Bang Story দিয়ে AI ভিডিও তৈরি করুন: গল্পের ভাবনা থেকে সম্পূর্ণ MP4

Bang Story কী?

Bang Story একটি ওপেন-সোর্স ডেস্কটপ অ্যাপ্লিকেশন, যা একটি গল্পের ধারণাকে সম্পূর্ণ ভিডিও প্রযোজনায় রূপ দেয়। আপনি একটি ধারণা প্রদান করবেন, আর অ্যাপ্লিকেশনটি দৃশ্যভিত্তিক স্ক্রিপ্ট, ভিজ্যুয়াল প্রম্পট, AI ছবি বা ভিডিও, বর্ণনা, সমন্বিত ক্যাপশন, ট্রানজিশন, সঙ্গীত এবং ওভারলে তৈরিতে সহায়তা করবে।

চূড়ান্ত প্রজেক্টটি টাইমলাইন এডিটরে সাজানো হয় এবং FFmpeg ব্যবহার করে MP4 হিসেবে রেন্ডার করা হয়। প্রজেক্ট ও তৈরি করা মিডিয়া আপনার কম্পিউটারে সংরক্ষিত থাকে। AI প্রয়োজন এমন অনুরোধগুলো আপনার নিজের API কী দিয়ে কনফিগার করা প্রদানকারীদের কাছে সরাসরি পাঠানো হয়।

Bang Story MIT লাইসেন্সের অধীনে বিনামূল্যে ব্যবহার করা যায়, তবে বাহ্যিক AI পরিষেবাগুলো ছবি তৈরি, ভিডিও তৈরি, ভাষা মডেল বা বর্ণনার জন্য ফি নিতে পারে।

প্রধান বৈশিষ্ট্য

• ধারণা থেকে স্ক্রিপ্টের কর্মপ্রবাহ: পৃথক দৃশ্যের জন্য কাঠামোবদ্ধ গল্প এবং ভয়েস-ওভার লেখা তৈরি করুন।
• নমনীয় প্রজেক্ট সেটিংস: ৩০ সেকেন্ড থেকে ১০ মিনিটের সময়কাল, একটি ভাষা, 16:9 বা 9:16 ফরম্যাট, একজন বর্ণনাকারী এবং 2D, 3D বা বাস্তবধর্মী ভিজ্যুয়াল স্টাইল বেছে নিন।
• AI স্টোরিবোর্ড তৈরি: ভিজ্যুয়াল প্রম্পট, চরিত্রের শিট, ক্যামেরা নির্দেশনা, ট্রানজিশন এবং গতির নির্দেশ তৈরি করুন।
• Higgsfield ইন্টিগ্রেশন: ১৪টি ছবি মডেল এবং ৩৪টি ভিডিও মডেল থেকে বেছে নিন; তৈরির আগে আনুমানিক ক্রেডিট ব্যবহার দেখানো হয়।
• সামঞ্জস্যপূর্ণ বর্ণনা: Gemini TTS বা ElevenLabs দিয়ে একটি ধারাবাহিক রেকর্ডিং তৈরি করুন এবং সেটিকে দৃশ্য অনুযায়ী স্বয়ংক্রিয়ভাবে ভাগ করুন।
• টাইমলাইন এডিটিং: ক্লিপ, বর্ণনা, ক্যাপশন, সঙ্গীত এবং ওভারলে ট্রিম, কাট, মুছে ফেলা ও সরানো যায়।
• নির্ভুল ক্যাপশন: তৈরি করা বর্ণনার সঙ্গে সমন্বিত কারাওকে-ধাঁচের ক্যাপশনের জন্য স্থানীয় Whisper ট্রান্সক্রিপশন ব্যবহার করুন।
• স্থানীয় এক্সপোর্ট: ৩০ বা ৬০ fps-এ 720p, 1080p বা 4K MP4 ফাইল রেন্ডার করুন।

