anything2explainer کے ساتھ بیانیہ موشن گرافکس وضاحتی ویڈیوز بنائیں

anything2explainer کیا ہے؟

anything2explainer، Claude Code اور Codex کے لیے ایک اسکل ہے جو کسی موضوع، مضمون یا دستاویز کو وائس اوور پر مشتمل موشن گرافکس وضاحتی ویڈیو میں تبدیل کرتی ہے۔ یہ تحقیق، اسکرپٹ نویسی، ٹیکسٹ ٹو اسپیچ، فریم کے لحاظ سے درست سب ٹائٹلز، اسٹوری بورڈنگ، متوازی شاٹ ڈیولپمنٹ، رینڈرنگ اور کوالٹی کنٹرول کو ایک رہنمائی شدہ ورک فلو میں یکجا کرتی ہے۔

یہ منصوبہ ایک خودمختار کمانڈ لائن ایپلیکیشن نہیں ہے۔ اس کے بجائے، یہ AI کوڈنگ ایجنٹ کو مکمل پروڈکشن طریقہ فراہم کرتا ہے: قابلِ کمپائل Remotion 4 ٹیمپلیٹ، React اور TypeScript کے بصری پرِمیٹو، وائس اوور اور رینڈرنگ اسکرپٹس، تحریری اسٹائل وضاحتیں، ملٹی ایجنٹ بلڈ ہدایات، QC ٹولز اور ایک حوالہ فلم۔

ہر فریم ویڈیو ماڈل سے تیار کرنے یا موجودہ فوٹیج سے نقل کرنے کے بجائے کوڈ میں بنایا جاتا ہے۔ اینیمیشنز فریم نمبر کے خالص افعال ہیں اور سیڈ شدہ بے ترتیبی استعمال کرتی ہیں، جس سے دوبارہ کی جانے والی رینڈرز قابلِ تکرار رہتی ہیں۔

پائپ لائن کیا تیار کرتی ہے

ڈیفالٹ آؤٹ پٹ 1280×720، 30fps H.264 MP4 ہوتا ہے۔ مکمل شدہ منصوبے میں یہ چیزیں شامل ہو سکتی ہیں:

• ہم وقت چینی یا انگریزی وائس اوور۔
• الفاظ کی حدود کے ساتھ ہم آہنگ سب ٹائٹلز۔
• چیپٹر کارڈز اور نیچے چیپٹر کی پیش رفت کا بار۔
• اوپر کیپسول HUD اور اختیاری پائپ لائن ریل۔
• ہر شاٹ کے لیے Remotion کمپوننٹس۔
• حوالہ جات کے ساتھ تحقیقی دستاویز، نریشن، اسٹوری بورڈ، QC رپورٹس اور ڈیلیوری نوٹس۔

بصری نظام میں سیاہ کینوس، سفید لائن آرٹ، جامنی ایکسنٹس، نمایاں سرخیاں اور دھند کے ساتھ ستاروں بھرا پس منظر یا نقطوں سے بنی لہریں شامل ہیں۔ موجودہ ٹیمپلیٹ صرف لینڈ اسکیپ ویڈیو کے لیے ہے؛ عمودی 9:16 آؤٹ پٹ سپورٹ نہیں ہے۔

سپورٹ شدہ دورانیے

دو سے آٹھ منٹ کی فلمیں سپورٹ کی جاتی ہیں۔ دو سے تین منٹ کی ویڈیو میں عموماً 24–32 لائنیں یا شاٹس ہوتے ہیں اور تقریباً ایک گھنٹہ لگتا ہے۔ تین سے پانچ منٹ کی ریفرنس معیار کی پروڈکشن میں عموماً 40–50 شاٹس ہوتے ہیں اور تقریباً دو گھنٹے لگتے ہیں۔ پانچ سے آٹھ منٹ کی طویل فلموں میں 60–80 شاٹس ہو سکتے ہیں اور تقریباً دو سے تین گھنٹے لگ سکتے ہیں۔

یہ حقیقی وقت کے تخمینے ہیں، ضمانتیں نہیں۔ زیادہ تر کام بلڈ ایجنٹس متوازی طور پر انجام دیتے ہیں۔

