AI ভিডিও তৈরির জন্য বাক্স আর ম্যানেকিন দিয়ে বানানো একটি সহজ প্রিভিজ দিয়েছিলাম। প্রিভিজ হলো চরিত্রের অবস্থান, নড়াচড়া ও ক্যামেরার কাজ আগে থেকে ঠিক করার জন্য তৈরি একটি খসড়া ভিডিও।

সোজা কথায়, এটি বেশ কার্যকর। তবে খুঁটিনাটি সবকিছু হুবহু পুনরুৎপাদিত হয় না। বরং মোটামুটি নির্দেশনা দিলে, ঘাটতিগুলো সুন্দরভাবে পূরণ করে দেয়। সেই কাজের নকশা হিসেবে এটি সুবিধাজনক ছিল।

প্রিভিজ ও তৈরি হওয়া ফলাফলের তুলনা

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

সমুদ্রতীরের ক্যাফে

সাধারণ টেবিল ও চরিত্রের অবস্থান থেকে সন্ধ্যার 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 আলোর মতো উজ্জ্বল, সরল শহুরে দৃশ্যকে প্রম্পটের মাধ্যমে রাতের শহরে রূপ দেওয়া হয়েছে।

再生

পানির নিচে সামুদ্রিক কচ্ছপ

মোটামুটি সমুদ্রতল ও সামুদ্রিক কচ্ছপের চলন থেকে আলোর খেলা ও প্রবালসমৃদ্ধ পানির নিচের দৃশ্য। চেহারার ঘাটতি পূরণের বিষয়টি বোঝার জন্য এটি একটি সহজ নমুনা।

再生

সমুদ্রতীর ধরে দৌড়

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

再生

বৃষ্টির শহর ও ট্রাম

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

再生

তৈরির পদ্ধতিটি সহজ

এবারের কাজটি নিচের ধাপে 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-কে 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; এরপর ffmpeg দিয়ে মিক্স ও সম্পাদনা করেছি। প্রোডাকশন স্ক্রিপ্ট ও রান ব্যবস্থাপনায় Claude Code ব্যবহার করেছি।

নির্দেশনার মূল বিষয় ছিল রেফারেন্সগুলোর ভূমিকা আলাদা রাখা। “ছবি থেকে মুখ ও পোশাক”, আর “প্রিভিজ থেকে অবস্থান, চলন ও ক্যামেরার গতি”—এভাবে রেফারেন্স নিতে বলেছি, যাতে ম্যানেকিন বা বাক্সের চেহারা বহন না করে। রাত, বৃষ্টি ও আলোসহ চূড়ান্ত আবহ লেখার মাধ্যমে নির্দিষ্ট করেছি।

ব্যবহার করা যায়, তবে খুঁটিনাটি বেশ বদলে যায়

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

এ ছাড়া প্রিভিজের আলোর ঝিলিক কিংবা অতিরিক্ত নিয়ম মেনে সাজানো পটভূমিও কখনও তৈরি ফলাফলে রয়ে গেছে। প্রিভিজে আলো ও আকার সরল রেখে, যে চলনটি বোঝাতে চাই সেটিতেই মনোযোগ দেওয়া ভালো বলে মনে হয়।

তারপরও, আনুমানিক নির্দেশনা থেকে দৃষ্টিনন্দন ভিডিও পর্যন্ত পূরণ করে দেওয়ার সুবিধাটি দারুণ। খুঁটিনাটি বেশ বদলে যেতে পারে, কিন্তু পরিচালনার মূল কাঠামো বোঝাতে এটি যথেষ্ট কার্যকর। একেবারে নিখুঁত করে বানানোর প্রয়োজন নেই; মোটামুটি হলেও প্রিভিজ ব্যবহার করা ভালো—এবারের অভিজ্ঞতায় এটাই মনে হয়েছে।