heditor দিয়ে কথা বলা ব্যক্তির ভিডিওকে উল্লম্ব রিলে রূপান্তর করার পদ্ধতি

heditor কী?

heditor হলো SKILL.md-ভিত্তিক একটি ওপেন Agent Skill, যা talking-head ফুটেজকে উল্লম্ব Reels, Shorts এবং TikToks-এ রূপান্তর করে। এটি Claude Code, Codex, OpenCode, Cursor এবং Hermes-এর মতো এজেন্টের সঙ্গে কাজ করে।

প্রতিটি এডিট ম্যানুয়ালি সাজানোর বদলে আপনি আপনার এজেন্টকে একটি ভিডিও এবং এডিটিং নির্দেশনা দেন। heditor রেকর্ডিং বিশ্লেষণ করে, বক্তাকে শনাক্ত করে, শব্দ-স্তরের টাইমিংসহ অডিওর ট্রান্সক্রিপশন তৈরি করে, প্রায় 30 থেকে 70 সেকেন্ডের একটি সম্পূর্ণ অংশ নির্বাচন করে এবং একটি উল্লম্ব 1080×1920 কম্পোজিশন তৈরি করে।

এই ওয়ার্কফ্লো স্থানীয়ভাবে চলে এবং ফ্রেম-নির্ভুল কাট, ভয়েস প্রসেসিং, সিঙ্ক্রোনাইজড ক্যাপশন, মোশন গ্রাফিক্স, সাউন্ড ইফেক্ট, মিউজিক এবং স্বয়ংক্রিয় যাচাই একত্র করে। ভিজ্যুয়াল কম্পোজিশন HTML ও GSAP দিয়ে তৈরি এবং HyperFrames দিয়ে রেন্ডার করা হয়।

প্রধান বৈশিষ্ট্য

• Reels, Shorts এবং TikToks-এর জন্য উল্লম্ব 1080×1920 আউটপুট।
• শব্দের সঙ্গে সিঙ্ক্রোনাইজড ক্যাপশন এবং বক্তৃতা-সচেতন এডিটিং।
• ফ্রেম-নির্ভুল ক্যামেরা ও বক্তৃতার কাট, সঙ্গে সংক্ষিপ্ত অনাবশ্যক বিরতি।
• বক্তৃতার অর্থ অনুযায়ী তৈরি মোশন গ্রাফিক্স ও দৃশ্য পরিবর্তন।
• ভয়েস-প্রধান অডিও মিক্সিং, যেখানে মিউজিক ও ইফেক্ট ব্যাকগ্রাউন্ডে রাখা হয় এবং লক্ষ্যমাত্রা −14 LUFS।
• লিন্টিং, টেস্ট, প্রিভিউ, নিরাপদ মার্জিন, লাউডনেস, true peak, চূড়ান্ত অডিও ট্রান্সক্রিপশন এবং 40-ফ্রেমের কনট্যাক্ট শিটের জন্য স্বয়ংক্রিয় মান যাচাই।
• এগারোটি নামযুক্ত স্টাইল: cinema, ruptura, impacto, game, thriller, ide, aeroporto, chat, documentario, podcast এবং missao।

একটি এডিটিং মোড বেছে নিন

স্থির স্টাইল

স্থির স্টাইল একটি প্রতিষ্ঠিত ভিজ্যুয়াল ভাষা প্রয়োগ করে, তবে নির্দিষ্ট ভিডিওর জন্য দৃশ্যগুলো নতুনভাবে তৈরি করে। উদাহরণস্বরূপ, আপনি এজেন্টকে aeroporto স্টাইলে একটি ক্লিপ এডিট করতে বলতে পারেন। ফলাফলে কন্ট্রোল-টাওয়ার ধারণা, রাডার উপাদান, ডিপারচার-বোর্ড টাইপোগ্রাফি এবং রেডিওর মতো ক্যাপশন ব্যবহার করা হয়, তবে স্টাইলটিকে কঠোর টেমপ্লেট হিসেবে বিবেচনা করা হয় না।

