anything2explainer দিয়ে বর্ণনাসহ মোশন-গ্রাফিক্স ব্যাখ্যামূলক ভিডিও তৈরি করুন

anything2explainer কী?

anything2explainer হলো Claude Code এবং Codex-এর জন্য একটি স্কিল, যা কোনো বিষয়, নিবন্ধ বা নথিকে বর্ণনাসহ মোশন-গ্রাফিক্স এক্সপ্লেইনার ভিডিওতে রূপান্তর করে। এটি গবেষণা, স্ক্রিপ্ট লেখা, টেক্সট-টু-স্পিচ, ফ্রেম-নির্ভুল সাবটাইটেল, স্টোরিবোর্ড তৈরি, সমান্তরাল শট ডেভেলপমেন্ট, রেন্ডারিং এবং মান নিয়ন্ত্রণকে একটি নির্দেশিত ওয়ার্কফ্লোতে একত্র করে।

প্রকল্পটি স্বতন্ত্র কমান্ড-লাইন অ্যাপ্লিকেশন নয়। বরং এটি একটি AI কোডিং এজেন্টকে সম্পূর্ণ প্রোডাকশন পদ্ধতি প্রদান করে: কম্পাইলযোগ্য Remotion 4 টেমপ্লেট, React ও TypeScript ভিজ্যুয়াল প্রিমিটিভ, ভয়েসওভার ও রেন্ডারিং স্ক্রিপ্ট, লিখিত স্টাইল স্পেসিফিকেশন, মাল্টি-এজেন্ট বিল্ড নির্দেশনা, QC টুল এবং একটি রেফারেন্স ফিল্ম।

প্রতিটি ফ্রেম ভিডিও মডেল দিয়ে তৈরি বা বিদ্যমান ফুটেজ থেকে কপি না করে কোডের মাধ্যমে আঁকা হয়। অ্যানিমেশনগুলো ফ্রেম নম্বরের বিশুদ্ধ ফাংশন এবং সিড-নির্ভর র‍্যান্ডমনেস ব্যবহার করে, ফলে বারবার রেন্ডার করলেও ফল পুনরুৎপাদনযোগ্য থাকে।

পাইপলাইন কী তৈরি করে

ডিফল্ট আউটপুট হলো 1280×720, 30fps H.264 MP4। সম্পূর্ণ একটি প্রকল্পে থাকতে পারে:

• সিঙ্ক্রোনাইজ করা চীনা বা ইংরেজি ভয়েসওভার।
• শব্দের সীমানার সঙ্গে সামঞ্জস্যপূর্ণ সাবটাইটেল।
• চ্যাপ্টার কার্ড এবং নিচে চ্যাপ্টার প্রগ্রেস বার।
• উপরের ক্যাপসুল HUD এবং ঐচ্ছিক পাইপলাইন রেল।
• প্রতি শটের জন্য Remotion কম্পোনেন্ট।
• উৎস-উল্লেখসহ গবেষণা নথি, বর্ণনা, স্টোরিবোর্ড, QC রিপোর্ট এবং ডেলিভারি নোট।

ভিজ্যুয়াল সিস্টেমে কালো ক্যানভাস, সাদা লাইন আর্ট, বেগুনি অ্যাকসেন্ট, গাঢ় হেডলাইন এবং কুয়াশাসহ স্টার-ফিল্ড ব্যাকড্রপ অথবা ডট-ফিল্ড ওয়েভ ব্যবহার করা হয়। বর্তমান টেমপ্লেটটি কেবল ল্যান্ডস্কেপ ভিডিওর জন্য; উল্লম্ব 9:16 আউটপুট সমর্থিত নয়।

সমর্থিত দৈর্ঘ্য

দুই থেকে আট মিনিটের ফিল্ম সমর্থিত। দুই থেকে তিন মিনিটের ভিডিওতে সাধারণত 24–32টি লাইন বা শট থাকে এবং প্রায় এক ঘণ্টা সময় লাগে। তিন থেকে পাঁচ মিনিটের রেফারেন্স-স্তরের প্রোডাকশনে সাধারণত 40–50টি শট থাকে এবং প্রায় দুই ঘণ্টা সময় লাগে। পাঁচ থেকে আট মিনিটের দীর্ঘ ফিল্মে 60–80টি শট থাকতে পারে এবং প্রায় দুই থেকে তিন ঘণ্টা সময় লাগতে পারে।

