कला के reference के तौर पर AI इमेज: कहाँ मदद, कहाँ झूठ

यह सवाल आमतौर पर दोनों में से किसी एक पक्ष की तरफ़ से बदनीयती से पूछा जाता है, और हमें उसके किसी भी संस्करण में दिलचस्पी नहीं है। हम इमेज मॉडल चलाते हैं और उन तक पहुँच बेचते हैं, और फिर भी हमें लगता है कि काम करने वाले किसी कलाकार को उन आधे कामों के लिए इन्हें मना कर देना चाहिए जिनके लिए लोग आज इन्हें इस्तेमाल करते हैं।

यह बँटवारा रुचि का मामला नहीं है। यह एक ही फ़र्क़ पर आकर टिकता है: जनरेट की हुई इमेज भाव जगाने में बहुत अच्छी है और सही होने में भरोसे लायक़ नहीं। जहाँ आपके reference को सिर्फ़ किसी चीज़ की तरफ़ इशारा करना है — कोई मिज़ाज, कोई रंग का रिश्ता, दोपहर चार बजे कमरे भर में रोशनी के गिरने का ढंग — वहाँ यह काम करता है, और सस्ते में। जहाँ उसे सही होना है, जहाँ आप उसमें से संरचना उतारने वाले हैं, वहाँ आपको एक आत्मविश्वास भरा, ख़ूबसूरत झूठ मिलता है और आप वही झूठ सीख जाते हैं।

हमें लगता है लकीर यहाँ है, और उस चीज़ से काम का reference निकालने का तरीक़ा यह है।

जनरेट किए references सचमुच किस काम के हैं

इन सबमें एक बात साझा है: आप इमेज से एक छाप लेते हैं, कोई माप नहीं।

• रोशनी के अध्ययन। नीची खिड़की से आती गरम key सफ़ेद दीवार से लौटती ठंडी bounce के सामने कैसी पढ़ी जाती है। मॉडल ने ठीक इसी की बेशुमार तस्वीरें सोख रखी हैं, और एक ही लाइटिंग सेटअप के बारह रूप निकालना मामूली बात है।
• रंग palettes. palette निकालिए, इमेज फेंक दीजिए। जनरेट की हुई इमेज सुसंगत रंग-रिश्तों में असामान्य रूप से अच्छी होती हैं, क्योंकि training data इसी को इनाम देता है।
• Composition thumbnails. Blocking, भार, नज़र कहाँ से भीतर आती है और कहाँ से निकलती है। एक कच्चा जनरेट किया फ़्रेम कच्चे स्केच से ज़्यादा जल्दी परखा जाता है।
• Mood boards. सबसे बचाव लायक़ इस्तेमाल। कोई कुछ नक़ल नहीं कर रहा; आप किसी दिशा पर टिकने से पहले एक एहसास पकड़ रहे हैं।
• माहौल का वातावरण। कोहरे का घनापन, हवा में धूल, रात में गीली सड़क, पत्तियों से छनकर आती रोशनी में कमरे का हरापन। सब छाप, कोई संरचना नहीं।
• "तीन-चौथाई कोण से यह मोटे तौर पर कैसा दिखता है।" जब आप अटके हों तो एक धक्के की तरह काम का, और जिस पल आप उसे trace करना शुरू करें, ख़तरनाक। इस पर नीचे और बात है।

वे आपको चुपचाप क्या ग़लत सिखा देंगे

मॉडल यह नहीं जानता कि कंधा काम कैसे करता है। वह जानता है कि तस्वीरों में कंधे कैसे दिखते हैं, जो एक उथली क़िस्म की जानकारी है। ज़्यादातर वक़्त यह फ़र्क़ दिखता नहीं। जब दिखता है, तो ऐसे दिखता है कि कोई जोड़ ऐसी भरोसेमंद-सी दिशा में मुड़ा है जिसमें वह सचमुच मुड़ ही नहीं सकता — और अगर आपने वह अपने चित्र में उतार लिया, तो आपने एक बार ग़लती नहीं की है, आपने उसका अभ्यास किया है।

असली कीमत यही है, और इसीलिए हम इस सूची पर सीधी बात करते हैं:

