Felo پر GPT Image 2.6: GIF کو ویڈیو شاٹ میں تبدیل کریں

Felo پر GPT Image 2.6 کے ذریعے لوپنگ GIF بنائیں، API سے ایکشن فریمز تیار کریں، پھر Kling کے ساتھ انہیں متحرک کریں۔ کوڈ اور حدود کی تفصیلات بھی شامل ہیں۔

کسی ویڈیو ماڈل سے کہیں کہ وہ "تلوار لہراتے ہوئے ایک نائٹ" بنائے، تو عموماً آپ کو تلوار لہرانے کا ایک ایسا منظر ملتا ہے جس میں مطلوبہ حرکت کی وضاحت کم ہوتی ہے۔ تلوار دھندلی ہو جاتی ہے، فریمز کے درمیان جسم کے تناسب بدل جاتے ہیں اور کیمرہ ایسی حرکت دکھاتا ہے جس کی درخواست ہی نہیں کی گئی تھی۔

ڈائریکٹرز اس مسئلے کو بلاکنگ کے ذریعے حل کرتے ہیں: کردار کہاں کھڑا ہے، کون سی حرکت پہلے ہوتی ہے اور حرکت کہاں ختم ہوتی ہے۔ Felo پر موجود GPT Image 2.6 آپ کو یہ منصوبہ براؤزر میں 1.8 سیکنڈ کی لوپنگ GIF یا امیج API کے ذریعے 3 × 3 فریم شیٹ کی صورت میں دے سکتا ہے۔ یہ دونوں طریقے اس وقت کی لاگت سے کم خرچ ہیں جو کسی ویڈیو ماڈل سے روشنی، فریمنگ اور ساؤنڈ ڈیزائن کروانے کے بعد ایکشن طے کرنے پر آتی ہے۔

Felo پر GPT Image 2.6 استعمال کرنے کے دو طریقے

براؤزر میں: AI GIF جنریٹر

felo.ai/tools/gpt-image-2-6 کھولیں، تصویر کی تفصیل لکھیں اور ایک ماڈل منتخب کریں۔ ان پٹ باکس میں ڈیفالٹ طور پر GPT Image 2.6 Flare اور PNG آؤٹ پٹ منتخب ہوتا ہے۔ اینیمیشن بنانے کے لیے سیٹنگز کھولیں اور GIF منتخب کریں۔ صرف پرامپٹ میں "GIF" لکھنے سے آؤٹ پٹ فارمیٹ تبدیل نہیں ہوتا۔

GIF کنٹرولز محدود اور واضح ہیں: 2 سے 16 فریمز، ہر فریم کے لیے 20 سے 2000 ملی سیکنڈ اور ابتدائی فریم سائز 512 × 512۔ Felo کی ڈیفالٹ ترتیب 200 ms کے ساتھ 9 فریمز ہے، جس سے 1.8 سیکنڈ کا لوپ بنتا ہے۔ یہ دورانیہ مختصر ہے، اور واقعی مختصر ہے۔ لیکن کسی حرکت کو سمجھنے کے لیے اتنا وقت کافی ہے۔

آپ ایک حوالہ جاتی تصویر اپ لوڈ کر سکتے ہیں، تبدیلیوں کی درخواست دے سکتے ہیں یا اسکیچ کنٹرول سے کسی حصے کو نشان زد کر سکتے ہیں۔ پہلے ایکشن ٹیسٹ کے لیے ایک کردار، سادہ پس منظر اور ایک حرکت منتخب کریں۔

آؤٹ پٹ کی مثال: 200 ms کے ساتھ 9 فریمز کا لوپ۔ براؤزر ٹول براہِ راست GIF تیار کرتا ہے؛ نیچے دیا گیا ایجنٹ ورک فلو ایک 3 × 3 شیٹ سے وہی فریمز تیار کرتا ہے۔

API کے ذریعے، ایجنٹس اور ایپس کے لیے

یہی دونوں ماڈلز Felo کے image catalog میں gpt-image-2.6-flare اور gpt-image-2.6-sunburst آئی ڈیز کے تحت دستیاب ہیں۔ ایک API key کے ذریعے 8 فراہم کنندگان کے 18 امیج ماڈلز استعمال کیے جا سکتے ہیں۔ اس لیے ایک ایجنٹ مختلف فراہم کنندگان کے الگ اکاؤنٹس کھولے بغیر ماڈلز کا موازنہ یا ان کے درمیان تبدیلی کر سکتا ہے۔