এগুলো নিশ্চয়তা নয়, বরং ঘড়ি ধরে হিসাব করা আনুমানিক সময়। কাজের বড় অংশ বিল্ড এজেন্টরা সমান্তরালভাবে সম্পন্ন করে।

পূর্বশর্ত

ইনস্টলেশনের আগে নিম্নলিখিত প্রস্তুত করুন:

• Claude Code অথবা Codex।
• Node.js 18 অথবা পরবর্তী সংস্করণ।
• Python 3।
• ফ্রেম এক্সট্রাকশন ও ট্রান্সকোডিংয়ের জন্য FFmpeg।
• একসঙ্গে একাধিক বিল্ড এজেন্ট চালানোর সময় অন্তত 5 GB খালি জায়গা।

অন্তর্ভুক্ত শেল স্ক্রিপ্টগুলো zsh ব্যবহার করে এবং macOS-এ তৈরি ও যাচাই করা হয়েছে। Linux-এ কাজ করার কথা, তবে Windows-এ পরীক্ষা করা হয়নি। GPU প্রয়োজন নেই, কারণ Remotion CPU-তে হেডলেস Chromium-এর মাধ্যমে রেন্ডার করে।

স্কিল ইনস্টল করুন

1. রিপোজিটরি ক্লোন করুন

git clone https://github.com/Vincentwei1021/anything2explainer.git

2. আপনার কোডিং এজেন্টের সঙ্গে লিংক করুন

Claude Code-এর জন্য, এর skills directory-তে একটি symbolic link তৈরি করুন:

ln -s "$PWD/anything2explainer" ~/.claude/skills/anything2explainer

Codex-এর জন্য, সংশ্লিষ্ট Codex skills directory ব্যবহার করুন:

ln -s "$PWD/anything2explainer" ~/.codex/skills/anything2explainer

3. সিস্টেম ও Python নির্ভরতা ইনস্টল করুন

macOS-এ Homebrew দিয়ে FFmpeg ইনস্টল করুন:

brew install ffmpeg

একটি নির্দিষ্ট Python environment তৈরি করে শেয়ার করা নির্ভরতাগুলো ইনস্টল করুন:

python3 -m venv ~/.venvs/a2e
source ~/.venvs/a2e/bin/activate
pip install 'edge-tts==7.2.8' numpy pillow scipy

README-তে edge-tts-এর সংস্করণ 7.2.8 নির্দিষ্ট করা হয়েছে, কারণ এটি একটি Microsoft endpoint-এর ওপর নির্ভর করে এবং আপগ্রেডের পর কাজ নাও করতে পারে। scipy প্যাকেজটি কেবল পরিমাণগত QC স্ক্রিপ্ট frame_metrics.py-এর জন্য প্রয়োজন।

4. ইংরেজি বর্ণনার নির্ভরতা যোগ করুন

ইংরেজি বর্ণনার ডিফল্ট হলো স্থানীয়ভাবে চালানো kokoro-82m মডেল, যার ভয়েস am_liam। ইংরেজি ভিডিও তৈরি করতে চাইলে এর অতিরিক্ত প্রয়োজনীয়তাগুলো ইনস্টল করুন:

pip install kokoro soundfile
brew install espeak-ng

চীনা বর্ণনার ডিফল্ট হলো ক্লাউড-ভিত্তিক edge-tts ভয়েস zh-CN-YunxiNeural।

Claude Code বা Codex দিয়ে একটি ভিডিও তৈরি করুন

সবচেয়ে সহজ পদ্ধতি হলো স্বাভাবিক ভাষায় কাঙ্ক্ষিত ফিল্মটি বর্ণনা করা। এজেন্টের কাছে উপলব্ধ থাকলে স্কিলটি নিজে থেকেই সক্রিয় হওয়া উচিত।

