एक फ़ोन तस्वीर से AI प्रोडक्ट फ़ोटो: क्या चला और क्या टूटा

मेरी मेज़ पर एंबर काँच की एक स्प्रे बोतल रखी है, बिना किसी ब्रांड की — उस तरह की जिसमें लोग परफ़्यूम भरते हैं। मैंने उसकी फ़ोन से बस एक तस्वीर खींची और जानना चाहा कि वह अकेला फ़्रेम किसी बिक्री पेज पर टिक सकने वाला AI प्रोडक्ट फ़ोटो का पूरा सेट बनाने के लिए काफ़ी है या नहीं, और साथ में एक छोटा AI प्रोडक्ट वीडियो भी।

कोई स्टूडियो नहीं, कोई सॉफ़्टबॉक्स नहीं, किसी को काम पर नहीं रखा। नीचे पूरी प्रक्रिया है, उन दो हिस्सों सहित जो नहीं चले।

एक फ़ोन तस्वीर में असल में क्या कमी होती है

लकड़ी की मेज़, गाँठ बना चार्जिंग केबल, आधी ठंडी कॉफ़ी, छत की बत्ती से गिरती एक कड़ी छाया, और पूरे फ़्रेम पर पीली-हरी परत। ज़्यादातर छोटे विक्रेता असल में यहीं से शुरू करते हैं।

कमी तीक्ष्णता की नहीं है। कमी तीन और चीज़ों की है: बैकग्राउंड भरा हुआ है, रोशनी की कोई दिशा नहीं है, और फ़्रेमिंग पेज की बाक़ी तस्वीरों से मेल नहीं खाएगी। संयोग से ये तीनों ही वे चीज़ें हैं जिन्हें AI प्रोडक्ट फ़ोटो आज सबसे भरोसे से सुलझाता है।

मूल तस्वीर से अपेक्षाएँ कम हैं: पूरी वस्तु दिखे, हिली हुई न हो, छाया में डूबी न हो। इतना हो तो फ़ोन की तस्वीर काफ़ी है।

पहला क़दम बनाना नहीं, वस्तु को काटकर अलग करना है

निष्कर्ष पहले: बैकग्राउंड हटाना पूरी प्रक्रिया का सबसे कम झंझट वाला हिस्सा रहा।

बाएँ मूल तस्वीर, बीच में कटा हुआ रूप, और दाएँ काँच का किनारा इतना बड़ा किया गया कि पिक्सल दिखने लगें। पारदर्शी ऊपरी ढक्कन पूरा बचा रहा और किनारा सफ़ेद घेरे या रेशों के बिना वापस आया — काँच और पारदर्शी प्लास्टिक ही आम तौर पर वे जगहें हैं जहाँ कटाई बिगड़ती है, और यह पहली ही बार में निकल गया। यह क़दम बैकग्राउंड हटाना से हुआ।

बड़ा करके देखने पर एक और बात सामने आई: मूल तस्वीर की पीली-हरी परत जैसी थी वैसी ही साथ चली आई। कटाई वस्तु को बैकग्राउंड से अलग करती है, रंग नहीं सुधारती। यानी पारदर्शी बैकग्राउंड वाली यह फ़ाइल तैयार AI प्रोडक्ट फ़ोटो नहीं है, बल्कि वह संदर्भ है जिससे आगे की सारी तस्वीरें निकलती हैं।

रोशनी सेटिंग से बड़ी है: जगह नहीं, रोशनी लिखिए

संदर्भ हाथ में आने के बाद मैंने AI इमेज जनरेशन से वे चार दृश्य बनाए जो प्रोडक्ट पेज सबसे ज़्यादा माँगते हैं।

ऊपर बाएँ सफ़ेद पर मुख्य तस्वीर: सपाट रोशनी, दाईं ओर एक रिफ़्लेक्टर, तल के नीचे छोटी संपर्क छाया। ऊपर दाएँ बेज पत्थर पर गर्म, नीचे से आती बैकलाइट — छाया लंबी खिंचती है और काँच के दाएँ किनारे पर सुनहरी रेखा दौड़ती है। नीचे बाएँ गहरा तल और एक ही कड़ी रोशनी, बायाँ आधा हिस्सा छाया में डूबा। नीचे दाएँ लाइफ़स्टाइल रास्ता: संगमरमर का काउंटर और यूकेलिप्टस की दो-तीन टहनियाँ।

इस चरण की सबसे उपयोगी सीख: दृश्य और रोशनी एक साथ लिखिए। "पत्थर की सतह पर" लिखने से आपको एक सतह और बिना दिशा की रोशनी मिलती है। "ऊपर दाईं ओर से गर्म, नीची बैकलाइट, छाया बाईं ओर खिंची हुई, काँच के दाएँ किनारे पर सुनहरी रेखा" लिखने से ऊपर वाली तस्वीर मिलती है। रोशनी की दिशा, कठोरता और रंग तापमान किसी AI प्रोडक्ट फ़ोटो को उससे बहुत ज़्यादा बदलते हैं, जितना बैकग्राउंड में रखी कोई चीज़ बदलती है।

फिर भी दिशा का निर्देश हर बार नहीं माना जाता। मैंने काले ऐक्रिलिक पर एक और कोशिश की और रोशनी बाईं ओर से तथा छाया दाईं ओर गिरने को कहा। दर्पण जैसा प्रतिबिंब बहुत सुंदर आया, लेकिन फ़र्श पर उजला हिस्सा बाईं ओर ही रहा और छाया लगभग दिखी ही नहीं। वह तस्वीर हटा दी गई।

