AI म्यूज़िक वीडियो की कीमत कितनी है? क्रेडिट सेक्शन के हिसाब से खर्च करें (2026)

चार मिनट के गाने को 21 शॉट में बाँटें और हर शॉट AI वीडियो से बनाएँ, तो खर्च लगभग 11,500 क्रेडिट बैठता है। लेकिन वर्स के दौरान लोग बोल पढ़ रहे होते हैं। 15 सेकंड के इंट्रो में वे तस्वीर का इंतज़ार कर रहे होते हैं। कितना खर्च करते हैं, इससे ज़्यादा मायने रखता है कि कहाँ खर्च करते हैं।

यह “लिरिक वीडियो कैसे बनाएँ” वाली गाइड नहीं है। उसके लिए AI लिरिक वीडियो जनरेटर गाइड पढ़ें। यह पोस्ट एक सीधे सवाल का जवाब देती है: एक म्यूज़िक वीडियो के हर सेक्शन पर कितना खर्च होना चाहिए? नीचे का हर नंबर असली SunoMV एडिटर से लिया गया है, एक गाने “解密” (Decrypt) पर: 3 मिनट 54 सेकंड, 21 शॉट।

चित्रण: एक ही गाने के अलग-अलग सेक्शन, हर एक का लुक अलग कीमत का।

हर शॉट के पाँच लुक और उनकी कीमत

SunoMV के शॉट एडिटर में हर शॉट की अपनी Picture सेटिंग होती है। सबसे सस्ते से सबसे महँगे तक, पाँच स्तर हैं:

नंबर SunoMV एडिटर से, अक्टूबर 2026। AI वीडियो की कीमत मॉडल और शॉट की लंबाई पर निर्भर करती है।

लुक	क्या दिखता है	क्रेडिट	किसके लिए बेहतर
Text only (text PV)	बोल फ़ुल-स्क्रीन kinetic टाइप में, घोस्टिंग और ग्रेन के साथ	0	वर्स, बोले गए हिस्से, वे बोल जो गाने को आगे ले जाते हैं
Poster PV	Text PV, जिसमें शब्दों के बीच कटआउट फ़िगर खड़ी होती है	~25 cr प्रति फ़िगर	कोरस, वह एक लाइन जो लोगों को याद रहे
Stills	शॉट की मौजूदा स्टोरीबोर्ड इमेज, धीमे पुश-इन के साथ	0 अगर इमेज मौजूद हों	इंस्ट्रुमेंटल ब्रेक, ट्रांज़िशन, कम बजट
Motion art	AI शॉट के बोल के साथ चलते आकार और रोशनी का एक पेज बनाता है	~118 cr प्रति शॉट	वे सेक्शन जिन्हें फ़िल्माए बिना मूवमेंट चाहिए
AI वीडियो	असली चलता हुआ फ़ुटेज	13.8 सेकंड के शॉट के लिए ~700 cr	इंट्रो, इंस्ट्रुमेंटल ब्रेक, सिनेमैटिक पल

सबसे बड़ी छलांग AI वीडियो में है। SunoMV कई वीडियो मॉडल सपोर्ट करता है। उदाहरण के लिए MiniMax H3 Max की कीमत हर 5 सेकंड के सेगमेंट के हिसाब से तय होती है। लंबे शॉट और ऊँचे रेज़ोल्यूशन पर खर्च ज़्यादा होता है।

सस्ते लुक कोई नया विचार नहीं हैं। लिरिक वीडियो का Wikipedia इतिहास बताता है कि Prince का 1987 का “Sign o’ the Times” वीडियो अमूर्त आकारों के बगल में संगीत पर थिरकते शब्दों से बना था। 1990 में George Michael ने अपने वीडियो में दिखने से मना कर दिया, और “Praying for Time” के क्लिप में काली स्क्रीन पर सिर्फ़ बोल दिखे।

George Michael, “Praying for Time” (ऑफ़िशियल वीडियो): शुरू से आख़िर तक सिर्फ़ बोल।

काम का नियम: हर सेक्शन में पूछें कि दर्शक क्या देख रहे हैं। अगर वे पढ़ रहे हैं, तो फ़ुटेज पर पैसे न लगाएँ। अगर वे तस्वीर का इंतज़ार कर रहे हैं, तो टेक्स्ट को रास्ते में न आने दें।

गाने की बनावट के हिसाब से बजट बाँटें

ज़्यादातर पॉप गाने एक ही सॉन्ग स्ट्रक्चर पर चलते हैं: इंट्रो, वर्स, कोरस, इंस्ट्रुमेंटल ब्रेक, ब्रिज, आउट्रो। हर हिस्से में ध्यान अलग जगह टिकता है, इसलिए पैसा भी अलग लगना चाहिए।

