कंटेंट पर जाएँ

वर्कफ़्लो · अपडेट: अक्टू॰ 2026

फ़ोटो से बोलता वीडियो: क्रिएटर्स के लिए दोहराने लायक वर्कफ़्लो

एक बार फ़ोटो से बोलता वीडियो बनाना आसान है; किसी चैनल, ब्रांड या कोर्स के लिए हर हफ़्ते ऐसा करना एक प्रोडक्शन वर्कफ़्लो है। यह पेज नियमित रूप से पब्लिश करने वालों के लिए है — इसमें बताया गया है कि सोर्स इमेज कैसे तैयार करें, सभी क्लिप्स में प्रेज़ेंटर को एक जैसा कैसे रखें, हर प्लेटफ़ॉर्म के लिए आस्पेक्ट रेशियो कैसे प्लान करें और खर्च का अंदाज़ा कैसे पहले से रखें।

फ़ोटो+आवाज़=वीडियो

आवाज़
फ़ोटो नहीं है? आज़माएँ:
  • मुफ़्त प्रीव्यू
  • Google साइन इन
  • प्राइवेट अपलोड
UGC विज्ञापन
गाते हुए
बोलते हुए
प्रति वीडियो
5 मिनट
आउटपुट
720p
पर्सन सीन
मल्टी
भाषाएँ
6

नीचे सब कुछ OmniHuman 2.0 पर आधारित है, जो एक स्टिल इमेज और एक ऑडियो ट्रैक लेकर पूरी परफ़ॉर्मेंस बनाता है: लिप सिंक, हाव-भाव, इशारे और वैकल्पिक कैमरा मूवमेंट।

फ़ोटो से बोलता वीडियो बनाने के लिए इमेज तैयार करें

सोर्स फ़ोटो को कास्टिंग के फ़ैसले की तरह लें। हर प्रेज़ेंटर के लिए एक हीरो इमेज शूट या जनरेट करें — नरम, एक जैसी रोशनी, न्यूट्रल बैकग्राउंड, और अगर इशारे चाहिए तो हाथ दिखते हुए। इसे मास्टर फ़ाइल के रूप में सेव करें और हर एपिसोड में दोबारा इस्तेमाल करें — इनपुट वही रहे तो पहचान भी स्थिर रहती है।

फ़ोटो का आस्पेक्ट रेशियो ही वीडियो का आस्पेक्ट रेशियो तय करता है। Reels, Shorts और TikTok के लिए वर्टिकल (लगभग 9:16), फ़ीड के लिए स्क्वेयर, और YouTube व प्रेज़ेंटेशन के लिए हॉरिज़ॉन्टल (16:9) क्रॉप करें। 0.4 से 2.5 के बीच के रेशियो स्वीकार किए जाते हैं।

ऑडियो ट्रैक तैयार करना

टाइमिंग ऑडियो से आती है, इसलिए रेंडर से पहले उसे फ़ाइनल कर लें। शांत कमरे में रिकॉर्ड करें, दोनों सिरों की चुप्पी काटें और लाउडनेस नॉर्मलाइज़ करें। नैचुरल रफ़्तार से पढ़ी गई स्क्रिप्ट जल्दबाज़ी वाली स्क्रिप्ट से बेहतर दिखती है। अगर आप सिंथेटिक आवाज़ इस्तेमाल करते हैं, तो MP3 या WAV एक्सपोर्ट करें और किसी भी दूसरी रिकॉर्डिंग की तरह अपलोड करें।

लंबी स्क्रिप्ट को सिर्फ़ वहीं बाँटें जहाँ असली कट बनता हो — मॉडल पूरा पाँच मिनट का टेक संभाल सकता है, जिससे हिस्सों के बीच कंटिन्युटी के झटके नहीं आते।

हफ़्ते का बैच तैयार करना

क्वालिटी और खर्च को काबू में रखने वाला एक सिंपल रूटीन:

  1. 1मास्टर फ़ोटो फ़ाइनल करेंसीरीज़ के हर एपिसोड के लिए वही इमेज, वही क्रॉप।
  2. 2सारी स्क्रिप्ट लिखें और रिकॉर्ड करेंएक जैसी आवाज़ के लिए एक ही दिन में बैच रिकॉर्ड करें।
  3. 35 सेकंड का टेस्ट रेंडर करेंपूरी लंबाई के क्रेडिट लगाने से पहले फ़्रेमिंग और मूवमेंट चेक करें।
  4. 4पूरे टेक रेंडर करेंकई वीडियो क्यू में लगाएँ; हर अकाउंट पर एक साथ तीन तक रेंडर हो सकते हैं।
  5. 5एडिट करें और कैप्शन जोड़ेंअपने आम एडिटर में सबटाइटल, म्यूज़िक और लोगो जोड़ें।

