Universal Dual-Engine Video Director & Generator (v4.0)
Production-grade automated video generation skill in Remotion for 9:16 vertical short-form videos (YouTube Shorts, TikTok, Instagram Reels, Facebook Ads). Encapsulates two distinct visual engines under a single unified project:
┌────────────────────────┐
│ User Script or Audio │
└───────────┬────────────┘
│
┌───────────────────────┴───────────────────────┐
▼ ▼
[ Mode 1: Character Story ] [ Mode 2: Kinetic Promo ]
- Procedural 2D Flat Characters - 2D Flat Kinetic Motion Graphics
- Dialog & Thought Callout Bubbles - Persistent Brand Header & Watermark
- 100% Full-Screen Rooms & Poses - Dot-Grid Floating Canvas
- Selective Subtitles (Zero Duplicate) - Dark Bottom Caption Pill + Neon Green
- Psychological & Life Narratives - Script-Driven Bespoke Vector Assets
১. ইঞ্জিন মোড নির্বাচন (Dual-Engine Mode Selection)
ব্যবহারকারী একটি মাত্র স্কিল ইনস্টল বা ব্যবহার করবেন। স্ক্রিপ্টের ধরণ অনুযায়ী বা ব্যবহারকারীর নির্দেশে স্বয়ংক্রিয়ভাবে সঠিক ইঞ্জিন সক্রিয় হবে:
| মোড | ট্রিগার কীওয়ার্ড | স্ক্রিপ্টের ধরণ | ভিজ্যুয়াল মেটাফর ও স্টাইল |
|---|---|---|---|
| Mode 1: Character Storytelling Engine | story, cartoon, drama, character, golpo, গল্প, কার্টুন | ক্যারেক্টার নির্ভর সংলাপ, মানসিক দ্বন্দ্ব, শিক্ষামূলক গল্প, পডকাস্ট ন্যারেশন | প্রসিডিউরাল ২ডি ফ্ল্যাট ক্যারেক্টার, লিপ-সিঙ্ক, স্পিচ বাবল, ফুল-স্ক্রিন বেডরুম/অফিস রুম ব্যাকগ্রাউন্ড |
| Mode 2: Kinetic Motion Graphics & Promo Engine | promo, ad, commercial, saas, kinetic, explainer, বিজ্ঞাপন, প্রমো | প্রোডাক্ট অ্যাড, SaaS/সফটওয়্যার ডেমো, ই-কমার্স প্রমো, বিজনেস স্ট্র্যাটেজি | ডট-গ্রিড টেক্সচার, ব্রান্ড হেডার, কর্নার ওয়াটারমার্ক, ফোন মকআপ, কার্ড মেকানিক্স, ডার্ক বটম ক্যাপশন পিল |
[!TIP] ব্যবহারকারী যদি কোনো মোড উল্লেখ না করেন, তবে স্ক্রিপ্টে দৃশ্যমান চরিত্র বা কথোপকথন থাকলে Mode 1 (Story) এবং বিজনেস প্রবলেম/প্রোডাক্ট সলিউশন থাকলে Mode 2 (Promo) স্বয়ংক্রিয়ভাবে বেছে নেওয়া হবে এবং অনুমোদন টেবিলে তা উল্লেখ করা হবে।
২. ⚠️ অতি গুরুত্বপূর্ণ নিয়ম: ১০০% ডেটা-ড্রিভেন ইউনিভার্সাল স্কিল আর্কিটেকচার (Universal Data-Driven Architecture)
[!CAUTION] প্রতিটি নতুন স্ক্রিপ্টের জন্য কখনো নতুন রিঅ্যাক্ট কম্পোনেন্ট, কোড ফাইল, আলাদা ফোল্ডার বা এককালীন
.mjsস্ক্রিপ্ট তৈরি করা কঠোরভাবে নিষিদ্ধ! এটি একটি গ্লোবাল ইউনিভার্সাল স্কিল যা যেকোনো ব্যবহারকারী ইনস্টল করে যেকোনো বিষয়ের স্ক্রিপ্টে চালাতে পারবেন। সমস্ত স্ক্রিপ্ট-স্পেসিফিক পরিবর্তন (চরিত্রের লুক, পোশাক, ব্যাকগ্রাউন্ড থিম, সংলাপ, অ্যাকশন বিটস, ইনফোগ্রাফিক্স ও সিলেক্টিভ কার্ডস) শুধুমাত্র ১টি ইনপুট JSON ফাইলে কনফিগার করতে হবে।
ইউনিভার্সাল ভিডিও জেনারেশন পাইপলাইন (মাত্র ২টি কমান্ড):
১. স্ক্রিপ্ট থেকে অটোমেটেড সিন্থেসিস ও ইনপুট JSON তৈরি (AI Director Analyzer):