ক্রিয়েটিভ মোড

ক্রিয়েটিভ মোডে এজেন্ট ভিডিওটি বিশ্লেষণ করে, ছয় থেকে আটটি ফরম্যাটের ধারণা তৈরি করে, রেফারেন্স খুঁজে দেখে, বক্তৃতার সঙ্গে মানানসই সবচেয়ে চমকপ্রদ ধারণাটি বেছে নেয় এবং একটি কাস্টম ভিজ্যুয়াল জগৎ তৈরি করে। এই ওয়ার্কফ্লোর লক্ষ্য হলো ঘন ঘন ভিজ্যুয়াল পরিবর্তন, প্রায় প্রতি 1.5 থেকে 2 সেকেন্ডে, এবং অন-স্ক্রিন অ্যাকশনকে সমর্থন করার জন্য সাউন্ড ইফেক্ট ব্যবহার করা।

রেফারেন্সসহ ক্রিয়েটিভ মোড

আপনি একটি গেম, অ্যানিমে ওপেনিং, সংবাদ সম্প্রচার বা প্রকৃতি বিষয়ক ডকুমেন্টারির মতো রেফারেন্স দিতে পারেন। উদাহরণস্বরূপ, GTA 6-এর স্টাইলে ক্রিয়েটিভ মোডের অনুরোধ করুন। heditor রেফারেন্সটির রঙের প্যালেট, টাইপোগ্রাফি, ইন্টারফেস উপাদান, মুভমেন্ট এবং সাউন্ড ভাষা বিশ্লেষণ করে, তারপর সুরক্ষিত লোগো, চরিত্র, ব্র্যান্ড বা মিউজিক ব্যবহার না করে লাইসেন্স-নিরাপদ শ্রদ্ধার্ঘ্য তৈরি করে।

রেফারেন্সকে সৃজনশীল নির্দেশনা হিসেবে ব্যবহার করুন, সুরক্ষিত অ্যাসেট কপি করার অনুরোধ হিসেবে নয়।

ইনস্টলেশন ও সেটআপ

প্রস্তাবিত ইনস্টলার

ইনস্টলার সমর্থিত এজেন্ট শনাক্ত করে, প্রতিটির সঙ্গে স্কিলটি লিংক করে, স্থানীয় পরিবেশ প্রস্তুত করে এবং ডায়াগনস্টিক কমান্ড চালায়।

curl -fsSL https://raw.githubusercontent.com/pycodebr/heditor/main/install.sh | bash

সেটআপের সময় heditor সমর্থিত প্যাকেজ ম্যানেজারের মাধ্যমে FFmpeg, Node.js 18 বা পরবর্তী সংস্করণ, Python 3.10 থেকে 3.13, Git এবং curl-এর মতো অনুপস্থিত টুল ইনস্টল করতে পারে। এটি ~/.heditor/venv-এ একটি Python পরিবেশ তৈরি করে, HyperFrames ও Chrome প্রস্তুত করে, প্রয়োজনীয় মডেল ও অ্যাসেট ডাউনলোড করে, ~/.heditor/env.sh তৈরি করে এবং heditor কমান্ড ইনস্টল করে।

ইনস্টলার এজেন্ট নির্বাচন, লিংকের বদলে কপি করা, অডিও অ্যাসেট বাদ দেওয়া বা সেটআপ বাদ দেওয়ার মতো অপশন সমর্থন করে:

bash install.sh --agent claude
bash install.sh --agent all
bash install.sh --copy
bash install.sh --no-audio
bash install.sh --no-setup

Skills CLI দিয়ে ইনস্টল করুন

আপনি Vercel Skills CLI দিয়েও স্কিলটি ইনস্টল করতে পারেন এবং এরপর এর সেটআপ স্ক্রিপ্ট চালাতে পারেন।

npx skills add pycodebr/heditor -g
bash ~/.agents/skills/heditor/scripts/setup.sh

ম্যানুয়াল ইনস্টলেশন

git clone https://github.com/pycodebr/heditor.git
cd heditor
bash install.sh --agent claude

