অনেক নতুন ব্যবহারকারী AI অ্যানিমেটেড নাটকের সঙ্গে পরিচিত হওয়ার পর সবচেয়ে বেশি যে কাজটি করতে পছন্দ করেন, তা গল্প ঘষেমেজে তৈরি করা নয়; বরং চারদিকে ঘুরে তথাকথিত নানা万能 প্রম্পট খুঁজে বেড়ানো
চরিত্রের সূক্ষ্ম বৈশিষ্ট্য, দৃশ্যের স্টাইল থেকে শুরু করে ক্যামেরার দৃষ্টিকোণ, আলোকছায়ার গুণমান এমনকি রেন্ডারিং ইঞ্জিন পর্যন্ত—মনে হয় কয়েকশো শব্দের রচনাটি একসঙ্গে জেনারেশন বক্সে ঢুকিয়ে দিলেই হবে
কিন্তু আশ্চর্যের বিষয়, প্রম্পটের সংগ্রহশালা পরিপূর্ণ, প্যারামিটার বারবার সমন্বয় করা হয়েছে, তৈরি ছবির মানও খারাপ দেখায় না, তবু শেষ পর্যন্ত সম্পাদিত অ্যানিমেটেড নাটকটি কেউ দেখে না
ভিউয়ের সংখ্যা করুণ, আর সম্পূর্ণ দেখার হার আরও করুণভাবে কম
সমস্যাটা আসলে কোথায়?
উত্তরটি খুবই সহজ: তারা প্রম্পটের ভূমিকা অতিরিক্ত গুরুত্ব দিয়ে দেখেছে এবং AI অ্যানিমেটেড নাটকের ক্ষেত্রে প্রকৃত প্রতিযোগিতার মানদণ্ডও সম্পূর্ণ ভুল বুঝেছে
AI অ্যানিমেটেড নাটক কখনোই কার Prompt বেশি লম্বা বা কার প্যারামিটার বেশি জটিল—তার প্রতিযোগিতা নয়। নির্মাতাদের মধ্যে প্রকৃত পার্থক্য তৈরি হয়, আপনার মধ্যে পদ্ধতিগত পরিচালকের চিন্তাভাবনা আছে কি না, তার ওপর
অনেকে প্রম্পটকে কোনো গাণিতিক সূত্রের মতো ভাবতে অভ্যস্ত। তারা মনে করেন, “বিষয়বস্তু+অ্যাকশন+দৃশ্যপট+স্টাইল+আলোকছায়া” কাঠামো অনুসরণ করলেই গণিতের অঙ্কের মতো নিখুঁত উত্তর বের করা যাবে
কিন্তু প্রম্পট কোনো সূত্র নয়, আর একবারে কাজ করা万能 টেমপ্লেটও নেই
এর অন্তর্নিহিত যুক্তি একটিই: আপনার মনের অদৃশ্য দৃশ্য ও আবেগকে AI-বোধ্য ভৌত উপাদানে নির্ভুলভাবে অনুবাদ করা
মানুষ আবেগ প্রকাশের সময় বিমূর্ত শব্দের ওপর অত্যন্ত নির্ভরশীল—যেমন একাকীত্ব, হতাশা, দমবন্ধ ভাব, উচ্চাকাঙ্ক্ষা
কেউ যখন শোনে, “আশা হারানো একজন মানুষ বৃষ্টিভেজা রাতে দাঁড়িয়ে আছে”
তখন মস্তিষ্ক স্বয়ংক্রিয়ভাবে জীবনের অভিজ্ঞতা কাজে লাগিয়ে সেই মানুষের শূন্য দৃষ্টি, নুয়ে থাকা অবয়ব, ঠান্ডা বৃষ্টির পানি এবং শেষ দেখা যায় না এমন গভীর রাতের রাস্তা পূরণ করে নেয়
কিন্তু ডেটা-বণ্টন ও সম্ভাব্যতার হিসাবের ওপর ভিত্তি করে কাজ করা AI মডেল তা পারে না
আপনি তাকে সরাসরি কোনো বিমূর্ত শব্দ দিলে, তা যেন একটি ক্যামেরাকে সরাসরি “দুঃখ” ধারণ করতে বলা। ক্যামেরা জানেই না, লেন্সটি কোথায় তাক করবে