• शरीर-रचना और जोड़ों की यांत्रिकी। ख़ासकर वह सब जो foreshortened हो, जो दबाव में हो, जहाँ कोई माँसपेशी काम कर रही हो। reference को सही होना ठीक यहीं है।
• हाथ और पैर। मौजूदा मॉडल इनमें 2024 की पीढ़ी से कहीं कम फ़ेल होते हैं, पर "कहीं कम" का मतलब "भरोसे के साथ" नहीं है, और आकृति के काम में सबसे ज़्यादा ग़ौर से हाथ ही देखे जाते हैं।
• Perspective और वास्तुकला। Vanishing points खिसकते हैं, किसी अग्रभाग पर खिड़कियों की पट्टियाँ एक क़तार में रहना बंद कर देती हैं, सीढ़ियों के डंडों की ऊँचाई बदल जाती है। दिखने में ठीक लगता है और उस पर कुछ बनाया नहीं जा सकता।
• मशीनें और पुर्ज़े कैसे जुड़ते हैं। जनरेट किया इंजन, साइकिल की drivetrain, कवच का जोड़ा: मॉडल जुड़ाव की दिखावट बनाता है, जुड़ाव नहीं।
• जानवरों की शरीर-रचना। ख़ासकर घोड़े: पैरों के जोड़, चाल का चरण, भार का हस्तांतरण। फ़ोटोग्राफ़रों ने एक सदी लगाकर यह तय किया; इसे किसी diffusion मॉडल से दोबारा मत सीखिए।
• कालखंड-विशेष की पोशाक, कवच और साज़। मॉडल सदियों भर का औसत निकाल देता है। जानकार दर्शक इसे फ़ौरन पकड़ लेता है, और फिर उसे बस यही याद रहता है।

पैटर्न यह है: अगर कुछ जाँचने के लिए आप किसी असली चीज़ की तस्वीर खोजने जाते, तो वही कीजिए। जनरेट की हुई इमेज उस reference का विकल्प है जिसे आप टटोलते हुए पार करने वाले थे, उसका नहीं जिसे आप नापने वाले थे।

पेशेवर व्यवहार वाला पहलू

यह लोगों की उम्मीद से ज़्यादा मायने रखता है, और यह मुख्य रूप से क़ानूनी सवाल नहीं है।

Provenance. Google के मॉडल से निकली हर इमेज पर, चारों Nano Banana टियर समेत, SynthID watermark होता है। वह अदृश्य है, Google उसे ऊपर की कड़ी में गाड़ता है, और कोई provider उसे बंद नहीं कर सकता। न हम, न fal.ai, न ख़ुद Google का API। अगर आपको provenance चाहिए तो यह काम की चीज़ है, और अगर कोई contract watermark वाले assets से मना करता है तो यह एक व्यावहारिक दिक़्क़त। इसके इर्द-गिर्द कुछ बनाने से पहले जान लीजिए कि वह वहाँ है।

आप क्लाइंट को क्या दिखाते हैं। जनरेट किया reference आपकी प्रक्रिया में है, आपके deliverable में नहीं। कॉन्सेप्ट के चरण पर उसे दिखाना ऐसी तस्वीर की उम्मीद जगा देता है जो आपने बनाई नहीं और जिसे आप माँगने पर दोबारा नहीं बना सकते — और यह "बस वही वाली इस्तेमाल कर लो" सुनने का सबसे तेज़ रास्ता है। अगर वह mood board पर है, तो बता दीजिए कि वह क्या है।

आप उसे trace क्यों नहीं करते। शरीर-रचना वाली दिक़्क़त से आगे, provenance की धार trace करने पर ही तेज़ होती है। जिस composition तक आप किसी जनरेट किए फ़्रेम को देखकर पहुँचे, वह आपकी है। उससे लकीर-दर-लकीर उतारी गई शक्ल का एक वंशवृक्ष है जिसे आप दस्तावेज़ों में नहीं दिखा सकते। इसे वैसे इस्तेमाल कीजिए जैसे आप इंटरनेट पर मिली उस तस्वीर को करते जिसका लाइसेंस आपके पास नहीं: देखिए, समझिए, टैब बंद कीजिए, बनाइए।

इनमें से कोई बात stock फ़ोटो को ज़्यादा पवित्र नहीं बनाती। stock वाला सूर्यास्त भी रोशनी के बारे में किसी और के फ़ैसले हैं। यहाँ फ़र्क़ सही होने का है, सदाचार का नहीं।

सचमुच काम का reference निकालना

reference को ख़ूबसूरत होने की ज़रूरत नहीं। उसे पढ़े जाने लायक़ होना चाहिए। इससे बदल जाता है कि आपको कौन-सा मॉडल इस्तेमाल करना चाहिए, और जवाब है सस्ता वाला।