বিকল্পভাবে, skills/heditor ডিরেক্টরিটি আপনার এজেন্ট ব্যবহৃত স্কিলের অবস্থানে কপি করুন।

আপনার ব্র্যান্ড কনফিগার করুন

heditor ~/.heditor/brand.json থেকে ব্র্যান্ড সেটিংস পড়ে। আপনার এডিটে ব্যবহৃত নাম, হ্যান্ডেল, লোগো, ভাষা, কল-টু-অ্যাকশন টেক্সট এবং ভিজ্যুয়াল রঙ নির্ধারণ করতে এই ফাইলটি ব্যবহার করুন।

{
  "name": "Your Brand",
  "handle": "@yourprofile",
  "logo": "/path/to/logo.png",
  "lang": "en",
  "follow": "Follow",
  "following": "Following",
  "comment": "Tell us in the comments",
  "colors": {
    "bg": "#050a14",
    "bg2": "#081626",
    "accent": "#edc580",
    "accent2": "#7dd3fc",
    "alert": "#ff3d57",
    "ok": "#7dffb0"
  }
}

আপনার কনটেন্টের দর্শকদের সঙ্গে মিলিয়ে ভাষা ও কল-টু-অ্যাকশন ফিল্ড সেট করুন। লোগোর পাথটি স্থানীয় মেশিনে থাকা একটি ছবির দিকে নির্দেশ করা উচিত।

আপনার এজেন্টের মাধ্যমে heditor ব্যবহার করুন

ইনস্টলেশনের পর স্বাভাবিক ভাষায় সোর্স ভিডিও এবং কাঙ্ক্ষিত এডিটিং নির্দেশনা বর্ণনা করুন। উদাহরণ:

Edit /videos/class-03.mp4 in the documentario style. Use the section where I talk about career transition.

Creative mode: turn minute 12 of this podcast into a Reel and surprise me.

Use creative mode with a news-broadcast reference for this video about this week's news.

Make three cuts from this video, each with a different format.

নির্বাচিত মোড অনুযায়ী এজেন্ট বিশ্লেষণ, ট্রান্সক্রিপশন, সম্পাদনা পরিকল্পনা, কম্পোজিশন, রেন্ডারিং, অডিও মিক্স এবং মান যাচাই পরিচালনা করে।

সরাসরি CLI ব্যবহার করুন

আপনি প্রক্রিয়াকরণের ধাপগুলো স্পষ্টভাবেও চালাতে পারেন। প্রথমে পরিবেশ লোড করুন:

. ~/.heditor/env.sh

সোর্স বিশ্লেষণ ও ট্রান্সক্রাইব করুন

বক্তাকে খুঁজে বের করার জন্য ফ্রেম তৈরি করতে probe এবং প্রতিটি শব্দের সময়সহ ট্রান্সক্রিপশন তৈরি করতে transcribe ব্যবহার করুন।

heditor probe lesson.mp4 5 60 300
heditor transcribe lesson.mp4 0 3600 qa/asr.json

কাট তৈরি ও প্রস্তুত করুন

একটি নতুন কাট ডিরেক্টরি তৈরি করুন, তারপর বক্তৃতা ও ক্যামেরা সম্পাদনা প্রস্তুত করুন।

heditor new cuts/c01 lesson.mp4
heditor prepare cuts/c01

নতুন কাটে prepare.py, build.py এবং DESIGN.md-এর মতো কাজের ফাইল থাকে। প্রস্তুতি ধাপটি দীর্ঘ নীরব বিরতি সরিয়ে একত্রিত বক্তৃতা ও ক্যামেরার উপাদান তৈরি করে।

বিরতি ও শব্দ পরিদর্শন করুন

heditor gaps cuts/c01
heditor words cuts/c01

gaps কমান্ডটি একত্রিত বক্তৃতায় ০.৪৫ সেকেন্ডের বেশি কোনো বিরতি অবশিষ্ট নেই তা যাচাই করতে সাহায্য করে। words কমান্ডটি প্রস্তুত কাটের সঙ্গে সংশ্লিষ্ট শব্দগুলো দেখায়।