	GPT Image 2.6 Flare	GPT Image 2.6 Sunburst
بنیادی مقصد	تیز ڈرافٹس اور بار بار ترامیم	تفصیلی تصاویر اور درست ترامیم
ماڈل ID	gpt-image-2.6-flare	gpt-image-2.6-sunburst
ان پٹ / آؤٹ پٹ	متن، تصویر → تصویر	متن، تصویر → تصویر
اس کام کے لیے موزوں	ایکشن کے خیالات کی تلاش	مختلف پینلز میں کردار کی یکسانیت
درج شدہ قیمت	$5 / 1M ان پٹ ٹوکنز، $30 / 1M آؤٹ پٹ ٹوکنز	$5 / 1M ان پٹ ٹوکنز، $30 / 1M آؤٹ پٹ ٹوکنز

قیمت فی ٹوکن ہے، فی تصویر نہیں۔ اس لیے ریزولوشن اور حوالہ جاتی تصاویر بل پر اثر ڈالتی ہیں۔ دونوں ماڈل صفحات پر محدود مدت کے مفت ٹرائل کا بیج موجود ہے؛ پروڈکشن رن کی منصوبہ بندی سے پہلے موجودہ شرائط اور نرخ دیکھیں۔

براؤزر GIF آؤٹ پٹ دیتا ہے، جبکہ امیج API جامد تصاویر واپس کرتا ہے۔ ان ماڈلز کے لیے output_format enum میں png، jpeg یا webp شامل ہیں، اس لیے ایجنٹس تیار کردہ فریمز سے GIF بناتے ہیں۔ نیچے API کا حصہ اس طریقے کی وضاحت کرتا ہے۔

ویڈیو پرامپٹ کے مقابلے میں GIF بہتر ابتدائی ڈرافٹ کیوں ہے؟

ویڈیو ماڈلز انٹرپولیشن انجن ہیں۔ وہ دو حالتوں کے درمیان موجود خلا پُر کرنے میں اچھے ہیں، لیکن یہ طے کرنے میں کمزور ہیں کہ کون سی حالتیں اہم ہیں۔ ٹیکسٹ پرامپٹ انہیں تشریح کے لیے ایک جملہ دیتا ہے۔ نو فریمز کی GIF انہیں پوز، سلوئٹ اور ٹائمنگ کے بارے میں نو واضح فیصلے دیتی ہے۔

نو فریمز کی حد ایک انتخاب بھی لازم کرتی ہے۔ 200 ms فی فریم کے ساتھ کسی مبہم "متحرک ایکشن سین" کی گنجائش نہیں رہتی۔ آپ کو واضح کرنا پڑتا ہے: تیار ہونے کی حالت، وار سے پہلے کی حرکت، وار، حرکت کا اختتام اور ابتدائی حالت میں واپسی۔ کمزور ویڈیو پرامپٹس کی بڑی وجہ یہی ہے کہ ان میں یہ فیصلہ کبھی کیا ہی نہیں جاتا۔

لوپ ایک دوسری پابندی بھی شامل کرتا ہے۔ صاف لوپ ہونے والی GIF کو اپنی ابتدائی پوزیشن پر واپس آنا ہوتا ہے، اور یہی چیز شاٹ کی ایڈیٹنگ کو آسان بناتی ہے۔ اگر کردار کا بازو کسی نئی جگہ پر ختم ہو، تو اگلا شاٹ جسم کی مختلف حالت سے شروع ہوگا۔

آپ پوری حرکت کا جائزہ چند سیکنڈ میں لے سکتے ہیں۔ سلوئٹ، ہاتھوں، استعمال ہونے والی چیز اور آخری فریم سے پہلے فریم تک کے جوڑ کو دیکھیں۔ ایک ایجنٹ فریمز کا موازنہ کر سکتا ہے یا کسی ویژن ماڈل سے تبدیلیوں کی وضاحت لے سکتا ہے۔ یہ سب ویڈیو کے ایک سیکنڈ کی ادائیگی سے پہلے ممکن ہے۔

Felo کے ٹول پیج پر واضح لکھا ہے: "GIF ایک خاموش لوپ ہے۔ آواز، طویل منظر یا متعدد شاٹس کے لیے ویڈیو ٹول استعمال کریں۔" یہی جملہ اس ورک فلو کا نقطۂ آغاز ہے، اختتام نہیں۔

