乔木 Codex দিয়ে ছবি তৈরির টিউটোরিয়াল: Claude, Cursor ও যেকোনো Agent-কে আগে স্টাইল বেছে নিয়ে ছবি তৈরি করান

প্রকল্পের পরিচিতি

qiaomu-codex-imagegen Codex-এর অন্তর্নির্মিত ছবি তৈরির ক্ষমতাকে MCP সার্ভিস, কমান্ড-লাইন টুল এবং Agent Skill হিসেবে প্যাকেজ করে। ইনস্টল করার পর Claude Code, Codex, Cursor বা কমান্ড চালাতে সক্ষম অন্য যেকোনো Agent প্রাকৃতিক ভাষার অনুরোধ অনুযায়ী ছবি ফাইল তৈরি করতে পারে।

এটি সাধারণ “একটি প্রম্পট লিখে সরাসরি ছবি তৈরি” পদ্ধতির থেকে আলাদা: ডিফল্টভাবে এটি প্রথমে suggest_directions-এর মাধ্যমে অন্তত চারটি ভিন্ন প্রক্রিয়াভিত্তিক স্টাইলের দিকনির্দেশনা সুপারিশ করে। ব্যবহারকারী একটি দিক নির্বাচন করার পর compose_prompt সম্পূর্ণ প্রম্পট তৈরি করে, এরপর ছবি তৈরি ও ফলাফল পরীক্ষা করা হয়।

প্রকল্পটিতে 24 ধরনের দৃশ্যের টেমপ্লেট, 48টি প্রিসেট, 66 ধরনের সাধারণ স্টাইল এবং 20 জন Mondo পোস্টার ডিজাইনারের স্টাইল রয়েছে। এ ছাড়া এতে লেখা, তথ্য, কম্পোজিশন ও গ্রহণযোগ্যতা যাচাইয়ের জন্য নিয়মের একটি সেট রয়েছে। এটি কভার, পোস্টার, সামাজিক যোগাযোগমাধ্যমের ছবি, পণ্যের ভিজ্যুয়াল এবং রেফারেন্স ছবি সম্পাদনের কাজে উপযোগী।

মূল কাজের ধাপ

1. দিকনির্দেশনা সুপারিশ: বিষয় ও ব্যবহারের ক্ষেত্র অনুযায়ী অন্তত চারটি ভিন্ন প্রক্রিয়াভিত্তিক দিকনির্দেশনা দেওয়া হয়, যেমন লেখাভিত্তিক, সমতল কাঠামো, ফটোগ্রাফিক চরিত্র, পণ্যের ক্লোজ-আপ বা উপাদানভিত্তিক স্থান।
2. দিক নির্বাচন: ব্যবহারকারী একটি বা একাধিক দিক বেছে নিতে পারেন, অথবা Agent-কে নিজে সিদ্ধান্ত নিতে দিতে পারেন। পছন্দ না হলে আগের দিকগুলো বাদ দিয়ে আবার সুপারিশ চাওয়া যায়।
3. প্রম্পট তৈরি: টেমপ্লেটের ভেরিয়েবল পূরণ করে সম্পূর্ণ প্রম্পট তৈরি করা হয় এবং একই সঙ্গে বর্জনীয় বিষয়, গ্রহণযোগ্যতার শর্ত, অনুমান ও অনুপস্থিত তথ্য দেওয়া হয়।
4. ছবি তৈরি: নির্বাচিত প্রতিটি দিকের জন্য একটি করে ছবি তৈরি হয় এবং পুনরুৎপাদন ও ধারাবাহিক কনটেন্ট তৈরির সুবিধার জন্য ছবির পাশে ব্যবহৃত প্রকৃত JSON তথ্য সংরক্ষণ করা হয়।
5. যাচাই ও পুনর্নির্মাণ: Agent গ্রহণযোগ্যতার শর্ত অনুযায়ী ছবিটি ধাপে ধাপে পরীক্ষা করে। ফলাফল গ্রহণযোগ্য না হলে শুধু সংশ্লিষ্ট অংশ পরিবর্তন করে আবার তৈরি করা হয়।

