AI शॉर्ट ड्रामा सीरीज़ के लिए Cloud GPU
शॉर्ट ड्रामा सीरीज़ का मतलब है वही कैरेक्टर, दर्जनों छोटे शॉट्स में, एक के बाद एक एपिसोड। CloudGPU पर आप ComfyUI वाला GPU प्रति मिनट के हिसाब से किराए पर लेते हैं, एक एपिसोड के शॉट्स बनाते हैं, उन्हें कॉपी करके निकाल लेते हैं और इंस्टेंस को डिस्ट्रॉय कर देते हैं। बिलिंग प्रति मिनट होती है, कम से कम 1 मिनट, और इंस्टेंस डिस्ट्रॉय करते ही रुक जाती है।
मौजूदा रेट देखें · GPU डिप्लॉय करें
एक एपिसोड का workflow
- कैरेक्टर तय करें। 20–40 रेफ़रेंस इमेज से एक बार कैरेक्टर LoRA ट्रेन करें, फिर हर एपिसोड में उसी को दोबारा इस्तेमाल करें, ताकि चेहरे और कॉस्ट्यूम एक जैसे रहें। देखें musubi-tuner से Wan 2.2 LoRA कैसे ट्रेन करें (अंग्रेज़ी में)।
- शॉट्स बनाएँ। ComfyUI में Wan 2.2 एक prompt या पहले फ़्रेम से 5 सेकंड की क्लिप बनाता है। वर्टिकल 9:16 भी इसी तरह बनता है: latent node में width और height की अदला-बदली कर दें। देखें Cloud GPU पर ComfyUI में Wan 2.2 कैसे चलाएँ (अंग्रेज़ी में)।
- आवाज़ें और लिप सिंक जोड़ें। डायलॉग के लिए CosyVoice 3 या IndexTTS-2.5 इस्तेमाल करें, फिर होंठों को मिलाने के लिए LatentSync या MuseTalk।
- अपस्केल और एडिट करें। SeedVR2 या Real-ESRGAN से अपस्केल करें, फिर अपने रोज़ के एडिटर में एपिसोड एडिट करें।
हर स्टेप के लिए कौन-सा कार्ड ठीक है, यह AI फ़िल्म और वीडियो प्रोडक्शन: किस स्टेप के लिए कौन-सा कार्ड में है।
एक मिनट तैयार वीडियो की लागत
2026-11-04 को एक RTX 4090 पर ComfyUI में मापा गया (सेटिंग्स RTX 5090 बेंचमार्क गाइड में हैं):
| मॉडल और आउटपुट | हर 5 s क्लिप का GPU समय | तैयार वीडियो के हर 1 मिनट की GPU लागत |
|---|---|---|
| Wan 2.2 TI2V-5B, 1280×704, 20 steps | 169–175 s | लगभग $0.23 (35 GPU-मिनट) |
| Wan 2.2 T2V-A14B FP8, 832×480, 20 steps | 354–361 s | लगभग $0.47 (72 GPU-मिनट) |
यह हर क्लिप का GPU समय ÷ क्लिप की लंबाई × 60 सेकंड है, RTX 4090 की दर $0.39/घंटा पर (2026-11-07 17:04 (UTC+8) की कीमतें)। शॉर्ट ड्रामा में रीटेक लगते हैं, इसलिए हर शॉट के कई टेक का बजट रखें। मॉडल डाउनलोड और खाली समय अलग से।
Wan 2.1 और 2.2 Apache 2.0 के तहत रिलीज़ किए गए हैं, इसलिए इनसे बनाई गई क्लिप्स का व्यावसायिक इस्तेमाल किया जा सकता है। workflow में जोड़े गए हर दूसरे मॉडल का लाइसेंस जाँच लें।
MiniMax H3: नेटिव ऑडियो के साथ वीडियो
MiniMax H3 तस्वीर और साउंडट्रैक एक साथ बनाता है। /deploy पर MiniMax H3 (ComfyUI) टेम्पलेट इंस्टेंस सौंपे जाने के बाद H3 फ़ाइलें डाउनलोड करता है और एक example workflow जोड़ता है। एक RTX 4090 48G पर हमारे टेस्ट में (1344×768, 24 fps, int8 फ़ाइलें, 4-step turbo LoRA), मॉडल लोड हो जाने के बाद 5 सेकंड की क्लिप में 85–87 s लगे, यानी तैयार वीडियो के हर मिनट पर लगभग $0.20 का GPU समय। विवरण MiniMax H3 के लिए कौन-सा GPU चाहिए में है। H3 के weights MiniMax H3 Community License के तहत आते हैं, यह कोई ओपन-सोर्स लाइसेंस नहीं है: weights इस्तेमाल करने या उनसे बनाई चीज़ें प्रकाशित करने से पहले इसे पढ़ें।
