है।

जनरेशन इनपुट:

• स्रोत वीडियो (अधिकतम 30s)
• बदले जाने वाले लोगों की फ़ोटो (1 से 4)

फ़ीचर्स:

• आउटपुट की लंबाई स्रोत वीडियो के अनुसार होती है
• स्रोत ऑडियो रखता है

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 1080p तक
• आस्पेक्ट रेशियो स्रोत वीडियो के अनुसार होता है

इनके लिए आदर्श:

• मौजूदा फ़ुटेज में लोगों को रेफ़रेंस फ़ोटो के विषयों से बदलना

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार अलग-अलग

अत्याधुनिक रीजनिंग वीडियो मॉडल, जिसे बेहतर प्रॉम्प्ट पालन और जटिल भौतिक दुनिया के सिमुलेशन के लिए डिज़ाइन किया गया है। यह जटिल निर्देशों को समझने और लागू करने के लिए उन्नत लॉजिकल प्रोसेसिंग का उपयोग करता है।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो (विवरण)
• शुरुआती फ़्रेम और अंतिम फ़्रेम
• वीडियो रेफ़रेंस
• इमेज रेफ़रेंस

फ़ीचर्स:

• मल्टी-लेयर्ड प्रॉम्प्ट को समझने और जटिल कालानुक्रमिक ऐक्शन करने की असाधारण क्षमता
• उच्च कैरेक्टर और सीन स्थिरता बनाए रखने के लिए इमेज और वीडियो, दोनों को विज़ुअल एंकर की तरह इस्तेमाल करता है
• भौतिक इंटरैक्शन, कारण-और-प्रभाव तथा फ़्लूइड डायनेमिक्स की बेहतर मॉडलिंग
• 5s और 10s क्लिप के लिए उच्च-गुणवत्ता जनरेशन सपोर्ट करता है
• एक बार में अधिकतम 4 वेरिएशन जनरेट करें

आउटपुट विकल्प:

• रिज़ॉल्यूशन: इनपुट पर निर्भर
• आस्पेक्ट रेशियो: 16:9, 1:1, 9:16

इनके लिए आदर्श:

• लंबे, विस्तृत विवरणों का सटीक पालन चाहने वाले बेहद विशिष्ट क्रिएटिव कॉन्सेप्ट
• प्रोफ़ेशनल स्टोरीटेलिंग, जहाँ भौतिक यथार्थवाद और मल्टी-रेफ़रेंस स्थिरता अहम हो

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार अलग-अलग

प्राकृतिक भाषा से संचालित वीडियो-टू-वीडियो एडिटिंग मॉडल, जो मैन्युअल मास्किंग या फ़्रेम-दर-फ़्रेम एडजस्टमेंट के बिना कैरेक्टर बदलने और एनवायरनमेंट स्वैप जैसे जटिल विज़ुअल ट्रांसफ़ॉर्मेशन कर सकता है।

जनरेशन इनपुट:

• स्रोत वीडियो
• इमेज रेफ़रेंस (अधिकतम 4 अलग एलिमेंट/एंगल)
• टेक्स्ट विवरण (प्राकृतिक भाषा निर्देश)

फ़ीचर्स:

• मूल मोशन स्ट्रक्चर का सम्मान करते हुए विषय या सेटिंग बदलने के लिए कन्वर्सेशनल प्रॉम्प्ट समझता है
• पूरे एडिट में मूल कैमरा एंगल, मूवमेंट पैटर्न और स्पेशियल रिलेशनशिप बनाए रखता है
• उच्च-फिडेलिटी कैरेक्टर स्थिरता सुनिश्चित करने के लिए अधिकतम 4 कुल एलिमेंट (फ्रंटल और मल्टी-एंगल इमेज सहित) को मिलाता है
• हर जनरेशन में मूल स्रोत ऑडियो रखने या साइलेंट आउटपुट जनरेट करने का विकल्प
• एक बार में अधिकतम 4 एडिट किए गए वेरिएशन जनरेट करें

आउटपुट विकल्प:

• रिज़ॉल्यूशन: स्रोत वीडियो पर निर्भर
• आस्पेक्ट रेशियो: स्रोत वीडियो से मेल खाता है

इनके लिए आदर्श:

• मूल मूवमेंट बनाए रखते हुए मौजूदा फ़ुटेज में हाई-फिडेलिटी कैरेक्टर रिप्लेसमेंट
• पूरे सीन एनवायरनमेंट में बदलाव (जैसे, दिन के शहर को भविष्यवादी नाइटस्केप में बदलना)
• ऐसे स्टाइल ट्रांसफ़र लागू करना, जिनमें मौजूदा कैमरा डायनेमिक्स का सख्ती से पालन चाहिए

लागत: वीडियो की अवधि और चुनी गई सेटिंग्स के अनुसार अलग-अलग

सटीक मोशन ट्रांसफ़र के लिए विशेष मॉडल, जो आपको किसी कैरेक्टर इमेज को रेफ़रेंस वीडियो से चलाने देता है, ताकि खास मूवमेंट, जेस्चर और कैमरा एंगल दोहराए जा सकें।

जनरेशन इनपुट:

• कैरेक्टर इमेज (स्रोत)
• मोशन वीडियो (रेफ़रेंस)
• टेक्स्ट विवरण (वैकल्पिक)

फ़ीचर्स:

• सटीक मोशन रिप्लिकेशन के लिए “Match Video” या कैरेक्टर में नया क्रिएटिव मोशन जोड़ने के लिए “Match Image” चुनें
• Match Video मोड में 30s तक और Match Image मोड में 10s तक सपोर्ट करता है
• रेफ़रेंस फ़ुटेज से स्थिर कैरेक्टर तक मानव मूवमेंट की हाई-फिडेलिटी मैपिंग
• हर जनरेशन के लिए ऑडियो सक्षम या अक्षम करने का नेटिव सपोर्ट
• एक बार में अधिकतम 4 वेरिएशन जनरेट करें

आउटपुट विकल्प:

• रिज़ॉल्यूशन: स्रोत पर निर्भर
• आस्पेक्ट रेशियो: स्रोत पर निर्भर

इनके लिए आदर्श:

• कस्टम कैरेक्टर पर जटिल कोरियोग्राफ़ी या खास मूवमेंट दोहराना
• उच्च मोशन फिडेलिटी चाहने वाला लंबे-फ़ॉर्म कैरेक्टर ऐनिमेशन
• ट्रेंडिंग वीडियो मूवमेंट से संचालित सोशल मीडिया कंटेंट

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार अलग-अलग

Kling 3.0 आर्किटेक्चर पर बनाया गया सटीक मोशन ट्रांसफ़र का विशेष मॉडल, जो आपको बेहतर फिडेलिटी के साथ खास मूवमेंट, जेस्चर और कैमरा एंगल दोहराने के लिए किसी कैरेक्टर इमेज को रेफ़रेंस वीडियो से चलाने देता है।

जनरेशन इनपुट:

• कैरेक्टर इमेज (स्रोत)
• मोशन वीडियो (रेफ़रेंस)
• टेक्स्ट विवरण (वैकल्पिक)

फ़ीचर्स:

• सटीक मोशन रिप्लिकेशन के लिए “Match Video” या कैरेक्टर में नया क्रिएटिव मोशन जोड़ने के लिए “Match Image” चुनें
• Match Video मोड में 30s तक और Match Image मोड में 10s तक सपोर्ट करता है
• रेफ़रेंस फ़ुटेज से स्थिर कैरेक्टर तक मानव मूवमेंट की हाई-फिडेलिटी मैपिंग
• हर जनरेशन के लिए ऑडियो सक्षम या अक्षम करने का नेटिव सपोर्ट
• एक बार में अधिकतम 4 वेरिएशन जनरेट करें

आउटपुट विकल्प:

• रिज़ॉल्यूशन: स्रोत पर निर्भर
• आस्पेक्ट रेशियो: स्रोत पर निर्भर

इनके लिए आदर्श:

• कस्टम कैरेक्टर पर जटिल कोरियोग्राफ़ी या खास मूवमेंट दोहराना
• उच्च मोशन फिडेलिटी चाहने वाला लंबे-फ़ॉर्म कैरेक्टर ऐनिमेशन
• ट्रेंडिंग वीडियो मूवमेंट से संचालित सोशल मीडिया कंटेंट

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार अलग-अलग

बेहतर मोशन फिडेलिटी और स्मूद ट्रांज़िशन के लिए डिज़ाइन किया गया ऑप्टिमाइज़्ड जनरेटिव मॉडल, जो हाई-स्पीड इटरेशन और प्रोडक्शन-क्वालिटी विज़ुअल आउटपुट के बीच संतुलन देता है।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• शुरुआती फ़्रेम (इमेज-टू-वीडियो)

फ़ीचर्स:

• बेहतर मोशन डायनेमिक्स: मूवमेंट की सहजता और यथार्थवादी भौतिक इंटरैक्शन में महत्वपूर्ण सुधार
• लचीला साउंड कंट्रोल: हर जनरेशन के लिए ऑडियो सक्षम या अक्षम करने का नेटिव सपोर्ट
• बैच क्रिएशन: एक साथ अधिकतम 4 वेरिएशन जनरेट करें
• बारीक सुधार: नेगेटिव प्रॉम्प्ट सपोर्ट के ज़रिए उन्नत क्रिएटिव कंट्रोल
• निश्चित अवधि: 5s और 10s की जनरेशन लंबाई सपोर्ट करता है

आउटपुट विकल्प:

• रिज़ॉल्यूशन: इनपुट पर निर्भर
• आस्पेक्ट रेशियो: 16:9, 1:1, 9:16

इनके लिए आदर्श:

• सहज कैरेक्टर मूवमेंट वाले हाई-ऐक्शन क्लिप
• मज़बूत प्रॉम्प्ट पालन वाला प्रोफ़ेशनल-ग्रेड सोशल मीडिया कंटेंट

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार अलग-अलग

उच्च-गुणवत्ता, फुल-HD वीडियो जनरेशन के लिए संतुलित और बहुमुखी मॉडल।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• शुरुआती फ़्रेम