ভেক্টর ডেটাবেস সম্পর্কে আমার জন্য একটি এক্সপ্লেইনার ভিডিও তৈরি করুন।

আপনি চীনা ভাষাতেও অনুরোধ করতে পারেন:

讲一下向量数据库，做成一条讲解视频

আপনার ইনপুট একটি সাধারণ বিষয়, অথবা বিদ্যমান নিবন্ধ বা নথি হতে পারে। আপনাকে লক্ষ্য দৈর্ঘ্য ও ভাষাও নির্বাচন করতে হবে।

নয়টি প্রোডাকশন ধাপ বুঝুন

1. স্ক্যাফোল্ড: এজেন্ট Remotion টেমপ্লেটটি একটি নতুন প্রকল্পে কপি করে।
2. গবেষণা: একটি গবেষণা এজেন্ট URL-সহ দরকারি সংখ্যা ও উপমা অন্তর্ভুক্ত করে উৎস-উল্লেখসহ নথি প্রস্তুত করে।
3. বর্ণনা ও টাইমলাইন: এজেন্ট স্ক্রিপ্ট লেখে, ভয়েসওভার তৈরি বা ইমপোর্ট করে এবং শব্দের সীমানাকে ফ্রেম-নির্ভুল টাইমলাইন ও সাবটাইটেল টেবিলে রূপান্তর করে।
4. স্টোরিবোর্ড: প্রতিটি শট একটি ফ্রেম রেঞ্জ, ন্যারেটিভ বিট, ভিজ্যুয়াল পরিকল্পনা, মোশনের দিক, প্রধান উপাদান এবং লাইটিং পরিকল্পনা পায়।
5. ওভারলে ও প্রিমিটিভ: প্রকল্পে শিরোনাম, চ্যাপ্টার কার্ড, HUD, পাইপলাইন রেল এবং বিষয়ভিত্তিক দুই থেকে পাঁচটি আইকন যোগ করা হয়।
6. পাইলট: একটি এজেন্ট প্রথম শট-গ্রুপ তৈরি করে এবং 30-সেকেন্ডের প্রিভিউ রেন্ডার করে।
7. সমান্তরাল বিল্ড: অতিরিক্ত এজেন্টরা বাকি গ্রুপ তৈরি করে, সাধারণত প্রত্যেকে পাঁচ থেকে সাতটি শট পরিচালনা করে।
8. রেন্ডার: সম্পূর্ণ ফিল্ম রেন্ডার করা হয় এবং পরিমাণগত ফ্রেম মেট্রিক দিয়ে বিশ্লেষণ করা হয়।
9. QC ও সংশোধন: QC এজেন্টরা চ্যাপ্টার পর্যালোচনা করে, সংশোধনকারী এজেন্টরা সমস্যার সমাধান করে এবং ডেলিভারির আগে প্রকল্পটি আবার যাচাই করা হয়।

চারটি রিভিউ চেকপয়েন্ট ব্যবহার করুন

ওয়ার্কফ্লোটি ইচ্ছাকৃতভাবে চারবার থেমে যায়, যাতে পরিবর্তন ব্যয়বহুল হয়ে ওঠার আগে আপনি গুরুত্বপূর্ণ সিদ্ধান্ত নিতে পারেন।

চেকপয়েন্ট ১: দৈর্ঘ্য ও ভাষা

স্ক্রিপ্ট লেখা শুরু হওয়ার আগে চলচ্চিত্রের দৈর্ঘ্য এবং চীনা বা ইংরেজির মধ্যে একটি ভাষা বেছে নিন। দৈর্ঘ্য কভারেজ, বর্ণনার আকার, শটের সংখ্যা, ডিস্কের ব্যবহার এবং সমান্তরাল এজেন্টের সংখ্যা প্রভাবিত করে। ভাষা src/config.ts-এ lang-এর মাধ্যমে টাইপোগ্রাফি, সাবটাইটেল বাজেট, গতি এবং ডিফল্ট ভয়েস পরিবর্তন করে।