براؤزر میں ایکشن تیار کریں

ویڈیو شاٹ بنانے سے پہلے کردار کی حرکت ڈیزائن کرنے کے لیے یہ ایک عملی لوپ ہے۔

1. پہلے کردار کی شکل طے کریں

اینیمیشن سے آغاز نہ کریں۔ کردار کی ایک جامد حوالہ جاتی تصویر بنائیں: سامنے کا رخ، غیر جانب دار پوز اور سادہ پس منظر۔ اینیمیشن بناتے وقت پرامپٹ میں ہر تفصیل یکساں رکھیں: بالوں کا انداز، لباس کے رنگ، لوازمات، ہتھیار اور جسمانی تناسب۔ الگ الگ جنریشنز میں یکسانیت برقرار رکھنا مشکل ہوتا ہے، اس لیے تفصیل جتنی واضح ہوگی، ماڈل کو فریمز کے درمیان چیزیں خود سے شامل کرنے کی ضرورت اتنی کم ہوگی۔

2. ایکشن کو منظر کے بجائے لوپ کی صورت میں لکھیں

ایک مفید ایکشن پرامپٹ کے چار حصے ہوتے ہیں:

1. منظر متعین کریں۔ فریم میں کیا ہے، وہ کہاں کھڑا ہے اور کیسا دکھائی دیتا ہے۔
2. ایک حرکت کا نام دیں۔ کیا حرکت کرتا ہے اور کس ترتیب سے۔
3. مستقل رہنے والی چیزیں طے کریں۔ کیمرہ، پاؤں، لوگو اور ہاتھ۔
4. واپسی کی ہدایت دیں۔ اختتام پر کردار کو ابتدائی پوز میں واپس لائیں۔

مثال کے طور پر:

سرسوں کے پیلے رنگ کی جیکٹ پہنے ایک ڈاکیا ہلکے رنگ کی پتھر کی سڑک پر کھڑا ہے، سائیڈ ویو، مکمل جسم، کیمرہ اپنی جگہ پر ہے۔ وہ اپنا وزن تبدیل کرتا ہے، کندھے پر لٹکے تھیلے میں ہاتھ ڈالتا ہے، ایک چھوٹا نیلا پارسل نکالتا ہے اور اسے آگے بڑھا کر پکڑتا ہے۔ جیکٹ، تھیلا اور کیمرہ اپنی جگہ برقرار رکھیں۔ پھر پارسل نیچے کریں اور ابتدائی پوز میں واپس آئیں۔ حرکت کو ہموار لوپ بنائیں۔ سادہ پس منظر، کوئی متن نہیں۔

یہ پرامپٹ جان بوجھ کر سادہ رکھا گیا ہے۔ یہاں سادگی فائدہ مند ہے: 512 × 512 سائز اور نو فریمز میں ایک واضح حرکت سمجھ آتی ہے۔ ہجوم، بارش اور کیمرے کی حرکت ویڈیو ماڈل کے لیے محفوظ رکھیں۔

3. سیٹنگز میں GIF منتخب کریں اور چھوٹے پیمانے سے آغاز کریں

512 × 512، 9 فریمز اور 200 ms فی فریم منتخب کریں۔ جنریٹ کریں۔ بنیادی حرکت واضح ہونے تک فریمز کی تعداد نہ بڑھائیں۔

جب لوپ خراب ہو تو اس ترتیب سے اصلاح کریں: پہلے فریمز کم کریں اور ایکشن سادہ بنائیں، پھر ہر فریم کا دورانیہ بڑھائیں، اس کے بعد مستقل رہنے والی تفصیلات میں اضافہ کریں۔

4. صرف درمیانی فریمز نہیں، آخری اور پہلے فریم کا جوڑ بھی دیکھیں

لوپ کو دو مرتبہ دیکھیں۔ آخری فریم اور پہلے فریم کا جوڑ وہ جگہ ہے جہاں زیادہ تر خرابیاں سامنے آتی ہیں: کندھے کی پوزیشن میں اچانک تبدیلی، ہاتھ بدلنے والی چیز یا اپنی جگہ سے ہلتا ہوا پس منظر۔

اس کے بعد ایک وقت میں ایک متغیر تبدیل کریں۔ نیا پوز ایک نیا پرامپٹ ہے۔ ٹائمنگ میں تبدیلی کے لیے فریمز کی تعداد یا ہر فریم کا دورانیہ تبدیل کریں۔ دونوں چیزیں ایک ساتھ بدلنے سے یہ معلوم کرنا مشکل ہو جاتا ہے کہ کس تبدیلی نے فائدہ دیا۔

GIF سے ویڈیو تک: دو طریقے

Felo کی ویڈیو API میں اینیمیٹڈ GIF ان پٹ کے طور پر دستیاب نہیں ہے۔ یہ جامد تصاویر یا ویڈیو قبول کرتی ہے، اس لیے منتقلی کے لیے ایک تبدیلی کا مرحلہ درکار ہے۔ دو طریقے مؤثر ہیں، جبکہ تیسرا طریقہ GIF کو ہی حتمی آؤٹ پٹ بنائے رکھتا ہے۔