फ़ीचर्स:

• जटिल गति और यथार्थवादी भौतिकी के सिमुलेशन में उत्कृष्ट
• फ़्लूइड डायनेमिक्स और एक्सप्रेशन को सटीक रूप से मॉडल करता है
• निश्चित अवधि: 5s और 10s
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 1080p
• आस्पेक्ट रेशियो: 16:9, 1:1, 9:16

इनके लिए आदर्श:

• यथार्थवादी भौतिकी सिमुलेशन और जटिल गति

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार अलग-अलग

सिनेमैटिक, बेहद यथार्थवादी वीडियो के लिए अत्याधुनिक मोशन क्वालिटी, प्रॉम्प्ट पालन और विज़ुअल फिडेलिटी।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• शुरुआती फ़्रेम (इमेज-टू-वीडियो)

फ़ीचर्स:

• इंडस्ट्री-लीडिंग यथार्थवाद और फिज़िक्स सिमुलेशन के साथ असाधारण मोशन क्वालिटी
• जटिल सीन पर सटीक क्रिएटिव कंट्रोल के लिए बेहतर प्रॉम्प्ट पालन
• सिनेमैटिक-ग्रेड आउटपुट देने वाली उच्च विज़ुअल फिडेलिटी
• एक साथ अधिकतम 4 वेरिएशन जनरेट करें

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 720p
• आस्पेक्ट रेशियो: 16:9, 9:16

इनके लिए आदर्श:

• सबसे उच्च मोशन क्वालिटी और यथार्थवाद चाहने वाला सिनेमैटिक कंटेंट
• सटीक प्रॉम्प्ट पालन की मांग करने वाली प्रोफ़ेशनल प्रोडक्शन
• हाई-फिडेलिटी विज़ुअल स्टोरीटेलिंग

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार अलग-अलग

तेज़ इटरेशन और किफ़ायती क्रिएशन के लिए डिज़ाइन किया गया उन्नत वीडियो मॉडल, जो उच्च-गुणवत्ता वाले वीडियो बना सकता है।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• शुरुआती फ़्रेम (इमेज-टू-वीडियो)

फ़ीचर्स:

• अल्ट्रा-फास्ट जनरेशन के लिए ऑप्टिमाइज़्ड, जो पिछली इटरेशन की तुलना में चार गुना तक तेज़ परिणाम देता है
• कैरेक्टर मूवमेंट, कैमरा एंगल और सीन कंपोज़िशन को सटीक रूप से निर्देशित करने देता है
• डायनामिक सीन में विज़ुअल कोहेरेंस और स्थिरता बनाए रखने में उत्कृष्ट
• 2s से 10s तक की जनरेशन लंबाई सपोर्ट करता है
• एक साथ अधिकतम 4 वेरिएशन जनरेट करें

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 720p
• आस्पेक्ट रेशियो: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

इनके लिए आदर्श:

• लगभग तुरंत फ़ीडबैक चाहने वाले तेज़ प्रोटोटाइपिंग और क्रिएटिव एक्सपेरिमेंट
• हाई-रिज़ॉल्यूशन मार्केटिंग एसेट्स के लिए तेज़ डिलीवरी चाहने वाले प्रोफ़ेशनल प्रोजेक्ट्स
• खास कैमरा मूवमेंट आवश्यकताओं वाला सिनेमैटिक कंटेंट

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार अलग-अलग

मल्टी-टास्क विज़ुअल जनरेशन के लिए डिज़ाइन किया गया अत्याधुनिक इन-कॉन्टेक्स्ट वीडियो मॉडल, जो स्रोत फ़ुटेज की मूल संरचना बनाए रखते हुए जटिल एडिट कर सकता है।

जनरेशन इनपुट:

• स्रोत वीडियो
• रेफ़रेंस इमेज
• टेक्स्ट विवरण

फ़ीचर्स:

• प्राकृतिक लाइटिंग, शैडो और पर्सपेक्टिव के साथ किसी सीन में ऑब्जेक्ट और विषयों को सहजता से जोड़ें, हटाएं या बदलें
• यथार्थवादी कलर टेम्परेचर अपडेट के साथ लोकेशन, मौसम और दिन का समय बदलें (जैसे, बादलों वाले फ़ुटेज को नाटकीय सूर्यास्त में बदलना)
• सरल प्राकृतिक भाषा प्रॉम्प्ट से ऐक्टर्स की उम्र और रूप बदलें या कपड़ों व विषयों की रीटेक्सचरिंग करें
• सटीक ऐनिमेशन कंट्रोल के लिए रेफ़रेंस वीडियो के खास मोशन और कैमरा पाथ को स्थिर इमेज पर लागू करें
• एक मौजूदा वीडियो सीक्वेंस से रिवर्स शॉट या लो एंगल जैसे पूरी तरह नए कैमरा एंगल जनरेट करें
• इसमें सटीक ग्रीन-स्क्रीनिंग (एज डिटेक्शन के साथ आइसोलेशन), स्टोरी आगे बढ़ाने के लिए नेक्स्ट-शॉट जनरेशन और एस्थेटिक स्टाइल ट्रांसफ़र शामिल हैं
• एक साथ अधिकतम 4 वेरिएशन जनरेट करें

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 720p
• आस्पेक्ट रेशियो: ऑटो

इनके लिए आदर्श:

• डिजिटल डी-एजिंग, रीलाइटिंग और ऑब्जेक्ट हटाने जैसे प्रोफ़ेशनल विज़ुअल इफेक्ट्स कार्य
• तेज़ सिनेमैटिक प्रोटोटाइपिंग और एक ही शॉट से वैकल्पिक कैमरा कवरेज जनरेट करना
• बड़े एनवायरनमेंटल या स्टाइलिस्टिक बदलाव चाहने वाला क्रिएटिव मार्केटिंग कंटेंट

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार अलग-अलग

Runway का वीडियो एडिटिंग मॉडल: मोशन और स्थिरता बनाए रखते हुए मौजूदा वीडियो को टारगेट लुक की ओर ट्रांसफ़ॉर्म करता है।

इनपुट:

• स्रोत वीडियो (ज़रूरी, 2s से 30s)
• टारगेट लुक इमेज (ज़रूरी)
• एडिट का विवरण देने वाला टेक्स्ट प्रॉम्प्ट

फ़ीचर्स:

• आउटपुट की लंबाई और फ़्रेमिंग स्रोत वीडियो के अनुसार होती है
• टारगेट लुक इमेज से निर्देशित स्टाइल ट्रांसफ़र
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

इनके लिए आदर्श:

• मौजूदा फ़ुटेज को रीलाइट करना, रीस्टाइल करना या उसकी सेटिंग बदलना
• पूरे क्लिप पर रेफ़रेंस इमेज का लुक लागू करना

लागत: चुनी गई सेटिंग्स और अवधि के अनुसार अलग-अलग

एक विशेष परफ़ॉर्मेंस-ट्रांसफ़र मॉडल, जो ड्राइविंग वीडियो की गति, बोलने के तरीके और चेहरे के भावों को किसी कैरेक्टर इमेज या वीडियो रेफ़रेंस पर मैप करके कैरेक्टर्स को एनिमेट करता है।

जनरेशन इनपुट:

• ड्राइविंग परफ़ॉर्मेंस (वीडियो)
• कैरेक्टर इनपुट (इमेज या वीडियो)

फ़ीचर्स:

• किसी सोर्स ऐक्टर के बारीक चेहरे के भाव, लिप-सिंक और सिंक्रनाइज़्ड ऑडियो को सीधे किसी भी कैरेक्टर में ट्रांसफ़र करता है
• ज़्यादा स्वाभाविक लुक के लिए स्थिर कैरेक्टर इमेज में अपने-आप सेकंडरी मोशन और हल्के कैमरा शेक जोड़ता है
• कैरेक्टर इमेज का उपयोग करते समय बॉडी और हाथों की गतिविधियों को सक्षम या अक्षम करने का सटीक टॉगल
• गहन भावनात्मक परफ़ॉर्मेंस और कैरेक्टर की विज़ुअल स्थिरता के बीच संतुलन बनाने के लिए एडजस्टेबल सेटिंग्स
• ड्राइविंग परफ़ॉर्मेंस के साथ सही अलाइनमेंट बनाए रखते हुए जनरेशन के बाद कैरेक्टर की आवाज़ बदलने की सुविधा

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 720p
• आस्पेक्ट रेशियो: ऑटो

इनके लिए आदर्श:

• वास्तविक इंसानी गति और बोलने के साथ स्थिर कैरेक्टर पोर्ट्रेट्स में जान डालना
• गैर-मानवीय कैरेक्टर्स या स्टाइलाइज़्ड अवतारों को हाई-फ़िडेलिटी एक्सप्रेशंस के साथ एनिमेट करना
• इंटीग्रेटेड बॉडी जेस्चर के साथ तेज़ी से टॉकिंग-हेड कंटेंट बनाना

लागत: चुनी गई सेटिंग्स और अवधि के आधार पर अलग-अलग

बड़े मूवमेंट और एक्शन वाले डायनामिक, मल्टी-शॉट सीक्वेंस बनाने के लिए एक विशेष मॉडल।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• स्टार्ट फ़्रेम
• एंड फ़्रेम

फ़ीचर्स:

• बेहद स्थिर फ़िज़िक्स और शॉट्स के बीच सहज ट्रांज़िशन
• निश्चित अवधि: 3s, 4s, 5s, 6s, 7s, 8s, 9s, 10s, 11s और 12s
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन
• कई आस्पेक्ट रेशियो विकल्पों के साथ अधिकतम क्रिएटिव लचीलापन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 480p, 720p, 1080p
• आस्पेक्ट रेशियो: 21:9, 16:9, 4:3, 1:1, 3:4, 9:16

इनके लिए आदर्श:

• स्थिर फ़िज़िक्स की ज़रूरत वाली स्टोरीटेलिंग और एक्शन सीन

लागत: चुनी गई सेटिंग्स और अवधि के आधार पर अलग-अलग

एक DiT-आधारित फ़ाउंडेशन मॉडल, जो एक ही पास में सिंक्रनाइज़्ड वीडियो और ऑडियो जनरेट करने के लिए डिज़ाइन किया गया है, ताकि बोलने का तरीका सुसंगत और गति वास्तविक लगे।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• इमेज-टू-वीडियो
• ऑडियो-टू-वीडियो
• डेप्थ-टू-वीडियो

फ़ीचर्स:

• बाहरी टूल्स के बिना सही अलाइनमेंट के लिए डायलॉग, होंठों की गति और एम्बिएंट ऑडियो एक साथ जनरेट करता है
• स्थिर गति, एक जैसी पहचान और मज़बूत फ़्रेम-टू-फ़्रेम सुसंगतता वाले डायनामिक सीन
• 20 सेकंड तक हाई-फ़िडेलिटी सिंक्रनाइज़्ड जनरेशन का समर्थन
• विस्तृत नेगेटिव प्रॉम्प्ट सपोर्ट के ज़रिए उन्नत क्रिएटिव डायरेक्शन
• एक बार में अधिकतम 4 वेरिएशन जनरेट करें

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 720p, 1080p
• आस्पेक्ट रेशियो: 16:9, 4:3, 1:1, 3:4, 9:16

इनके लिए आदर्श:

• सुसंगत बोलने का तरीका और प्रभावशाली कैरेक्टर परफ़ॉर्मेंस
• इंटीग्रेटेड एम्बिएंट ऑडियो और लगातार टाइमिंग वाले नैरेटिव कंटेंट
• जटिल कैमरा-अवेयर मोशन लॉजिक वाले डायनामिक सीन

लागत: चुनी गई सेटिंग्स और अवधि के आधार पर अलग-अलग

अधिकतम विज़ुअल डिटेल और संरचनात्मक स्थिरता के लिए ऑप्टिमाइज़ किया गया हाई-फ़िडेलिटी जनरेटिव मॉडल, जो सहज गति के साथ प्रोडक्शन-ग्रेड 4K आउटपुट दे सकता है।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• स्टार्ट फ़्रेम (इमेज-टू-वीडियो)

फ़ीचर्स:

• गति के बजाय विज़ुअल क्वालिटी और स्थिरता को प्राथमिकता देता है, जिससे लंबे सीक्वेंस में स्थिर नतीजे मिलते हैं
• असाधारण रूप से सहज और प्रोफ़ेशनल गति के लिए 25 FPS और 50 FPS, दोनों का समर्थन
• साउंड को चालू या बंद करने के टॉगल के साथ इंटीग्रेटेड ऑडियो-विज़ुअल जनरेशन
• डिटेल खोए बिना नेटिव 1080p, 2k और 4k आउटपुट संभालने के लिए बनाया गया
• एक बार में अधिकतम 4 वेरिएशन जनरेट करें

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 1080p, 2k, 4k
• फ़्रेम रेट: 25 FPS, 50 FPS
• आस्पेक्ट रेशियो: 16:9 (डिफ़ॉल्ट)
• अवधि: 6s, 8s, 10s

इनके लिए आदर्श:

• 4K स्पष्टता की ज़रूरत वाले हाई-रिज़ॉल्यूशन सिनेमैटिक प्रोडक्शन
• सहज 50 FPS गति की ज़रूरत वाला प्रोफ़ेशनल कंटेंट
• विस्तृत सीक्वेंस, जहाँ विज़ुअल स्थिरता और संरचनात्मक अखंडता अहम हो

लागत: चुनी गई सेटिंग्स और अवधि के आधार पर अलग-अलग

एक सटीक AI डायरेक्टिंग टूल, जो निरंतरता तोड़े या पूरे सीक्वेंस को फिर से जनरेट किए बिना मौजूदा शॉट्स में डायलॉग, भावना और एक्शन को लक्षित रूप से बदलने देता है।

जनरेशन इनपुट:

• सोर्स वीडियो
• टेक्स्ट विवरण

फ़ीचर्स:

• आस-पास के फ़्रेम से मज़बूत कॉन्टेक्स्ट प्रिज़र्वेशन बनाए रखते हुए खास सेगमेंट बदलें
• कैरेक्टर की आवाज़, परफ़ॉर्मेंस और परिवेश को एक जैसा रखते हुए बोले गए वाक्यों को दोबारा लिखें
• कई एडिट मोड: शॉट के खास एलिमेंट अलग करके फिर से जनरेट करने के लिए “Audio & Video,” “Audio only,” या “Video only” चुनें
• सहज ट्रांज़िशन के लिए नया कंटेंट स्वाभाविक रूप से मूल गति, लाइटिंग और टोन अपनाता है
• एक ही शॉट में वैकल्पिक कैरेक्टर रिएक्शन, भावनात्मक बीट्स या कैमरा मूवमेंट के साथ तुरंत प्रयोग करें
• साथ-साथ क्रिएटिव तुलना के लिए एक साथ अधिकतम 4 वेरिएशन जनरेट करें

आउटपुट विकल्प:

• आस्पेक्ट रेशियो: केवल 16:9

इनके लिए आदर्श:

• रीशूट या दोबारा रिकॉर्डिंग के बिना स्क्रिप्ट एडजस्ट करना और डायलॉग बेहतर बनाना
• पोस्ट-प्रोडक्शन में भावनात्मक बीट्स या पेसिंग की समस्याएँ ठीक करना
• एक ही मार्केटिंग एसेट में कई ब्रांड मैसेज और कॉल-टू-एक्शन टेस्ट करना

लागत: चुनी गई सेटिंग्स और अवधि के आधार पर अलग-अलग

तेज़ फ़ीडबैक लूप और हाई-वेलोसिटी कंटेंट क्रिएशन के लिए बनाया गया स्पीड-ऑप्टिमाइज़्ड जनरेटिव मॉडल, जो बहुत कम रेंडर समय में हाई-रिज़ॉल्यूशन विज़ुअल देता है।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• स्टार्ट फ़्रेम (इमेज-टू-वीडियो)

फ़ीचर्स:

• गति और तेज़ इटरेशन के लिए इंजीनियर किया गया, जिससे त्वरित विज़ुअल प्रयोग और लगभग तुरंत प्रीव्यू मिलते हैं
• Pro मॉडल की तुलना में कम कंप्यूट ओवरहेड के साथ नेटिव 1080p, 2k और 4k आउटपुट का समर्थन
• तेज़ गति पर सहज मोशन के लिए 25 FPS और 50 FPS दोनों की क्षमता
• 20 सेकंड तक की अवधि के लिए सिंक्रनाइज़्ड ऑडियो-विज़ुअल कंटेंट का तेज़ जनरेशन सक्षम करता है
• हर जनरेशन के लिए ऑडियो चालू या बंद करने का नेटिव सपोर्ट
• एक साथ अधिकतम 4 वेरिएशन जनरेट करें

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 1080p, 2k, 4k
• फ़्रेम रेट: 25 FPS, 50 FPS
• आस्पेक्ट रेशियो: 16:9 (डिफ़ॉल्ट)
• अवधि: 6s, 8s, 10s, 12s, 14s, 16s, 18s, 20s

इनके लिए आदर्श:

• तेज़ प्रोटोटाइपिंग और क्रिएटिव एक्सप्लोरेशन, जहाँ अधिकतम डिटेल से ज़्यादा गति प्राथमिक हो
• तेज़ टर्नअराउंड वाला हाई-वॉल्यूम सोशल मीडिया कंटेंट
• अलग-अलग विज़ुअल कॉन्सेप्ट और मोशन स्टाइल का A/B टेस्टिंग

लागत: चुनी गई सेटिंग्स और अवधि के आधार पर अलग-अलग

इमेज, वीडियो और ऑडियो रेफ़रेंस, जनरेटेड ऑडियो तथा 30 सेकंड तक की जनरेशन वाला सिनेमैटिक वीडियो मॉडल।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• स्टार्ट फ़्रेम
• एंड फ़्रेम
• इमेज रेफ़रेंस (अधिकतम 10)
• वीडियो रेफ़रेंस (अधिकतम 5, कुल 15s)
• ऑडियो रेफ़रेंस (अधिकतम 5, कुल 15s)

फ़ीचर्स:

• फ़्रेम और रेफ़रेंस एक-दूसरे के साथ उपयोग नहीं किए जा सकते
• निश्चित अवधि: 5s, 10s, 15s, 20s और 30s
• हर जनरेशन में ऑडियो सक्षम या अक्षम करने के साथ नेटिव साउंड कंट्रोल
• वैकल्पिक प्रॉम्प्ट एन्हांसमेंट
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 480p, 720p, 1080p
• आस्पेक्ट रेशियो: ऑटो, 16:9, 4:3, 1:1, 3:4, 9:16

इनके लिए आदर्श:

• प्रॉम्प्ट का मज़बूती से पालन करने वाले लंबे सिनेमैटिक शॉट्स
• ऑडियो के साथ रेफ़रेंस-आधारित सीन

लागत: चुनी गई सेटिंग्स और अवधि के आधार पर अलग-अलग

Wan 3.0 का तेज़ वेरिएंट, जिसमें वही इनपुट और आउटपुट विकल्प हैं और जो आइडिएशन के लिए उपयुक्त है।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• स्टार्ट फ़्रेम
• एंड फ़्रेम
• इमेज रेफ़रेंस (अधिकतम 10)
• वीडियो रेफ़रेंस (अधिकतम 5, कुल 15s)
• ऑडियो रेफ़रेंस (अधिकतम 5, कुल 15s)

फ़ीचर्स:

• Wan 3.0 की तुलना में लगभग आधा जनरेशन समय
• निश्चित अवधि: 5s, 10s, 15s, 20s और 30s
• हर जनरेशन में ऑडियो सक्षम या अक्षम करने के साथ नेटिव साउंड कंट्रोल
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 480p, 720p, 1080p
• आस्पेक्ट रेशियो: ऑटो, 16:9, 4:3, 1:1, 3:4, 9:16