চেকপয়েন্ট ২: বর্ণনা অনুমোদন

ভয়েস তৈরি করার আগে সম্পূর্ণ বর্ণনাটি পর্যালোচনা করুন। ভয়েসওভার লক হয়ে গেলে পৃথক শটে ফ্রেম নম্বর বসানো হয়। একটি শব্দও পরিবর্তন করলে পুরো চলচ্চিত্রের সময় পুনর্নির্ধারণের প্রয়োজন হতে পারে, তাই সম্পাদকীয় সংশোধনের জন্য এটিই সবচেয়ে সাশ্রয়ী সময়।

চেকপয়েন্ট ৩: ভয়েসওভার নির্বাচন

ডিফল্ট ভয়েস, অন্য কোনো TTS ইঞ্জিন, অথবা নিজের সম্পূর্ণ রেকর্ডিং বেছে নিন। আপনি বিকল্প কিছু নির্দিষ্ট না করলে, পাইপলাইন চীনা ভাষার জন্য edge-tts Yunxi এবং ইংরেজির জন্য kokoro-82m Liam ব্যবহার করে।

চেকপয়েন্ট ৪: প্রথম ৩০ সেকেন্ড

বাকি শট গ্রুপ তৈরি হওয়ার আগে পাইলট রেন্ডারটি পর্যালোচনা করুন। এই পর্যায়ে ভিজ্যুয়াল নির্দেশনা সংশোধন করলে শুধু প্রথম গ্রুপ প্রভাবিত হয়; সম্পূর্ণ রেন্ডারের পরে সংশোধন করলে প্রতিটি গ্রুপে পরিবর্তন প্রয়োজন হতে পারে।

টেমপ্লেট ম্যানুয়ালি নিয়ন্ত্রণ করুন

প্রোডাকশন প্রক্রিয়ার ওপর আরও নিয়ন্ত্রণ চাইলে অন্তর্ভুক্ত স্ক্রিপ্টগুলো সরাসরি ব্যবহার করতে পারেন। টেমপ্লেট থেকে একটি প্রকল্প তৈরি করে তার ডিরেক্টরিতে প্রবেশ করুন:

template/scripts/new_project.sh ~/work/my-video myslug
cd ~/work/my-video

এরপর ম্যানুয়াল ধাপগুলো অনুসরণ করুন:

1. research/调研.md-এ গবেষণা ফাইল লিখুন।
2. script/narration.txt তৈরি করে ভয়েসওভার টাইমলাইন বানান।
3. script/storyboard_src.md লিখে স্টোরিবোর্ড রেন্ডার করুন।
4. src/config.ts-এ ভাষা, ব্যাকড্রপ এবং সংশ্লিষ্ট সেটিংস সম্পাদনা করুন।
5. src/shots/G1 থেকে src/shots/Gn পর্যন্ত শট গ্রুপ বাস্তবায়ন করুন।
6. শুরুর প্রিভিউ রেন্ডার করুন।
7. সংস্করণ-চিহ্নিত চূড়ান্ত ভিডিও রেন্ডার করে ফ্রেম মেট্রিক্স চালান।
8. পর্যালোচনা, সংশোধন এবং v2 বা v3-এর মতো পরবর্তী সংস্করণ রেন্ডার করুন।

python3 scripts/tts_build.py
python3 scripts/render_storyboard.py
scripts/preview.sh 30
VER=v1 scripts/render.sh
python3 scripts/frame_metrics.py

ভাষা ও ব্যাকড্রপ কাস্টমাইজ করুন

প্রাথমিক প্রকল্প সেটিংস src/config.ts-এ থাকে। lang-এর মান 'zh' বা 'en' সেট করুন। চীনা ভাষায় প্রতি ব্লকে ১৬ অক্ষরের সাবটাইটেল বাজেট, আর ইংরেজিতে প্রতি ব্লকে ৪৮ অক্ষরের বাজেট ব্যবহার করা হয়।

সমর্থিত ব্যাকড্রপ সুইচটি হলো:

bg: 'stars' | 'dots'

