यह पेज हर मॉडल के पब्लिश किए इनपुट स्पेसिफ़िकेशन के आधार पर फ़र्क को अगल-बगल रखता है, और बताता है कि नया रिलीज़ कब फ़ायदेमंद है। अगर आप बस नतीजा देखना चाहते हैं, तो पेज के ऊपर एक पोर्ट्रेट अपलोड करें और उसे वर्ज़न 2.0 से रेंडर करें।
OmniHuman 2 बनाम OmniHuman 1.5 एक नज़र में
सबसे बड़ा बदलाव अवधि है। 1080p माँगने पर वर्ज़न 1.5 ऑडियो को लगभग 30 सेकंड और 720p पर लगभग 60 सेकंड तक सीमित रखता है। वर्ज़न 2.0 4 सेकंड से 300 सेकंड तक का ऑडियो स्वीकार करता है, इसलिए पूरा प्रोडक्ट एक्सप्लेनर, पॉडकास्ट का हिस्सा या पूरा कोरस छोटे टुकड़ों को जोड़ने के बजाय एक ही रेंडर में आ जाता है।
दूसरा बदलाव यह है कि शॉट में कौन हो सकता है। 1.5 में आप एक वैकल्पिक मास्क देते हैं, जिससे तय होता है कि इमेज में कौन-सा एक व्यक्ति बोलेगा। वर्ज़न 2.0 मल्टी-पर्सन परफ़ॉर्मेंस के लिए बना है, इसलिए एक ग्रुप फ़ोटो चुप खड़े बाकी लोगों वाले मोनोलॉग के बजाय एक संवाद बन सकती है।
बिना जोड़-तोड़ के लंबे टेक
छोटी सीमाएँ आपके लिखने का तरीका तय करती हैं। एक मिनट की सीमा में स्क्रिप्ट टुकड़ों में कटती है, और हर कट पर रोशनी, सिर की पोज़ीशन या हाव-भाव के अचानक बदलने का खतरा होता है। पाँच मिनट की सीमा इनमें से ज़्यादातर जोड़ हटा देती है। लेसन, टेस्टिमोनियल और नैरेटेड कहानियाँ बिना रुके चल सकती हैं, और मॉडल पूरे टेक में वही पहचान और फ़्रेमिंग बनाए रखता है।
लंबाई खर्च की प्लानिंग पर भी असर डालती है। हमारी सर्विस पर आप रेंडर हुए हर सेकंड के हिसाब से भुगतान करते हैं (प्रति सेकंड 10 क्रेडिट), इसलिए एक लंबा टेक उतनी ही कुल अवधि वाले कई छोटे टेक जितना ही पड़ता है — लेकिन उन्हें जोड़ने का एडिटिंग काम बच जाता है।
कैमरा, शरीर और इशारों पर ज़्यादा कंट्रोल
दोनों वर्ज़न टेक्स्ट प्रॉम्प्ट स्वीकार करते हैं। असल में 1.5 इसे मूड और मूवमेंट के लिए एक सुझाव की तरह लेता है, जबकि 2.0 को साफ़ कैमरा मूवमेंट, बॉडी मूवमेंट और जेस्चर कंट्रोल के इर्द-गिर्द पेश किया गया है। “slow push-in”, “turns toward the second speaker” या “raises the product on the last line” जैसे प्रॉम्प्ट उसी तरह का डायरेक्शन हैं जिसे फ़ॉलो करने के लिए नया रिलीज़ बना है।
वर्ज़न 2.0 छह प्रॉम्प्ट भाषाएँ भी लिस्ट करता है — अंग्रेज़ी, चीनी, जापानी, कोरियाई, स्पैनिश (मेक्सिको) और इंडोनेशियाई — जिससे उन टीमों को मदद मिलती है जो डायरेक्शन नोट्स अपनी भाषा में लिखती हैं।
रिज़ॉल्यूशन और आउटपुट
यहाँ 1.5 के पास अब भी एक फ़ायदा है: यह छोटी क्लिप्स के लिए 1080p आउटपुट दे सकता है। वर्ज़न 2.0 नेटिव रूप से 720p में रेंडर करता है। फ़ोन पर देखे जाने वाले सोशल फ़ीड, विज्ञापन और प्रेज़ेंटेशन के लिए, प्लेटफ़ॉर्म के कंप्रेस करने के बाद 720p आमतौर पर अलग नहीं दिखता; बड़ी स्क्रीन पर चलाने के लिए 30 सेकंड से छोटी क्लिप्स पर पुराने मॉडल का 1080p विकल्प अब भी समझ में आ सकता है।