इनके लिए आदर्श:

• अंतिम Wan 3.0 रेंडर से पहले आइडिया एक्सप्लोर करना
• टर्नअराउंड-संवेदनशील वर्कफ़्लो

लागत: चुनी गई सेटिंग्स और अवधि के आधार पर अलग-अलग

अगली पीढ़ी का सिनेमैटिक वीडियो प्लेटफ़ॉर्म, जो नेटिव ऑडियो सिंक्रनाइज़ेशन और इंटेलिजेंट मल्टी-शॉट सीक्वेंसिंग के साथ प्रोडक्शन-रेडी 1080p कंटेंट देने के लिए एकीकृत मल्टीमॉडल आर्किटेक्चर का उपयोग करता है।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• स्टार्ट फ़्रेम (इमेज-टू-वीडियो)
• वीडियो रेफ़रेंस (वीडियो-टू-वीडियो)
• ऑडियो रेफ़रेंस (वैकल्पिक बैकग्राउंड ऑडियो या डायलॉग)

फ़ीचर्स:

• एकीकृत मल्टीमॉडल सिस्टम: एक जैसी आउटपुट क्वालिटी के लिए टेक्स्ट, इमेज, वीडियो और ऑडियो को एक ही इंटीग्रेटेड फ़्रेमवर्क से प्रोसेस करता है
• नेटिव ऑडियो सिंक: स्क्रीन पर होने वाली गतिविधि के साथ डायलॉग, नैरेशन और पर्यावरणीय साउंड इफेक्ट्स अपने-आप जनरेट और अलाइन करता है
• इंटेलिजेंट मल्टी-शॉट सीक्वेंसिंग: कैरेक्टर की स्थिरता बनाए रखते हुए कनेक्टेड वीडियो सीक्वेंस को अपने-आप सुसंगत स्टोरी आर्क में व्यवस्थित करता है
• विस्तृत अवधि: 5s, 10s और 15s की निश्चित लंबाई के लिए स्थिर, हाई-क्वालिटी जनरेशन का समर्थन
• उन्नत क्रिएटिव कंट्रोल: विस्तृत डिटेल मैनेजमेंट के लिए नेगेटिव प्रॉम्प्ट और अधिकतम 4 वेरिएशन के बैच क्रिएशन का समर्थन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 720p, 1080p
• आस्पेक्ट रेशियो: 16:9, 4:3, 1:1, 3:4, 9:16

इनके लिए आदर्श:

• प्रोफ़ेशनल नैरेटिव स्टोरीटेलिंग और जटिल मल्टी-शॉट सिनेमैटिक सीक्वेंस
• इंटीग्रेटेड, हाई-फ़िडेलिटी ऑडियो की ज़रूरत वाले सोशल मीडिया विज्ञापन और मार्केटिंग कंटेंट
• वीडियो रेफ़रेंस के ज़रिए सख्त विज़ुअल और मोशन स्थिरता की ज़रूरत वाला कैरेक्टर-आधारित कंटेंट

लागत: चुनी गई सेटिंग्स और अवधि के आधार पर अलग-अलग

एक बहुमुखी मॉडल, जो टेक्स्ट या शुरुआती इमेज से सिनेमैटिक मोशन और प्रॉम्प्ट के प्रति उच्च निष्ठा देता है।

जनरेशन इनपुट:

• टेक्स्ट-टू-वीडियो
• स्टार्ट फ़्रेम (इमेज-टू-वीडियो)

फ़ीचर्स:

• नेगेटिव प्रॉम्प्ट और अलग साउंड कंट्रोल के साथ विस्तृत क्रिएटिव कंट्रोल
• निश्चित अवधि: 5s और 10s
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 480p, 720p, 1080p
• आस्पेक्ट रेशियो: 16:9, 1:1, 9:16

इनके लिए आदर्श:

• प्रॉम्प्ट का मज़बूती से पालन करने वाला सिनेमैटिक कंटेंट

लागत: चुनी गई सेटिंग्स और अवधि के आधार पर अलग-अलग

अत्यधिक विस्तृत आउटपुट और सटीक एडिटिंग के लिए OpenAI का प्रोडक्शन-ग्रेड इमेज मॉडल।

जनरेशन इनपुट:

• टेक्स्ट-टू-इमेज
• इमेज रेफ़रेंस (अधिकतम 10)

फ़ीचर्स:

• Low से Maximum तक पाँच क्वालिटी लेवल
• 3:1 तक के आस्पेक्ट रेशियो पर हर साइड में 3840px तक कस्टम रिज़ॉल्यूशन
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 1K, 2K, 4K या कस्टम
• आस्पेक्ट रेशियो: 3:1, 21:9, 2:1, 16:9, 3:2, 4:3, 5:4, 1:1, 4:5, 3:4, 2:3, 9:16, 1:2, 1:3

इनके लिए आदर्श:

• अंतिम एसेट्स, जहाँ डिटेल और फ़िडेलिटी सबसे ज़्यादा अहम हो
• मौजूदा इमेज में सटीक एडिट

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग

API: gpt-image-2.5-sunburst

Sunburst जैसे कंट्रोल वाला तेज़ GPT Image 2.5 वेरिएंट, जिसे रोज़मर्रा के हाई-वॉल्यूम जनरेशन के लिए ट्यून किया गया है।

जनरेशन इनपुट:

• टेक्स्ट-टू-इमेज
• इमेज रेफ़रेंस (अधिकतम 10)

फ़ीचर्स:

• Low से Maximum तक पाँच क्वालिटी लेवल
• 3:1 तक के आस्पेक्ट रेशियो पर हर साइड में 3840px तक कस्टम रिज़ॉल्यूशन
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 1K, 2K, 4K या कस्टम
• आस्पेक्ट रेशियो: 3:1, 21:9, 2:1, 16:9, 3:2, 4:3, 5:4, 1:1, 4:5, 3:4, 2:3, 9:16, 1:2, 1:3

इनके लिए आदर्श:

• हाई-वॉल्यूम इमेज जनरेशन
• तेज़ इटरेशन, जिनमें फिर भी 4K और कस्टम साइज़ चाहिए

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग

API: gpt-image-2.5-flare

बेहतर टेक्स्ट रेंडरिंग और हाई-रिज़ॉल्यूशन आउटपुट क्षमताओं के साथ सटीक इमेज जनरेशन के लिए डिज़ाइन किया गया उन्नत AI मॉडल।

फ़ीचर्स:

• सटीक टाइपोग्राफ़ी और स्पष्टता वाली इमेज बनाने के लिए सटीक टेक्स्ट कंट्रोल
• प्रोफ़ेशनल और कमर्शियल उपयोग के लिए उपयुक्त हाई-रिज़ॉल्यूशन PNG आउटपुट
• स्टाइल और कंपोज़िशन गाइड करने के लिए कई इमेज रेफ़रेंस का समर्थन
• एक बार में अधिकतम 4 इमेज जनरेट करता है

आउटपुट विकल्प:

• आस्पेक्ट रेशियो: 3:2, 1:1, 2:3
• क्वालिटी विकल्प: low, medium, high

इनके लिए आदर्श:

• सटीक टेक्स्ट प्लेसमेंट की ज़रूरत वाले मार्केटिंग विज़ुअल और डिज़ाइन एसेट्स
• हाई-रिज़ॉल्यूशन आवश्यकताओं वाला प्रोफ़ेशनल कंटेंट
• सटीक टेक्स्ट-आधारित इमेज कंट्रोल की ज़रूरत वाले क्रिएटिव प्रोजेक्ट्स

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग

API: gpt-image-2

नेटिव 4K आउटपुट और अधिकतम 14 इमेज रेफ़रेंस वाला इमेज मॉडल।

जनरेशन इनपुट:

• टेक्स्ट-टू-इमेज
• इमेज रेफ़रेंस (अधिकतम 14)

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 4K
• आस्पेक्ट रेशियो: 8:1 से 1:8 और ऑटो

इनके लिए आदर्श:

• रेफ़रेंस-गाइडेड इमेज, जिन्हें नेटिव 4K चाहिए

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग

प्रोडक्शन-रेडी क्वालिटी को अल्ट्रा-फ़ास्ट प्रोसेसिंग के साथ जोड़ने वाला उन्नत AI इमेज जनरेशन मॉडल, जिसमें बेहतर वर्ल्ड नॉलेज और सब्जेक्ट स्थिरता है।

फ़ीचर्स:

• बेहद स्पष्ट डिटेल के लिए अपस्केलिंग के बिना नेटिव 4K रिज़ॉल्यूशन आउटपुट
• केवल 1-2 सेकंड में बिजली जैसी तेज़ इमेज जनरेशन
• उन्नत रीजनिंग और निर्देशों के पालन से बेहतर प्रॉम्प्ट अनुपालन
• मॉकअप, साइनेज और इन्फ़ोग्राफ़िक्स के लिए कई भाषाओं में स्पष्ट, सटीक टेक्स्ट रेंडरिंग
• एक जैसे मल्टी-सब्जेक्ट स्टाइलिंग, जो कई कैरेक्टर्स और ऑब्जेक्ट्स में पहचान बनाए रखती है
• अधिक सटीक सीन जनरेशन के लिए बेहतर वर्ल्ड नॉलेज
• जनरेशन को गाइड करने के लिए कई इमेज रेफ़रेंस का समर्थन
• एक बार में अधिकतम 4 इमेज जनरेट करता है

आउटपुट विकल्प:

• आस्पेक्ट रेशियो: 21:9, 16:9, 5:4, 4:3, 3:2, 1:1, 2:3, 3:4, 4:5, 9:16
• रिज़ॉल्यूशन: 4K तक

इनके लिए आदर्श:

• रीयल-टाइम इटरेशन की ज़रूरत वाले तेज़ क्रिएटिव वर्कफ़्लो
• एक जैसी कैरेक्टर पहचान के साथ ब्रांड कंटेंट और स्टोरीटेलिंग
• सटीक टेक्स्ट और टाइपोग्राफ़ी वाले प्रोफ़ेशनल विज़ुअल