अपना मटीरियल मशीन पर लाना और वहाँ से निकालना
- रेफ़रेंस इमेज और स्क्रिप्ट अपलोड करें JupyterLab के अपलोड बटन से, या SSH पर
scp/rsyncसे। - मॉडल डाउनलोड करें Hugging Face या GitHub से, पहले
cloudgpu-net onचलाकर (गाइड, अंग्रेज़ी में)। - अगर आपके weights फ़िट नहीं होते, तो इंस्टेंस शुरू करने से पहले /deploy पर बड़ी सिस्टम डिस्क चुनें। बड़ी डिस्क पर प्रति घंटा अतिरिक्त शुल्क लगता है।
- इंस्टेंस डिस्ट्रॉय करने से पहले तैयार क्लिप्स कॉपी कर लें। डिस्ट्रॉय होने पर उसका डेटा डिलीट हो जाता है।
स्क्रिप्ट से पूरा एपिसोड queue करें
ComfyUI टेम्पलेट इंस्टेंस चलने तक उसे ComfyUI के API के लिए एक पब्लिक HTTPS endpoint देता है। अपना workflow API फ़ॉर्मेट में export करें, फिर हर शॉट के लिए उस शॉट के prompt और seed के साथ एक POST /prompt भेजें, GET /history/{prompt_id} से poll करें और हर क्लिप GET /view से डाउनलोड करें। यह endpoint कोई लॉगिन नहीं जोड़ता, इसलिए ज़रूरत हो तो अपना लॉगिन जोड़ें।
अक्सर पूछे जाने वाले सवाल
AI शॉर्ट ड्रामा के लिए कौन-सा GPU किराए पर लूँ?
ComfyUI में Wan 2.2 TI2V-5B और 14B FP8 फ़ाइलों के लिए RTX 4090 से शुरू करें: हमारे टेस्ट में दोनों एक RTX 4090 पर चले, और VRAM का पीक लगभग 21 GB रहा। लंबी क्लिप्स, ज़्यादा रिज़ॉल्यूशन या LoRA ट्रेनिंग के लिए ज़्यादा VRAM वाला कार्ड चुनें। अभी कौन-से कार्ड शुरू किए जा सकते हैं, यह /deploy पर दिखता है।
एक मिनट तैयार वीडियो की लागत कितनी है?
हमारे RTX 4090 टेस्ट में, 1280×704 पर Wan 2.2 TI2V-5B को तैयार वीडियो के हर मिनट के लिए लगभग 35 GPU-मिनट लगे, और 832×480 पर Wan 2.2 14B FP8 को लगभग 72। इसे प्राइसिंग पेज पर RTX 4090 की मौजूदा दर से गुणा करें। रीटेक इसमें और जुड़ते हैं।
क्या मैं वर्टिकल 9:16 वीडियो बना सकता हूँ?
हाँ। Wan latent node में width और height उलटी सेट करें, जैसे 1280×704 की जगह 704×1280।
एपिसोड दर एपिसोड कैरेक्टर एक जैसे कैसे रखूँ?
एक बार कैरेक्टर LoRA ट्रेन करें और उसे हर शॉट के workflow में लोड करें। अपने prompts में वही trigger word और कॉस्ट्यूम के वही रेफ़रेंस विवरण रखें।
क्या मैं वीडियो का व्यावसायिक इस्तेमाल कर सकता हूँ?
Wan 2.1 और 2.2 Apache 2.0 हैं। आपके workflow के दूसरे मॉडल, जैसे वॉइस, लिप-सिंक या अपस्केलिंग weights, के अपने-अपने लाइसेंस हैं, और कुछ non-commercial हैं। पब्लिश करने से पहले हर एक को पढ़ लें।
कीमतें https://cloudgpu.app/hi/pricing पर हैं और यहाँ दोहराई नहीं गई हैं। कौन-से कार्ड शुरू किए जा सकते हैं, यह https://cloudgpu.app/hi/deploy पर दिखता है।