ব্যবহারকারী যদি আগে থেকেই স্টাইল নির্দিষ্ট করে দেন, যেমন “Mondo স্টাইল ব্যবহার করো” অথবা সরাসরি T03 দেন, তাহলে সিস্টেম দিক নির্বাচনের ধাপ এড়িয়ে সরাসরি প্রম্পট বিন্যাস বা ছবি তৈরির পর্যায়ে যেতে পারে।

ইনস্টলের আগে প্রস্তুতি

ব্যবহারের আগে নিচের পরিবেশ প্রস্তুত করতে হবে:

• Node.js 18 বা পরবর্তী সংস্করণ: node --version দিয়ে পরীক্ষা করা যায়।
• Codex CLI: এটি ইনস্টল ও লগইন করা থাকতে হবে। কমান্ডটি কার্যকর আছে কি না নিশ্চিত করতে codex --version ব্যবহার করুন।
• ছবি তৈরির অনুমতি: বর্তমান Codex অ্যাকাউন্টে ছবি তৈরির সুবিধা থাকতে হবে। আগে Codex-এ হাতে একটি ছবি তৈরি করে যাচাই করার পরামর্শ দেওয়া হয়।

প্রকল্পটি নিজে কোনো নির্ভরতা ছাড়া তৈরি Node.js প্রকল্প, তবে প্রকৃত ছবি তৈরির জন্য স্থানীয়ভাবে কার্যকর Codex CLI এবং অ্যাকাউন্টের কোটা প্রয়োজন।

Agent Skill ইনস্টল করা

ব্যবহৃত Agent যদি Agent Skills সমর্থন করে, সরাসরি চালান:

npx skills add joeseesun/qiaomu-codex-imagegen

Skill Agent-কে দৃশ্য নির্বাচন, স্টাইল নির্বাচন, বর্ণনা লেখা ও গ্রহণযোগ্যতা যাচাই বুঝতে সাহায্য করবে এবং MCP বা প্রকল্পের নিজস্ব কমান্ড-লাইন টুলের মাধ্যমে ছবি তৈরি করবে।

MCP সার্ভিস নিবন্ধন

Claude Code-এ নিবন্ধন

নিচের পাথে প্রকল্পটি যে প্রকৃত ডিরেক্টরিতে রয়েছে সেটি বসান:

claude mcp add --scope user qiaomu-codex-imagegen -- node /绝对路径/qiaomu-codex-imagegen/scripts/mcp-server.mjs

অন্যান্য MCP ক্লায়েন্টে কনফিগারেশন

Cursor, Codex বা অন্য MCP ক্লায়েন্টের কনফিগারেশন ফাইলে যোগ করা যায়:

{
  "mcpServers": {
    "qiaomu-codex-imagegen": {
      "command": "node",
      "args": ["/绝对路径/qiaomu-codex-imagegen/scripts/mcp-server.mjs"]
    }
  }
}

MCP সার্ভিসে সাতটি টুল রয়েছে:

• suggest_directions: বিনামূল্যে তাৎক্ষণিকভাবে অন্তত চারটি ভিন্ন প্রক্রিয়াভিত্তিক স্টাইলের দিকনির্দেশনা সুপারিশ করে।
• compose_prompt: টেমপ্লেট ও প্রিসেটকে সম্পূর্ণ প্রম্পটে প্রসারিত করে এবং বর্জনীয় বিষয়, গ্রহণযোগ্যতার শর্ত ও অনুপস্থিত তথ্য ফেরত দেয়।
• generate_image: নতুন ছবি তৈরি করে বা রেফারেন্স ছবি সম্পাদনা করে এবং ফাইলের পাথ ও পিক্সেল আকার ফেরত দেয়।
• search_prompts ও get_prompt: স্থানীয় রেফারেন্স প্রম্পট করপাস অনুসন্ধান ও পড়ে।
• build_prompt: সহজ রুটে তৈরি প্রম্পটের পূর্বরূপ দেখায়, কিন্তু প্রকৃত ছবি তৈরি করে না।
• list_catalog: দৃশ্যের প্রিসেট, টেমপ্লেট, স্টাইল কী এবং স্থানীয় করপাসের অবস্থা দেখায়।