کی فریمز آغاز اور اختتام کی حالت طے کرتے ہیں؛ ویڈیو ریفرنس لوپ کی ٹائمنگ استعمال کرتا ہے۔

طریقہ 1: کی فریمز، واضح آغاز اور اختتام کے لیے

تبدیلی کے آغاز اور اختتام کی نشاندہی کرنے والے دو فریمز منتخب کریں۔ ڈاکیے کی مثال میں یہ پینل 2 (وزن کی تبدیلی) اور پینل 6 (آگے بڑھایا گیا پارسل) ہیں، نہ کہ لوپ کے پہلے اور آخری فریمز، کیونکہ وہ جان بوجھ کر ایک جیسے رکھے گئے ہیں۔ انہیں frame_images کے طور پر بھیجیں اور frame_type کو first_frame یا last_frame پر سیٹ کریں۔

اس سے آپ کی منتخب کردہ ابتدائی اور آخری حالتیں طے ہو جاتی ہیں۔ پرامپٹ میں صرف ان چیزوں کی وضاحت درکار ہوتی ہے جو دونوں تصاویر میں موجود نہیں: کیمرے کی حرکت، روشنی اور رفتار۔

Kling 4.0 Image-to-Video اس کام کے لیے موزوں ہے۔ ماڈل پیج پر frame_images کو معاون پیرامیٹرز میں شامل کیا گیا ہے اور 3 سے 30 سیکنڈ کے کلپس کے ساتھ سٹیریو آڈیو کی سہولت درج ہے۔ منتخب کردہ دونوں پوز فراہم کریں، اور ماڈل ان کے درمیان حرکت تیار کرے گا۔

کی فریمز کے طریقے کے لیے ایک مختصر پرامپٹ:

وہی ڈاکیا، اسی سرسوں کے رنگ کی جیکٹ میں، اسی پتھر کی سڑک پر، اپنے تھیلے میں ہاتھ ڈال کر نیلا پارسل آگے بڑھاتا ہے۔ کیمرہ آہستہ آہستہ قریب آئے، دوپہر کے بعد کی نرم روشنی، کم گہرائیِ میدان۔ کردار کا چہرہ، لباس اور پارسل تبدیل نہ ہوں۔ سڑک کی قدرتی پس منظر کی آوازیں شامل کریں۔

ویڈیو ماڈل آپ کے دونوں پوز کے درمیان حرکت تیار کرتا ہے۔ یہ ایک جملے سے پورا ایکشن تخلیق کرنے کے مقابلے میں تخلیقی چھلانگ کا چھوٹا مرحلہ ہے۔

طریقہ 2: ویڈیو ریفرنس، موجودہ ٹائمنگ استعمال کرنے کے لیے

اگر آپ چاہتے ہیں کہ ویڈیو GIF کی رفتار اور ردھم کی پیروی کرے، تو لوپ کو مختصر MP4 میں تبدیل کریں اور اسے ویڈیو ریفرنس کے طور پر فراہم کریں۔ ویڈیو API میں input_references، image_url ریفرنسز کے ساتھ video_url اندراجات بھی قبول کرتا ہے۔

ffmpeg -stream_loop 1 -i action.gif -t 3 -movflags +faststart -pix_fmt yuv420p action.mp4

Kling 4.0 Omni-Video ریفرنس پر مبنی آپشن ہے۔ اس کے صفحے پر 3 سے 30 سیکنڈ کے زیادہ سے زیادہ 5 ویڈیو کلپس درج ہیں، جن کا مجموعی دورانیہ 30 سیکنڈ سے زیادہ نہیں ہو سکتا۔ اس کے ساتھ زیادہ سے زیادہ 10 تصویری ریفرنسز بھی فراہم کیے جا سکتے ہیں۔ اس طرح آپ ایک ہی درخواست میں حرکت کا خاکہ اور کردار کی تصویر بھیج سکتے ہیں۔

یہ طریقہ اس وقت استعمال کریں جب ٹائمنگ اہم ہو: تین مرحلوں پر مشتمل اشارہ، ایک موڑ یا مزاحیہ وقفہ۔ Omni-Video میں 3–30 سیکنڈ کے ویڈیو ریفرنسز درج ہیں، اس لیے ایکسپورٹ سے پہلے GIF کو کم از کم تین سیکنڈ تک لوپ کریں؛ 250 ms کے ساتھ 12 فریمز بھی یہی دورانیہ فراہم کرتے ہیں۔