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग

API: gemini-3.1-flash-image

1K पर तेज़ जनरेशन और एडिटिंग के लिए Nano Banana 2 का तेज़, कम-लागत वेरिएंट।

जनरेशन इनपुट:

• टेक्स्ट-टू-इमेज
• इमेज रेफ़रेंस (अधिकतम 14)

फ़ीचर्स:

• एक जैसी गति और लागत के लिए निश्चित 1K आउटपुट
• Nano Banana 2 जैसी ही 14-इमेज रेफ़रेंस क्षमता
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 1K
• आस्पेक्ट रेशियो: 21:9, 16:9, 5:4, 4:3, 3:2, 1:1, 2:3, 3:4, 4:5, 9:16

इनके लिए आदर्श:

• तेज़ इटरेशन और ड्राफ़्ट्स
• बल्क एडिट्स, जहाँ 1K पर्याप्त हो

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग

API: gemini-3.1-flash-lite-image

Krea AI का बहुमुखी, प्रोडक्शन-रेडी इमेज जनरेशन मॉडल, जो कई तरह के क्रिएटिव वर्कफ़्लो के लिए क्वालिटी और गति का संतुलन बनाता है।

फ़ीचर्स:

• मज़बूत प्रॉम्प्ट अनुपालन के साथ हाई-फ़िडेलिटी इमेज जनरेशन
• जनरेशन को गाइड करने के लिए कई इमेज रेफ़रेंस का समर्थन
• एक बार में अधिकतम 4 इमेज जनरेट करता है

आउटपुट विकल्प:

• आस्पेक्ट रेशियो: 16:9, 4:3, 1:1, 3:4, 9:16

इनके लिए आदर्श:

• एक जैसी क्वालिटी की ज़रूरत वाला प्रोफ़ेशनल कंटेंट क्रिएशन
• अलग-अलग क्रिएटिव कॉन्सेप्ट्स में तेज़ इटरेशन

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग

Krea AI का प्रमुख इमेज जनरेशन मॉडल, जो पेशेवर प्रोडक्शन वर्कफ़्लो के लिए बेहतरीन विज़ुअल विश्वसनीयता और उन्नत क्रिएटिव नियंत्रण देता है।

विशेषताएं:

• पेशेवर स्तर के आउटपुट के लिए असाधारण डिटेल और वास्तविकता
• कई इमेज रेफरेंस के सपोर्ट के साथ उन्नत स्टाइल नियंत्रण
• एक बार में अधिकतम 4 इमेज जनरेट करता है

आउटपुट विकल्प:

• आस्पेक्ट रेशियो: 16:9, 4:3, 1:1, 3:4, 9:16

इसके लिए उपयुक्त:

• हाई-एंड कमर्शियल और एडिटोरियल इमेज प्रोडक्शन
• अधिकतम विश्वसनीयता की ज़रूरत वाले जटिल क्रिएटिव कंपोज़िशन

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग होती है

मज़बूत प्रॉम्प्ट नियंत्रण और साफ़ कंपोज़िशन वाला डिज़ाइन-केंद्रित टेक्स्ट-टू-इमेज मॉडल।

जनरेशन इनपुट:

• टेक्स्ट-टू-इमेज

विशेषताएं:

• 2K आउटपुट में Pro मॉडल वेरिएंट इस्तेमाल होता है
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 1K, 2K
• आस्पेक्ट रेशियो: 2:1, 16:9, 3:2, 14:10, 4:3, 5:4, 1:1, 4:5, 3:4, 10:14, 2:3, 6:10, 9:16, 1:2

इसके लिए उपयुक्त:

• लेआउट-आधारित ग्राफ़िक्स, आइकन और पोस्टर
• केवल टेक्स्ट से साफ़ कंपोज़िशन

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग होती है

तेज़, डिज़ाइन-केंद्रित टेक्स्ट-टू-इमेज मॉडल।

जनरेशन इनपुट:

• टेक्स्ट-टू-इमेज

आउटपुट विकल्प:

• आस्पेक्ट रेशियो: 16 रेशियो

इसके लिए उपयुक्त:

• केवल टेक्स्ट से लेआउट-आधारित ग्राफ़िक्स

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग होती है

डिज़ाइन-केंद्रित इमेज मॉडल, जो रेफरेंस इमेज की स्टाइल से मेल खा सकता है।

जनरेशन इनपुट:

• टेक्स्ट-टू-इमेज
• स्टाइल रेफरेंस (अधिकतम 10)

विशेषताएं:

• स्टाइल मैच नियंत्रण: Precise रेफरेंस स्टाइल का बारीकी से पालन करता है, Flexible सामान्य लुक से मेल खाता है
• 2K आउटपुट में Pro मॉडल वेरिएंट इस्तेमाल होता है
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 1K, 2K
• आस्पेक्ट रेशियो: 2:1, 16:9, 3:2, 14:10, 4:3, 5:4, 1:1, 4:5, 3:4, 10:14, 2:3, 6:10, 9:16, 1:2

इसके लिए उपयुक्त:

• स्टाइल रेफरेंस के सेट से ब्रांड के अनुरूप ग्राफ़िक्स
• इलस्ट्रेशन और डिज़ाइन कार्य

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग होती है

ByteDance का हल्का, तेज़ी से जनरेट होने वाला इमेज मॉडल, जो कम कंप्यूट आवश्यकताओं के साथ उच्च-गुणवत्ता परिणाम देता है।

विशेषताएं:

• तेज़ क्रिएटिव इटरेशन के लिए तेज़ जनरेशन
• जनरेशन को निर्देशित करने के लिए कई इमेज रेफरेंस का सपोर्ट
• एक बार में अधिकतम 4 इमेज जनरेट करता है

आउटपुट विकल्प:

• आस्पेक्ट रेशियो: 16:9, 4:3, 1:1, 3:4, 9:16

इसके लिए उपयुक्त:

• स्पीड की ज़रूरत वाले बड़े पैमाने के इमेज क्रिएशन वर्कफ़्लो
• तेज़ कॉन्सेप्ट एक्सप्लोरेशन और प्रीव्यू

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग होती है

API: bytedance-seedream-5-lite

सटीक एडिटिंग, बहुभाषी टेक्स्ट और घने इन्फोग्राफ़िक्स के लिए अधिक विश्वसनीयता वाला Seedream 5 वेरिएंट।

जनरेशन इनपुट:

• टेक्स्ट-टू-इमेज
• इमेज रेफरेंस (अधिकतम 10)

विशेषताएं:

• सटीक बहुभाषी टेक्स्ट रेंडरिंग
• इन्फोग्राफ़िक्स और पोस्टर जैसे घने लेआउट संभालता है
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 1K, 2K
• आस्पेक्ट रेशियो: 16:9, 4:3, 1:1, 3:4, 9:16

इसके लिए उपयुक्त:

• कई भाषाओं में टेक्स्ट-प्रधान डिज़ाइन
• रेफरेंस का सख्ती से पालन करने वाली मल्टी-इमेज एडिटिंग

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग होती है

API: bytedance-seedream-5-pro

सटीक टेक्स्ट-आधारित इमेज जनरेशन और जटिल, नॉन-डिस्ट्रक्टिव फ़ोटो एडिटिंग के लिए बना हाई-स्पीड प्रमुख मॉडल, जो मूल डिटेल सुरक्षित रखता है।

विशेषताएं:

• सोर्स इमेज में लाइटिंग, कंपोज़िशन और विषय के रूप-रंग की गुणवत्ता बनाए रखते हुए मांगे गए बदलाव भरोसेमंद ढंग से करता है
• एलिमेंट जोड़ने, हटाने, मिलाने और ब्लेंड करने सहित जटिल एडिटिंग कार्यों का सपोर्ट
• पिछले वर्ज़न की तुलना में 4x तक तेज़ आउटपुट देता है
• एक बार में अधिकतम 4 इमेज जनरेट करता है

आउटपुट विकल्प:

• आस्पेक्ट रेशियो: 3:2, 1:1, 2:3
• क्वालिटी विकल्प: low, medium, high

इसके लिए उपयुक्त:

• व्यावहारिक फ़ोटो एडजस्टमेंट और कपड़ों या हेयरस्टाइल के वास्तविक वर्चुअल ट्राई-ऑन
• इनपुट इमेज का सार बनाए रखने वाले कॉन्सेप्चुअल ट्रांसफ़ॉर्मेशन और स्टाइलिस्टिक फ़िल्टर
• टेक्स्ट-टू-इमेज कॉन्सेप्ट की तेज़ इटरेशन

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग होती है

API: gpt-image-1.5

अच्छा प्रॉम्प्ट पालन, पढ़ने योग्य टेक्स्ट और विस्तृत एडिटिंग वाला OpenAI का पहली पीढ़ी का इमेज मॉडल।

जनरेशन इनपुट:

• टेक्स्ट-टू-इमेज
• इमेज रेफरेंस (अधिकतम 5)

विशेषताएं:

• तीन क्वालिटी स्तर: Low, Medium, High
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• आस्पेक्ट रेशियो: 3:2, 1:1, 2:3

इसके लिए उपयुक्त:

• पहले से GPT Image 1 आउटपुट पर बने वर्कफ़्लो
• मानक रिज़ॉल्यूशन पर आसान एडिट और इमेज में टेक्स्ट वाले कार्य

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग होती है

API: gpt-image-1

उच्च-प्रदर्शन मल्टीमोडल फ़ाउंडेशन मॉडल, जो टेक्स्ट-टू-इमेज सिंथेसिस, सटीक इमेज एडिटिंग और जटिल मल्टी-इमेज कंपोज़िशन को एक प्रभावी फ़्रेमवर्क में जोड़ता है।

विशेषताएं:

• 4K रिज़ॉल्यूशन तक की उच्च-विश्वसनीयता इमेज की तेज़ जनरेशन का नेटिव सपोर्ट
• रेफरेंस इनपुट पर आधारित एडिटिंग में चेहरे के फीचर्स, लाइटिंग, कलर टोन और बारीक डिटेल का असाधारण संरक्षण
• नियंत्रित और एकरूप परिणामों के लिए कई इनपुट इमेज में टारगेट एलिमेंट को सटीकता से पहचानता और ब्लेंड करता है
• पोस्टर और ब्रांड विज़ुअल के लिए छोटे टेक्स्ट की स्पष्ट, सटीक रेंडरिंग के साथ डिज़ाइनर-स्तर की कंपोज़िशन क्षमता देता है
• एक बार में अधिकतम 4 इमेज जनरेट करता है

आउटपुट विकल्प:

• आस्पेक्ट रेशियो: 16:9, 4:3, 1:1, 3:4, 9:16
• रिज़ॉल्यूशन: 2K, 4K

इसके लिए उपयुक्त:

• सटीक लेआउट और टाइपोग्राफ़ी की ज़रूरत वाले पेशेवर ग्राफ़िक डिज़ाइन वर्कफ़्लो
• रेफरेंस पहचान और लाइटिंग का सख्ती से पालन मांगने वाली जटिल फ़ोटो एडिटिंग
• कई विज़ुअल स्रोतों का उपयोग करके हाई-रिज़ॉल्यूशन क्रिएटिव कंपोज़िटिंग

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग होती है

उन्नत रीजनिंग क्षमताओं वाला उच्च-विश्वसनीयता इमेज जनरेशन मॉडल, जिसे जटिल कंपोज़िशन में बेहतर प्रॉम्प्ट पालन और सटीक विज़ुअल एकरूपता के लिए डिज़ाइन किया गया है।

विशेषताएं:

• जटिल, बहु-स्तरीय टेक्स्ट विवरणों को उच्च सटीकता के साथ समझने और लागू करने की असाधारण क्षमता
• कई जनरेशन में विषय की पहचान, लाइटिंग और एस्थेटिक स्टाइल बनाए रखने के लिए इमेज रेफरेंस का उपयोग
• वास्तविक टेक्स्चर, जटिल स्थानिक संबंधों और पेशेवर स्तर के लाइटिंग इफ़ेक्ट के लिए ऑप्टिमाइज़्ड
• एक बार में अधिकतम 4 इमेज जनरेट करता है

आउटपुट विकल्प:

• आस्पेक्ट रेशियो: Auto, 16:9, 9:16, 1:1, 4:3, 3:4, 3:2, 2:3, 21:9
• रिज़ॉल्यूशन: 1K, 2K

इसके लिए उपयुक्त:

• विस्तृत और तकनीकी टेक्स्ट प्रॉम्प्ट का सख्ती से पालन मांगने वाले पेशेवर क्रिएटिव एसेट
• विज़ुअल रेफरेंस का उपयोग करके उच्च-एकरूपता इमेज एडिटिंग और कैरेक्टर डिज़ाइन

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग होती है

पेशेवर वर्कफ़्लो के लिए बना प्रोडक्शन-ग्रेड इमेज जनरेशन और एडिटिंग मॉडल, जो स्पीड, सटीकता और एकरूपता पर ध्यान के साथ अत्याधुनिक विज़ुअल क्वालिटी देता है।

विशेषताएं:

• सैकड़ों एसेट में उद्योग-अग्रणी कैरेक्टर और पहचान की एकरूपता हासिल करने के लिए एक साथ कई इमेज रेफरेंस करें
• फ़ैब्रिक टेक्स्चर से लेकर आर्किटेक्चरल एलिमेंट तक, हर चीज़ के लिए डिटेल क्वालिटी में अभूतपूर्व सुधार देता है और वास्तविक फ़ोटोग्राफ़ी का अंतर कम करता है
• जटिल टाइपोग्राफ़ी, UI मॉकअप और इन्फोग्राफ़िक्स के लिए प्रोडक्शन-रेडी टेक्स्ट रेंडरिंग देता है
• बिना किसी अनुमान के hex कोड के ज़रिए सटीक ब्रांड रंग निर्धारण का सपोर्ट
• जटिल सीन में सटीक ऑब्जेक्ट पोज़िशनिंग, वास्तविक फ़िज़िक्स, सुसंगत लाइटिंग और सही पर्सपेक्टिव सुनिश्चित करता है
• संरचित, जटिल निर्देशों के प्रति बेहतर सटीकता और प्रतिक्रिया के लिए ऑप्टिमाइज़्ड
• एक बार में अधिकतम 4 इमेज जनरेट करता है

आउटपुट विकल्प:

• आस्पेक्ट रेशियो: 16:9, 4:3, 1:1, 3:4, 9:16
• रिज़ॉल्यूशन: 720p, 1080p, 2K

इसके लिए उपयुक्त:

• कैरेक्टर-एकरूप कैंपेन चलाना और किसी भी संदर्भ में प्रोडक्ट को सटीक रूप से रखना
• पढ़ने योग्य टेक्स्ट और एकरूप विज़ुअल डिज़ाइन सिस्टम के साथ इंटरफ़ेस मॉकअप बनाना
• बड़े पैमाने पर प्रोडक्ट फ़ोटोग्राफ़ी और संदर्भ-आधारित लाइफ़स्टाइल शॉट जनरेट करना

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग होती है

उच्च-विश्वसनीयता एसेट प्रोडक्शन, उन्नत क्रिएटिव नियंत्रण और निर्देशों के सटीक पालन के लिए बनाया गया पेशेवर-स्तर का रीजनिंग-आधारित इमेज जनरेशन और एडिटिंग मॉडल।

इनपुट:

• इमेज रेफरेंस
• टेक्स्ट विवरण (जटिल, बहु-स्तरीय प्रॉम्प्ट का सपोर्ट)

विशेषताएं:

• रेंडरिंग से पहले सीन की योजना बनाता है, ताकि फ़िज़िक्स के अनुरूप लाइटिंग, सटीक ऑब्जेक्ट संबंध और बेहतर प्रॉम्प्ट पालन मिल सके
• प्रभावशाली पोस्टर और प्रोडक्ट मॉकअप के लिए अलग-अलग फ़ॉन्ट स्टाइल और हैंडराइटिंग में स्पष्ट, पढ़ने योग्य बहुभाषी टेक्स्ट जनरेट करता है
• विविध क्रिएटिव आउटपुट में अधिकतम 5 लोगों और कई ऑब्जेक्ट के लिए उच्च विश्वसनीयता और समानता बनाए रखता है
• वास्तविक डेटा, वास्तविक दुनिया की जानकारी और मौसम या खेल जैसी रीयल-टाइम जानकारी से विज़ुअल बेहतर बनाने के लिए Google Search को इंटीग्रेट करता है
• उन्नत लोकलाइज़्ड एडिटिंग टूल से कैमरा एंगल, फोकल पॉइंट और सीन लाइटिंग समायोजित करें (जैसे दिन को रात में बदलना)
• बेहतर स्थानिक समझ सटीक इन्फोग्राफ़िक्स, तकनीकी डायग्राम और प्रेज़ेंटेशन स्लाइड जनरेट करने में सक्षम बनाती है
• एक बार में अधिकतम 4 वेरिएशन जनरेट करता है

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 1K, 2K, 4K
• आस्पेक्ट रेशियो: Auto, 21:9, 16:9, 5:4, 4:3, 3:2, 1:1, 2:3, 3:4, 4:5, 9:16

इसके लिए उपयुक्त:

• पेशेवर विज्ञापन, ब्रांड एसेट और हाई-एंड ई-कॉमर्स प्रोडक्ट फ़ोटोग्राफ़ी
• शैक्षिक एक्सप्लेनर, डेटा-आधारित इन्फोग्राफ़िक्स और जटिल तकनीकी डॉक्यूमेंटेशन
• एकरूप कैरेक्टर या ब्रांड पहचान वाले हाई-रिज़ॉल्यूशन विज़ुअल डिज़ाइन की तेज़ प्रोटोटाइपिंग

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग होती है

API: gemini-3-pro-image

टेक्स्ट प्रॉम्प्ट से सीधे तेज़, उच्च-गुणवत्ता इमेज जनरेशन और एडिटिंग के लिए हाई-स्पीड मॉडल।

विशेषताएं:

• जनरेशन को निर्देशित करने के लिए कई इमेज रेफरेंस का सपोर्ट
• एक बार में अधिकतम 4 इमेज जनरेट करता है

आउटपुट विकल्प:

• आस्पेक्ट रेशियो: 21:9, 16:9, 5:4, 4:3, 3:2, 1:1, 2:3, 3:4, 4:5, 9:16

इसके लिए उपयुक्त:

• तेज़ इमेज क्रिएशन और इटरेशन

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग होती है

API: gemini-2.5-flash-image

उच्च-विश्वसनीयता इमेज जनरेशन के लिए बना उन्नत बेस मॉडल, जो सीन में एकरूपता बनाए रखने के लिए अभूतपूर्व स्टाइलिस्टिक नियंत्रण और विज़ुअल मेमोरी देता है।

विशेषताएं:

• कई आउटपुट में पेशेवर स्तर की एकरूपता बनाए रखने के लिए इनपुट इमेज के ज़रिए कैरेक्टर, स्टाइल या खास ऑब्जेक्ट को एंकर करें
• विज़ुअल डिटेल, लाइटिंग और भावनाओं पर सटीक नियंत्रण के लिए जटिल, प्राकृतिक भाषा के विवरण को समझने हेतु ऑप्टिमाइज़्ड
• सिनेमैटिक स्टोरीबोर्ड से लेकर पेशेवर प्रोडक्ट फ़ोटोग्राफ़ी तक, विविध उपयोग मामलों के लिए उच्च-गुणवत्ता विज़ुअल जनरेट कर सकता है
• एक बार में अधिकतम 4 इमेज जनरेट करता है

आउटपुट विकल्प:

• आस्पेक्ट रेशियो: 16:9, 4:3, 1:1, 3:4, 9:16
• रिज़ॉल्यूशन: 720p, 1080p

इसके लिए उपयुक्त:

• अलग-अलग माहौल और लाइटिंग ट्रीटमेंट में मुख्य पात्रों का रूप-रंग एक जैसा बनाए रखना
• हाई-रिज़ॉल्यूशन ब्रांड एसेट, वर्चुअल ट्राई-ऑन और बड़े पैमाने के लिए तैयार प्रोडक्ट विज़ुअलाइज़ेशन तेज़ी से बनाना
• इमेज रेफरेंस के ज़रिए मूल विज़ुअल पहचान तय रखते हुए अलग-अलग कलात्मक दिशाओं को एक्सप्लोर करना

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग होती है

स्पीड के लिए इंजीनियर किया गया ऑप्टिमाइज़्ड इमेज जनरेशन मॉडल, जो समान आउटपुट क्वालिटी बनाए रखते हुए मानक Gen-4 Image से 2.5x तेज़ परिणाम देता है।

विशेषताएं:

• ऑप्टिमाइज़्ड प्रोसेसिंग तेज़ क्रिएटिव एक्सप्लोरेशन की सुविधा देती है और कम समय में उच्च-विश्वसनीयता इमेज जनरेट करती है
• खास कैरेक्टर, माहौल और कलात्मक स्टाइल की मॉडल समझ को निर्देशित करने के लिए अधिकतम तीन रेफरेंस इमेज अपलोड करें
• रेफरेंस इमेज से खास विज़ुअल विशेषताओं को एन्कोड करके कई जनरेशन में पहचान बनाए रखता है और विज़ुअल ड्रिफ्ट की समस्या हल करता है
• रेफरेंस इमेज के एस्थेटिक, लाइटिंग और टेक्स्चर को पूरी तरह नए विषयों और सीन पर आसानी से लागू करें
• व्यवस्थित रूप से वेरिएशन एक्सप्लोर करने या सटीकता से खास आउटपुट फिर से बनाने के लिए seed पैरामीटर इस्तेमाल करें
• एक बार में अधिकतम 4 इमेज जनरेट करता है

आउटपुट विकल्प:

• आस्पेक्ट रेशियो: 16:9, 4:3, 1:1, 3:4, 9:16
• रिज़ॉल्यूशन: 720p, 1080p

इसके लिए उपयुक्त:

• Instagram Stories (9:16) या मानक पोस्ट (1:1) के लिए प्लेटफ़ॉर्म-ऑप्टिमाइज़्ड विज़ुअल बड़े पैमाने पर तेज़ी से बनाना
• ब्रांड स्टाइल गाइड को रेफरेंस इमेज की तरह इस्तेमाल करके कैंपेन में सख्त विज़ुअल पहचान बनाए रखना
• मुख्य पात्र को पहचानने योग्य बनाए रखते हुए एकरूप कैरेक्टर पोज़ और सेटिंग विकसित करना
• रेफरेंस-आधारित गाइडेंस के ज़रिए विविध लाइफ़स्टाइल और मौसमी प्रोडक्ट शॉट सटीक रूप से बनाना

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग होती है

मल्टी-शॉट सीक्वेंस या ज़्यादा मूवमेंट और एक्शन वाले सीन जनरेट करने के लिए विशेष इमेज मॉडल।

विशेषताएं:

• स्थिर फ़िज़िक्स और सुसंगत ट्रांज़िशन वाली इमेज बनाने में उत्कृष्ट
• जनरेशन को निर्देशित करने के लिए कई इमेज रेफरेंस का सपोर्ट
• एक बार में अधिकतम 4 इमेज जनरेट करता है

आउटपुट विकल्प:

• आस्पेक्ट रेशियो: auto, 16:9, 4:3, 1:1, 3:4, 9:16

इसके लिए उपयुक्त:

• एक्शन सीन और डायनामिक कंपोज़िशन

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग होती है

मज़बूत प्रॉम्प्ट विश्वसनीयता और रेफरेंस इमेज सपोर्ट वाला Wan 2.5 का इमेज वेरिएंट।

जनरेशन इनपुट:

• टेक्स्ट-टू-इमेज
• इमेज रेफरेंस (अधिकतम 2)

विशेषताएं:

• नेगेटिव प्रॉम्प्ट और seed नियंत्रण
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

आउटपुट विकल्प:

• आस्पेक्ट रेशियो: 16:9, 4:3, 1:1, 3:4, 9:16

इसके लिए उपयुक्त:

• Wan वीडियो जनरेशन के लुक से मेल खाते स्टिल्स
• प्रॉम्प्ट के अनुरूप कॉन्सेप्ट इमेज

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग होती है

अधिकतम 10 इमेज रेफरेंस और 4K आउटपुट वाला इमेज मॉडल।

जनरेशन इनपुट:

• टेक्स्ट-टू-इमेज
• इमेज रेफरेंस (अधिकतम 10)

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 4K
• आस्पेक्ट रेशियो: 16 रेशियो

इसके लिए उपयुक्त:

• 4K में रेफरेंस-निर्देशित इमेज

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग होती है

उन्नत इमेज जनरेशन और एडिटिंग के लिए पेशेवर मॉडल, जो मज़बूत सीन एकरूपता और स्टाइल नियंत्रण देता है।

विशेषताएं:

• विज़ुअल एस्थेटिक को निर्देशित करने के लिए रेफरेंस इमेज की ज़रूरत वाला इमेज-आधारित स्टाइल नियंत्रण
• एक बार में अधिकतम 4 इमेज जनरेट करता है

आउटपुट विकल्प:

• आस्पेक्ट रेशियो: 21:9, 16:9, 4:3, 3:2, 1:1, 2:3, 3:4, 4:5, 9:16, 9:21

इसके लिए उपयुक्त:

• सटीक स्टाइल आवश्यकताओं वाला पेशेवर कंटेंट

लागत: चुनी गई सेटिंग्स और वेरिएशन की संख्या के आधार पर अलग-अलग होती है

एक अत्याधुनिक डिफ्यूज़न ट्रांसफ़ॉर्मर (DiT) मॉडल, जिसे ऑडियो और टेक्स्ट गाइडेंस से संचालित, बेहद यथार्थवादी और प्रतिक्रियाशील अवतार रेंडर करने के लिए डिज़ाइन किया गया है।

जनरेशन इनपुट:

• अवतार (सोर्स इमेज)
• स्पीच (ऑडियो फ़ाइल)
• टेक्स्ट विवरण (गाइडेंस)

सुविधाएं:

• बुनियादी लिप-सिंक से आगे बढ़कर, संदर्भ के अनुसार पलक झपकाना, सांस लेना और प्राकृतिक चेहरे के भाव शामिल करता है
• स्टूडियो-स्तरीय परफ़ॉर्मेंस के लिए आवाज़ के टोन और उतार-चढ़ाव के आधार पर हाथों और पूरे शरीर की हरकतों को अपने-आप सिंक्रनाइज़ करता है
• परफ़ॉर्मेंस के अनुरूप भावनात्मक अभिव्यक्तियां देने के लिए आवाज़ की तीव्रता और पिच को सटीक रूप से समझता है
• लंबे डायलॉग या संगीत परफ़ॉर्मेंस में भी किरदार की उच्च निष्ठा और व्यवहार की एकरूपता बनाए रखता है
• साइड-एंगल प्रेज़ेंटेशन, पॉडकास्ट-स्टाइल डायलॉग और स्टाइलाइज़्ड ऐनिमेशन सहित कई सेटअप के लिए ऑप्टिमाइज़्ड
• एक बार में अधिकतम 4 वेरिएशन जनरेट करें

आउटपुट विकल्प:

• रिज़ॉल्यूशन: 480p, 720p

इनके लिए आदर्श:

• प्रोफ़ेशनल अवतार-आधारित वीडियो विज्ञापन और मार्केटिंग कंटेंट
• उच्च-निष्ठा वाली वर्चुअल स्टोरीटेलिंग और अभिव्यंजक संगीत परफ़ॉर्मेंस
• ऐसे लंबे शैक्षिक या ट्रेनिंग वीडियो जिनमें किरदार की निरंतर मौजूदगी चाहिए

लागत: इनपुट, सेटिंग्स और अवधि के आधार पर अलग-अलग होती है

API: creatify-aurora

एक तेज़, सटीक इमेज-टू-वीडियो लिप-सिंक मॉडल, जो दी गई ऑडियो से मेल खाने के लिए एक स्थिर इमेज को ऐनिमेट करता है।

इनपुट:

• सोर्स इमेज
• स्पीच ऑडियो फ़ाइल

सुविधाएं:

• दी गई ऑडियो से मेल खाने के लिए सोर्स इमेज में मुंह और चेहरे के भावों को ऐनिमेट करता है
• स्थिर इमेज से उच्च-निष्ठा वाला “बोलता हुआ” वीडियो बनाता है
• लिप-सिंक के लिए विशेष टूल, पूर्ण वीडियो जनरेशन मॉडल नहीं

इनके लिए आदर्श:

• स्थिर इमेज से बोलते हुए अवतार बनाना
• किरदार के पोर्ट्रेट में डायलॉग जोड़ना
• प्रोफ़ेशनल अवतार-संचालित कंटेंट वर्कफ़्लो

लागत: इनपुट, सेटिंग्स और अवधि के आधार पर अलग-अलग होती है

एक इमेज और ऑडियो इनपुट से बेहद यथार्थवादी, अभिव्यंजक टॉकिंग-हेड वीडियो बनाने के लिए HeyGen का नवीनतम अवतार मॉडल।

इनपुट:

• सोर्स इमेज
• स्पीच ऑडियो फ़ाइल

सुविधाएं:

• दी गई ऑडियो से मेल खाने के लिए चेहरे के भावों और होंठों की हरकतों को उच्च निष्ठा के साथ ऐनिमेट करता है
• जीवंत नतीजों के लिए स्वाभाविक सिर की हरकतें और सूक्ष्म माइक्रो-एक्सप्रेशन देता है
• लिप-सिंक के लिए विशेष टूल, पूर्ण वीडियो जनरेशन मॉडल नहीं