শুধু কমান্ড-লাইন ব্যবহার

MCP প্রয়োজন না হলে সরাসরি রিপোজিটরি ক্লোন করে CLI চালানো যায়:

git clone https://github.com/joeseesun/qiaomu-codex-imagegen
cd qiaomu-codex-imagegen
node scripts/cli.mjs "窗边翻开的书，书页上升起咖啡的热气" --preset xiaohongshu

ডিফল্টভাবে তৈরি ছবি ~/Pictures/qiaomu-codex-imagegen/<日期>-এ সংরক্ষিত হবে। --out, --name এবং --json দিয়ে আউটপুট ডিরেক্টরি, ফাইলের নাম ও মেশিন-পাঠযোগ্য ফলাফল নিয়ন্ত্রণ করা যায়।

মৌলিক ব্যবহার: আগে দিকনির্দেশনা সুপারিশ

পোস্টার, কভার ও সামাজিক যোগাযোগমাধ্যমের ছবির কাজে আগে “সুপারিশ, তারপর তৈরি” প্রক্রিয়া ব্যবহার করার পরামর্শ দেওয়া হয়। নিচের কমান্ডটি “কফি শপের পাঠ কার্যক্রম”-এর জন্য একাধিক দিকনির্দেশনা সুপারিশ করবে, তবে ছবি তৈরির কোটা ব্যবহার করবে না:

node scripts/cli.mjs suggest "一个月的咖啡店阅读活动" --for 视频封面

ফলাফলে সাধারণত প্রতিটি দিকের ভিজ্যুয়াল প্রক্রিয়া, স্টাইল লক, অতিরিক্ত প্রয়োজনীয় তথ্য ও রেফারেন্স উদাহরণ দেওয়া থাকে। আপনি একটি দিক বেছে নিতে পারেন, অথবা তুলনার জন্য Agent-কে একাধিক দিক সমান্তরালে তৈরি করতে বলতে পারেন।

টেমপ্লেটের প্রম্পট প্রসারিত করা

দিক নির্ধারণের পর সম্পূর্ণ প্রম্পট ও গ্রহণযোগ্যতার শর্ত আগে দেখা যায়:

node scripts/cli.mjs compose --template T03-1 --var topic=谷雨 --var subject=嫩芽 --var headline=谷雨

টেমপ্লেট ভেরিয়েবলের ভিত্তিতে কাঠামোবদ্ধ বর্ণনা তৈরি করে। বিষয় ও স্টাইল ছাড়াও এতে লেখার স্তরবিন্যাস, খালি স্থান, নিরাপদ এলাকা, ব্যর্থতার শর্ত ও পরীক্ষার মানদণ্ড থাকতে পারে। আগে প্রম্পট দেখা হলে ছবি তৈরির আগে অনুপস্থিত ভেরিয়েবল বা অতিরিক্ত দীর্ঘ কনটেন্ট শনাক্ত করা সহজ হয়।

টেমপ্লেট ব্যবহার করে ছবি তৈরি

প্রম্পট ঠিক আছে নিশ্চিত করার পর সরাসরি তৈরি করা যায়:

node scripts/cli.mjs generate --template T03-1 --var topic=谷雨 --var subject=嫩芽 --var headline=谷雨

প্রকল্পটিতে 24 ধরনের টেমপ্লেট রয়েছে, যেমন বড় অক্ষর ও ক্ষুদ্র কাহিনি, ফ্রেম ভাঙা বস্তু, কেন্দ্রীয় আলোর ফাঁক, প্রাচ্য কালি-চিত্র সম্পাদনা, কাগজের ভাস্কর্য ও বস্ত্রভূমি, ফটোগ্রাফিক প্রতিকৃতি, খাবারের ক্লোজ-আপ, প্রযুক্তিপণ্যের প্রধান ভিজ্যুয়াল, স্থাপত্য অঙ্কন ও তথ্য কার্ড। বিভিন্ন টেমপ্লেট শুধু রং বা ফিল্টার পরিবর্তন করে না; এগুলো কম্পোজিশনের প্রক্রিয়া, উপাদানের সম্পর্ক, লেখার স্তরবিন্যাস এবং বিষয়গুলোর পারস্পরিক সম্পর্ক পরিবর্তন করে।