প্রয়োজনীয়তা

প্যাকেজ করা অ্যাপ্লিকেশন এবং নির্ভুল ক্যাপশন সুবিধা 64-bit Windows 10 বা Windows 11-এর জন্য তৈরি। সোর্স কোড macOS-এও চালানো যায়, যদিও macOS সম্পূর্ণভাবে পরীক্ষা করা হয়নি এবং ইনস্টলার ও Whisper ক্যাপশন সেটআপ বর্তমানে শুধু Windows-এর জন্য উপলভ্য।

আপনার প্রয়োজন হবে:

• AI ছবি, চরিত্রের শিট এবং ভিডিওর জন্য একটি Higgsfield API কী।
• গল্প তৈরির জন্য একটি প্রদানকারী: Google Gemini, OpenRouter, Groq অথবা OpenAI-সামঞ্জস্যপূর্ণ কাস্টম এন্ডপয়েন্ট।
• বর্ণনার জন্য একটি প্রদানকারী: Gemini TTS-এর জন্য Google Gemini, অথবা ঐচ্ছিকভাবে ElevenLabs।
• সোর্স থেকে অ্যাপ্লিকেশন চালালে Node.js 22 বা তার পরের সংস্করণ।
• প্রাথমিক ইনস্টলেশন এবং ক্লাউড AI অনুরোধের জন্য একটি ইন্টারনেট সংযোগ।

Bang Story ইনস্টল করুন

বিকল্প ১: START Script ব্যবহার করুন

সবচেয়ে সহজ সেটআপ পদ্ধতির জন্য Node.js-এর LTS রিলিজ প্রয়োজন। রিপোজিটরি ডাউনলোড বা ক্লোন করার পর আপনার অপারেটিং সিস্টেমের জন্য স্ক্রিপ্টটি চালু করুন।

• Windows: START - WIN.bat-এ ডাবল-ক্লিক করুন।
• macOS: START - MAC.command-এ ডাবল-ক্লিক করুন।

macOS স্ক্রিপ্টটির অনুমতি না থাকলে প্রজেক্ট ডিরেক্টরিতে Terminal খুলে চালান:

chmod +x "START - MAC.command"

macOS এরপরও এটি ব্লক করলে ফাইলটিতে রাইট-ক্লিক করে Open নির্বাচন করুন। প্রথমবার চালানোর সময় START স্ক্রিপ্টটি npm নির্ভরতা ইনস্টল করে, Electron ডাউনলোড করে, অ্যাপ্লিকেশন বিল্ড করে এবং সেটি খুলে দেয়। এতে কয়েক মিনিট সময় লাগতে পারে।

পরবর্তীবার চালু করলে তৈরি করা বিল্ডটি পুনরায় ব্যবহার করা হয়। src-এর অধীনে কোনো ফাইল পরিবর্তন করলে আবার START ব্যবহার করার আগে out ডিরেক্টরি মুছে ফেলুন অথবা পুনরায় বিল্ড করুন।

বিকল্প ২: সোর্স থেকে চালান

ডেভেলপাররা নির্ভরতা ইনস্টল করে হট রিলোডসহ অ্যাপ্লিকেশন চালু করতে পারেন:

npm install
npm run dev

উপকারী ডেভেলপমেন্ট কমান্ডগুলো হলো:

npm run typecheck
npm run build
npm run dist

npm run typecheck কঠোর TypeScript পরীক্ষা চালায়, npm run build অ্যাপ্লিকেশন বিল্ডটি out-এ লেখে এবং npm run dist dist-এ একটি Windows ইনস্টলার তৈরি করে।

Windows ইনস্টলার তৈরি করুন

npm run dist

তৈরি হওয়া ইনস্টলারের নাম হবে dist/BangStory-Setup-<version>.exe। ইনস্টলারের পরিবর্তে একটি পোর্টেবল Windows ডিরেক্টরি তৈরি করতে চালান:

npx electron-builder --win --dir

আপনার API কী কনফিগার করুন

অ্যাপ্লিকেশন চালু করার পর Settings › AI services and keys খুলুন। প্রতিটি বিভাগে একটি প্রদানকারী নির্বাচন ব্যবস্থা রয়েছে এবং শুধু নির্বাচিত প্রদানকারীই ব্যবহার করা হয়।