সত্যিকারের কার্যকর প্রম্পট আসলে অত্যন্ত নির্ভুল একটি লোকেশন পরিচালনা-তালিকা
আপনি “একাকীত্ব” প্রকাশ করতে চাইলে কখনোই শুধু “একজন একাকী মানুষ” লিখবেন না,
বরং অনুবাদ করবেন এভাবে: “গভীর রাতে জনশূন্য রাস্তা, একা একজন মানুষ রাস্তার বাতির তৈরি আলোর বৃত্তের কেন্দ্রে দাঁড়িয়ে আছে, ক্যামেরার দিকে পিঠ, কাঁধ সামান্য ঝুঁকে আছে, চারপাশ বিস্তীর্ণ অন্ধকারে ঘেরা”;
আপনি “পরাজয়” দেখাতে চাইলে শুধু “সে খুব হতাশ” লিখতে পারবেন না,
বরং অনুবাদ করবেন: “অগোছালো ডেস্কের ওপর ছড়িয়ে থাকা পরিকল্পনাপত্র, একজন পুরুষ দুই হাত জোড় করে কপালে ঠেকিয়ে রেখেছে, শরীর ছায়ার মধ্যে ডুবে আছে, ওপরের ঠান্ডা সাদা ফ্লুরোসেন্ট আলো অগোছালো ডেস্কের ওপর পড়ছে”;
আপনি “উচ্চাকাঙ্ক্ষা” তুলে ধরতে চাইলে আরও নয়, “উচ্চাকাঙ্ক্ষায় ভরা দৃষ্টি” লিখবেন না,
বরং অনুবাদ করবেন: “নিচু কোণ থেকে ঊর্ধ্বমুখী শট, চরিত্রটি উঁচু ভবনের কাচের পর্দার দেয়ালের সামনে দাঁড়িয়ে নিচে চলমান যানবাহনের স্রোত দেখছে, পাশের ব্যাকলাইটে তীক্ষ্ণ অবয়ব ফুটে উঠেছে, শরীর সোজা, চিবুক সামান্য উঁচু”
বুঝতে পারছেন?
অদৃশ্য আবেগকে নির্দিষ্ট “চরিত্রের ভঙ্গি, ক্যামেরার দৃষ্টিকোণ, পরিবেশের বিবরণ এবং আলোকছায়ার বণ্টনে” ভেঙে দেওয়া—এটি মোটেও শুধু প্রম্পটের কৌশল নয়; এটি একজন পরিচালকের现场 ভিজ্যুয়াল নির্দেশনা
আরও গুরুত্বপূর্ণ বিষয় হলো, ভিজ্যুয়াল অনুবাদে দক্ষ হয়ে অত্যন্ত চমকপ্রদ একটি ছবি তৈরি করতে পারলেও, তার মানে এই নয় যে আপনি জনপ্রিয় একটি অ্যানিমেটেড নাটকের পর্ব বানাতে পারবেন
কারণ একক ছবি একটি স্থির ইলাস্ট্রেশন
অন্যদিকে অ্যানিমেটেড নাটক সময়, শব্দ এবং শট পরিবর্তনের ওপর গড়ে ওঠা একটি শ্রাব্য-দৃশ্য শিল্প
AI যখন ছবি আঁকা এবং গতিশীল দৃশ্য চালানোর খরচ প্রায় শূন্যের কাছাকাছি নামিয়ে আনে, তখন সুন্দর দৃশ্য নিজেই আর দুর্লভ সম্পদ থাকে না। প্রকৃত প্রতিযোগিতা ইতিমধ্যেই শ্রাব্য-দৃশ্য ভাষা নিয়ন্ত্রণের স্তরে পৌঁছে গেছে
একটি অ্যানিমেটেড নাটক দর্শক ধরে রাখতে পারবে কি না, তা নির্ধারণ করে
প্রথমত, নাটকীয় কাঠামোর নির্মাণ
AI মুহূর্তেই আপনার জন্য “ব্যবসা শুরু করে ব্যর্থ হওয়া এক তরুণ” এঁকে দিতে পারে
কিন্তু দর্শক শুধু একটি সুন্দর মুখের জন্য থেমে থাকবে না। তারা জানতে চায়, এই তরুণ কেন ব্যর্থ হলো? কে তাকে চরম সংকটে ঠেলে দিল? কোন মুহূর্তে সে পাল্টা আঘাত করবে?