প্রিসেট ও স্টাইল ব্যবহার করে দ্রুত তৈরি

দৃশ্য ও স্টাইল জানা থাকলে দিকনির্দেশনা সুপারিশ ছাড়াই সহজ রুট ব্যবহার করা যায়। উদাহরণস্বরূপ, তিনটি ভিডিও কভার তৈরি করুন:

node scripts/cli.mjs "一个巨大的红色播放键像日出一样升起" --preset video-cover --style saul-bass --count 3

সাধারণ দৃশ্যের প্রিসেটগুলোর মধ্যে রয়েছে:

• xiaohongshu ও xiaohongshu-square: Xiaohongshu-এর 3:4 বা বর্গাকার কভার।
• video-cover: YouTube, Bilibili ইত্যাদির 16:9 আড়াআড়ি কভার।
• video-vertical: Douyin, WeChat Channels ও Reels-এর 9:16 উল্লম্ব কভার।
• wechat-cover: অফিসিয়াল অ্যাকাউন্টের 2.35:1 হেডার ছবি।
• x-cover: X ব্যক্তিগত পৃষ্ঠার 5:2 কভার।
• moments: Moments-এর 4:5 পোস্টার।
• poster ও movie-poster: সাধারণ পোস্টার ও চলচ্চিত্রের পোস্টার।
• book-cover, album-cover, article ও paper: বই, অ্যালবাম, নিবন্ধ ও বিজ্ঞানভিত্তিক ছবির জন্য।

উদাহরণস্বরূপ, Mondo স্টাইল ব্যবহার করে লেখা ছাড়া একটি চলচ্চিত্রের পোস্টার তৈরি করুন:

node scripts/cli.mjs "沙漠中巨大的沙虫轮廓，渺小的人影" --preset movie-poster --style olly-moss

ছবির ভেতরের লেখা নিয়ন্ত্রণ

পোস্টার ও কভারে সাধারণত শুধু একটি শিরোনাম নয়, শিরোনাম, উপশিরোনাম, তথ্যের লাইন বা কোণার লেবেলও প্রয়োজন হয়। লেখা নির্দিষ্ট করতে --text ব্যবহার করা যায়:

node scripts/cli.mjs "一座灯塔" --preset wechat-cover --text "夜航船"

চীনা লেখা বা দীর্ঘ কনটেন্ট থাকলে ছোট বাক্য শব্দে শব্দে দেওয়া এবং তৈরির পর বড় করে পরীক্ষা করার পরামর্শ দেওয়া হয়। প্রকল্পের নির্দেশনায় বলা হয়েছে, মডেল চীনা লেখা ও ছোট আকারের তথ্যের লাইন তৈরি করার সময় এখনও সূক্ষ্ম ভুল করতে পারে। প্রতিকৃতি বা তথ্যের স্তর প্রয়োজন নেই এমন পণ্যের ক্লোজ-আপে লেখা ছাড়া পদ্ধতি ব্যবহার করা যায়।

রেফারেন্স ছবি সম্পাদনা

--ref দিয়ে এক বা একাধিক রেফারেন্স ছবি দেওয়া যায়। রেফারেন্স ছবির পাথ অবশ্যই পরম পাথ হতে হবে:

node scripts/cli.mjs "保持同一支铅笔，背景换成暖米色纸张" --ref /abs/pencil.png --ratio 1:1

এই পদ্ধতি পটভূমি বদলানো, মূল বিষয় অপরিবর্তিত রাখা বা আংশিক ভিজ্যুয়াল সমন্বয়ের জন্য উপযোগী। প্রকল্পটি নীরবে ছবি ক্রপ করে না। চূড়ান্ত অনুপাত প্রয়োজনীয় অনুপাতের সঙ্গে না মিললে ফলাফলে আকারের পার্থক্য উল্লেখ করা হবে।