सेकंड के हिसाब से बजट

खर्च अवधि के हिसाब से है: प्रति सेकंड 10 क्रेडिट। Pro प्लान के हर हफ़्ते के 1,200 क्रेडिट लगभग दो मिनट के तैयार वीडियो के लिए काफ़ी हैं — जैसे 15 सेकंड के आठ विज्ञापन या एक-एक मिनट के दो एक्सप्लेनर। स्क्रिप्ट की लंबाई पहले से प्लान करें, तो रेंडर दबाने से पहले ही खर्च पता होगा।

पब्लिश करने से पहले क्वालिटी चेकलिस्ट

हर क्लिप को लाइव करने से पहले फ़ोन पर फ़ुल स्क्रीन में देखें। तीन पलों पर ध्यान दें: पहला सेकंड, जहाँ दर्शक तय करते हैं कि आगे देखें या नहीं; तेज़ व्यंजनों वाली कोई भी लाइन, जहाँ सिंक की गलतियाँ दिखती हैं; और आख़िरी सेकंड, जहाँ क्लिप किसी इशारे के बीच में नहीं, बल्कि नैचुरल हाव-भाव पर ख़त्म होनी चाहिए।

  • अगर ऑडियो ख़त्म होने के बाद प्रेज़ेंटर रुक जाए, तो आख़िरी आधा सेकंड काट दें।
  • कैप्शन वीडियो में ही बर्न करें — ज़्यादातर शॉर्ट-फ़ॉर्म दर्शक बिना आवाज़ के देखते हैं।
  • ओरिजिनल ऑडियो को मास्टर रखें; उसे दो बार री-कंप्रेस न करें।
  • फ़ाइलों के नाम में स्क्रिप्ट वर्ज़न लिखें, ताकि A/B नतीजे ट्रैक किए जा सकें।

अक्सर पूछे जाने वाले सवाल

कई वीडियो में एक ही चेहरा कैसे रखें?

हर रेंडर के लिए वही क्रॉप वाली एक मास्टर फ़ोटो दोबारा इस्तेमाल करें। पहचान इमेज से ही आती है।

कौन-सा आस्पेक्ट रेशियो इस्तेमाल करें?

प्लेटफ़ॉर्म के हिसाब से: शॉर्ट-फ़ॉर्म सोशल के लिए वर्टिकल, फ़ीड के लिए स्क्वेयर, YouTube के लिए 16:9। आउटपुट आपकी फ़ोटो के रेशियो को फ़ॉलो करता है।

क्या एक साथ कई वीडियो रेंडर किए जा सकते हैं?

हाँ, हर अकाउंट पर एक साथ तीन तक रेंडर चल सकते हैं।

क्या हर क्लिप की लंबाई की कोई सीमा है?

हर क्लिप 4 सेकंड से 5 मिनट तक लंबी हो सकती है।

क्या सबटाइटल जोड़े जा सकते हैं?

MP4 डाउनलोड करने के बाद उन्हें अपने एडिटर में जोड़ें; मॉडल बिना टेक्स्ट वाला वीडियो रेंडर करता है।

वीडियो का रिज़ॉल्यूशन क्या है?

OmniHuman 2.0 का आउटपुट 720p है, जो सोशल प्लेटफ़ॉर्म और प्रेज़ेंटेशन के लिए सही है।

क्या टीम के कई लोग एक ही प्रेज़ेंटर फ़ोटो इस्तेमाल कर सकते हैं?

हाँ, बशर्ते फ़ोटो वाला व्यक्ति इस इस्तेमाल के लिए सहमत हो। एक मास्टर इमेज दोबारा इस्तेमाल करने से सबके वीडियो में प्रेज़ेंटर बिल्कुल एक जैसा रहता है।

क्या फ़ोटो में सादा बैकग्राउंड ज़रूरी है?

नहीं, लेकिन शांत, बिना भीड़-भाड़ वाला बैकग्राउंड ध्यान प्रेज़ेंटर पर रखता है और हिलते समय बालों के किनारों को ज़्यादा साफ़ रखता है।

और देखें

अपनी फ़ोटो को बोलने दें।

प्रीव्यू मुफ़्त है।