छवि से वीडियो तक AI वीडियो निर्माण में सबसे महँगा कदम है, इसलिए DOTV में यह आमतौर पर स्क्रिप्ट की पुष्टि के बाद होता है: एक वीडियो नोड बनाएँ, चुनें, चित्र के नीचे इनपुट पट्टी बाहर निकल आती है — बताएँ क्या चाहिए, संदर्भ छवि जोड़ें, फ्रेम / साफ़ता / अवधि चुनें, दाईं ओर का बटन क्लिक करें। यह खंड इनपुट पट्टी और पैरामीटर पैनल पर हर चीज़ बताता है, संदर्भ छवि कैसे काम करती है, भेजने से पहले "इस बार कितना खर्च होगा" कैसे देखें।
बॉडी में फ्रेम का कंटेंट लिखें: सब्जेक्ट, एक्शन, कैमरा कैसे हिले, रोशनी कैसी हो। @ टाइप करें तो पहले से जुड़ी हुई रेफ़रेंस इमेज का हवाला मिलता है (वे क्रम से 「इमेज 1」「इमेज 2」 कहलाती हैं, जो थंबनेल के कोने के बैज से मेल खाती हैं)।
वीडियो मॉडलों की सूची अब पूरी दीवार है (Seedance / MiniMax / Kling / Veo / Vidu / Wan / Happy Horse, हर एक के अपने स्तर)। कौन किसमें माहिर, किसका साउंडट्रैक बंद नहीं होता, «वीडियो इन, वीडियो आउट» कौन-सा परिवार लेता है — 14.8 की सूची देखें।
वह बटन 「16:9 · 720P · 5s · 1» दिखाता है, और अंत का स्पीकर बताता है कि SFX चालू है या म्यूट। खोलने पर पांच ग्रुप हैं:
| पैरामीटर | विकल्प |
|---|---|
| एस्पेक्ट | सात के आसपास सेल, हर एक में अपना आकार बना है: auto, 16:9, 4:3, 1:1, 3:4, 9:16, 21:9। auto का मतलब निर्दिष्ट नहीं, मॉडल पर छोड़ा; कोई खास चुनें तो कार्ड उसी आकार में बदल जाता है। कितने सेल दिखेंगे यह मॉडल पर निर्भर है — हर परिवार अलग सेट मानता है (Veo सिर्फ़ 16:9 / 9:16, Vidu में 21:9 नहीं, Wan में रेफ़रेंस इमेज के अनुसार adaptive अतिरिक्त); जो स्तर मॉडल नहीं मानता वह दिखता ही नहीं |
| रेज़ोल्यूशन | मॉडल के अनुसार: 480P / 720P से शुरू, ऊपर 1080p, 2K (MiniMax H3 में केवल यही), 4K (Kling का 4K स्तर एक बार में 4K बनाता है) तक |
| अवधि | एक स्लाइडर + दाएँ सेकंड का एक सेल, 4~15 सेकंड हर सेकंड चुन सकते हैं (डिफ़ॉल्ट 5 सेकंड), दोनों एक ही वैल्यू बदलते हैं। Veo अपवाद है: सिर्फ़ 4 / 6 / 8 सेकंड; Seedance में मॉडल पर छोड़ने वाला «ऑटो» भी है |
| SFX | चालू / बंद, डिफ़ॉल्ट चालू: रेंडर आवाज़ के साथ आता है, बंद करें तो म्यूट क्लिप। नेटिव साउंडट्रैक वाले मॉडल इस स्विच को नहीं मानते (Kling Turbo, Happy Horse — इनका साउंडट्रैक बंद नहीं होता, इनके लिए टॉगल दिखता ही नहीं) |
| कितनी | एक बार में 1~4 क्लिप |
मॉडल बदलने पर, अगर मौजूदा टियर नया मॉडल नहीं मानता (जैसे H3 से Seedance वापस जाने पर 2K का टियर गायब), तो अपने आप उस पहले मान्य टियर पर लौट आता है — कोई ऐसी वैल्यू नहीं भेजी जाती जिसे दूसरा मॉडल न माने।
भेजें बटन के बाएँ का नंबर इस रन में लगने वाले क्रेडिट है, 「अवधि × रेज़ोल्यूशन × कितनी» से लाइव गिना जाता है, पैरामीटर बदलने पर साथ-साथ बदलता रहता है।
इनपुट बार के बाकी बटन:
| स्विच | डिफ़ॉल्ट | क्या करता है |
|---|---|---|