- एक मिनट से लंबी किसी भी चीज़, एक से ज़्यादा व्यक्ति वाले किसी भी सीन, या कैमरा मूव डायरेक्ट करने के लिए 2.0 चुनें।
- 1.5 सिर्फ़ बहुत छोटी, एक स्पीकर वाली क्लिप्स के लिए चुनें, जहाँ मोशन कंट्रोल से ज़्यादा 1080p आउटपुट मायने रखता हो।
हर वर्ज़न कौन-से इनपुट स्वीकार करता है
वर्ज़न 2.0 एक इमेज (JPG, PNG, WEBP और दूसरे आम फ़ॉर्मेट, हर साइड पर 300–6000 px, 30 MB तक, आस्पेक्ट रेशियो 0.4 से 2.5 के बीच) और 15 MB तक की एक MP3 या WAV फ़ाइल लेता है। वर्ज़न 1.5 वही मुख्य जोड़ी लेता है, साथ में वैकल्पिक स्पीकर मास्क और तेज़ “turbo” मोड। हमारा स्टूडियो कोई भी भुगतान करने से पहले हर फ़ाइल को 2.0 की सीमाओं पर जाँचता है, ताकि आप ऐसी फ़ाइल पर क्रेडिट बर्बाद न करें जिसे मॉडल रिजेक्ट कर देगा।
1.5 से 2.0 पर शिफ़्ट करना
मौजूदा 1.5 वर्कफ़्लो इनपुट में बिना किसी बदलाव के आगे बढ़ जाते हैं: वही फ़ोटो और ऑडियो स्वीकार होते हैं, और प्रॉम्प्ट भी चल जाते हैं। स्पीकर-मास्क वाला स्टेप हटा दें, क्योंकि ग्रुप सीन अब नेटिव रूप से संभाले जाते हैं, और लंबी स्क्रिप्ट को एक-एक मिनट के टुकड़ों में बाँटने वाला लॉजिक भी हटा दें।
OmniHuman 2.0 और OmniHuman 1.5 की तुलना
| क्षमता | OmniHuman 1.5 | OmniHuman 2.0 |
|---|---|---|
| अधिकतम ऑडियो लंबाई | 1080p पर 30 सेकंड · 720p पर 60 सेकंड | 4–300 सेकंड |
| एक सीन में लोग | एक स्पीकर, मास्क से चुना जाता है | मल्टी-पर्सन परफ़ॉर्मेंस |
| डायरेक्शन | प्रॉम्प्ट से सुझाव | कैमरा, बॉडी और जेस्चर कंट्रोल |
| आउटपुट रिज़ॉल्यूशन | 720p या 1080p | नेटिव 720p |
| प्रॉम्प्ट भाषाएँ | तय नहीं | 6 लिस्टेड भाषाएँ |
अक्सर पूछे जाने वाले सवाल
क्या OmniHuman 2, OmniHuman 1.5 से बेहतर है?
ज़्यादातर कामों के लिए हाँ: यह पाँच मिनट तक की क्लिप, कई लोगों वाले सीन और साफ़ कैमरा डायरेक्शन संभालता है। पुराना वर्ज़न सिर्फ़ बहुत छोटी क्लिप्स के 1080p आउटपुट में आगे है।
क्या OmniHuman 2.0 1080p आउटपुट देता है?
नहीं। वर्ज़न 2.0 नेटिव रूप से 720p में रेंडर करता है। वर्ज़न 1.5 1080p देता था, लेकिन सिर्फ़ लगभग 30 सेकंड से छोटे ऑडियो के लिए।
क्या 1.5 के प्रॉम्प्ट 2.0 में दोबारा इस्तेमाल किए जा सकते हैं?
हाँ। मूड और मूवमेंट बताने वाले प्रॉम्प्ट चल जाते हैं। 2.0 में आप कैमरा मूव और खास इशारे जोड़कर और आगे जा सकते हैं।
omnihuman2.ai कौन-सा वर्ज़न इस्तेमाल करता है?
इस साइट का हर रेंडर OmniHuman 2.0 इस्तेमाल करता है। खर्च बचाने के लिए हम पुराने वर्ज़न पर नहीं जाते।
क्या लंबे वीडियो ज़्यादा महँगे पड़ते हैं?
हाँ, अनुपात में। रेंडर में आउटपुट के हर सेकंड के 10 क्रेडिट लगते हैं, इसलिए 60 सेकंड का वीडियो आप चाहे जैसे बाँटें, 600 क्रेडिट ही लगेंगे।
कोई अब भी 1.5 क्यों इस्तेमाल करेगा?
मुख्य रूप से 30 सेकंड से छोटी, एक स्पीकर वाली क्लिप्स के लिए, जहाँ 1080p फ़ाइल ज़रूरी हो और कैमरा डायरेक्शन की ज़रूरत न हो।