ضروریات

انسٹالیشن سے پہلے درج ذیل تیار کریں:

• Claude Code یا Codex۔
• Node.js 18 یا بعد کا ورژن۔
• Python 3۔
• فریم نکالنے اور ٹرانس کوڈنگ کے لیے FFmpeg۔
• متعدد بلڈ ایجنٹس بیک وقت چلانے کے لیے کم از کم 5 GB خالی جگہ۔

شامل شیل اسکرپٹس zsh استعمال کرتی ہیں اور macOS پر تیار و تصدیق کی گئی ہیں۔ Linux کو کام کرنا چاہیے، لیکن Windows کی جانچ نہیں کی گئی۔ GPU ضروری نہیں، کیونکہ Remotion CPU پر ہیڈ لیس Chromium کے ذریعے رینڈر کرتا ہے۔

اسکل انسٹال کریں

1. ریپوزٹری کلون کریں

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

2. اسے اپنے کوڈنگ ایجنٹ سے لنک کریں

Claude Code کے لیے اس کی اسکلز ڈائریکٹری میں علامتی لنک بنائیں:

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

Codex کے لیے متعلقہ Codex اسکلز ڈائریکٹری استعمال کریں:

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

3. سسٹم اور Python انحصارات انسٹال کریں

macOS پر Homebrew کے ذریعے FFmpeg انسٹال کریں:

brew install ffmpeg

Python کا مخصوص ماحول بنائیں اور مشترکہ انحصارات انسٹال کریں:

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

README میں edge-tts کا ورژن 7.2.8 مقرر کیا گیا ہے، کیونکہ یہ Microsoft کے ایک endpoint پر منحصر ہے اور اپ گریڈ کے بعد خراب ہو سکتا ہے۔ scipy پیکیج صرف مقداری QC اسکرپٹ، frame_metrics.py، کے لیے ضروری ہے۔

4. انگریزی نریشن کے انحصارات شامل کریں

انگریزی نریشن کے لیے ڈیفالٹ مقامی طور پر چلنے والا kokoro-82m ماڈل اور am_liam آواز ہے۔ اگر آپ انگریزی ویڈیوز تیار کرنا چاہتے ہیں تو اس کی اضافی ضروریات انسٹال کریں:

pip install kokoro soundfile
brew install espeak-ng

چینی نریشن کے لیے ڈیفالٹ کلاؤڈ پر مبنی edge-tts آواز zh-CN-YunxiNeural ہے۔

Claude Code یا Codex کے ساتھ ویڈیو بنائیں

سب سے آسان طریقہ یہ ہے کہ مطلوبہ فلم کو عام زبان میں بیان کریں۔ ایجنٹ کے لیے دستیاب ہونے پر اسکل کو خود فعال ہو جانا چاہیے۔

میرے لیے ویکٹر ڈیٹا بیسز کے بارے میں ایک وضاحتی ویڈیو بنائیں۔

آپ درخواست چینی زبان میں بھی دے سکتے ہیں:

讲一下向量数据库，做成一条讲解视频

آپ کا ان پٹ ایک وسیع موضوع یا موجودہ مضمون یا دستاویز ہو سکتا ہے۔ آپ ہدف دورانیہ اور زبان بھی منتخب کریں گے۔

