Google Flow में Hindi Dialogue वाला वीडियो कैसे बनाएं (Native Audio Prompts Guide)
Pawan Joshee··9 min read
AI वीडियो में synchronized dialogue (लिप-सिंक वाली आवाज़) जोड़ना हमेशा से एक मुश्किल काम रहा है। पहले आपको पहले वीडियो बनाना पड़ता था, फिर किसी दूसरे टूल से voiceover जनरेट करना पड़ता था, और फिर CapCut या Premiere Pro जैसे वीडियो एडिटिंग सॉफ्टवेयर में जाकर उन्हें मैन्युअली मिलाना पड़ता था। लेकिन अब, Google Flow और इसके शक्तिशाली Veo 3.1 मॉडल की मदद से आप सीधे अपने प्रॉम्प्ट से ही शानदार वीडियो और उसके साथ मैचिंग, लिप-सिंक्ड ऑडियो सिर्फ एक स्टेप में जनरेट कर सकते हैं।
चाहे आप Instagram Reels, YouTube Shorts बना रहे हों या कोई शॉर्ट फिल्म, Google Flow का यह native audio फीचर भारतीय क्रिएटर्स के लिए गेम-चेंजर है। इस गाइड में, Prompt Banao की टीम आपको सिखाएगी कि कैसे आप परफेक्ट Hindi और Hinglish dialogue प्रॉम्प्ट लिख सकते हैं, बैकग्राउंड साउंड इफेक्ट्स (SFX) जोड़ सकते हैं, और अपने कैरेक्टर की आवाज़ को हर क्लिप में एक जैसा (consistent) रख सकते हैं।
1. Google Flow और Veo 3.1 में Audio Generation का सच (How Native Audio Works)
पहले के AI वीडियो टूल्स पूरी तरह से साइलेंट (शांत) वीडियो बनाते थे। लेकिन Google Flow में मौजूद Veo 3.1 मॉडल एक "dual-stream architecture" का इस्तेमाल करता है। इसका मतलब है कि यह वीडियो और ऑडियो दोनों को एक साथ प्रोसेस और जनरेट करता है। जब आपका कैरेक्टर कुछ बोलता है, तो उसके होठों की मूवमेंट (lip-sync) और चेहरे के हाव-भाव आटोमेटिकली आवाज़ के साथ पूरी तरह सिंक हो जाते हैं।
आप Google Flow में सीधे "Text-to-Video" का इस्तेमाल कर सकते हैं या फिर "Ingredients to Video" फीचर का इस्तेमाल करके अपनी फोटो (Subject, Scene, Style) अपलोड करके भी आवाज़ वाला वीडियो बना सकते हैं। Ingredients workflow आपको यह सुविधा देता है कि आप अपने कैरेक्टर की फोटो अपलोड करें और AI उसी चेहरे के साथ नया वीडियो और डायलॉग एक साथ जनरेट कर देगा।
2. Dialogue Prompting का जादुई Formula
अगर आप सिर्फ प्रॉम्प्ट के आखिर में "with sound" या "with dialogue" लिख देंगे, तो आपको अच्छा रिजल्ट नहीं मिलेगा। इसके लिए आपको एक सही फार्मूला फॉलो करना होगा जो AI को विजुअल और ऑडियो दोनों लेयर्स की जानकारी दे:
[Shot Type & Camera] + [Subject & Action] + [Exact Dialogue in Quotes] + [Vocal Delivery & Accent] + [SFX & Ambience]
आइए इस फार्मूला के जरूरी हिस्सों को समझते हैं:
- Shot Type & Camera: कैमरे का एंगल और फ्रेम तय करें (जैसे: "Medium close-up of a man facing the camera")। लिप-सिंक के लिए क्लोज-अप शॉट्स सबसे बढ़िया होते हैं।
- Subject & Action: आपका कैरेक्टर कौन है और वह क्या कर रहा है (जैसे: "An Indian chef smiling warmly")।
- Exact Dialogue: जो डायलॉग बुलवाना है, उसे हमेशा डबल कोट्स के अंदर लिखें (जैसे:
says, "Namaste dosto...")। - Vocal Delivery & Accent: आवाज़ का टोन, स्पीड और लहजा कैसा होना चाहिए (जैसे: "speaking in Hindi with a friendly Indian accent")।
- SFX & Ambience: बैकग्राउंड का माहौल और साउंड इफेक्ट्स साफ शब्दों में लिखें।
3. Hindi/Hinglish Dialogue लिखने के नियम और सीमाएं
भारतीय दर्शकों के लिए डायलॉग लिखते समय आपको कुछ बातों का खास ध्यान रखना होगा ताकि AI आपकी बात को सही से समझ सके:
- डायलॉग छोटा रखें (Keep it Short): 4 से 8 सेकंड की क्लिप के लिए सिर्फ एक छोटा वाक्य ही लिखें। ज्यादा लंबा डायलॉग होने से लिप-सिंक बिगड़ सकता है या आवाज़ बहुत तेज भागने लगती है।