প্রম্পটের পূর্বরূপ ও স্থানীয় উদাহরণ অনুসন্ধান

ছবি তৈরি না করে শুধু প্রম্পট পরীক্ষা করতে ব্যবহার করুন:

node scripts/cli.mjs "咖啡和书" --preset xiaohongshu --show-prompt

ঐচ্ছিক স্থানীয় করপাস প্যাকেজ তৈরি করা থাকলে অনুরূপ উদাহরণও অনুসন্ধান করা যায়:

node scripts/cli.mjs search "节气 茶" --limit 5

করপাস প্যাকেজে প্রায় 689টি রেফারেন্স প্রম্পট ও থাম্বনেইল রয়েছে, তবে এই তৃতীয় পক্ষের তথ্য রিপোজিটরির সঙ্গে প্রকাশিত হয় না। করপাস প্যাকেজ না থাকলেও টেমপ্লেট, স্টাইল ও ছবি তৈরির প্রক্রিয়া স্বাভাবিকভাবে ব্যবহার করা যায়।

উন্নত কনফিগারেশন ও ব্যবহারিক পরামর্শ

ধারাবাহিক ছবির জন্য দিক নির্দিষ্ট রাখা

একটি Xiaohongshu ছবির সেট বা একাধিক কভার তৈরি করার সময় প্রথম ছবির জন্য টেমপ্লেট ও স্টাইল নির্বাচন করে পরের ছবিগুলোতে একই স্টাইল লক, অনুপাত ও তথ্য কাঠামো ধরে রাখার পরামর্শ দেওয়া হয়। প্রতিটি ছবিতে আলাদাভাবে “অনুরূপ স্টাইল” লেখার চেয়ে এতে ধারাবাহিকতা বজায় রাখা সহজ।

সমান্তরাল ভ্যারিয়েন্ট ব্যবহারে কোটা নিয়ন্ত্রণ

--count সমান্তরালে ১ থেকে ৪টি ভ্যারিয়েন্ট তৈরি করতে পারে, তবে প্রতিটি ছবি Codex বা OpenAI অ্যাকাউন্টের ক্রেডিট ব্যবহার করবে। একটি ছবি তৈরি করতে সাধারণত প্রায় ৩০ থেকে ৬০ সেকেন্ড সময় লাগে। সমান্তরাল কাজের সংখ্যা যত বেশি হবে, খরচও তত বাড়বে।

স্বচ্ছ ব্যাকগ্রাউন্ডের সমস্যা সমাধান

প্রকল্পটি তৈরি হওয়া ফলাফলের স্বচ্ছ অংশ শনাক্ত করে। ডিফল্টভাবে, স্বচ্ছ অংশ শনাক্ত হলে তা সাদা ব্যাকগ্রাউন্ডে সমতল করা হয়। সত্যিই স্বচ্ছ ব্যাকগ্রাউন্ড সংরক্ষণ করতে হলে transparent_background: true ব্যবহার করা যায়। কিছু ছবি দেখার সফটওয়্যার যাতে স্বচ্ছ অংশকে কালো প্রান্ত হিসেবে না দেখায়, এই প্রক্রিয়াটি তা এড়াতে সহায়তা করে।

Codex-এর পথ ও টাইমআউট নির্ধারণ

সিস্টেম Codex খুঁজে না পেলে পরিবেশ ভেরিয়েবল QIAOMU_CODEX_BIN-এর মাধ্যমে এক্সিকিউটেবল ফাইলের পথ নির্ধারণ করা যায়। তৈরি করার সময় টাইমআউট হলে --timeout-এর মান বাড়াতে পারেন, অথবা আগে বর্ণনাটি সরল করতে পারেন:

node scripts/cli.mjs "কফি শপের পাঠ অনুষ্ঠান প্রচ্ছদ" --preset video-cover --timeout 120000