সাধারণ কনটেন্ট কেবল যান্ত্রিকভাবে ঘটনার ধারাবাহিকতা দেখায়, আর জনপ্রিয় কনটেন্ট সবসময় সংঘাত, বৈপরীত্য ও সাসপেন্স তৈরি করে। এটাই পেশাদার ও অপেশাদারের পার্থক্য; এর জন্য অবশ্যই অনেক পেশাগত জ্ঞান শিখতে হবে, এমন নয়
“একজন তরুণ ব্যবসা শুরু করে ব্যর্থ হয়েছে” নিছক একটি সাদামাটা তথ্য। কিন্তু “বিশ্ববিদ্যালয় থেকে স্নাতক হয়ে গ্রামে ফিরে শূকর পালন করায় পুরো গ্রামের মানুষ তাকে উপহাস করল, অথচ তিন বছর পর সেই উপহাসকারীরাই সহযোগিতার জন্য তার কাছে সারিবদ্ধ হয়ে দাঁড়াল”—এতেই দর্শক টানার মতো গল্পের টান তৈরি হয়
ভিউয়ের সংখ্যা কখনোই নির্ভর করে না শূকরটি যথেষ্ট বাস্তব দেখাচ্ছে কি না, তার ওপর
নির্ভর করে দর্শক জানতে চায় কি না, সে পরের ধাপে কী করবে
দ্বিতীয়ত, শটের ভাষা পরিচালনা
নতুনদের সবচেয়ে সাধারণ ভুল হলো, একটি তথ্যভারে перегружিত ওয়াইড শটে সব ঘটনা বোঝানোর চেষ্টা করা। ফলে দৃশ্য সমতল, সরলরৈখিক এবং একেবারেই উত্তেজনাহীন হয়ে যায়
শটের ভাষা বোঝেন এমন নির্মাতা আবেগকে ধাপে ধাপে এগিয়ে নিতে শটের সমন্বিত প্রয়োগ করেন:
প্রথমে লং শটে পরিবেশের বিশাল শূন্যতা ও চরিত্রের ক্ষুদ্রতা দেখিয়ে চাপ তৈরি করা হয়; এরপর মিড শটে চরিত্রগুলোর পারস্পরিক ক্রিয়া ও ঘটনার সংঘর্ষ তুলে ধরে কাহিনি এগিয়ে নেওয়া হয়; শেষে ক্লোজ-আপে চরিত্রের সূক্ষ্ম মুখভঙ্গি, কাঁপতে থাকা আঙুল বা গুরুত্বপূর্ণ উপকরণে ফোকাস করে আবেগের অনুরণন তৈরি করা হয়
যেমন, প্রধান চরিত্রকে চাকরি থেকে বরখাস্ত করার দৃশ্য দেখাতে একটি অফিসের লং শট, বস বরখাস্তের চিঠি এগিয়ে দিচ্ছেন—এমন একটি মিড শট, এবং টেবিলের নিচে প্রধান চরিত্র চিঠিটি মুঠোয় চেপে কুঁচকে দিচ্ছে—এমন একটি ক্লোজ-আপ যোগ করা যায়
এই তিন ধাপের দৃশ্যগত টান যেকোনো একটি চমৎকার একক ছবির চেয়ে অনেক বেশি শক্তিশালী
সবশেষে, সম্পাদনার গতি ও নীরব বিরতি
AI-তৈরি দৃশ্য যদি সরলরৈখিকভাবে সাজানো হয়, তাহলে খুব সহজেই টানটান ভাবের বদলে দীর্ঘসূত্রতা ও যান্ত্রিকতা তৈরি হয়
দক্ষ নির্মাতারা দৃশ্যের মাধ্যমে কমান, সম্পাদনার মাধ্যমে বাড়ান
প্রধান চরিত্র চরম সংকটে পড়েছে—এটি প্রকাশ করতে তাকে কয়েক মিনিট ঘরে বসে কাঁদতে দেখানোর প্রয়োজন নেই। বরং দ্রুত পরপর তিনটি শট দিন: মোবাইল ব্যাংকিংয়ের ব্যালান্স শূন্য দেখাচ্ছে, বৃদ্ধ বাবা তার অজান্তে টেবিলের ওপর চুপিচুপি সঞ্চয়পত্র রেখে দিচ্ছেন, আর গভীর রাতে সে লেখা আত্মসমর্পণের বিবৃতিটি ছিঁড়ে টুকরো করছে