- Hinglish का इस्तेमाल करें (Phonetic Spelling): Veo 3.1 अंग्रेजी (Latin script) को ज्यादा अच्छे से समझता है। इसलिए हिंदी डायलॉग को देवनागरी के बजाय Hinglish में लिखें। जैसे "Aapka swaagat hai" लिखने से AI इसका सही उच्चारण (pronunciation) करेगा।
- Accent साफ बताएं: अपने प्रॉम्प्ट में हमेशा "with a natural Indian accent" या "in a friendly Indian male voice" जैसी लाइनें जोड़ें।
- सिंगल स्पीकर नियम: हालांकि Veo 3.1 मल्टी-पर्सन डायलॉग सपोर्ट करता है, लेकिन सबसे बढ़िया लिप-सिंक (लगभग 80% सफलता दर) तब मिलती है जब फ्रेम में सिर्फ एक ही व्यक्ति कैमरे की तरफ देखकर बोल रहा हो। मल्टी-कैरेक्टर सीन्स के लिए अलग-अलग शॉट्स जनरेट करें और बाद में उन्हें एडिट करके जोड़ें।
- विराम चिह्नों (Punctuation) का इस्तेमाल: डायलॉग के बीच में कॉमा (,) और फुल स्टॉप (.) का सही इस्तेमाल करें ताकि AI को पता चले कि कहाँ रुकना है और कहाँ वाक्य खत्म करना है।
4. Ambience और SFX Cues कैसे जोड़ें
वीडियो को असली जैसा बनाने के लिए बैकग्राउंड साउंड और इफेक्ट्स बहुत जरूरी हैं। Google Flow में आप इन प्रिफिक्स (prefixes) का इस्तेमाल कर सकते हैं:
- SFX (साउंड इफेक्ट्स): किसी खास एक्शन की आवाज़ के लिए "SFX:" का इस्तेमाल करें। जैसे:
SFX: tea kettle whistlingयाSFX: keyboard keys typing। - Ambient Noise (बैकग्राउंड शोर): पूरे माहौल की आवाज़ के लिए "Ambient noise:" का इस्तेमाल करें। जैसे:
Ambient noise: busy Mumbai street with distant honking।
आइए इसे एक आसान टेबल से समझते हैं:
| ऑडियो एलिमेंट | प्रॉम्प्ट सिंटैक्स | उदाहरण |
|---|---|---|
| डायलॉग | "Exact words in quotes" | says, "Suno, ek plate momos dena." |
| साउंड इफेक्ट्स | SFX: [Description] | SFX: hot oil sizzling in a pan |
| बैकग्राउंड शोर | Ambient noise: [Description] | Ambient noise: birds chirping in a quiet Delhi park |
5. Google Flow में Voices और Character Consistency कैसे मैनेज करें
अगर आप एक से ज्यादा क्लिप्स का इस्तेमाल करके एक पूरी कहानी बना रहे हैं, तो आपके कैरेक्टर की आवाज़ और चेहरा हर क्लिप में एक जैसा होना चाहिए।
- @Voice Feature: Google Flow के प्रॉम्प्ट बॉक्स में आपको "Voices" का ऑप्शन मिलता है। आप वहां से कोई भी आवाज़ चुन सकते हैं और अपने प्रॉम्प्ट में
@Voice: Andrew(या जो भी नाम हो) लिखकर उसे हर क्लिप में इस्तेमाल कर सकते हैं। इससे आवाज़ हमेशा एक जैसी रहेगी। - कस्टम आवाज़ (Custom Voices): आप "Create New Voice" पर जाकर अपनी खुद की कस्टम आवाज़ भी बना सकते हैं, जहाँ आप आवाज़ का लहजा (जैसे: "Indian accent with a slightly raspy tone") सेट कर सकते हैं।
- Ingredients Workflow: अपने कैरेक्टर की एक फोटो को "Subject" के रूप में अपलोड करें। इससे उसका चेहरा हर वीडियो क्लिप में बिल्कुल एक जैसा रहेगा।
6. 6 Copy-Paste Hindi/Hinglish Dialogue Prompts
यहाँ 6 रेडी-टू-यूज़ प्रॉम्प्ट दिए गए हैं जिन्हें आप सीधे कॉपी करके अपने Google Flow प्रोजेक्ट में पेस्ट कर सकते हैं:
Prompt 1: चाय टपरी सेलर (Chai Tapri)
Medium close-up shot of an elderly Indian tea seller with a warm smile, wearing a simple Nehru jacket, standing behind a boiling tea kettle at a roadside tapri in Delhi. He looks directly at the camera. He says, "Bhaiya, ek baar humari special adrak wali chai pi lo, saari thakan door ho jayegi!" in a friendly, raspy Indian male voice. SFX: tea boiling and bubbling, metal spoon clinking against a glass cup. Ambient noise: distant street traffic and gentle murmurs of people. Cinematic documentary style, warm morning sunlight, highly realistic.