উৎপাদন, যাচাই ও রেন্ডার করুন

কম্পোজিশন ও মিক্স তৈরি করুন, তারপর চূড়ান্ত ফাইল রেন্ডার করার আগে মান যাচাই চালান।

heditor produce cuts/c01 music:955 30
heditor lint cuts/c01
heditor preview cuts/c01 0.1,2,5,9,14,20
heditor test cuts/c01
heditor render cuts/c01
heditor finalize cuts/c01 c01-1080x1920.mp4
heditor asr-check cuts/c01

preview কমান্ডটি ভিজ্যুয়াল পর্যালোচনার জন্য নির্বাচিত টাইমস্ট্যাম্পের নমুনা নেয়। চূড়ান্ত ASR যাচাই রেন্ডার করা অডিও ট্রান্সক্রাইব করে, যাতে আপনি নিশ্চিত করতে পারেন যে চূড়ান্ত মিক্সটি এখনও নির্ধারিত বক্তৃতার সঙ্গে মিলে আছে।

অন্তর্নির্মিত স্টাইলগুলো বুঝুন

• cinema প্রতিটি বক্তৃতা বিভাগের জন্য একটি ভিজ্যুয়াল রূপক, সিনেমাটিক ক্যাপশন এবং যুক্তির মোড়ে জগতের পরিবর্তন ব্যবহার করে।
• ruptura সবচেয়ে শক্তিশালী বাক্যাংশ দিয়ে শুরু হয়, ক্যামেরাকে একটি রূপকে পরিণত করে এবং টাইপোগ্রাফির মাধ্যমে শেষ হয়।
• impacto মূল বাক্যাংশগুলোর চারপাশে টাইপোগ্রাফি, শব্দ এবং জুম সমন্বয় করে।
• game ভিডিওটিকে HUD, ডায়ালগ-বক্স ক্যাপশন, ইনভেন্টরি এবং কন্টিনিউ স্ক্রিনসহ একটি রেট্রো RPG হিসেবে উপস্থাপন করে।
• thriller REC নির্দেশক, হৃদস্পন্দনের উপাদান, বিকৃতি, ব্ল্যাকআউট এবং রিবুট ইফেক্টসহ নিরাপত্তা-ক্যামেরার ভাষা ব্যবহার করে।
• ide একটি ওয়েবক্যাম বাবল, টাইপ করা মন্তব্যের ক্যাপশন এবং টার্মিনাল কল-টু-অ্যাকশনসহ কোড-এডিটর স্ক্রিন রেকর্ডিং উপস্থাপন করে।
• aeroporto রাডার, প্রস্থান বোর্ড এবং রেডিও-ট্রান্সমিশন ক্যাপশনসহ একটি কন্ট্রোল-টাওয়ার ধারণা ব্যবহার করে।
• chat বক্তৃতাকে একটি হালকা মেসেজিং অ্যাপ্লিকেশনের বার্তায় রূপান্তর করে এবং ক্যামেরার জন্য ভিডিও-কল ফ্রেমিং ব্যবহার করে।
• documentario ফিল্ম গ্রেইন, সিনেমাটিক বার, সেরিফ অধ্যায়ের শিরোনাম এবং শেষের ক্রেডিট ব্যবহার করে।
• podcast ON AIR সাইন, প্রতিক্রিয়াশীল ওয়েভফর্ম এবং বড় কারাওকে ক্যাপশনসহ একটি স্যাচুরেটেড টক-শো পরিবেশ তৈরি করে।
• missao নিয়ন সূর্যাস্ত, মিশন কার্ড, GPS রুট, অ্যাট্রিবিউটস স্ক্রিন, কমপ্লিশন স্ক্রিন এবং মোবাইল কল-টু-অ্যাকশনসহ একটি ওপেন-ওয়ার্ল্ড গেমের প্রতি শ্রদ্ধাঞ্জলি ব্যবহার করে।