ویڈیو ماڈل ریفرنس کے عمومی ردھم اور پوز کی پیروی کرے گا، ہر فریم کی عین نقل نہیں بنائے گا۔ اگر آپ کو مخصوص ابتدائی اور آخری حالتیں درکار ہیں تو کی فریمز استعمال کریں۔

یا GIF ہی برقرار رکھیں

بعض اوقات GIF ہی حتمی آؤٹ پٹ ہوتا ہے۔ لوپنگ اسٹیکر، UI اسٹیٹ، سوشل میڈیا پوسٹ یا گیم اسپرائٹ کے لیے ویڈیو ماڈل یا ساؤنڈ ٹریک کی ضرورت نہیں ہوتی۔ Felo کے GPT Image 2.6 ماڈل کی مثالوں میں پکسل آرٹ واٹر سورڈ لوپ، پورٹریٹ کا مڑنا اور آنکھ مارنا، اور جاپانی ایونٹ بینر شامل ہیں۔ ان تینوں میں محدود اور واضح حرکت استعمال کی گئی ہے۔

اس فارمیٹ کی حقیقی حدود ہیں: فی فریم 256 رنگ، آڈیو کی عدم موجودگی اور فائل کا سائز جو ابعاد اور فریمز کی تعداد کے ساتھ تیزی سے بڑھتا ہے۔ یکساں رنگ اور سادہ پس منظر رنگوں کی اس حد کو کم نمایاں کرتے ہیں۔ گریڈینٹس اور جلد کے رنگوں میں رنگوں کی پٹیاں بن سکتی ہیں۔

GPT Image 2.6 API: درخواست بھیجیں، اسٹیٹس چیک کریں، نتائج حاصل کریں

انسان براؤزر میں GIF کی تیاری کی نگرانی کر سکتا ہے۔ ایک ایجنٹ ایسا نہیں کر سکتا، جب تک API اسے کام کا واضح طریقۂ کار فراہم نہ کرے۔ Felo میں یہ طریقہ موجود ہے: درخواست بھیجیں، اسٹیٹس چیک کریں، نتیجہ حاصل کریں۔

امیج اینڈ پوائنٹ POST https://openapi.felo.ai/api/v1/images/generations ہے، جس میں bearer key استعمال ہوتی ہے۔ یہ 202 اور ایک task_id واپس کرتا ہے۔ GET /api/v1/images/generations/{task_id} کو اس وقت تک چیک کریں جب تک status کی قدر succeeded نہ ہو جائے، پھر outputs سے دستخط شدہ میڈیا URL حاصل کریں۔

درخواست کی باڈی میں ماڈل ID، پرامپٹ، quality، aspect_ratio، output_format اور حوالہ جاتی تصاویر کے لیے input_references شامل کیے جا سکتے ہیں۔ اگر آپ کو مقامی حوالہ جاتی تصویر درکار ہو تو اسے پہلے POST /api/v1/files کے ذریعے اپ لوڈ کریں۔ یہ اینڈ پوائنٹ PNG، JPEG، GIF، WebP، MP4 اور دیگر عام فارمیٹس قبول کرتا ہے، جن کا سائز 100 MiB تک ہو سکتا ہے، اور فائل کا ریکارڈ واپس کرتا ہے۔ اس کی id کو input_references میں file_id کے طور پر فراہم کریں۔

GIF درکار رکھنے والے ایجنٹ کے لیے بہترین طریقہ یہ ہے کہ ایک امیج کال میں پورے ایکشن کو اسٹوری بورڈ شیٹ کی صورت میں تیار کرنے کی درخواست دی جائے، پھر اسے الگ الگ فریمز میں تقسیم کیا جائے۔ ایک درخواست میں نو پوزز تیار ہوتے ہیں؛ فریمز کی تقسیم ایک متعین عمل ہے؛ GIF کی تیاری مقامی مرحلہ ہے۔ یہی فریمز ویڈیو کے مرحلے میں بھی درکار ہوتے ہیں، اس لیے کسی چیز کو دو مرتبہ تیار نہیں کرنا پڑتا۔

کام کا طریقہ: امیج ٹاسک بھیجیں، نتیجے کے لیے اسٹیٹس چیک کریں، شیٹ کو مقامی طور پر فریمز میں تقسیم کریں، پھر ان فریمز کے ساتھ ویڈیو ٹاسک بھیجیں۔

ایک ہی درخواست میں نو پوزز مانگیں

اس درخواست کے لیے اسٹوری بورڈ پرامپٹ کی مثال:

سادہ سفید پس منظر پر 3 × 3 اسٹوری بورڈ شیٹ، نو برابر مربع پینلز ایک دوسرے کے ساتھ، کوئی درمیانی فاصلہ نہیں۔ سرسوں کے پیلے رنگ کی جیکٹ پہنے وہی ڈاکیا ہر پینل میں موجود ہو: سائیڈ ویو، مکمل جسم، یکساں تناسب، رنگ اور تھیلا۔ پینل 1 میں کھڑا ہو؛ پینل 2 میں وزن تبدیل کرے؛ پینل 3 میں تھیلے میں ہاتھ ڈالے؛ پینل 4 میں اسے کھولے؛ پینل 5 میں نیلا پارسل نکالے؛ پینل 6 میں پارسل آگے بڑھا کر پکڑے؛ پینل 7 میں اسے نیچے کرے؛ پینل 8 میں ہاتھ واپس پہلو میں لائے؛ پینل 9 میں پینل 1 والا پوز ہو۔ یکساں روشنی، مستقل پیمانہ، کوئی متن، کوئی کیپشن اور پینل نمبر نہیں۔

1K شیٹ سے کراپ کے بعد تقریباً 340 پکسل کے ٹائلز حاصل ہوتے ہیں، جو براؤزر کے 512 پکسل فریمز کے مقابلے میں کم واضح ہوتے ہیں۔ اگر آپ کے چینل میں بڑا سائز دستیاب ہو تو بڑی مربع شیٹ کی درخواست کریں۔ فریمز کی تقسیم سے پہلے شیٹ کا جائزہ لیں: اگر پینلز کے سائز یکساں نہ ہوں یا کردار کی شکل بدل جائے تو کٹائی کے بعد اصلاح کرنے کے بجائے سادہ لے آؤٹ ہدایات کے ساتھ دوبارہ جنریٹ کریں۔

درخواست بھیجیں، فریمز تقسیم کریں اور GIF تیار کریں

import os
import time
import requests

BASE = "https://openapi.felo.ai/api/v1"
HEADERS = {"Authorization": f"Bearer {os.environ['FELO_API_KEY']}"}

def poll(path, timeout=900, interval=5):
    deadline = time.time() + timeout
    while time.time() < deadline:
        response = requests.get(f"{BASE}{path}", headers=HEADERS, timeout=30)
        response.raise_for_status()
        task = response.json()
        if task["status"] in {"succeeded", "failed", "interrupted"}:
            if task["status"] != "succeeded":
                raise RuntimeError(task.get("error", task["status"]))
            return task
        time.sleep(interval)
    raise TimeoutError(path)

STORYBOARD_PROMPT = (
    "A 3x3 storyboard sheet on plain white, nine equal square panels edge to edge, "
    "the same courier in a mustard jacket in every panel, side view, full body, "
    "identical proportions and colors: standing, shifting weight, reaching into a "
    "satchel, opening it, pulling out a blue parcel, holding it forward, lowering it, "
    "hand at side, standing again. Flat lighting, consistent scale, no text, no gutters."
)

response = requests.post(
    f"{BASE}/images/generations",
    headers=HEADERS,
    json={
        "model": "gpt-image-2.6-sunburst",
        "prompt": STORYBOARD_PROMPT,
        "aspect_ratio": "1:1",
        "quality": "medium",
    },
    timeout=60,
)
response.raise_for_status()

result = poll(f"/images/generations/{response.json()['task_id']}")
output = result["outputs"][0]
sheet_url = output["url"] if isinstance(output, dict) else output
with open("sheet.png", "wb") as file:
    file.write(requests.get(sheet_url, timeout=60).content)

اس کے بعد شیٹ کو فریمز میں تقسیم کریں اور لوپ مقامی طور پر تیار کریں:

magick sheet.png -crop 3x3@ +repage -resize 512x512! frame-%02d.png
magick -delay 20 -loop 0 frame-*.png action.gif   # 20/100 s = 200 ms per frame

ImageMagick 6 کے صارفین magick کی جگہ convert استعمال کر سکتے ہیں۔ کراپ کے حصے برابر ہوں گے کیونکہ پرامپٹ میں درمیانی فاصلہ نہ رکھنے کی ہدایت دی گئی تھی۔

ویڈیو ماڈل کو دو کی فریمز بھیجیں

def upload(path):
    with open(path, "rb") as file:
        response = requests.post(
            f"{BASE}/files", headers=HEADERS, files={"file": file}, timeout=60
        )
    response.raise_for_status()
    return response.json()["id"]

VIDEO_PROMPT = (
    "The same courier on the same stone street reaches into the satchel and holds "
    "out a blue parcel. Slow push-in, soft late-afternoon light, shallow depth of "
    "field. Keep the face, clothing, and parcel unchanged."
)