1. এর Copy API key বোতামের মাধ্যমে পাওয়া Higgsfield কী যোগ করুন। প্রত্যাশিত ফরম্যাট হলো KEY_ID:KEY_SECRET।
2. গল্প তৈরির জন্য Google Gemini, OpenRouter, Groq অথবা একটি সামঞ্জস্যপূর্ণ কাস্টম এন্ডপয়েন্ট নির্বাচন করুন।
3. বর্ণনার জন্য Gemini TTS অথবা ElevenLabs বেছে নিয়ে সংশ্লিষ্ট তথ্য দিন।
4. সেটিংস সংরক্ষণ করুন, তারপর আপনার প্রদানকারী থেকে লোড হওয়া অনুসন্ধানযোগ্য মডেল তালিকা থেকে একটি মডেল নির্বাচন করুন।

কাস্টম এন্ডপয়েন্ট OpenAI API-সামঞ্জস্যপূর্ণ যেকোনো সার্ভারের সঙ্গে সংযোগ করতে পারে। প্রজেক্টে উল্লেখ করা উদাহরণগুলোর মধ্যে রয়েছে http://localhost:11434/v1-এ Ollama, LM Studio, vLLM, DeepSeek এবং https://api.x.ai/v1-এ xAI Grok।

Windows-এ Electron safeStorage ব্যবহার করে Windows DPAPI-এর মাধ্যমে কীগুলো এনক্রিপ্ট করা হয়। এগুলো শুধু সংশ্লিষ্ট কাজের সঙ্গে যুক্ত পরিষেবাগুলোতেই পাঠানো হয়।

আপনার প্রথম ভিডিও তৈরি করুন

১. একটি গল্পের ধারণা লিখুন

হোম স্ক্রিনে একটি সংক্ষিপ্ত ধারণা লিখুন। উদাহরণস্বরূপ:

What would daily life have felt like in Batavia during the 1700s?

প্রজেক্ট তৈরি করতে Start-এ ক্লিক করুন। বিষয়, স্থান, সময়কাল এবং কাঙ্ক্ষিত ভঙ্গিসহ একটি স্পষ্ট ধারণা গল্প জেনারেটরকে কার্যকর দিকনির্দেশনা দেয়।

২. প্রজেক্টের সেটিংস নির্বাচন করুন

লক্ষ্য সময়কাল, ভাষা, অ্যাসপেক্ট রেশিও, কথক এবং ভিজ্যুয়াল স্টাইল নির্ধারণ করুন। প্রচলিত YouTube ভিডিওর জন্য 16:9 অথবা Shorts, Reels ও TikTok-এর জন্য 9:16 ব্যবহার করুন।

প্রজেক্টের জন্য Higgsfield-এর ছবি ও ভিডিও মডেলও নির্বাচন করতে পারেন। মিডিয়া জেনারেট করার আগে প্রদর্শিত ক্রেডিটের আনুমানিক হিসাব দেখে নিন, যাতে সম্ভাব্য বাহ্যিক পরিষেবার খরচ সম্পর্কে ধারণা থাকে।

৩. স্ক্রিপ্ট পর্যালোচনা করুন

Bang Story প্রতিটি দৃশ্যের জন্য বর্ণনামূলক কাঠামো ও ভয়েস-ওভার টেক্সট তৈরি করে। এই ধাপকে এক ক্লিকে অনুমোদনের ধাপ হিসেবে বিবেচনা করবেন না। তথ্য, গতি, পুনরাবৃত্তি, উচ্চারণ এবং প্রতিটি দৃশ্য মূল ধারণায় অবদান রাখছে কি না পরীক্ষা করুন।

আপনি দৃশ্য সম্পাদনা, যোগ, অপসারণ ও পুনর্বিন্যাস করতে পারেন। ভোকাল ডেলিভারি নির্দেশ করতে বর্ণনায় <short pause>, <chuckles> বা <whispers>-এর মতো সমর্থিত এক্সপ্রেশন ট্যাগ ব্যবহার করা যায়।

