स्क्रिप्ट तालिका पर वह वाक्य "@लिन यान जूते कस रहे हैं शुरू करो" आदमी को लिखा है: आप जानते हैं लिन यान कौन है, मॉडल नहीं जानता। DOTV की शब्द-संकेत मिलाना यह कदम है, हर दृश्य के चित्र का विवरण, पात्र और दृश्य का पूरा संग्रह, पूरी तस्वीर की शैली को मॉडल की भाषा में अनुवाद करना — दर्जनों दृश्य मिलते हैं तो शब्द-संकेत का मापदंड एक जैसा रहता है, AI वीडियो में पात्र और तस्वीर एक दृश्य अलग नहीं दिखते। यह खंड बताता है कि मिलाना क्या जैसा होता है, कैसे मिलाते हैं, कब मिलाते हैं।
@लिन आन जूते के फीते बाँधकर दौड़ना शुरू करता है, @ओवरपास के नीचे की सुरंग से गुज़रता है
सुरंग में ट्रैकिंग शॉट, रनर साइड से फ्रेम में आता है, छत की लाइटें रोशनी की धारियाँ खींचती हैं, मोशन ब्लर, [विज़ुअल स्टाइल: शहरी रात · सिनेमाई · ठंडे रंग]
शॉट 2 को उदाहरण लेते हैं। शीट में आपने लिखा:
सिंथेसिस के बाद, फाइनल प्रॉम्प्ट वाले कॉलम में होगा:
इसमें तीन चीज़ें जुड़ती हैं:
वीडियो रास्ते में अलग से एक मोशन प्रॉम्प्ट भी निकलता है (इस शॉट में कैमरा कैसे हिलेगा), जिसका इस्तेमाल बैच वीडियो जनरेशन में होता है।
ग्लोबल स्टाइल या किसी कैरेक्टर का स्पेसिफ़िकेशन बदलने के बाद, पहले से तैयार किए प्रॉम्प्ट अपने आप अपडेट नहीं होते। प्रभावित शॉट को दोबारा तैयार करना होगा, वरना निकलने वाली इमेज अब भी पुरानी सेटिंग से बनेगी।
तैयार किया हुआ प्रॉम्प्ट एक साधारण टेक्स्ट होता है, जिसे आगे एडिट किया जा सकता है — अगर लगे कि मॉडल ने मुख्य बात नहीं पकड़ी, तो उसी सेल में दो लाइन और जोड़ दें।
डायलॉग के नीचे दो तरीके हैं, और पैसा सिर्फ़ पहले वाले का लगता है: AI समरी इस शॉट को एसेट के स्पेसिफ़िकेशन और ग्लोबल स्टाइल के साथ टेक्स्ट मॉडल को सौंप देता है, इसलिए उसका बिल असली इस्तेमाल के हिसाब से लगता है; फील्ड जोड़ें सिर्फ़ आपके लिखे, एसेट के विवरण और स्टाइल को क्रम से जोड़कर एक पैराग्राफ़ बना देता है —— इसमें कोई खर्च नहीं और किसी वाक्य को बदला भी नहीं जाता। AI समरी के बटन पर लिखा दाम एक रेंज होता है (जैसे «लगभग 12~19 क्रेडिट») —— इसमें रीज़निंग आउटपुट भी आता है, और असल खर्च इस पर निर्भर है कि मॉडल ने सचमुच कितने token निकाले; उस पंक्ति पर माउस रोकने से यह बात लिखी मिलती है।
असेट्स तैयार हो जाने के बाद सिंथेसिस सबसे फायदेमंद होता है — सिंथेसिस हर असेट का स्पेसिफ़िकेशन पढ़ता है, इसलिए असेट अभी तक ठीक से न लिखे होने पर "एक आदमी" जैसे चार शब्द दर्जनों प्रॉम्प्ट में जकड़ जाते हैं।