پروڈکشن کے نو مراحل سمجھیں

1. اسکیفولڈ: ایجنٹ Remotion ٹیمپلیٹ کو نئے منصوبے میں کاپی کرتا ہے۔
2. تحقیق: ایک تحقیقی ایجنٹ حوالہ جات پر مشتمل دستاویز تیار کرتا ہے، جس میں مفید اعداد و شمار اور URLs کے ساتھ تشبیہات شامل ہوتی ہیں۔
3. نریشن اور ٹائم لائن: ایجنٹ اسکرپٹ لکھتا ہے، وائس اوور تیار یا درآمد کرتا ہے، اور الفاظ کی حدود کو فریم کے لحاظ سے درست ٹائم لائن اور سب ٹائٹل جدول میں تبدیل کرتا ہے۔
4. اسٹوری بورڈ: ہر شاٹ کو فریم رینج، بیانیہ موڑ، بصری منصوبہ، حرکت کی سمت، مرکزی عنصر اور روشنی کا منصوبہ دیا جاتا ہے۔
5. اوورلیز اور پرِمیٹو: منصوبے میں اس کا عنوان، چیپٹر کارڈز، HUD، پائپ لائن ریل اور موضوع سے متعلق دو سے پانچ آئیکنز شامل کیے جاتے ہیں۔
6. پائلٹ: ایک ایجنٹ پہلے شاٹ گروپ کو بناتا ہے اور 30 سیکنڈ کا پیش منظر رینڈر کرتا ہے۔
7. متوازی بلڈ: اضافی ایجنٹس باقی گروپس بناتے ہیں، اور عموماً ہر ایجنٹ پانچ سے سات شاٹس سنبھالتا ہے۔
8. رینڈر: مکمل فلم رینڈر کی جاتی ہے اور مقداری فریم میٹرکس کے ذریعے اس کا تجزیہ کیا جاتا ہے۔
9. QC اور اصلاحات: QC ایجنٹس چیپٹرز کا جائزہ لیتے ہیں، اصلاحی ایجنٹس مسائل حل کرتے ہیں، اور ڈیلیوری سے پہلے منصوبے کی دوبارہ تصدیق کی جاتی ہے۔

چار جائزہ پڑاؤ استعمال کریں

یہ ورک فلو جان بوجھ کر چار مرتبہ رک جاتا ہے تاکہ تبدیلیاں مہنگی ہونے سے پہلے آپ اہم فیصلے کر سکیں۔

چیک پوائنٹ 1: دورانیہ اور زبان

اسکرپٹ لکھنے سے پہلے فلم کا دورانیہ اور چینی یا انگریزی میں سے ایک زبان منتخب کریں۔ دورانیہ کوریج، بیانیے کے حجم، شاٹس کی تعداد، ڈسک کے استعمال اور متوازی ایجنٹس کی تعداد کو متاثر کرتا ہے۔ زبان ٹائپوگرافی، سب ٹائٹل بجٹ، رفتار اور src/config.ts میں موجود lang کے ذریعے ڈیفالٹ آواز کو تبدیل کرتی ہے۔

چیک پوائنٹ 2: بیانیے کی منظوری

آواز تیار کرنے سے پہلے مکمل بیانیے کا جائزہ لیں۔ وائس اوور لاک ہونے کے بعد فریم نمبرز انفرادی شاٹس میں شامل کر دیے جاتے ہیں۔ ایک لفظ بھی تبدیل کرنے سے پوری فلم کے وقت کو دوبارہ ترتیب دینا پڑ سکتا ہے، اس لیے ادارتی ترامیم کے لیے یہ سب سے کفایتی مرحلہ ہے۔

چیک پوائنٹ 3: وائس اوور کا انتخاب

ڈیفالٹ آواز، کوئی دوسرا TTS انجن، یا اپنی مکمل ریکارڈنگ منتخب کریں۔ اگر آپ متبادل درج نہیں کرتے تو پائپ لائن چینی کے لیے edge-tts Yunxi اور انگریزی کے لیے kokoro-82m Liam استعمال کرتی ہے۔

چیک پوائنٹ 4: پہلے 30 سیکنڈ

باقی شاٹ گروپس بنائے جانے سے پہلے پائلٹ رینڈر کا جائزہ لیں۔ اس مرحلے پر بصری سمت درست کرنے سے صرف پہلے گروپ پر اثر پڑتا ہے؛ مکمل رینڈر کے بعد اسے درست کرنے کے لیے ہر گروپ میں تبدیلیاں درکار ہو سکتی ہیں۔

ٹیمپلیٹ کو دستی طور پر چلائیں

جب آپ پروڈکشن کے عمل پر زیادہ کنٹرول چاہتے ہوں تو شامل کردہ اسکرپٹس براہِ راست استعمال کر سکتے ہیں۔ ٹیمپلیٹ سے ایک پروجیکٹ بنائیں اور اس کی ڈائریکٹری میں جائیں:

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

پھر دستی ترتیب پر عمل کریں:

1. research/调研.md پر تحقیقی فائل لکھیں۔
2. script/narration.txt بنائیں اور وائس اوور ٹائم لائن تیار کریں۔
3. script/storyboard_src.md لکھیں اور اسٹوری بورڈ رینڈر کریں۔
4. src/config.ts میں زبان، پس منظر اور متعلقہ ترتیبات میں ترمیم کریں۔
5. src/shots/G1 سے src/shots/Gn تک شاٹ گروپس نافذ کریں۔
6. ابتدائی پیش نظارہ رینڈر کریں۔
7. ورژن نمبر والی حتمی ویڈیو رینڈر کریں اور فریم میٹرکس چلائیں۔
8. جائزہ لیں، اصلاح کریں، اور بعد کے ورژنز مثلاً v2 یا v3 رینڈر کریں۔

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

زبان اور پس منظر کو حسب ضرورت بنائیں

بنیادی پروجیکٹ ترتیبات src/config.ts میں موجود ہیں۔ lang کو 'zh' یا 'en' پر سیٹ کریں۔ چینی میں ہر بلاک کے لیے سب ٹائٹل بجٹ 16 حروف ہے، جبکہ انگریزی میں ہر بلاک کے لیے 48 حروف ہیں۔

قابلِ استعمال پس منظر سوئچ یہ ہے:

bg: 'stars' | 'dots'

ستاروں والا آپشن ستاروں کے میدان کو دھندلے گریڈینٹ کے ساتھ ملاتا ہے۔ نقطوں والا آپشن نقطوں کے میدان کی موج استعمال کرتا ہے۔ پروجیکٹ جان بوجھ کر ان دو پس منظر کے انتخاب کے ساتھ ایک ہی بصری زبان فراہم کرتا ہے۔

وسیع تر بصری تبدیلیوں کے لیے reference/style-guide.md اور src/ui.tsx میں ترمیم کریں۔ شاٹ کمپوننٹس مشترکہ پرِمیٹو استعمال کرتے ہیں، اس لیے ہر شاٹ کو الگ الگ اسٹائل کرنے کے بجائے ان مرکزی تعریفوں کو تبدیل کرنا بہتر ہے۔

اپنا وائس اوور استعمال کریں

آپ بنڈل شدہ TTS ڈیفالٹس تک محدود نہیں ہیں۔ مکمل آڈیو یہاں رکھیں:

public/assets/<slug>/audio.wav

پھر src/common/timeline.ts اور subs.ts کو دستی طور پر پُر کریں۔ مطلوبہ فارمیٹ tts_build.py کے آغاز میں درج ہے۔ ٹائم لائن اور سب ٹائٹل ڈیٹا موجود ہونے کے بعد اسٹوری بورڈ، شاٹ بلڈ، رینڈرنگ اور QC کے مراحل میں کوئی تبدیلی نہیں ہوتی۔

اعلیٰ درجے کی پروڈکشن تجاویز

تصاویر کو بہتر بنانے سے پہلے الفاظ منظور کریں

بیانیے کی منظوری کو حتمی لاک سمجھیں۔ چونکہ شاٹس مقررہ فریم رینجز استعمال کرتے ہیں، اس لیے اسکرپٹ میں دیر سے کی جانے والی ترامیم عام بصری اصلاحات کے مقابلے میں زیادہ خلل ڈالتی ہیں۔

پائلٹ کو اسٹائل ٹیسٹ کے طور پر استعمال کریں

پہلے 30 سیکنڈ کے جائزے کے دوران ٹائپوگرافی، کمپوزیشن، حرکت کی رفتار، روشنی، سب ٹائٹل کی خواندگی اور پس منظر کا معائنہ کریں۔ پائلٹ کو صرف اس لیے منظور نہ کریں کہ وہ کامیابی سے رینڈر ہو جاتا ہے۔

متوازی کام کو احتیاط سے بڑھائیں

لمبی فلمیں 10–14 بلڈ ایجنٹس استعمال کر سکتی ہیں۔ کئی ایجنٹس بیک وقت Remotion بنڈل کر سکتے ہیں، جس سے اسٹوریج اور سسٹم کا بوجھ بڑھتا ہے۔ کم از کم 5 GB خالی رکھیں اور پروجیکٹ میں بیان کردہ tmux پین کی حد کے قریب پہنچنے پر ایجنٹس کو مرحلہ وار بھیجیں۔