# Panels 2 and 6 bracket the change; the loop's matching endpoints do not.
first_id = upload("frame-01.png")
last_id = upload("frame-05.png")

video = requests.post(
    f"{BASE}/videos/generations",
    headers=HEADERS,
    json={
        "model": "kling-4.0/image-to-video",
        "prompt": VIDEO_PROMPT,
        "duration": 5,
        "resolution": "720p",
        "frame_images": [
            {"type": "image_url", "frame_type": "first_frame",
             "image_url": {"file_id": first_id}},
            {"type": "image_url", "frame_type": "last_frame",
             "image_url": {"file_id": last_id}},
        ],
    },
    timeout=60,
)
video.raise_for_status()
video_task = video.json()["task_id"]

ویڈیو ٹاسک کا اسٹیٹس بھی اسی طریقے سے چیک کریں اور دستخط شدہ آؤٹ پٹ URL ڈاؤن لوڈ کریں۔ اینڈ پوائنٹ POST https://openapi.felo.ai/api/v1/videos/generations ہے؛ اس ٹاسک میں بھی امیج ٹاسک کی طرح status اور outputs موجود ہوتے ہیں۔ ویڈیو روٹس کی مکمل فہرست video models page پر موجود ہے۔

اسے ایجنٹ میں شامل کریں

ایجنٹ چند تصاویر کی لاگت میں متعدد ایکشن شیٹس تیار کر سکتا ہے، ان کا موازنہ کر سکتا ہے اور اس کے بعد ہی ویڈیو پر خرچ کر سکتا ہے۔ یہ ریکارڈ بھی رکھ سکتا ہے کہ کس پرامپٹ سے کون سی شیٹ تیار ہوئی۔ UI میں کلک کرتے ہوئے انسان کے لیے ایسا ریکارڈ رکھنا مشکل ہوتا ہے۔

ایک ہی key کے ذریعے چیٹ، امیج اور ویڈیو ماڈلز استعمال کیے جا سکتے ہیں، اس لیے پورا ورک فلو ایک ایجنٹ میں چل سکتا ہے: ایک پلاننگ ماڈل ایکشن کے مراحل لکھتا ہے، ایک امیج کال شیٹ تیار کرتی ہے، ایک ویژن ماڈل یکسانیت کی جانچ کرتا ہے اور ایک ویڈیو کال شاٹ مکمل کرتی ہے۔ Felo، OpenAI-compatible اور Anthropic-compatible بیس URLs کے ساتھ Codex، Claude Code، DeepSeek Harness، OpenClaw اور دیگر ایجنٹ کلائنٹس کے لیے سیٹ اپ گائیڈز فراہم کرتا ہے۔ اس طرح موجودہ ایجنٹ کو دوبارہ تیار کیے بغیر پلیٹ فارم سے منسلک کیا جا سکتا ہے۔

یہ پائپ لائن کن مسائل کو حل نہیں کرتی

GIF پر مبنی طریقہ ایکشن ڈیزائن میں ابہام کم کرتا ہے۔ لیکن یہ ویڈیو ماڈل کو فریم کی سطح پر مکمل درستگی نہیں دیتا۔

• حرکت میں فرق آ سکتا ہے۔ ویڈیو ماڈل انٹرپولیشن کرتا ہے؛ وہ آپ کے کی فریمز کے درمیان ہاتھوں کی پوزیشن یا کپڑوں کی شکنیں تبدیل کر سکتا ہے۔ حوالہ جاتی تصاویر مدد دیتی ہیں، لیکن نتیجے کا جائزہ ضروری ہے۔
• مختصر دورانیہ محدود ہوتا ہے۔ 2 سے 16 فریمز ایک اشارے کے لیے ہیں، پورے منظر کے لیے نہیں۔ متعدد اشاروں کو ملا کر منظر بنائیں اور ان کے درمیان منتقلی ویڈیو ماڈل کے سپرد کریں۔
• فریمز کے اندر موجود متن قابلِ اعتماد نہیں ہوتا۔ حروف مختلف فریمز میں اپنی شکل بدل سکتے ہیں۔ عنوانات اینیمیشن کے بجائے ڈیزائن ٹول میں شامل کریں۔
• ماڈلز کی فہرست تبدیل ہوتی رہتی ہے۔ ٹرائل کی شرائط اور معاون پیرامیٹرز تازہ معلومات ہیں، اس لیے پروڈکشن میں کسی ID کے استعمال سے پہلے ماڈل پیج یا Playground دیکھیں۔