Prompt 2: टेक रिव्यूअर व्लॉग (Tech Reviewer)
Medium close-up of a young Indian female tech creator with round glasses and a modern hairstyle, standing in a brightly lit studio with neon blue and pink background lights. She is holding a sleek smartphone and looking excitedly at the camera. She says, "Dosto, is phone ka camera sach mein ekdum next-level hai, chaliye dekhte hain!" in an enthusiastic, clear Indian female voice. SFX: camera shutter sound, subtle electronic hum. Ambient noise: quiet studio room tone. Cinematic tech vlog style, sharp focus, vibrant colors.
Prompt 3: दादाजी की सीख (Wise Grandfather Advice)
A close-up shot of a kind, elderly Indian grandfather with white hair and deep wrinkles, sitting on a wooden chair in a sunlit courtyard. He is looking slightly off-camera with a gentle, wise expression. He says, "Zindagi mein hamesha mehnat karo, beta, fal apne aap mil jayega," in a slow, deep, and comforting elder Indian male voice. SFX: dry autumn leaves rustling, distant birds chirping. Ambient noise: quiet rural village morning soundscape. Soft cinematic lighting, shallow depth of field, realistic skin texture.
Prompt 4: ऑफिस एम्प्लॉई कॉमेडी (Corporate Employee Humor)
Medium shot of a young Indian male corporate employee in a formal blue shirt and tie, sitting at his office desk with a laptop open. He looks exhausted, holding his head with one hand, looking directly at the camera. He says, "Yaar, Monday morning ki yeh boring meeting kab khatam hogi?" in a tired, humorous, and sarcastic Indian male voice. SFX: keyboard keys typing, mouse clicking. Ambient noise: quiet hum of office air conditioning and distant phone ringing. Realistic corporate office setting, bright overhead fluorescent lighting.
Prompt 5: साइबरपंक मुंबई डिटेक्टिव (Cyberpunk Mumbai Detective)
A low-angle medium close-up of a rugged Indian detective wearing a dark trench coat, standing under a glowing neon sign in a rainy, futuristic Mumbai street. Raindrops are dripping down his face as he looks intensely at the camera. He says, "Is shehar ke andhere mein bahut se raaz chhupe hain," in a deep, gritty, and whispering Indian male voice. SFX: heavy rain falling on metal, distant police siren. Ambient noise: low synth drone, hum of futuristic flying vehicles. Cyberpunk aesthetic, neon reflections in puddles, highly detailed.
Prompt 6: इंडियन होम शेफ (Indian Home Chef Recipe)
A medium shot of an Indian woman in a colorful traditional apron, standing in a clean, modern kitchen with spices arranged in jars behind her. She is holding a wooden spatula and smiling warmly at the camera. She says, "Aaj hum bilkul dhabe jaisi paneer ki sabji banayenge!" in a cheerful, clear Indian female voice. SFX: hot oil sizzling in a pan, wooden spoon stirring. Ambient noise: soft kitchen exhaust fan hum. Bright and clean cooking show style, natural indoor lighting.
FAQ
Google Flow वीडियो में आवाज़ क्यों नहीं आ रही है?
अगर आपके वीडियो में आवाज़ नहीं आ रही है, तो सबसे पहले अपना मॉडल चेक करें। सुनिश्चित करें कि आपने Veo 3.1 जैसा मॉडल चुना है जो ऑडियो जनरेशन को सपोर्ट करता है। इसके अलावा, वीडियो जनरेट करने से पहले सेटिंग्स पैनल में "Audio" टॉगल ऑन है या नहीं, यह भी देख लें।
क्या हम देवनागरी (Devanagari) लिपि में डायलॉग लिख सकते हैं?
हालांकि Google Flow देवनागरी को कुछ हद तक समझ सकता है, लेकिन सबसे बढ़िया रिजल्ट के लिए हिंदी डायलॉग को Hinglish (रोमन अक्षरों) में ही लिखना चाहिए। Veo 3.1 का टेक्स्ट-टू-स्पीच इंजन रोमन अक्षरों में लिखी गई हिंदी को ज्यादा सही और साफ तरीके से बोल पाता है।
अलग-अलग वीडियो क्लिप्स में एक ही आवाज़ (consistent voice) कैसे रखें?
आवाज़ को एक जैसा रखने के लिए Google Flow में @Voice फीचर का इस्तेमाल करें। "Voices" पैनल से अपनी पसंद की आवाज़ चुनें और उसे अपने प्रॉम्प्ट में लिखें (जैसे: @Voice: Andrew)। अपनी हर क्लिप के प्रॉम्प्ट में इसी टैग का इस्तेमाल करें।
क्या Google Flow में दो लोग आपस में बात कर सकते हैं?
हाँ, Veo 3.1 मल्टी-पर्सन डायलॉग सपोर्ट करता है। लेकिन एक ही शॉट में कई लोगों का लिप-सिंक थोड़ा मुश्किल होता है। सबसे बढ़िया क्वालिटी के लिए हर कैरेक्टर का अलग-अलग क्लोज-अप शॉट जनरेट करें और बाद में उन्हें किसी वीडियो एडिटर में जोड़ लें।