বিস্তারিত স্টাইল সংজ্ঞা স্টাইল রেফারেন্স ডিরেক্টরিতে পাওয়া যায়।

উন্নত পরামর্শ

বক্তৃতাকে নকশা পরিচালনা করতে দিন

প্রতিটি নতুন রেকর্ডিংয়ের অর্থকে কেন্দ্র করে দৃশ্য পুনর্গঠনের জন্য heditor তৈরি করা হয়েছে। কোনো নির্দিষ্ট স্টাইল ব্যবহার করার সময় যে বিষয় বা বিভাগটি জোর দিতে চান তা উল্লেখ করুন, যাতে এজেন্ট ইচ্ছেমতো কোনো অংশের বদলে যুক্তিসংগত একটি সুসংগত অংশ বেছে নিতে পারে।

সফল সৃজনশীল ধারণা সংরক্ষণ করুন

ক্রিয়েটিভ-মোডের কোনো ফলাফল বিশেষভাবে ভালো হলে, সেটিকে নামযুক্ত স্টাইল হিসেবে সংরক্ষণ করতে স্কিলটিকে বলুন। প্রক্রিয়াটি adding-styles.md-এ নথিভুক্ত আছে।

মান যাচাইয়ের ধাপগুলো পর্যালোচনা করুন

প্রোডাকশন ভিডিওর জন্য lint, preview, test, loudness, safe-margin এবং চূড়ান্ত ট্রান্সক্রিপশন ধাপ বাদ দেবেন না। ভিজ্যুয়াল লেআউটের সমস্যা, অডিও সমস্যা, ক্যাপশন না মেলা এবং উল্লম্ব ফ্রেমের উপরের অংশের কাছে অনিরাপদ অবস্থান শনাক্ত করার জন্য ওয়ার্কফ্লোটি তৈরি করা হয়েছে।

স্থানীয় রিসোর্সের পরিকল্পনা করুন

Linux ও macOS সমর্থিত, আর Windows-এর জন্য WSL2 উপলভ্য। প্রস্তাবিত মেশিনে চারটি CPU কোর এবং 8 GB RAM থাকা উচিত। সেটআপে প্রায় 1.5 GB ডিস্ক স্পেস লাগে, এবং সাধারণ CPU-তে 60-সেকেন্ডের ভিডিও রেন্ডার হতে 5 থেকে 15 মিনিট সময় লাগতে পারে।

অ্যাসেটের লাইসেন্স যাচাই করুন

কোড ও ডকুমেন্টেশন MIT লাইসেন্সের অধীনে প্রকাশিত। প্রকল্পটি HyperFrames, GSAP, faster-whisper, MediaPipe, Google Fonts, Lucide এবং Mixkit-এর অ্যাসেট সংশ্লিষ্ট লাইসেন্সের অধীনে ব্যবহার করে। সেটআপের সময় Mixkit থেকে মিউজিক ও সাউন্ড ইফেক্ট ডাউনলোড করা হয় এবং রিপোজিটরিতে পুনর্বিতরণ করা হয় না। বাণিজ্যিক কাজ প্রকাশের আগে প্রকল্পের লাইসেন্স রেফারেন্স পর্যালোচনা করুন।

উপসংহার

সাধারণ টকিং-হেড রেকর্ডিংকে পরিশীলিত উল্লম্ব ভিডিওতে রূপান্তরের জন্য heditor AI কোডিং এজেন্টদের একটি কাঠামোবদ্ধ ওয়ার্কফ্লো দেয়। স্কিলটি ইনস্টল করুন, আপনার ব্র্যান্ড কনফিগার করুন, একটি নামযুক্ত স্টাইল বা ক্রিয়েটিভ মোড বেছে নিন, সোর্স ফুটেজের বিবরণ দিন এবং রেন্ডার করার আগে ফলাফল পর্যালোচনা করতে CLI যাচাইগুলো ব্যবহার করুন। পাইপলাইনটি স্থানীয়ভাবে চলে এবং প্রতিটি বক্তৃতা বিভাগের সঙ্গে ভিজ্যুয়াল জগতকে মানিয়ে নেয় বলে, প্রতিটি ভিডিওকে একই টেমপ্লেটে বাধ্য না করেই পুনরাবৃত্তিযোগ্য প্রোডাকশনের জন্য এটি উপযোগী।