স্টার বিকল্পটি একটি স্টার ফিল্ডের সঙ্গে ফগ গ্রেডিয়েন্ট যুক্ত করে। ডটস বিকল্পটি ডট-ফিল্ড তরঙ্গ ব্যবহার করে। প্রকল্পটি ইচ্ছাকৃতভাবে এই দুটি ব্যাকড্রপ পছন্দের মাধ্যমে একটি ভিজ্যুয়াল ভাষা প্রদান করে।

আরও ব্যাপক ভিজ্যুয়াল পরিবর্তনের জন্য reference/style-guide.md এবং src/ui.tsx সম্পাদনা করুন। শট কম্পোনেন্টগুলো শেয়ার করা প্রিমিটিভের ওপর নির্ভর করে, তাই প্রতিটি শট আলাদাভাবে স্টাইল করার বদলে এই কেন্দ্রীয় সংজ্ঞাগুলো পরিবর্তন করাই শ্রেয়।

নিজের ভয়েসওভার ব্যবহার করুন

বান্ডেল করা TTS ডিফল্ট ব্যবহারে আপনি সীমাবদ্ধ নন। সম্পূর্ণ অডিও এখানে রাখুন:

public/assets/<slug>/audio.wav

এরপর src/common/timeline.ts এবং subs.ts ম্যানুয়ালি পূরণ করুন। প্রয়োজনীয় ফরম্যাট tts_build.py-এর শীর্ষে নথিভুক্ত আছে। টাইমলাইন ও সাবটাইটেল ডেটা উপস্থিত থাকলে স্টোরিবোর্ড, শট বিল্ড, রেন্ডারিং এবং QC ধাপ অপরিবর্তিত থাকে।

উন্নত প্রোডাকশন টিপস

ছবি নিখুঁত করার আগে শব্দ অনুমোদন করুন

বর্ণনা অনুমোদনকে কঠোর লক হিসেবে বিবেচনা করুন। শটগুলো নির্দিষ্ট ফ্রেম রেঞ্জ ব্যবহার করে, তাই দেরিতে করা স্ক্রিপ্ট সম্পাদনা সাধারণ ভিজ্যুয়াল সংশোধনের চেয়ে বেশি বিঘ্ন ঘটায়।

পাইলটকে স্টাইল পরীক্ষার মাধ্যম হিসেবে ব্যবহার করুন

প্রথম ৩০ সেকেন্ডের পর্যালোচনায় টাইপোগ্রাফি, কম্পোজিশন, গতির তীব্রতা, আলো, সাবটাইটেলের পাঠযোগ্যতা এবং ব্যাকড্রপ পরীক্ষা করুন। শুধু সফলভাবে রেন্ডার হয়েছে বলে পাইলট অনুমোদন করবেন না।

সমান্তরাল কাজ সতর্কতার সঙ্গে বাড়ান

দীর্ঘ চলচ্চিত্রে ১০–১৪টি বিল্ড এজেন্ট ব্যবহার করা হতে পারে। একাধিক এজেন্ট একই সময়ে Remotion বান্ডেল করতে পারে, ফলে স্টোরেজ ও সিস্টেমের ওপর চাপ বাড়ে। অন্তত ৫ GB খালি রাখুন এবং প্রকল্পে বর্ণিত tmux পেন সীমার কাছে পৌঁছালে এজেন্টগুলো ধাপে ধাপে চালু করুন।

সোর্সের ট্রেসযোগ্যতা সংরক্ষণ করুন

স্ক্রিনে দেখানো প্রতিটি সংখ্যা, বছর, সংস্থা এবং ইংরেজি শব্দের উৎস গবেষণা নথির একটি URL পর্যন্ত অনুসরণযোগ্য হওয়া উচিত। যাচাই না করা দাবিগুলো বর্ণনা ও ভিজ্যুয়াল উভয়ের বাইরে রাখুন।

সংস্করণ-চিহ্নিত রেন্ডার ব্যবহার করুন

VER=v1 সেট করে মেট্রিক্স ও অধ্যায়ভিত্তিক QC ফলাফল পর্যালোচনা করুন, তারপর v2 বা v3-এর মতো সংশোধিত সংস্করণ তৈরি করুন। এতে আগের আউটপুট মুছে না দিয়ে পর্যালোচনার স্পষ্ট ইতিহাস সংরক্ষিত থাকে।

