AI ভিডিও জেনারেশনে, বাক্স আর ম্যানিকিন দিয়ে বানানো একটি সহজ প্রিভিজ দিয়েছিলাম। প্রিভিজ হলো চরিত্রের অবস্থান ও চলন, এবং ক্যামেরার কাজ আগে থেকে ঠিক করে রাখার জন্য তৈরি একটি রাফ ভিডিও।

উপসংহার আগে বললে, এটি বেশ কার্যকর। তবে খুঁটিনাটি সবকিছু হুবহু পুনরুৎপাদন হয় না। বরং মোটামুটি নির্দেশনা দিলে, ঘাটতিগুলো সুন্দরভাবে পূরণ করে দেয়। সেই উদ্দেশ্যে এটি একটি নকশা হিসেবে সুবিধাজনক ছিল।

প্রিভিজ ও জেনারেটেড ফলাফলের তুলনা

সব ভিডিওতেই, উপরে AI-জেনারেটেড ভিডিও, নিচে মূল প্রিভিজ। প্রতিটি প্রায় ১৫ সেকেন্ডের। পটভূমি বা চরিত্রকে খুব বিস্তারিতভাবে না বানিয়েও, দৃশ্যের প্রবাহ কতটা বোঝানো যায় তা পরীক্ষা করেছি।

সমুদ্রতীরের ক্যাফে

সাধারণ একটি টেবিল ও চরিত্রের বিন্যাস থেকে, গোধূলির একটি ক্যাফে। পানীয় মুখে তোলার মতো চলনকে বাস্তবধর্মী ভিডিওতে রূপ দেওয়া হয়েছে।

再生

রাতের শহরে হাঁটা

প্রিভিজে চরিত্রের অবস্থান ও হাঁটার দিক নির্দিষ্ট করা হয়েছে। দিনের মতো উজ্জ্বল ও সরল শহুরে দৃশ্যকে প্রম্পটের মাধ্যমে রাতের শহরে রূপ দেওয়া হয়েছে।

再生

পানির নিচে সামুদ্রিক কচ্ছপ

মোটামুটি সমুদ্রতল ও সামুদ্রিক কচ্ছপের চলন থেকে, পানির নিচের আলো ও প্রবালভরা দৃশ্যে। দৃশ্যগত পূরণটি সহজে বোঝা যায় এমন একটি নমুনা।

再生

সমুদ্রতীর ধরে দৌড়ানো

দৌড়ানো চরিত্র এবং তাকে অনুসরণ করা ক্যামেরার গতি নির্দিষ্ট করা হয়েছে। রাফ পটভূমিটি সমুদ্রতীরের হাঁটার পথে বদলে গেছে।

再生

বৃষ্টির শহর ও ট্রাম

ছাতা ধরা চরিত্র ও ট্রামের অবস্থানকে ভিত্তি করে, বৃষ্টিভেজা রাতের আবহ যোগ করা হয়েছে।

再生

তৈরির পদ্ধতি সহজ

এবারের প্রযোজনায়, নিচের ধারায় কাজ করেছি।

1. Python＋Blender 4.2 দিয়ে বাক্স ও সহজ আকার ব্যবহার করে প্রিভিজ তৈরি করা। চরিত্রের চলনের জন্য Mixamo-ও ব্যবহার করেছি।
2. Codex-এর ইমেজ জেনারেশন দিয়ে চরিত্র ইত্যাদির রেফারেন্স ছবি প্রস্তুত করা।
3. MiniMax-H3 Ref2VA-তে প্রিভিজ, রেফারেন্স ছবি ও রেফারেন্স অডিও দিয়ে প্রায় ১৫ সেকেন্ডের ভিডিও তৈরি করা।
4. সংলাপের জন্য HiggsAudio v3, সাউন্ড ইফেক্টের জন্য Stable Audio 3 Medium, এবং BGM-এর জন্য ACE-Step 1.5 ব্যবহার করেছি; ffmpeg দিয়ে মিক্স ও সম্পাদনা করেছি। প্রোডাকশন স্ক্রিপ্ট ও এক্সিকিউশন ম্যানেজমেন্টে Claude Code ব্যবহার করেছি।

নির্দেশনার মূল বিষয় হলো রেফারেন্সগুলোর ভূমিকা আলাদা করা। “ছবি থেকে মুখ ও পোশাক” এবং “প্রিভিজ থেকে বিন্যাস, চলন ও ক্যামেরার গতি” অনুসরণ করতে বলেছি, আর ম্যানিকিন বা বাক্সের চেহারা যেন ধরে না রাখা হয় তা জানিয়েছি। রাত, বৃষ্টি ও আলোর মতো ফিনিশিং টেক্সটের মাধ্যমে নির্দিষ্ট করেছি।

ব্যবহার করা যায়, তবে খুঁটিনাটি বেশ বদলে যায়

চরিত্রের অবস্থান, চলার দিক, চলনের ক্রম এবং ক্যামেরার মোটামুটি গতি সহজে বোঝানো গেলেও, “কত সেকেন্ডে থামবে” বা “কতটা জুম করবে”—এ ধরনের সূক্ষ্ম নির্দেশনা কখনও সরে গেছে, কখনও প্রতিফলিতই হয়নি। খুঁটিনাটি একেবারে নির্ভুলভাবে স্থির করা যায় না।

এছাড়া, প্রিভিজের আলোর ঝিলমিল বা অতিরিক্ত নিয়মিতভাবে সাজানো পটভূমি জেনারেটেড ফলাফলে থেকে যেতে পারে। প্রিভিজে আলো ও আকার সরল রেখে, যে গতিটা বোঝাতে চান তাতেই মনোযোগ দেওয়া ভালো বলে মনে হয়।

তবু মোটামুটি নির্দেশনা থেকে আকর্ষণীয় ভিডিও পর্যন্ত পূরণ করে দিতে পারা সুবিধাজনক। খুঁটিনাটি বেশ বদলে যেতে পারে, কিন্তু পরিচালনার সামগ্রিক কাঠামো বোঝাতে এটি যথেষ্ট কার্যকর। একেবারে নিখুঁতভাবে তৈরি করার দরকার নেই; খসড়া হলেও প্রিভিজ ব্যবহার করা ভালো—এটাই এবার আমার অনুভব।