| वेब सर्च | चालू | मॉडल प्रॉम्प्ट से ख़ुद तय करता है कि वेब सर्च करना है या नहीं (प्रोडक्ट, मौसम जैसी रीयल-टाइम जानकारी); इससे जनरेशन में थोड़ा वक़्त लगता है। सिर्फ़ Seedance फ़ैमिली |
| मटीरियल का ऑटो चेक | चालू | जनरेट करने से पहले रेफ़रेंस इमेज / वीडियो वोल्कानो मटीरियल लाइब्रेरी में कंप्लायंस चेक के लिए भेजे जाते हैं — असली इंसानों वाला मटीरियल इसके बिना पास नहीं होता। मटीरियल में असली इंसान न हों तो इसे बंद करके यह क़दम बचा सकते हैं; बंद रहने पर असली इंसानों वाले रेफ़रेंस Ark द्वारा रिजेक्ट हो जाते हैं। सिर्फ़ Seedance फ़ैमिली। on रहने पर एक पहले से जाँच भी चलती है: कोई रेफ़रेंस इमेज इस वीडियो से जुड़ते ही वह बैकग्राउंड में चल पड़ती है — थंबनेल के नीचे-दाएँ कोने में पहले घूमता घेरा दिखता है, पास होने पर नीला ढाल (जाँचा गया)। जो पास न हो उस पर कोई निशान नहीं दिखता, और वजह तभी लिखी जाती है जब रेंडर रिजेक्ट हो। यह सिर्फ़ अभी जिस वीडियो की इनपुट बार खुली है उससे जुड़ी रेफ़रेंस इमेजों पर लागू होता है — कैनवस खोलते ही सारी इमेजें इसके पास नहीं जातीं; रेफ़रेंस वीडियो पर सिर्फ़ पहले से जाँचा गया नीला ढाल दिखता है, उसे पहले से दर्ज नहीं किया जाता। यह स्विच बंद करें तो यह पहले से जाँच भी रुक जाती है |
| स्मार्ट एक्सपैंड | चालू | Wan पहले अपनी तरफ़ से prompt को एक बार expand करता है, फिर generate करता है; बंद करने पर result बहुत संभव है कि खराब हो जाए। सिर्फ़ Wan मॉडल |
| स्मार्ट रेफ़रेंस | चालू | इनपुट बार में किसी रेफ़रेंस का नाम टाइप करें (रेफ़रेंस नोड का अपना नाम, कम से कम 2 अक्षर, केस का फ़र्क़ नहीं) तो कर्सर के दाईं ओर तुरंत ग्रे रेफ़रेंस टैग 「इमेज N」 दिखता है; Tab दबाएँ या उस पर क्लिक करें और कर्सर की जगह उससे जुड़ा @ रेफ़रेंस जुड़ जाता है — आपके टाइप किए अक्षर बने रहते हैं, टैग उनके बाद आता है। IME से टाइप करते समय पहले अक्षर तय होने का इंतज़ार करता है; Esc इस बार का सुझाव बंद कर देता है। हर मॉडल में यह पंक्ति है |
| वॉटरमार्क | बंद | रेंडर पर वॉटरमार्क आता है। सिर्फ़ Seedance फ़ैमिली |
इनपुट बार के सिरे वाला मार्कर वही है जो इमेज इनपुट बार पर है: एक इमेज में अक्सर कई चीज़ें होती हैं, और सिर्फ़ "उस इमेज का खंभा" लिखने से मॉडल को नहीं पता चलता कि किसकी बात है — इमेज पर निशान लगा दें तो वह पहचान लेता है। मार्कर दबाने पर एलिमेंट चयन मोड चालू होता है — कैनवस के ऊपर एक पट्टी तैरती है जिस पर एलिमेंट चयन मोड और स्थानीय एलिमेंट चुनने के लिए इमेज पर क्लिक करें लिखा होता है, बगल में नोड पर वापस जाएँ और ×, और कैनवस के बाकी नोड धुँधले पड़ जाते हैं।
जिस इमेज नोड का चित्र पहले ही बन चुका है उस पर वह जगह क्लिक करें जिसकी ओर इशारा करना है। क्लिक से नतीजे तक थोड़ा समय लगता है, और तब तक उस पट्टी की दूसरी पंक्ति पर पहचान रहा है… लिखा रहता है; नतीजा आने पर स्रोत इमेज पर चयन का बॉक्स और नाम का लेबल बन जाता है, और उस लेबल पर क्लिक करके पास-पास के विकल्पों में से दूसरा नाम और चयन चुना जा सकता है। जो चित्र पहले से बना नहीं है (ड्राफ़्ट, बन रहा है) या कोई वीडियो नोड — उस पर क्लिक करने पर जनरेट की गई इमेज नोड पर क्लिक करें बताया जाता है; और जहाँ कुछ पहचाना न जाए तो यहाँ कोई एलिमेंट नहीं पहचाना गया।