৪. স্টোরিবোর্ড তৈরি করুন

স্ক্রিপ্ট চূড়ান্ত করার পর স্টোরিবোর্ডে যান। Bang Story প্রতিটি দৃশ্যের জন্য ভিজ্যুয়াল প্রম্পট, কাস্টের তথ্য, চরিত্রের শিট, ক্যামেরা মুভমেন্ট, ট্রানজিশন এবং মুভমেন্টের নির্দেশনা প্রস্তুত করে।

ক্রেডিট খরচের আগে তৈরি প্রম্পটগুলো পর্যালোচনা করুন। দৃশ্যজুড়ে চরিত্রের বর্ণনা সামঞ্জস্যপূর্ণ থাকা উচিত এবং শুধু সাজসজ্জার জন্য নয়, দৃশ্যের উপযোগী মুভমেন্ট নির্দেশনা ব্যবহার করা উচিত।

Higgsfield-এর মাধ্যমে প্রয়োজনীয় ছবি ও ভিডিও তৈরি করুন। প্রজেক্টের নথিভুক্ত ডিফল্ট মডেল হলো ছবির জন্য GPT Image 2.5 Sunburst এবং ভিডিওর জন্য Kling 3.0 Standard; তবে প্রতিটি প্রজেক্টে অন্যান্য সমর্থিত মডেলও নির্বাচন করা যায়।

৫. বর্ণনা তৈরি করুন

বর্ণনা তৈরি করতে Gemini TTS অথবা ElevenLabs নির্বাচন করুন। Bang Story বর্ণনাটি একটি ধারাবাহিক টেক হিসেবে রেকর্ড করে, পরে সেটিকে দৃশ্যভাগে ভাগ করে। এই পদ্ধতি পুরো প্রজেক্টে ভয়েস ও স্বরভঙ্গির সামঞ্জস্য বজায় রাখতে সাহায্য করে।

ElevenLabs নির্দিষ্ট শব্দের সময়নির্ধারণ দেয়। Gemini TTS শব্দভিত্তিক সময়নির্ধারণ দেয় না, তাই স্থানীয় Whisper সিঙ্ক্রোনাইজেশন ব্যবহার না করলে এর ক্যাপশনের সময় শুধু আনুমানিক হয়।

৬. টাইমলাইন সম্পাদনা করুন

প্রোডাকশন সাজানো ও পরিমার্জন করতে এডিটর ব্যবহার করুন। সময়কাল পরিবর্তন করতে ক্লিপের প্রান্ত টেনে আনুন, নির্বাচিত অবস্থানে কাট দিতে S চাপুন এবং নির্বাচিত উপাদান অপসারণ করতে Delete চাপুন। বর্ণনা, ক্যাপশন, মিউজিক ও ওভারলে স্বাধীনভাবে সরানো যায়।

প্রতিটি ক্লিপের সংযোগস্থলে ট্রানজিশন কনফিগার করা যায় এবং তা সঙ্গে সঙ্গে প্রিভিউ করা যায়। স্থিরচিত্র ও ভিডিও উভয় ক্লিপেই ক্যামেরা মুভমেন্ট প্রয়োগ করা যায়।

প্রয়োজন অনুযায়ী ব্যাকগ্রাউন্ড মিউজিক যোগ করুন। বর্ণনা চলার সময় Bang Story স্বয়ংক্রিয়ভাবে মিউজিকের ভলিউম কমাতে পারে। এতে Suno বা অন্য কোনো AI মিউজিক পরিষেবার জন্য মিউজিক-প্রম্পট জেনারেটরও আছে; এটি সরাসরি মিউজিক তৈরি করার দাবি করে না।