हमारी 26 अगस्त 2026 की कीमत जाँच के मुताबिक़ Nano Banana 2 Lite हमारे API पर प्रति इमेज $0.0238 का है। बीस रूप $0.476 के, और हमारे कैटलॉग के कीमत ब्यौरे में और कुछ इससे नीचे नहीं जाता। reference के काम का सही अर्थशास्त्र यही है: मात्रा और फैलाव, एक परिपूर्ण फ़्रेम नहीं। जिस Nano Banana Pro render को आप दस सेकंड आँखें सिकोड़कर देखेंगे और फेंक देंगे, उसके $0.075 देना पैसे में आग लगाना है। Pro को output के लिए बचाइए, input के लिए नहीं।

कीमतें और प्रोडक्ट की शर्तें समय के साथ बदल सकती हैं; खरीद का फ़ैसला लेने से पहले हर provider की मौजूदा कीमत जाँच लें। Google Batch या Flex प्राइसिंग किसी स्टैंडर्ड on-demand API request के सीधे बराबर नहीं है, क्योंकि उसमें scheduling, उपलब्धता और प्रोसेसिंग की शर्तें अलग होती हैं; इसलिए उसे इस तुलना में शामिल नहीं किया गया है। यह एक सीमित दायरे की तुलना है — यह दावा नहीं किया जा रहा कि E2X हर कॉन्फ़िगरेशन में दुनिया का सबसे सस्ता विकल्प है।

बेहतर prompting से ज़्यादा चार आदतें इससे निकलवाती हैं।

वही दृश्य कई aspect ratios पर बनाइए। framing सिर्फ़ crop नहीं बदलती, यह भी बदलती है कि मॉडल तस्वीर में क्या रखता है। Lite चौदह तय ratios और auto ढोता है, 1:4, 4:1, 1:8 और 8:1 समेत — ये चरम वाले बाक़ी टियरों पर हैं ही नहीं और किसी ऊँची composition या लंबे पैनल को सुलझाने में अप्रत्याशित रूप से अच्छे हैं। एक prompt, छह ratios, उसी दृश्य पर छह सचमुच अलग विचार।

edit endpoint से किसी तय विषय पर रोशनी दोहराइए। यही सबसे बड़ी बात है। एक ऐसा विषय बनाइए जो आपको पसंद हो, फिर उसे बार-बार Lite के edit endpoint से गुज़ारिए और सिर्फ़ रोशनी बदलिए: कैमरे के बाईं तरफ़ से कड़ी धूप, बादलों वाला आसमान, नीचे रखा एक गरम practical लैंप, शाम के धुँधलके में backlit। यह एक विषय है छह हालात में — और लाइटिंग स्टडी असल में यही होती है। जिस पहचान को लंबी सीरीज़ में टिकना है, उसके लिए Nano Banana 2 14 reference इमेज तक लेता है — यह generations भर में कैरेक्टर को एक जैसा रखना में देखा गया है।

विषय के लिए नहीं, रोशनी के लिए prompt लिखिए। "कैमरे के ऊपर बाईं तरफ़ से एक अकेला कड़ा स्रोत, गहरी बिना भरी परछाइयाँ, ठंडे ambient के सामने गरम key" — prompt का काम का आधा हिस्सा यही है। रोशनी में कौन खड़ा है, यह आपकी सोच से कम मायने रखता है।

Failures सँभालकर रखिए। जिस फ़्रेम में हाथ ग़लत है, वह अब भी काम का लाइटिंग reference है। ग़लती वाली हर चीज़ को कूड़े में डालना उस पैसे का ज़्यादातर हिस्सा फेंक देना है जो आपने दिया।

एक चेतावनी जो एक दोपहर बचाती है: हमारा API जो output URL लौटाता है वह अस्थायी है। reference लाइब्रेरी लिंक सहेजकर नहीं, bytes डाउनलोड करके बनाइए। मियाद ख़त्म हो चुके लिंक का फ़ोल्डर लाइब्रेरी नहीं होता।

किसी जनरेट की हुई इमेज से चित्र बनाने के बजाय उसे छापना ज़्यादा सख़्त काम है, और उसकी जाँच की आदतें हमने अलग से लिखी हैं: जनरेट की हुई तस्वीर को असली से कैसे पहचानें। reference के काम को सचमुच सिर्फ़ दो endpoints चाहिए — विषय बनाने के लिए text-to-image और उसे आगे-पीछे धकेलते रहने के लिए image-to-image — दोनों अपने पैरामीटरों के साथ कैटलॉग में सूचीबद्ध हैं।

अक्सर पूछे जाने वाले सवाल

क्या AI इमेज को कला के reference की तरह इस्तेमाल करना कारगर है?