सफल मार्कर से एक साथ दो बातें होती हैं: इनपुट बार के प्रॉम्प्ट के अंत में एक मार्कर टैग (स्रोत इमेज का थंबनेल और एलिमेंट का नाम) जुड़ जाता है, और जिस इमेज पर क्लिक किया वह साथ ही इस वीडियो का रेफ़रेंस बनकर जुड़ जाती है — यह हाथ से लाइन जोड़ने जैसा ही है, और रेफ़रेंस इमेज का इस्तेमाल में जहाँ कहा गया है वहीं दिखने लगती है।
भेजते समय यह टैग मॉडल को ज्यों-का-त्यों नहीं जाता: वहीं खुलकर एक लाइन बन जाता है जो बताती है कि किस इमेज का कौन-सा हिस्सा — एलिमेंट का नाम, और उस इमेज पर उसका मोटा-मोटा दायरा। वही नोड कैनवस से भेजें या कमांड लाइन / Agent से — खुलने का नतीजा एक ही रहता है: इसका एक ही कार्यान्वयन है और आउटपुट के दोनों रास्ते उसी से जाते हैं।
दोनों तरफ़ एक ही काम के दो सिरे हैं: प्रॉम्प्ट का टैग मिटाएँ तो स्रोत इमेज का बॉक्स भी मिट जाता है; उलटा, स्रोत इमेज पर बॉक्स मिटाएँ तो प्रॉम्प्ट का टैग भी मिट जाता है। एक ही इमेज पर कई मार्कर लग सकते हैं — एक टैग, एक जगह।
इनपुट बार के नीचे वाला वीडियो जनरेशन मोड यही तय करता है, और उसमें पाँच विकल्प हैं: टेक्स्ट से वीडियो (कोई रेफ़रेंस नहीं), ऑम्नी रेफ़रेंस (इमेज / वीडियो / ऑडियो एक साथ), इमेज से वीडियो (एक इमेज पहले फ्रेम के तौर पर), पहला और आखिरी फ्रेम (पहली इमेज पहला फ्रेम, दूसरी आखिरी), इमेज रेफरेंस (हर इमेज रेफ़रेंस मानी जाती है)। जो मोड मॉडल नहीं लेता, वह सूची में आता ही नहीं (Vidu में सिर्फ़ टेक्स्ट से वीडियो और इमेज से वीडियो दिखते हैं, Happy Horse में पहला और आखिरी फ्रेम नहीं है, MiniMax H3 Max सिर्फ़ टेक्स्ट से वीडियो)। जो दिखते हैं उनमें जो आपके रेफ़रेंस से मेल नहीं खाते वे धुँधले रहते हैं (उन पर हॉवर कीजिए तो पता चलता है कि क्या चाहिए) — कुछ भी जुड़ा न हो तो सिर्फ़ टेक्स्ट से वीडियो चुना जा सकता है, और रेफ़रेंस जुड़े हों तो टेक्स्ट से वीडियो ही धुँधला हो जाता है। पहला रेफ़रेंस जोड़ते ही मोड अपने आप वह चुन लेता है जो उस मॉडल को फिट बैठता है — Seedance, MiniMax H3 और Wan पर ऑम्नी रेफ़रेंस, बाकी पर गिनती के हिसाब से: एक इमेज यानी इमेज से वीडियो, कई इमेज और उस स्टैक में बहु-इमेज रेफ़रेंस हो तो इमेज रेफरेंस। जब तक आप ख़ुद न चुनें यह स्वचालित ही रहता है, और चुनने पर ही नोड पर दर्ज होता है। शर्त पूरी न रहे (रेफ़रेंस हट गए, गिनती कम है, या ऐसा मॉडल चुन लिया जो इसे सपोर्ट नहीं करता) तो यह स्वचालित मोड पर लौट जाता है, और इनपुट बार वही लौटा हुआ मोड दिखाता है।
सिर्फ़ पहला और आखिरी फ्रेम मोड में इनपुट बार का ऊपरी हिस्सा बदलता है: chip की पंक्ति में सिर्फ़ रेफ़रेंस / मार्कर / कैरेक्टर लाइब्रेरी रहते हैं, और इफ़ेक्ट्स व कैमरा मूव नहीं दिखते। पहले से लगाया इफ़ेक्ट (दूसरी पंक्ति का कवर) और प्रॉम्प्ट में पहले से मौजूद कैमरा टैग पहले की तरह दिखते हैं और पहले की तरह काम करते हैं — छिपते सिर्फ़ ये दो प्रवेश द्वार हैं, हटाना हो तो ख़ुद हटाइए।