প্রিভিউতে সরাসরি লোগো, ওয়াটারমার্ক ও টেক্সট ওভারলে বসানো যায়। ওভারলেগুলো নিরাপদ মার্জিনের মধ্যে রাখুন, বিশেষ করে উল্লম্ব ভিডিও তৈরি করার সময়, কারণ ইন্টারফেসের কিছু অংশ স্ক্রিন ঢেকে রাখতে পারে।

৭. ক্যাপশনের স্টাইল ও সিঙ্ক্রোনাইজেশন

এডিটরে 15টি ফন্ট এবং রং, আকার ও ব্যাকগ্রাউন্ড বক্স নিয়ন্ত্রণসহ কারাওকে-স্টাইলের ক্যাপশন রয়েছে।

Gemini TTS প্রজেক্টের জন্য Settings › Accurate captions থেকে প্রায় 488 MB-এর Whisper Small মডেল ডাউনলোড করুন। Whisper স্থানীয়ভাবে চলে এবং সাধারণত প্রায় 0.1–0.2 সেকেন্ডের পার্থক্যসহ ক্যাপশনকে প্রকৃত কথার সঙ্গে মিলিয়ে দিতে পারে। এডিটরের Caption ট্যাব থেকে বিদ্যমান ক্লিপ আবার সিঙ্ক্রোনাইজ করা যায়।

ElevenLabs ইতিমধ্যেই প্রতি শব্দের সময়নির্ধারণ দেয়, তাই এই কাজে Whisper প্রয়োজন হয় না।

৮. ভিডিও এক্সপোর্ট করুন

720p, 1080p অথবা 4K আউটপুট রেজোলিউশন এবং 30 অথবা 60 fps ফ্রেম রেট নির্বাচন করুন। Bang Story FFmpeg ব্যবহার করে স্থানীয়ভাবে MP4 রেন্ডার করে এবং এডিটর প্রিভিউয়ের সঙ্গে মিল রাখার লক্ষ্য রাখে।

ক্যাপশন ভিডিওতে স্থায়ীভাবে যুক্ত করা যায় এবং আলাদা .srt ফাইল হিসেবেও সংরক্ষণ করা যায়। অডিও −14 LUFS-এ স্বাভাবিক করা হয়, যে স্তরটিকে প্রজেক্টটি YouTube-এর স্ট্যান্ডার্ড হিসেবে চিহ্নিত করেছে।

প্রজেক্ট কোথায় সংরক্ষিত হয়

Windows-এ Bang Story তার SQLite ডেটাবেস ও মিডিয়া এখানে সংরক্ষণ করে:

%APPDATA%\Bang Story

studio.db ফাইলে প্রজেক্টের তথ্য থাকে, আর projects ডিরেক্টরিতে ছবি, ভিডিও ও অডিও থাকে। প্রজেক্ট স্বয়ংক্রিয়ভাবে সংরক্ষিত হয় এবং Ctrl+S চাপলে জোর করে সংরক্ষণ করতে পারেন। অ্যাপ্লিকেশনের আগের Studio Cerita নামের ডেটা স্বয়ংক্রিয়ভাবে মাইগ্রেট করা হয়।

উন্নত টিপস

জেনারেশনের আগে খরচ নিয়ন্ত্রণ করুন

ছবি বা ভিডিও তৈরি করার আগে স্ক্রিপ্ট ও ভিজ্যুয়াল প্রম্পট চূড়ান্ত করুন। Higgsfield-এর ক্রেডিটের আনুমানিক হিসাব তার estimate এন্ডপয়েন্ট থেকে আসে, যা ক্রেডিট খরচ করে না। তাই মডেল তুলনা করার সময় এই হিসাব ব্যবহার করুন।

স্ক্রিপ্টের পর্যায়ে গতি উন্নত করুন

নির্বাচিত সময়কালের সঙ্গে দৃশ্যের সংখ্যা ও দৈর্ঘ্য মিলিয়ে নিন। ছোট উল্লম্ব ভিডিওতে সংক্ষিপ্ত বর্ণনা ও দ্রুত দৃশ্য পরিবর্তন কার্যকর, অন্যদিকে দীর্ঘ ব্যাখ্যামূলক ভিডিওতে ধীরগতির দৃশ্য এবং আরও প্রাসঙ্গিক বিস্তারিত তথ্য রাখা যায়।