এই দৃশ্যগুলোর কোথাও “হতাশা” শব্দটি নেই
কিন্তু ভারী আবেগের চাপ ইতিমধ্যেই সরাসরি দর্শকের সামনে এসে আঘাত করে
আজকের AI মডেলের ক্ষমতা এতটাই শক্তিশালী যে নির্মাতাদের দক্ষতার স্তরবিন্যাসে সম্পূর্ণ পরিবর্তন এসেছে
সবচেয়ে নিচের স্তর হলো AI-প্রকাশক্ষমতা, অর্থাৎ মৌলিক Prompt লেখা ও চরিত্রের ধারাবাহিকতা নিয়ন্ত্রণ
তার ওপরের স্তর হলো পোস্ট-প্রোডাকশন, যার মধ্যে রয়েছে সম্পাদনার বিট-মিল, BGM ও সাউন্ড ইফেক্ট প্যাকেজিং
আরও উঁচু স্তর হলো শটের ভাষার প্রয়োগ
আর সর্বোচ্চ স্তরে চিরকাল থাকবে গল্পের বিষয় নির্বাচন, সংঘাতের নকশা ও আবেগ নিয়ন্ত্রণ
এসবই পরিচালকের চিন্তাভাবনার সম্প্রসারণ ও বাস্তবায়ন
আপনি যদি মনে করেন আমি বাজে কথা বলছি, তাহলে কোনো বিখ্যাত পরিচালকের স্টোরিবোর্ডের খসড়া খুঁজে দেখুন
জানি কেউ কেউ আলসেমি করবেন, তাই আমি একটি খুঁজে পেয়েছি, ঠিকানা নিচে দিলাম:
https://www.6pian.cn/news/7589.html
এই স্টোরিবোর্ডের খসড়াগুলো প্রত্যেকটিই একটি বিষয় স্পষ্ট করে:
পরিচালকরা তারা কী প্রকাশ করতে চান, সে বিষয়ে অত্যন্ত পরিষ্কার; তাদের মনে দৃশ্যের ছবি অত্যন্ত স্পষ্ট
AI-এর আবির্ভাব দৃশ্য উৎপাদনের ভৌত বাধা কমিয়েছে, কিন্তু “কী ধারণ করবেন”, “কেন এভাবে ধারণ করবেন” এবং “দর্শক কেন দেখে যেতে চাইবে”—এই সমস্যাগুলো সমাধান করে দেয়নি
অতীতে, চমৎকার গল্পের অধিকারী কোনো নির্মাতা ছবি আঁকতে না পারা বা বাজেট না থাকার কারণে অ্যানিমেশন তৈরির স্বপ্ন ছেড়ে দিয়ে উপন্যাস লিখতে বাধ্য হতে পারতেন
কিন্তু এখন AI ক্যামেরা, শিল্পনির্দেশনা, অভিনেতা এবং সম্পাদনার টুল—সবকিছু প্রত্যেকের হাতে তুলে দিয়েছে
ভিজ্যুয়াল প্রকাশের সমঅধিকার AI সহজেই বাস্তবায়ন করেছে
তবে টুল যত শক্তিশালীই হোক, ক্যামেরা কোথায় বসবে, কোন কোণ থেকে আলো পড়লে আবেগের সঙ্গে সবচেয়ে ভালো মানাবে এবং কখন দৃঢ়ভাবে “Cut” বলতে হবে—তা আপনাকেই জানতে হবে
তা না হলে হাজার হাজার প্যারামিটার ও万能 টেমপ্লেট মুখস্থ করেও আপনার মনের জগতকে সংঘাতপূর্ণ, ছন্দময় এবং হৃদয়স্পর্শী একেকটি শটে নির্ভুলভাবে ভেঙে প্রকাশ করতে পারবেন না
অবশ্য যারা শিখতে চান না, শুধু তৈরি জিনিস ব্যবহার করতে চান, সেই বন্ধুদের জন্যও আমি একটি উপহার প্রস্তুত করেছি
একেবারে নতুন Minimax H3-এর প্রম্পট সংগ্রহ নিয়ে এসেছি
ঠিকানা: https://cheerselfai.com/prompts/minimax-h3