किसी इमेज नोड को वीडियो नोड के बाएँ पोर्ट से जोड़ें, और वह इमेज इस जनरेशन का रेफ़रेंस बन जाती है — आम तौर पर पहला फ्रेम। इनपुट बार पर रेफ़रेंस दबाकर फिर कैनवस पर मनचाही इमेज क्लिक करना भी काम करता है।
जुड़ी हुई इमेज़ें इनपुट बार के ऊपर थंबनेल की पंक्ति में दिखती हैं; किसी थंबनेल पर डबल-क्लिक करें तो कैनवस उस नोड पर कूद जाता है जहाँ वह इमेज रहती है।
थंबनेल के चारों कोनों पर अलग-अलग निशान होते हैं: ऊपर-बाएँ वाला बताता है कि उसी तरह के मटीरियल में वह कितने नंबर पर है, जो प्रॉम्प्ट के "इमेज N" से मेल खाता है (पहला और आखिरी फ्रेम मोड में पहली और दूसरी पर नंबर की जगह पहला व आखिरी लिखा आता है); नीचे-बाएँ वाला बताता है कि यह मटीरियल क्या है — वीडियो पर उसकी अवधि, और जो सिर्फ़ स्टाइल के लिए ली गई है उस पर स्टाइल संदर्भ का चिह्न; नीचे-दाएँ वाला कंप्लायंस जाँच की हालत है — घूमता घेरा जाँच चलने पर, और नीला ढाल जाँच पास होने पर। थंबनेल पर माउस लाएँ तो ऊपर-बाएँ, नीचे-बाएँ और नीचे-दाएँ के ये निशान एक साथ हल्के पड़ जाते हैं और जगह ऊपर-दाएँ के × (यह रेफ़रेंस हटाएँ) तथा नीचे-दाएँ के @ (इसका रेफ़रेंस कर्सर पर डालें) को दे देते हैं; हटाते ही लौट आते हैं।
जुड़ी हुई क्लिप रेफ़रेंस मटीरियल की तरह इस्तेमाल हो रही हो तो एक बात का ध्यान रखें: जब वह इस बार की चुनी हुई अवधि से छोटी हो, तो इनपुट बार के ऊपर एक पंक्ति साफ़ बताती है कि «स्रोत कितने सेकंड का है, और इस बार कितने सेकंड माँगे गए हैं», और यह भी कि जनरेट करते समय इसे अपने-आप लंबा किया जा सकता है। बगल वाला बटन उसी स्तर पर चला जाता है जो यह स्रोत सँभाल सकता है: मौजूदा मॉडल में स्रोत से छोटी या बराबर कोई सेटिंग बची हो तो सिर्फ़ अवधि घटती है (बटन पर संगत अवधि चुनें लिखा होता है); मौजूदा मॉडल में एक भी न बचे तो मॉडल ही बदला जाता है (बटन पर संगत मॉडल चुनें)। यह पंक्ति सिर्फ़ चेतावनी है और भेजना नहीं रोकती —— लंबा करना है या नहीं, यह मॉडल पर छोड़ा गया है: 5 सेकंड की क्लिप को 8 सेकंड का बनाकर आउट करें तो बढ़े हुए तीन सेकंड मॉडल खुद गढ़ लेता है, और यह बात फ़ाइनल कट देखते समय पता चलती है। स्रोत की अवधि पता ही न चले तो यह पंक्ति भी नहीं आती —— एक अनजाना आँकड़ा चेतावनी दिखाने की वजह नहीं है।
इनपुट बार पर कैरेक्टर लाइब्रेरी में दूसरों की शक्ल के मटीरियल को अपलोड या इस्तेमाल करना शामिल है, इसलिए पहली बार दबाने पर एक इस्तेमाल की प्रतिज्ञा खुलती है — मटीरियल राइट्स, जनरेट किए कंटेंट के नतीजे, और नियम तोड़ने के नतीजे। सहमति पर टिक करें तो यह दोबारा नहीं आती। सहमति के बाद कैरेक्टर लाइब्रेरी खुलती है: कोई किरदार चुनें और कैनवस पर जोड़ें दबाएँ, उसके रेफ़रेंस आर्ट वाले नोड कैनवस पर उतर आते हैं, और फिर उन्हें इस जनरेशन के रेफ़रेंस के तौर पर जोड़ा जा सकता है।