স্থানীয় কর্পাস প্যাক তৈরি

আপনার নিজস্ব আর্কাইভ ডিরেক্টরি থাকলে, এবং তাতে archive.json, prompts/ ও images/ থাকলে, চালান:

node scripts/build-corpus.mjs /path/to/প্রম্পট-আর্কাইভ

ডিফল্ট কর্পাস ডিরেক্টরি হলো ~/.local/share/qiaomu-codex-imagegen/corpus। চাইলে QIAOMU_CORPUS_DIR ব্যবহার করে অন্য অবস্থান নির্ধারণ করা যায়। কর্পাস প্যাকটি শুধুমাত্র স্থানীয়ভাবে ব্যবহারের জন্য সুপারিশ করা হয়; অনুমতি ছাড়া তৃতীয় পক্ষের সামগ্রী কমিট বা ফরওয়ার্ড করবেন না।

ইনস্টলেশন সফল হয়েছে কি না যাচাই

প্রকল্পটি অফলাইন টেস্ট এবং ডিরেক্টরি পরীক্ষা করার কমান্ড সরবরাহ করে:

npm test
node scripts/cli.mjs --list
node scripts/cli.mjs "একটি লাল বৃত্ত" --show-prompt

npm test ছবি তৈরির ক্রেডিট ব্যবহার করে না। এটি টেমপ্লেট সমাবেশ, টেক্সট মোড, কাঠামো প্রতিস্থাপন, দিকের বৈচিত্র্য, কর্পাস অনুসন্ধান, স্বচ্ছ ব্যাকগ্রাউন্ড প্রক্রিয়াকরণ এবং প্রোটোকলসহ বিভিন্ন ফিচার যাচাই করতে ব্যবহার করা যায়।

সাধারণ সমস্যা

• cannot start codex: Codex CLI ইনস্টল করা আছে কি না নিশ্চিত করুন, অথবা QIAOMU_CODEX_BIN সেট করুন।
• codex finished without producing an image: Codex-এ লগইন অবস্থা এবং অ্যাকাউন্টে ছবি তৈরির অনুমতি আছে কি না পরীক্ষা করুন।
• timed out: টাইমআউট বাড়ান, অথবা বর্ণনার জটিলতা কমান।
• অনুপাত প্রত্যাশামতো নয়: বর্ণনায় অনুপাতটি আবার স্পষ্টভাবে উল্লেখ করুন, অথবা --ratio ব্যবহার করুন; টুলটি নীরবে স্বয়ংক্রিয়ভাবে ক্রপ করবে না।
• রেফারেন্স ছবি পাওয়া যাচ্ছে না: --ref-এর মানটি একটি পরম পথে পরিবর্তন করুন।

উপসংহার

qiaomu-codex-imagegen-এর মূল উদ্দেশ্য শুধু একটি বাক্য ছবি তৈরির মডেলে পাঠানো নয়; বরং দৃশ্য, শৈলী, কম্পোজিশনের সম্পর্ক, টেক্সটের স্তরবিন্যাস এবং গ্রহণযোগ্যতার মানদণ্ডকে একটি পুনর্ব্যবহারযোগ্য ওয়ার্কফ্লোতে সংগঠিত করা। আপনি Agent Skill বা MCP দিয়ে শুরু করে Agent-কে সুপারিশ ও সমন্বয়ের দায়িত্ব দিতে পারেন; আবার CLI-এর মাধ্যমে প্রিসেট, শৈলী, অনুপাত, টেক্সট ও রেফারেন্স ছবি নির্ভুলভাবে নিয়ন্ত্রণ করতে পারেন।

প্রচ্ছদ, পোস্টার এবং ধারাবাহিক সহায়ক ছবি নিয়মিতভাবে তৈরি করতে হলে “আগে দিকনির্দেশনা সুপারিশ, তারপর প্রম্পট বিস্তৃত করা, তৈরি হওয়ার পর শর্ত অনুযায়ী যাচাই” প্রক্রিয়া অনুসরণ করার পরামর্শ দেওয়া হয়। আনুষ্ঠানিক ব্যবহারের আগে ছবির ভেতরের টেক্সট ও আকার মানুষ দিয়ে পুনরায় যাচাই করুন।