इनके लिए आदर्श:

• प्रोफ़ेशनल प्रवक्ता और प्रेज़ेंटर वीडियो
• बड़े पैमाने पर व्यक्तिगत अवतार कंटेंट बनाना
• किरदार की निरंतर मौजूदगी वाले मार्केटिंग और ट्रेनिंग वीडियो

लागत: इनपुट, सेटिंग्स और अवधि के आधार पर अलग-अलग होती है

Sync का नवीनतम पीढ़ी का वीडियो लिप-सिंक मॉडल, जो कई तरह के कंटेंट में स्टूडियो-क्वालिटी सिंक्रनाइज़ेशन देता है।

जनरेशन इनपुट:

• सोर्स वीडियो
• स्पीच ऑडियो

सुविधाएं:

• उच्च-सटीकता वाला लिप-सिंक, जो चेहरे की खास बारीकियां, प्राकृतिक दांत और त्वचा की बनावट बनाए रखता है
• लाइव-एक्शन, 3D ऐनिमेशन और AI-जनरेटेड वीडियो सहित सभी प्रकार के कंटेंट के लिए ऑप्टिमाइज़्ड
• वीडियो-टू-वीडियो लिप-सिंक टूल, पूर्ण वीडियो जनरेटर नहीं

इनके लिए आदर्श:

• फ़िल्म और विज्ञापन के लिए प्रोफ़ेशनल डबिंग और लोकलाइज़ेशन
• किसी भी वीडियो फ़ॉर्मेट में डायलॉग को बेहतर बनाना या सुधारना
• बड़े पैमाने के कंटेंट अनुवाद वर्कफ़्लो

लागत: इनपुट, सेटिंग्स और अवधि के आधार पर अलग-अलग होती है

एक अत्याधुनिक वीडियो एडिटिंग मॉडल, जिसे स्टूडियो-स्तरीय लिप-सिंकिंग के लिए डिज़ाइन किया गया है। यह चेहरे की खास बारीकियां बनाए रखते हुए हाई-रिज़ॉल्यूशन आउटपुट तक स्केल कर सकता है।

जनरेशन इनपुट:

• सोर्स वीडियो
• स्पीच ऑडियो

सुविधाएं:

• शार्प, प्राकृतिक टेक्सचर बनाए रखते हुए 4K आउटपुट को सपोर्ट करने के लिए उन्नत अपस्केलिंग शामिल करता है
• प्राकृतिक दांत, झाइयां, मेकअप और जटिल चेहरे के बाल जैसी विशिष्ट विशेषताओं की स्पष्टता बनाए रखता है
• लाइव-एक्शन, 3D ऐनिमेशन और AI-जनरेटेड वीडियो सहित सभी प्रकार के कंटेंट के लिए ऑप्टिमाइज़्ड
• स्पीकर-विशिष्ट ट्रेनिंग या मॉडल फाइन-ट्यूनिंग के बिना तुरंत अभिव्यंजक और सिंक्रनाइज़्ड नतीजे देता है
• एक साथ अधिकतम 4 वेरिएशन जनरेट करें

इनके लिए आदर्श:

• फ़िल्म और प्रीमियम विज्ञापनों के लिए प्रोफ़ेशनल-ग्रेड डबिंग और लोकलाइज़्ड कंटेंट
• 3D ऐनिमेटेड और AI-जनरेटेड किरदारों में डायलॉग को बेहतर बनाना या सुधारना
• पिक्सेल-परफ़ेक्ट चेहरे की एकरूपता और बारीकियों की जरूरत वाले हाई-रिज़ॉल्यूशन प्रोजेक्ट्स

लागत: इनपुट, सेटिंग्स और अवधि के आधार पर अलग-अलग होती है

बेहद यथार्थवादी, इंसानों जैसे लिप-सिंक बनाने के लिए एक समर्पित यूटिलिटी मॉडल।

इनपुट:

• स्थिर सोर्स इमेज
• स्पीच ऑडियो फ़ाइल

सुविधाएं:

• दी गई ऑडियो से मेल खाने के लिए सोर्स इमेज में मुंह को ऐनिमेट करता है
• स्थिर इमेज से उच्च-निष्ठा वाला “बोलता हुआ” वीडियो बनाता है
• लिप-सिंक के लिए विशेष टूल, पूर्ण वीडियो जनरेशन मॉडल नहीं

इनके लिए आदर्श:

• बोलते हुए अवतार बनाना
• स्थिर इमेज में डायलॉग जोड़ना
• प्रोफ़ेशनल डबिंग वर्कफ़्लो

लागत: इनपुट, सेटिंग्स और अवधि के आधार पर अलग-अलग होती है

स्पीच क्लिप से एक स्थिर इमेज को ऐनिमेट करता है और 2K तक आउटपुट देता है।

इनपुट:

• सोर्स इमेज
• स्पीच ऑडियो (5 सेकंड से 14.8 सेकंड)

सुविधाएं:

• लिप-सिंक के लिए विशेष टूल, पूर्ण वीडियो जनरेशन मॉडल नहीं

इनके लिए आदर्श:

• एक स्थिर इमेज और छोटी ऑडियो क्लिप से बोलते हुए पोर्ट्रेट बनाना

लागत: इनपुट, सेटिंग्स और अवधि के आधार पर अलग-अलग होती है

वीडियो में यथार्थवादी लिप-सिंक लागू करने के लिए एक तेज़, किफायती और सटीक यूटिलिटी मॉडल।

इनपुट:

• सोर्स वीडियो
• नई स्पीच ऑडियो फ़ाइल

सुविधाएं:

• नई ऑडियो से मेल खाने के लिए सोर्स वीडियो में मुंह की हरकतों को फिर से ऐनिमेट करता है
• वीडियो-टू-वीडियो लिप-सिंक टूल, पूर्ण वीडियो जनरेटर नहीं

इनके लिए आदर्श:

• बड़े पैमाने पर, किफायती डबिंग
• कंटेंट का अनुवाद
• यथार्थवादी नतीजों के साथ वीडियो क्लिप की ऑडियो सुधारना

लागत: इनपुट, सेटिंग्स और अवधि के आधार पर अलग-अलग होती है

मौजूदा वीडियो में यथार्थवादी लिप-सिंक लागू करने के लिए Veed Lipsync का बेहतर क्वालिटी वाला अगला संस्करण।

इनपुट:

• सोर्स वीडियो
• नई स्पीच ऑडियो फ़ाइल

सुविधाएं:

• नई ऑडियो से मेल खाने के लिए सोर्स वीडियो में मुंह की हरकतों को फिर से ऐनिमेट करता है
• वीडियो-टू-वीडियो लिप-सिंक टूल, पूर्ण वीडियो जनरेटर नहीं
• एक बार में अधिकतम 4 जनरेशन के साथ बैच क्रिएशन

इनके लिए आदर्श:

• ऐसी डबिंग और अनुवाद, जहां लागत से अधिक आउटपुट क्वालिटी महत्वपूर्ण हो
• तैयार क्लिप में डायलॉग सुधारना

लागत: इनपुट, सेटिंग्स और अवधि के आधार पर अलग-अलग होती है

बारीकियां बनाए रखते हुए इमेज का रिज़ॉल्यूशन बढ़ाता है।

इनपुट:

• सोर्स इमेज

सुविधाएं:

• अपस्केल फ़ैक्टर: 1.25x, 1.5x, 2x, 3x, 4x

इनके लिए आदर्श:

• हाई-रिज़ॉल्यूशन डिस्प्ले के लिए इमेज तैयार करना

लागत: इनपुट के आधार पर अलग-अलग होती है

बारीकियां बनाए रखते हुए वीडियो का रिज़ॉल्यूशन बढ़ाता है।

इनपुट:

• सोर्स वीडियो

सुविधाएं:

• अपस्केल फ़ैक्टर: 1.25x, 1.5x, 2x, 3x, 4x
• तेज़ और सटीक प्रोसेसिंग मोड
• वैकल्पिक फ़्रेम रेट कन्वर्ज़न: 24, 25, 30, 48, 50 या 60 fps

इनके लिए आदर्श:

• हाई-रिज़ॉल्यूशन डिस्प्ले के लिए वीडियो तैयार करना

लागत: इनपुट के आधार पर अलग-अलग होती है

इमेज से बैकग्राउंड हटाता है और उसे अल्फ़ा ट्रांसपेरेंसी के साथ वापस देता है।

इनपुट:

• सोर्स इमेज

सुविधाएं:

• प्रॉम्प्ट की जरूरत नहीं
• हर रन में एक आउटपुट

इनके लिए आदर्श:

• प्रोडक्ट कटआउट और कंपोज़िटिंग
• अन्य जनरेशन में रेफ़रेंस के रूप में इस्तेमाल के लिए सब्जेक्ट तैयार करना

लागत: इनपुट के आधार पर अलग-अलग होती है

वीडियो से बैकग्राउंड हटाता है।

इनपुट:

• सोर्स वीडियो

सुविधाएं:

• प्रॉम्प्ट की जरूरत नहीं
• आउटपुट बैकग्राउंड पारदर्शी, काला या हरा हो सकता है

इनके लिए आदर्श:

• मौजूदा फ़ुटेज से किसी सब्जेक्ट को अलग करना
• कंपोज़िटिंग के लिए वीडियो तैयार करना

लागत: इनपुट के आधार पर अलग-अलग होती है

स्टैंडर्ड डायनैमिक रेंज वीडियो को HDR में बदलता है।

इनपुट:

• सोर्स वीडियो (30 सेकंड तक)

सुविधाएं:

• प्रॉम्प्ट की जरूरत नहीं
• हर रन में एक आउटपुट; लंबाई और फ़्रेमिंग सोर्स के अनुसार होती है

इनके लिए आदर्श:

• HDR डिस्प्ले के लिए फ़ुटेज तैयार करना
• डिलीवरी के लिए जनरेट किए गए वीडियो को फिर से ग्रेड करना

लागत: वीडियो की अवधि के आधार पर अलग-अलग होती है