फ़्रेम में एक हाथ लाना

हर प्रोडक्ट पेज को एक "हाथ में कितना बड़ा लगता है" शॉट चाहिए, और हाथ ही वह जगह है जहाँ AI प्रोडक्ट फ़ोटो ख़ुद को पकड़ा देते हैं: जुड़ी हुई उँगलियाँ, एक अतिरिक्त उँगली, उलटी दिशा में मुड़ता पोर।

मैंने बड़ा करके गिना: पाँच उँगलियाँ, जोड़ सही दिशा में मुड़ते हुए, नाख़ून एक ही लंबाई के, और अंगूठे की जड़ पर त्वचा की सिलवट तक मौजूद। पहली कोशिश में, कोई दोहराव नहीं।

जो टूटा: लिखाई पास हुई, ढक्कन नहीं

इमेज मॉडल पढ़ने योग्य लिखाई नहीं लिख पाते। मैं इसे तय बात मानकर चल रहा था, इसलिए जाँच ली।

"LAVENDER MIST / 50 ml" बिलकुल सही हिज्जे के साथ वापस आया। चीनी में बदलने पर — 薰衣草喷雾 / 净含量 50 毫升 — नौ अक्षर आए और एक भी स्ट्रोक ग़लत नहीं था। छोटे लेबल की लंबाई पर यह पुरानी धारणा अब बेकार हो चुकी है।

जो असल में टूटा, उसे मैं देखने से लगभग रह गया।

सबसे बाएँ मूल तस्वीर का ढक्कन: कोणदार कंधा, सीधा शरीर, ऊपर से सपाट। उसके दाईं ओर की चार तैयार तस्वीरें हैं। सारे ढक्कन गुंबददार हो गए, किसी दो की ऊँचाई या चौड़ाई एक जैसी नहीं, और अंदर की नोज़ल का आकार हर बार बदल जाता है।

बड़ी चीज़ें मॉडल ने अच्छी तरह सँभाली — काँच का रंग, लेबल की जगह, बैकग्राउंड, रोशनी। खिसकती यही संरचनात्मक बारीकी है, हर नई ड्राइंग के साथ थोड़ी और। असली उत्पाद के लिए इसकी क़ीमत है: जिस ख़रीदार का पैकेट मुख्य तस्वीर से मेल नहीं खाता, वह एक सितारा दे जाता है।

उपाय भोंडा है पर काम करता है: वह तस्वीर चुनिए जिसका ढक्कन असली वस्तु के सबसे क़रीब हो, उसे एकमात्र संदर्भ के रूप में तय कर दीजिए, और बाक़ी AI प्रोडक्ट फ़ोटो उसी से फिर बनाइए — हर तस्वीर शून्य से शुरू न कीजिए।

स्थिर तस्वीर से 10 सेकंड के AI प्रोडक्ट वीडियो तक

मैंने पत्थर वाला फ़्रेम चुना और उसे पहले और आख़िरी फ़्रेम से वीडियो में भेजा, जिससे 10 सेकंड का AI प्रोडक्ट वीडियो निकला।

मेरे प्रॉम्प्ट में दो बातें थीं: बहुत धीमा आगे बढ़ना, और साइड लाइट का दाएँ से बाएँ बहना ताकि छाया छोटी हो। हुआ केवल पहला। आगे बढ़ना बेहद स्थिर है — बोतल का आकार, लेबल का अनुपात और काँच का रंग दो सौ से ज़्यादा फ़्रेम में एक बार भी नहीं डिगते — पर रोशनी लगभग जमी हुई है और छाया अंत में भी उतनी ही लंबी है जितनी शुरू में थी।

यह सौदा मुझे मंज़ूर है। AI प्रोडक्ट वीडियो में सबसे बुरी ख़राबी यही होती है कि कैमरा चलते-चलते वस्तु का आकार बिगड़ जाए, और शांत कैमरा सस्ता बीमा है। और कोण चाहिए हों तो उसी तय फ़्रेम से कुछ और AI प्रोडक्ट वीडियो बनाकर जोड़ लीजिए।

समय में क्या लागत आई

तस्वीर से तैयार फ़ाइलों तक चालीस मिनट से कुछ ऊपर, और उसका आधे से ज़्यादा हिस्सा जनरेशन के इंतज़ार और नतीजों में से चुनने में गया। दोहराव दो बार हुआ: काले ऐक्रिलिक की तस्वीर रोशनी की दिशा से चूकी, दूसरी कोशिश में भी चूकी और छोड़ दी गई; ढक्कन का खिसकना सब कुछ पूरा होने के बाद सामने आया, जिससे चार बैकग्राउंड का पूरा एक दौर बेकार गया। शुरू में ही संदर्भ तय कर लेने से वह दौर बच जाता।

ग़ौर करने लायक़ बात यह है कि पूरी प्रक्रिया में ठीक एक क़दम पर रुचि-बोध चाहिए: यह तय करना कि कौन-सा फ़्रेम संदर्भ बनेगा। बाक़ी सब दोहराव है।

अगर आपके पास कोई उत्पाद है जिसकी अच्छी तस्वीर नहीं खिंचती, तो आपकी शुरुआत मेरी तस्वीर से बेहतर होने की ज़रूरत नहीं। स्थिर तस्वीरें AI इमेज जनरेशन सँभालता है, क्लिप AI वीडियो जनरेशन सँभालता है, और जब आप एक दर्जन AI प्रोडक्ट फ़ोटो और दो-चार वीडियो साथ रखकर आँकना चाहें, तो सबको जनरेटिव कैनवस पर खींच लाइए — कौन रखना है और कौन फिर चलाना है, एक नज़र में साफ़ हो जाता है।