इंट्रो और ब्रेक को तस्वीर चाहिए। यहाँ बोल नहीं होते, इसलिए टेक्स्ट मदद नहीं कर सकता। इंट्रो में एक अच्छा AI वीडियो शॉट अपनी कीमत वसूल कर देता है, क्योंकि लोग यहीं तय करते हैं कि देखना जारी रखना है या नहीं।

वर्स शब्दों का है। वर्स कहानी सुनाते हैं। लाइनें घनी होती हैं और अहम होती हैं। फ़ुल-स्क्रीन text PV हर लाइन को पढ़ने लायक बनाता है, जबकि भारी फ़ुटेज नज़र को भटका देता है।

कोरस को दोनों मिलते हैं। यह गाने का शिखर है, इसलिए परतें जोड़ें: नीचे वीडियो, ऊपर बड़े text PV बोल। कोई भी दब नहीं जाता।

“Decrypt” को इसी तरह बाँटने पर यह दिखता है। यह एडिटर का Balanced प्लान है:

21 शॉट में 5 इंस्ट्रुमेंटल और 6 कोरस हैं। Balanced सिर्फ़ इन 11 को शूट करता है और बाक़ी 10 को टाइप के भरोसे छोड़ता है।

प्लान लागू होने के बाद हर शॉट के हेडर पर उसका लुक दिखता है। Text PV only चिह्नित शॉट में “Not shot” दिखना बंद हो जाता है और वे बैच शूटिंग से बाहर रहते हैं:

SunoMV स्टोरीबोर्ड: C4 (वर्स) सिर्फ़ टेक्स्ट है। C5 (कोरस) वीडियो है जिस पर text PV है, और अभी शूट होना बाक़ी है।

काम का नियम: इंट्रो लोगों को रोकता है, वर्स उन्हें कुछ बताता है, कोरस वह है जो उन्हें याद रहता है। इसी क्रम में खर्च करें तो शायद ही कभी ग़लत जाएँगे।

तीन पूरे-गाने के प्लान: Budget, Balanced, Cinematic

अगर आप हर शॉट का लुक अलग से सेट नहीं करना चाहते, तो टॉप बार में Text PV खोलें और Whole-song plan लागू करें। हर प्लान कार्ड बताता है कि उसे शूट करने में कितने क्रेडिट लगेंगे, या आपकी मौजूदा सेटिंग के मुक़ाबले कितनी बचत होगी।

“Decrypt” के लिए, कुछ भी शूट होने से पहले, तीनों कार्ड ये दिखाते थे:

प्लान	यह क्या करता है	“Decrypt” शूट करने के क्रेडिट	किसके लिए अच्छा
Budget	बोल वाले हर शॉट में Text PV। इंस्ट्रुमेंटल शॉट में stills	~0 cr (~11,500 की बचत)	ज़ीरो बजट, या पहला पूरा ड्राफ़्ट
Balanced	इंट्रो और ब्रेक वीडियो ही रहते हैं, वर्स में Text PV, कोरस में वीडियो पर बड़े बोल	~5,600 cr (~5,900 की बचत)	ज़्यादातर गाने
Cinematic	हर जगह AI वीडियो, कोरस पर बड़े बोल के साथ	~11,500 cr	असली बजट वाला रिलीज़ वीडियो

तीन बातें जानना ज़रूरी है:

1. प्लान सिर्फ़ लुक को एक साथ बदलता है। बाद में आप कोई भी शॉट बदल सकते हैं।
2. लॉक किए गए शॉट जैसे हैं वैसे रहते हैं। जो शॉट आपको पसंद हैं उन्हें लॉक करें, फिर प्लान लागू करें।
3. कार्ड के नंबर आपकी मौजूदा स्थिति के हिसाब से बदलते हैं। वे सिर्फ़ वही गिनते हैं जो शूट होना बाक़ी है, इसलिए पूरे हो चुके शॉट दोबारा नहीं गिने जाते।

यहाँ वही शॉट (C3, एक वर्स) तीन लुक में है। पहले दो पहले से मौजूद स्टोरीबोर्ड इमेज दोबारा इस्तेमाल करते हैं। तीसरे में कुछ भी खर्च नहीं होता:

SunoMV के शॉट एडिटर में सिंगल-शॉट प्रीव्यू। एक्सपोर्ट में ठीक यही निकलेगा।

काम का नियम: पहले Budget लागू करें और पूरा ड्राफ़्ट देखें। फिर क्रेडिट सिर्फ़ उन दो-तीन शॉट पर जोड़ें जो खाली लगें। यह सब कुछ शूट करके बाद में काटने से कहीं सस्ता है।

शॉट-दर-शॉट लुक बदलें: पिक्चर, बोल, बैकड्रॉप

प्लान पूरा ढाँचा तय करता है। ब्योरे हर शॉट के Text PV टैब में होते हैं। हर शॉट में दो चुनाव होते हैं:

• Picture: AI वीडियो, Stills, Text only, या Motion art
• Lyrics: Captions, Text PV, या Hidden

AI वीडियो चुनने पर एडिटर दिखाता है कि इस एक शॉट को शूट करने में कितना लगेगा। उसके नीचे का प्रीव्यू एक्सपोर्ट किया गया नतीजा है।

कुछ कॉम्बिनेशन जो अच्छा काम करते हैं:

• वर्स में हर स्क्रीन पर एक लाइन: Picture को Text only पर सेट करें। बोल अपने-आप Text PV में बदल जाते हैं।
• दमदार कोरस: AI वीडियो या Stills रखें, Lyrics को Text PV पर सेट करें, और Backdrop को लगभग 30–40% तक खींचें ताकि टाइप के पीछे से तस्वीर झलके।
• पूरी तरह इंस्ट्रुमेंटल शॉट: Lyrics को Hidden पर सेट करें और तस्वीर को बोलने दें।
• फ़िल्माए बिना मूवमेंट: Picture को Motion art पर सेट करें। इसकी कीमत लगभग 118 cr प्रति शॉट है, और नाकाम कोशिशों का पूरा रिफ़ंड मिलता है।

फ़ॉन्ट और रंग पूरे गाने में साझा रहते हैं। आप उन्हें टॉप बार में Text PV के अंदर 24 स्टाइल पैक में से चुनते हैं, जिससे हर सेक्शन एक ही वीडियो जैसा दिखता है।

अगर आप बहुत सारे शॉट बदल रहे हैं, तो MV असिस्टेंट से कह भी सकते हैं “वर्स के लिए text PV इस्तेमाल करो”, “इंट्रो में बोल नहीं”, या “कुछ क्रेडिट बचाओ”। वह आपके लिए शॉट बदल देता है और बताता है कि कितनी बचत हुई।

पोस्टर-स्टाइल म्यूज़िक वीडियो: विशाल टाइप, एक फ़िगर, ऊपर हुक

इन दिनों एक लोकप्रिय लुक चलते-फिरते पोस्टर जैसा लगता है। विशाल शब्द पूरा फ़्रेम भर देते हैं, बीच में कटआउट फ़िगर खड़ी होती है, और ज़रूरी लाइन ऊपर रहती है। इसका असर सचमुच दमदार है, और खर्च लगभग एक इमेज जितना है।

SunoMV में:

1. शॉट की Picture को Text only पर सेट करें, या Text PV बोल के साथ Stills इस्तेमाल करें।
2. Add a figure के तहत बताएँ कि वहाँ कौन खड़ा हो, जैसे “लाल रेनकोट में पीछे मुड़कर देखती एक लड़की”।
3. Create figure पर क्लिक करें (लगभग 25 cr)। आपको पारदर्शी बैकग्राउंड पर एक फ़िगर मिलती है।
4. फ़िगर बैकग्राउंड टाइप और मुख्य लाइन के बीच बैठ जाती है। वह ऊपर उठती है, शॉट के दौरान धीरे-धीरे पुश-इन होती है, और text PV की लय के साथ चलती है।

इस तरह बना पोस्टर-स्टाइल कोरस एक AI वीडियो शॉट की लागत का एक छोटा हिस्सा भर होता है, और फ़िगर, टाइप और रंग आपके हाथ में रहते हैं।

फ़ुल-स्क्रीन टाइप के और स्टाइल के लिए Kinetic Typography Lyric Video पेज देखें, जो असली बोल पर सभी 24 text PV स्टाइल दिखाता है।

काम का नियम: पोस्टर लुक को कोरस और एक-दो मुख्य लाइनों के लिए बचाकर रखें। अगर हर शॉट पोस्टर है, तो कुछ भी शिखर जैसा नहीं लगता।

AI क्रेडिट खर्च किए बिना पूरा म्यूज़िक वीडियो बनाएँ

अगर आप पहले बस एक पूरा वीडियो चाहते हैं, तो उसे बिना कोई AI क्रेडिट खर्च किए बना सकते हैं:

1. Suno लिंक पेस्ट करें या अपना गाना अपलोड करें और स्टोरीबोर्ड खोलें।
2. टॉप बार में Text PV के तहत एक स्टाइल पैक चुनें।
3. Budget प्लान लागू करें। बोल वाला हर शॉट फ़ुल-स्क्रीन टाइप बन जाता है, और इंस्ट्रुमेंटल शॉट में stills इस्तेमाल होते हैं (फ़्री अकाउंट पर स्टोरीबोर्ड इमेज आपके रोज़ाना इमेज कोटे से निकलती हैं)।
4. हर शॉट खोलें और हर लाइन का लेआउट और टाइमिंग जाँचने के लिए Play this shot दबाएँ।

काम पूरा होने पर पूरा वीडियो एडिटर के अंदर शुरू से आख़िर तक चलता है। तैयार वीडियो एक्सपोर्ट करने के लिए फ़िलहाल पेड प्लान चाहिए, जिसके साथ रोज़ाना इमेज और वीडियो कोटा भी ज़्यादा मिलता है, इसलिए आप AI वीडियो सिर्फ़ उन शॉट में जोड़ सकते हैं जो खाली लगें।

अभी गाना लिख रहे हैं? पहले उसे Suno या MiniMax Music 3.0 में बनाएँ, फिर वीडियो के लिए लौटें। कवर आर्ट और अतिरिक्त इमेज के लिए ChatImg प्रॉम्प्ट से उन्हें बनाता है। किसी और के म्यूज़िक वीडियो को नोट्स में बदलना हो, तो BibiGPT आपके लिए उसका सारांश बना देता है।

काम का नियम: पैसा कहाँ लगाना है यह तय करने से पहले एक ऐसा वर्शन बनाएँ जो शुरू से आख़िर तक चले। जब तक आपने पूरा वीडियो देखा नहीं, हर शॉट का बजट अंदाज़ा भर है।

FAQ

text PV और सामान्य लिरिक कैप्शन में क्या फ़र्क़ है?

कैप्शन फ़्रेम के निचले हिस्से में टेक्स्ट की एक लाइन होती है। Text PV शब्दों को ही तस्वीर बना देता है: फ़ुल-स्क्रीन लेआउट, घोस्टिंग, ग्रेन। यह उसके क़रीब है जिसे जापानी Vocaloid दुनिया में 文字PV कहते हैं। शब्द-दर-शब्द कराओके कैप्शन के लिए शब्द-दर-शब्द सिंक्ड लिरिक वीडियो गाइड देखें।

क्या Text only शॉट क्रेडिट इस्तेमाल करते हैं?

नहीं। वे बैच शूटिंग में छोड़ दिए जाते हैं, उनमें कोई क्रेडिट नहीं लगता, और उन पर अब “Not shot” नहीं दिखता।

प्लान लागू करने के बाद क्या मैं किसी शॉट को वापस AI वीडियो कर सकता/सकती हूँ?

हाँ। प्लान सिर्फ़ लुक को एक साथ बदलता है। आप किसी भी शॉट को उसके एडिटर में बदल सकते हैं, या डिफ़ॉल्ट पर लौटने के लिए Use the whole-song setting पर क्लिक कर सकते हैं।

एक AI वीडियो शॉट में कितने क्रेडिट लगते हैं?

यह मॉडल, रेज़ोल्यूशन और शॉट की लंबाई पर निर्भर करता है। “Decrypt” में 13.8 सेकंड का वर्स शॉट लगभग 700 cr और 11 सेकंड का कोरस शॉट लगभग 600 cr का है। AI वीडियो चुनने पर सटीक नंबर शॉट एडिटर में दिखता है।

क्या फ़्री अकाउंट text PV इस्तेमाल कर सकते हैं?

हाँ, एडिटर में, हर शॉट के पूरे प्रीव्यू के साथ। तैयार वीडियो एक्सपोर्ट करने के लिए पेड प्लान चाहिए।

---

अपने म्यूज़िक वीडियो का बजट सेक्शन-दर-सेक्शन बनाने के लिए तैयार हैं? SunoMV खोलें, Budget प्लान लागू करें, पूरा ड्राफ़्ट देखें, फिर तय करें कि किन शॉट को असली फ़ुटेज मिलना चाहिए। लिरिक वीडियो की और तकनीकों के लिए फ़्री ऑनलाइन लिरिक्स वीडियो मेकर गाइड देखें।

SunoMV Team