চরিত্রের ধারাবাহিকতা বজায় রাখুন

সব দৃশ্যের মিডিয়া তৈরি করার আগে জেনারেট করা অভিনয়শিল্পীদের বিবরণ ও চরিত্রের শিট পরীক্ষা করুন। শুরুতেই কোনো চরিত্রের বিবরণ সংশোধন করা অসংগতিপূর্ণ একাধিক ক্লিপ পুনরায় তৈরি করার চেয়ে বেশি কার্যকর।

গল্প পরিকল্পনার জন্য স্থানীয় মডেল ব্যবহার করুন

আপনি যদি OpenAI-সামঞ্জস্যপূর্ণ কোনো স্থানীয় সার্ভার পরিচালনা করেন, সেটিকে কাস্টম গল্প-তৈরি এন্ডপয়েন্ট হিসেবে কনফিগার করুন। সামঞ্জস্যপূর্ণ উদাহরণ হিসেবে Ollama, LM Studio এবং vLLM তালিকাভুক্ত রয়েছে। অ্যাপ্লিকেশনের ছবি, চরিত্রের শিট এবং ভিডিও ওয়ার্কফ্লোর জন্য এখনও Higgsfield প্রয়োজন।

প্রিভিউ ও এক্সপোর্টের পরিবর্তন যাচাই করুন

সোর্স কোড পরিবর্তন করার সময় মনে রাখবেন, src/shared-এর শেয়ার করা নিয়মগুলো প্রিভিউ ও এক্সপোর্টের আচরণে ব্যবহৃত হয়। পরিবর্তন জমা দেওয়ার আগে অবদানকারীদের উভয় পরীক্ষা চালানো উচিত:

npm run typecheck
npm run build

রিপোজিটরিতে আরও বলা হয়েছে, ডেভেলপমেন্ট হারনেস ব্যবহার করে ভিজ্যুয়াল বা এক্সপোর্ট-সংক্রান্ত পরিবর্তন পরীক্ষা করতে এবং প্রাসঙ্গিক পরিবর্তন চেঞ্জলগে নথিভুক্ত করতে।

স্থানীয়ভাবে কী চলে তা বুঝুন

প্রজেক্টের স্টোরেজ, FFmpeg রেন্ডারিং এবং Whisper ক্যাপশন শনাক্তকরণ আপনার কম্পিউটারে চলে। গল্প, মিডিয়া এবং বর্ণনার অনুরোধ আপনার নির্বাচিত AI প্রদানকারীদের কাছে পাঠানো হয়। গোপনীয়তা, সংযোগের প্রয়োজনীয়তা এবং পরিষেবার খরচ মূল্যায়নের সময় এই পার্থক্যটি গুরুত্বপূর্ণ।

উপসংহার

Bang Story AI-সহায়তায় লেখা ও মিডিয়া তৈরির সুবিধাকে প্রচলিত টাইমলাইন ওয়ার্কফ্লোর সঙ্গে একত্র করে। সবচেয়ে নির্ভরযোগ্য প্রক্রিয়া হলো প্রথমে প্রদানকারীদের কনফিগার করা, অর্থপ্রদত্ত মিডিয়া তৈরির আগে স্ক্রিপ্ট পরিমার্জন করা, ভিজ্যুয়াল ধারাবাহিকতার জন্য স্টোরিবোর্ড যাচাই করা, বর্ণনা ও ক্যাপশন সমন্বয় করা এবং এক্সপোর্টের আগে সম্পূর্ণ টাইমলাইন প্রিভিউ করা।

আরও একটি নির্দেশিকা দেখতে অফিসিয়াল Bang Story ভিডিও টিউটোরিয়াল দেখুন। এটি অ্যাপ্লিকেশনের ভেতরের Settings › About বিভাগ থেকেও পাওয়া যায়।