اکثر پوچھے جانے والے سوالات

کیا GPT Image 2.6، Felo پر اینیمیٹڈ GIF بنا سکتا ہے؟

جی ہاں، براؤزر ٹول میں۔ GPT Image 2.6 منتخب کریں، سیٹنگز کھولیں اور GIF منتخب کریں۔ پینل میں 2 سے 16 فریمز، فی فریم 20 سے 2000 ms اور ابتدائی سائز 512 × 512 کی سہولت ہے؛ 200 ms کے ساتھ 9 فریمز سے 1.8 سیکنڈ کا لوپ بنتا ہے۔

کیا میں API کے ذریعے GPT Image 2.6 استعمال کر سکتا ہوں؟

جی ہاں۔ Felo API Platform پر POST /api/v1/images/generations کے ساتھ ماڈل IDs gpt-image-2.6-flare یا gpt-image-2.6-sunburst استعمال کریں۔ ایک Felo key اس درخواست کے لیے کافی ہے؛ OpenAI، Google یا Kuaishou اکاؤنٹس کی ضرورت نہیں۔ یہ درخواست غیر ہم وقت ہوتی ہے: پہلے درخواست بھیجیں، پھر ٹاسک کا اسٹیٹس چیک کریں اور آخر میں آؤٹ پٹ ڈاؤن لوڈ کریں۔

کیا امیج API GIF فائل واپس کرتی ہے؟

فی الحال نہیں۔ عوامی امیج API ان ماڈلز کے لیے png، jpeg اور webp فارمیٹس فراہم کرتی ہے۔ ایک ایجنٹ فریم شیٹ یا جامد تصاویر کی ترتیب تیار کر کے ImageMagick یا ffmpeg کے ذریعے مقامی طور پر GIF بنا سکتا ہے۔ یہ اکثر بہتر آؤٹ پٹ ہوتا ہے، کیونکہ ویڈیو کے مرحلے میں بھی الگ الگ فریمز درکار ہوتے ہیں۔

میں Felo پر GIF کو ویڈیو میں کیسے تبدیل کروں؟

GIF کو حرکت کے منصوبے کے طور پر استعمال کریں، پھر اسے دو طریقوں میں سے کسی ایک کے ذریعے image-to-video API کو فراہم کریں: تبدیلی کے آغاز اور اختتام کی نشاندہی کرنے والے دو کی فریمز نکال کر انہیں frame_images کے طور پر بھیجیں، یا لوپ کو MP4 میں تبدیل کر کے video_url ریفرنس کے طور پر فراہم کریں۔ Felo کی ویڈیو API اینیمیٹڈ GIF براہِ راست قبول نہیں کرتی۔

GPT Image 2.6 کی GIF بنانے کی لاگت کتنی ہے؟

دونوں ماڈلز کی قیمت فی ٹوکن ہے: 1M ان پٹ ٹوکنز کے لیے $5 اور 1M آؤٹ پٹ ٹوکنز کے لیے $30۔ اس لیے زیادہ ریزولوشن یا زیادہ حوالہ جاتی تصاویر کی لاگت بڑھ جاتی ہے۔ براؤزر ٹول اور API آپ کے Felo الاؤنس سے استعمال ہوتے ہیں؛ موجودہ نرخوں اور ٹرائل کی شرائط کے لیے ماڈل پیج دیکھیں۔

ایک لوپ سے آغاز کریں

AI ویڈیو کو بہتر بنانے کا قابلِ اعتماد طریقہ یہ ہے کہ پہلے ویڈیو بنانے کی درخواست نہ کریں۔ ایکشن کو اتنا مختصر رکھیں کہ اسے سمجھا جا سکے، اسے لوپ کریں، فریمز کے جوڑ کی اصلاح کریں اور اس کے بعد ہی فریمز ایسے ماڈل کو دیں جو روشنی، کیمرہ اور آواز شامل کر سکے۔

براؤزر میں اپنا پہلا لوپ بنانے کے لیے Felo پر GPT Image 2.6 آزمائیں۔ جب آپ اس ورک فلو کو ایجنٹ میں شامل کرنے کے لیے تیار ہوں تو image model API دیکھیں، ایک key بنائیں اور پہلی درخواست بھیجیں۔ GIF منصوبہ ہے۔ ویڈیو اس منصوبے کی عملی پیشکش ہے۔

---

یہ مضمون ان زبانوں میں بھی دستیاب ہے: English, 简体中文, 日本語, 한국어, 繁體中文, हिन्दी, Français, العربية, Русский, Bahasa Indonesia, Deutsch, Tiếng Việt, Türkçe, Italiano, ไทย, Español, বাংলা and Português۔