ماخذ کی قابلِ سراغیابی برقرار رکھیں

اسکرین پر دکھایا جانے والا ہر عدد، سال، ادارہ اور انگریزی اصطلاح تحقیقی دستاویز میں موجود کسی URL سے منسلک ہونی چاہیے۔ غیر مصدقہ دعوے بیانیے اور بصری مواد دونوں سے باہر رہنے چاہییں۔

ورژن والے رینڈر استعمال کریں

VER=v1 سیٹ کریں، میٹرکس اور باب کی سطح پر QC نتائج کا جائزہ لیں، پھر v2 یا v3 جیسے درست شدہ ورژنز بنائیں۔ اس طرح پہلے کے آؤٹ پٹ کو اوور رائٹ کرنے کے بجائے جائزے کی واضح تاریخ محفوظ رہتی ہے۔

حوالہ جاتی مواد کا مطالعہ کریں

examples/rag/ ڈائریکٹری میں حوالہ جاتی فلم کی پروڈکشن کا ریکارڈ موجود ہے، جس میں تحقیق، بیانیہ، اسٹوری بورڈ، شاٹ سورس، رپورٹس اور ڈیلیوری نوٹس شامل ہیں۔ examples/contrast/ ڈائریکٹری میں کمپوزیشن اور روشنی کے جائزے کے لیے چھ خراب بمقابلہ اچھی فریم جوڑیاں موجود ہیں۔

reference/ ڈائریکٹری محفوظ علاقوں، رنگوں کے مجموعوں، فونٹس، حرکت کے فارمولوں، روشنی کے اصولوں، اسٹوری بورڈ کے طریقوں، ایجنٹ پروٹوکولز، پرامپٹ ٹیمپلیٹس اور پچھلی فلموں سے حاصل شدہ اسباق کو بھی دستاویزی شکل دیتی ہے۔

اہم حدود اور لائسنسنگ

• معاونت یافتہ زبانیں چینی اور انگریزی ہیں۔
• یہ ٹیمپلیٹ 1280×720 لینڈ اسکیپ ویڈیو فرض کرتا ہے اور فی الحال 9:16 آؤٹ پٹ کو سپورٹ نہیں کرتا۔
• یہ ٹاکنگ ہیڈ پریزنٹیشنز، زیادہ تر لائیو ایکشن پروڈکشنز، یا کسی موجودہ ویڈیو کی نقل تیار کرنے کے لیے ڈیزائن نہیں کیا گیا۔
• اختیاری لائیو ایکشن بی رول رائلٹی فری ذرائع سے لیا جانا چاہیے اور اس کا ماخذ URL، لائسنس، SHA-256 ہیش، اور استعمال ایک مینی فیسٹ میں درج ہونا چاہیے۔
• یہ ٹول کٹ PolyForm Noncommercial 1.0.0 لائسنس استعمال کرتی ہے۔ غیر تجارتی استعمال مفت ہے، جبکہ تجارتی استعمال کے لیے مصنف سے پیشگی اجازت درکار ہے۔
• اس ٹول کٹ سے بنائی گئی ویڈیوز ان کے تخلیق کاروں کی ملکیت ہوتی ہیں۔
• شامل فونٹس اور Remotion کی اپنی لائسنس شرائط ہیں۔

پروڈکشن یا تقسیم سے پہلے، خاص طور پر تجارتی کام کے لیے، ریپوزٹری کا پروجیکٹ صفحہ اور لائسنس فائلیں ملاحظہ کریں۔

نتیجہ

anything2explainer صرف ایک ویڈیو ٹیمپلیٹ سے بڑھ کر ہے: یہ Claude Code یا Codex کو تحقیق شدہ مواد کو متعین Remotion اینیمیشن میں تبدیل کرنے کے لیے ایک منظم پروڈکشن سسٹم فراہم کرتا ہے۔ کسی مرکوز موضوع سے آغاز کریں، چاروں چیک پوائنٹس پر محتاط فیصلے کریں، TTS سے پہلے نریشن منظور کریں، 30 سیکنڈ کے پائلٹ کی توثیق کریں، اور حتمی فلم کو بہتر بنانے کے لیے ورژن شدہ رینڈرنگ اور مقداری QC استعمال کریں۔