रोशनी, रंग, composition, मिज़ाज और माहौल के लिए हाँ — ये छापें हैं, और जनरेट की हुई इमेज छापें अच्छी तरह ढोती हैं। शरीर-रचना, perspective, वास्तुकला, मशीनों और जानवरों की संरचना के लिए नहीं: मॉडल यह जाने बिना कि ये चीज़ें काम कैसे करती हैं, सिर्फ़ यह दोहराता है कि वे तस्वीरों में कैसी दिखती हैं — इसलिए उसका output उतारने का मतलब है उसकी ग़लतियों का अभ्यास करना। कसौटी यह है कि आपके reference को भाव जगाना है या सही होना है।

क्या मैं AI से बनी इमेज पर trace कर सकता हूँ?

हम इसकी सलाह नहीं देंगे। दो वजहें: व्याख्या करने के बजाय trace करने पर शरीर-रचना और संरचना की ग़लतियाँ सीधे आपके काम में उतर आती हैं, और trace की गई शक्ल का एक वंशवृक्ष होता है जिसे आप बाद में किसी क्लाइंट या जूरी के पूछने पर दस्तावेज़ों में नहीं दिखा सकते। जनरेट किए फ़्रेम को वैसे इस्तेमाल कीजिए जैसे आप ऑनलाइन मिली बिना लाइसेंस वाली तस्वीर को करते — देखिए, समझिए, फिर समझ से बनाइए।

क्या AI से बनी reference इमेज पर watermark होता है?

Google के इमेज मॉडल से निकला हर output, चारों Nano Banana टियर समेत, SynthID ढोता है — एक अदृश्य provenance निशान जो Google लगाता है। कोई provider उसे बंद नहीं कर सकता, क्योंकि वह दोबारा बेचे जाने से पहले ही गड़ चुका होता है। यह इमेज को देखने में नहीं बदलता और reference के तौर पर इस्तेमाल में बाधा नहीं डालेगा, पर इसका मतलब यह है कि फ़ाइल को AI-जनित के तौर पर पहचाना जा सकता है।

reference इमेज बनाने का सबसे सस्ता तरीक़ा क्या है?

E2X पर $0.0238 प्रति इमेज वाला Nano Banana 2 Lite, 26 अगस्त 2026 को जाँचा हुआ। reference का काम चमक से ज़्यादा मात्रा को इनाम देता है, इसलिए क़रीब $0.48 में बीस रूप एक प्रीमियम render से बेहतर हैं। जिस चीज़ पर आप एक नज़र डालकर उसे फेंक देंगे, उसके लिए सबसे ऊपरी दर चुकाने की कोई वजह नहीं।

वही विषय अलग-अलग रोशनी में कैसे बनाऊँ?

विषय एक बार बनाइए, फिर उस इमेज को बार-बार किसी edit endpoint पर भेजिए और हर बार सिर्फ़ रोशनी वाला निर्देश बदलिए। इससे आपको कई असंबद्ध इमेजों की जगह एक विषय कई हालात में मिलता है, और यही इसे अध्ययन बनाता है। Nano Banana 2 Lite इसे $0.0238 प्रति pass पर सँभालता है; अगर पहचान की कसावट ज़्यादा चाहिए तो Nano Banana 2, 14 reference इमेज तक लेता है।

क्या मुझे क्लाइंट को जनरेट किए references दिखाने चाहिए?

उन्हें अपने deliverable में नहीं, अपनी प्रक्रिया में रखिए। क्लाइंट के सामने रखे बोर्ड पर जनरेट की हुई इमेज ऐसी तस्वीर की उम्मीद जगा देती है जो आपने बनाई नहीं और जिसे आप माँगने पर दोबारा नहीं बना सकते, और क्लाइंट देख लेने के बाद अक्सर "वही वाली" माँग लेते हैं। अगर कोई जनरेट किया फ़्रेम mood board पर आता ही है, तो उस पर label लगाइए।

AI मॉडल हाथ और शरीर-रचना क्यों ग़लत बनाते हैं?

क्योंकि इमेज मॉडल लाखों तस्वीरों से हाथ की दिखावट सीखता है, उसके नीचे की संरचना नहीं। उस प्रतिनिधित्व में कोई कंकाल नहीं है, सिर्फ़ यह आँकड़ा है कि उँगलियाँ आमतौर पर एक-दूसरे के बग़ल में कैसे बैठती हैं — इसलिए कोई भरोसेमंद-सी सजावट यांत्रिक रूप से असंभव हो सकती है। यह सबसे ज़्यादा हाथों और foreshortened अंगों में दिखता है, और ठीक वहीं कलाकारों को reference का सटीक होना चाहिए।