রেফারেন্স উপকরণ অধ্যয়ন করুন

examples/rag/ ডিরেক্টরিতে রেফারেন্স চলচ্চিত্রের প্রোডাকশন ট্রেইল রয়েছে, যার মধ্যে গবেষণা, বর্ণনা, স্টোরিবোর্ড, শট সোর্স, প্রতিবেদন এবং ডেলিভারি নোট অন্তর্ভুক্ত। examples/contrast/ ডিরেক্টরিতে কম্পোজিশন ও আলো মূল্যায়নের জন্য খারাপ বনাম ভালো ছয়টি ফ্রেম জোড়া রয়েছে।

reference/ ডিরেক্টরিতে নিরাপদ এলাকা, প্যালেট, ফন্ট, মোশন ফর্মুলা, আলোর নিয়ম, স্টোরিবোর্ডের রীতি, এজেন্ট প্রোটোকল, প্রম্পট টেমপ্লেট এবং আগের চলচ্চিত্রগুলোর শিক্ষাও নথিভুক্ত আছে।

গুরুত্বপূর্ণ সীমাবদ্ধতা ও লাইসেন্সিং

• সমর্থিত ভাষা হলো চীনা ও ইংরেজি।
• টেমপ্লেটটি 1280×720 ল্যান্ডস্কেপ ভিডিও ধরে তৈরি করা হয়েছে এবং বর্তমানে 9:16 আউটপুট সমর্থন করে না।
• এটি টকিং-হেড উপস্থাপনা, মূলত লাইভ-অ্যাকশন প্রযোজনা বা বিদ্যমান ভিডিও পুনরুৎপাদনের জন্য তৈরি নয়।
• ঐচ্ছিক লাইভ-অ্যাকশন বি-রোল রয়্যালটি-মুক্ত উৎস থেকে নিতে হবে এবং উৎসের URL, লাইসেন্স, SHA-256 হ্যাশ ও ব্যবহারের তথ্যসহ একটি ম্যানিফেস্টে নথিভুক্ত করতে হবে।
• টুলকিটটি PolyForm Noncommercial 1.0.0 লাইসেন্স ব্যবহার করে। অবাণিজ্যিক ব্যবহার বিনামূল্যে, তবে বাণিজ্যিক ব্যবহারের জন্য লেখকের পূর্বানুমোদন প্রয়োজন।
• টুলকিট দিয়ে তৈরি ভিডিওগুলোর মালিকানা তাদের নির্মাতাদের।
• বান্ডেল করা ফন্ট এবং Remotion-এর নিজস্ব লাইসেন্সের শর্ত রয়েছে।

প্রোডাকশন বা বিতরণের আগে, বিশেষ করে বাণিজ্যিক কাজের ক্ষেত্রে, রিপোজিটরির প্রকল্প পৃষ্ঠা এবং লাইসেন্স ফাইলগুলো পর্যালোচনা করুন।

উপসংহার

anything2explainer শুধু একটি ভিডিও টেমপ্লেটের চেয়েও বেশি কিছু: এটি Claude Code বা Codex-কে গবেষণাভিত্তিক উপাদানকে নির্ধারিত Remotion অ্যানিমেশনে রূপান্তরের জন্য একটি কাঠামোবদ্ধ প্রোডাকশন সিস্টেম দেয়। একটি নির্দিষ্ট বিষয় দিয়ে শুরু করুন, চারটি চেকপয়েন্টে সতর্কতার সঙ্গে সিদ্ধান্ত নিন, TTS-এর আগে ন্যারেশন অনুমোদন করুন, ৩০-সেকেন্ডের পাইলট যাচাই করুন এবং চূড়ান্ত চলচ্চিত্র পরিমার্জনের জন্য সংস্করণযুক্ত রেন্ডারিং ও পরিমাণগত QC ব্যবহার করুন।