- স্ক্রিপ্টের বিষয়বস্তু, শারীরিক কার্যকলাপ, অবজেক্ট/প্রপ্স, আবেগ ও সংলাপ স্বয়ংক্রিয়ভাবে বিশ্লেষণ করে ডায়নামিক স্টোরিবোর্ড তৈরি করতে:
python3 scripts/analyze-script-director.py --script=scripts/<story-name>.txt --out=scripts/<story-name>-input.json - অথবা
examples/sample-story-input.jsonরেফারেন্স দেখে দৃশ্য অনুযায়ীscripts/<story-name>-input.jsonতৈরি করুন। ২. ইউনিভার্সাল অডিও ও টাইমিং সিন্থেসিস:
node scripts/tts-engine.mjs --input=scripts/<story-name>-input.json
- এটি স্বয়ংক্রিয়ভাবে কার্টেশিয়া বা সিলেক্টেড TTS দিয়ে প্রতিটি সিনের ভয়েস তৈরি করবে এবং অডিওর নিখুঁত সেকেন্ড/ফ্রেম টাইমিং ইনপুট JSON-এ সেভ করবে। ৩. ইউনিভার্সাল টাইমলাইন কম্পাইলেশন:
node scripts/build-story-timeline.mjs --input=scripts/<story-name>-input.json
- এটি রিমোশনের জন্য রেডি
template/src/timeline.jsonতৈরি করবে। ৪. প্রিভিউ চেক ও ফুল রেন্ডার:
cd template && npx remotion render src/index.ts Main ./out/<video-name>.mp4 --concurrency=4
৩. মোড ১: ক্যারেক্টার স্টোরিটেলিং ইঞ্জিনের নিয়মাবলী (Mode 1 Guidelines)
- চরিত্র গঠন, কাস্টিং ও ৩ জনের বেশি চরিত্রের স্ট্যাজিং (Dynamic Character Casting & Staging):
- স্ক্রিপ্ট অনুযায়ী কাস্টিং: স্ক্রিপ্টে কতজন চরিত্র প্রয়োজন তা নিরূপণ করে প্রত্যেকের আলাদা পরিচয় তৈরি করতে হবে।
- চেহারার স্বকীয়তা: একাধিক চরিত্র থাকলে কখনো একই ফেস/চশমা ক্লোন করা যাবে না। বয়স, চুলের স্টাইল ও পোশাকে সুস্পষ্ট পার্থক্য থাকতে হবে।
- চশমার ব্যবহার: শুধুমাত্র বয়স্ক বা নির্দিষ্ট পেশার চরিত্রে চশমা থাকবে; সাধারণ কাস্টমার বা কর্মচারীর চোখে অযথা গোল চশমা দেওয়া কঠোরভাবে নিষিদ্ধ।
- পোশাক ও পরিচয়: দোকান মালিক (পাঞ্জাবি/কুর্তা), সেলস স্টাফ (ইউনিফর্ম/পোলো), কাস্টমার (ক্যাজুয়াল টি-শার্ট/হুডি)।
- সলিড হেয়ারলাইন ক্যাপ: মাথার খুলি সম্পূর্ণ আবৃত থাকবে (কোনো ফাঁকা ক্রিসেন্ট দাগ থাকবে না)।
- স্কেলিং ও ফ্রেমিং (১, ২ বা ৩ জন চরিত্র):
- ১ জন চরিত্র:
scale: 1.85, মাঝখানে (center) অথবা বামে/ডানে। - ২ জন চরিত্র:
scale: 1.75, বামে ও ডানে (left: 80,right: 80,bottom: 160)। - ৩ জন চরিত্র (
tertiaryCharacter): ৯:১৬ ফ্রেমে ৩ জন মানুষ থাকলে নিখুঁত কম্পোজিশনের জন্যscale: 1.55হবে। বামে সেকেন্ডারি (left: 20), মাঝখানে ৩য় চরিত্র (center), এবং ডানে মূল চরিত্র (right: 20,flip: true) থাকবে।
- ১ জন চরিত্র:
- ব্যাকগ্রাউন্ড ক্রাউড লেয়ার (
crowd):- দোকানে ক্রেতা বা অফিসে দল থাকলে
crowd: "shoppers"|"office_team"|"village_crowd"|"classroom_students"যোগ করুন। এটি ক্যারেক্টারদের পেছনে (zIndex: 12), ছোট স্কেলে (scale: 1.1 - 1.15),bottom: 240-260, হালকা ব্লার (blur: 2px) এবং প্রাকৃতিক ডেপথ অফ ফিল্ড (Depth of Field) তৈরি করে।
- দোকানে ক্রেতা বা অফিসে দল থাকলে
- পরিবেশ ও প্রেক্ষাপট বিশ্লেষণ (Dynamic Environment & Semantic Procedural Fallback):
- পরিবেশ অনুযায়ী প্রাক-নির্মিত ২৬+ ব্যাকগ্রাউন্ড থিম ব্যবহার করতে হবে:
- দোকানপাট:
clothing_store,electronics_store,pharmacy,grocery_store - বাসাবাড়ি ও আড্ডা:
living_room,home_study,tea_stall,cafe,wedding_hall - অফিস ও প্রতিষ্ঠান:
corporate_office,hospital_clinic,police_station,classroom,deep_library - গ্রাম ও আউটডোর:
village_bazaar,village_sunset,street_outdoor,bus_interior - মুড ও দ্বন্দ্ব:
dark_conflict,dramatic_red,blue_melancholy,golden_sunrise
- দোকানপাট:
- স্মার্ট সিম্যান্টিক প্রসিডিউরাল রুম জেনারেটর (No Blind Office Fallback):
- সম্পূর্ণ নতুন বা আনলিস্টেড কোনো থিম দিলে (যেমন
bakery,gym,bank,courtroom,kitchen) ইঞ্জিন অন্ধভাবে অফিসে যায় না; বরং থিমের নাম ডিকোড করে প্রাসঙ্গিক সিলুয়েট, সাইনবোর্ড ও ইন্টেরিয়র কালার ভেক্টর স্বয়ংক্রিয়ভাবে জেনারেট করে নেয়।
- সম্পূর্ণ নতুন বা আনলিস্টেড কোনো থিম দিলে (যেমন
- প্রতিটি দৃশ্য স্ক্রিনের শুরু থেকে শেষ পর্যন্ত ১০০% ফুল-স্ক্রিন (
width: 100%, height: 100%) থাকবে।
- পরিবেশ অনুযায়ী প্রাক-নির্মিত ২৬+ ব্যাকগ্রাউন্ড থিম ব্যবহার করতে হবে:
- ক্যামেরা ঝাঁকুনি ও ক্যারেক্টার কম্পন রুল (Tone-Calibrated Screen Shake & Character Tremble - STRICT MAX 1.0-1.2 SECONDS):
- ⚠️ একটানা ঝাঁকুনি বা ক্যারেক্টার কাঁপা নিষিদ্ধ: কোনো অবস্থাতেই একটি দৃশ্যে ১০–২০ সেকেন্ড একটানা ক্যামেরা কাঁপানো বা ক্যারেক্টারকে কাঁপিয়ে রাখা যাবে না। এটি দর্শকের চরম বিরক্তির কারণ হয়।
- ক্যারেক্টার কম্পন লিমিট (
trembleX): ক্যারেক্টারের ভীতি, ক্রোধ বা শকের ক্ষেত্রে কম্পন সর্বোচ্চ ১.০ থেকে ১.২ সেকেন্ড (৩০–৩৬ ফ্রেম) স্থায়ী হবে এবং এরপর মসৃণভাবে শূন্যে নেমে এসে স্বাভাবিক ভঙ্গিমায় স্থির হবে। - টোন চেক: সাধারণ ডায়লগ, স্বাভাবিক তর্ক, কাস্টমার কথা বলা বা বর্ণনায় স্ক্রিন ও ক্যারেক্টার সম্পূর্ণ স্থির থাকবে (
screenShake: false)। - আকস্মিক শক লিমিট: শুধুমাত্র অত্যন্ত তীব্র আকস্মিক ধাক্কা বা শকের ক্ষেত্রে সর্বোচ্চ ১.০ থেকে ১.২ সেকেন্ড (৩০–৩৬ ফ্রেম) ক্ষণস্থায়ী ঝাঁকুনি দেওয়া যাবে, যা সাথে সাথে মসৃণভাবে ডিকে (decay) হয়ে ক্যামেরা আবার স্থির হয়ে যাবে।
- স্পিচ ও থট বাবল (
SpeechCalloutBubble):- উচ্চতা
top: 650যাতে বাবলের টেইল সরাসরি কথা বলা চরিত্রের মাথার দিকে নির্দেশ করে (বামেleft: 180, ডানেright: 180)। - স্পিকার নেম ট্যাগ: বাবলের উপরে ভাসমান থাকবে (
zIndex: 60,padding: "5px 20px",border: "2.5px solid #ffffff").
- উচ্চতা
- ⚠️ সিলেক্টিভ সাবটাইটেল ও নিখুঁত ভয়েস-সিঙ্ক ক্যাপশন (Selective Subtitles & Voice-Matched Karaoke Pill):
- যখন পর্দায় স্পিচ বাবল বা ফুল-স্ক্রিন সেন্টার কার্ড থাকবে, তখন নিচে আলাদা সাবটাইটেল সম্পূর্ণ বন্ধ থাকবে (Zero Duplicate)।
- শুধুমাত্র যখন উপরে কোনো বাবল বা কার্ড নেই, তখন ন্যারেশনের আসল ভয়েস টেক্সট থেকে ডাইনামিকালি ৩–৫ শব্দের পাঞ্চি ফ্রেজ ক্যাপশন নিচে আসবে।
- ক্যাপশন কখনো এক লাইনের স্ট্যাটিক সামারি স্ট্রেচ করবে না; অডিওতে যা উচ্চারিত হচ্ছে ঠিক সেই শব্দগুলোই ফ্রেজ বাই ফ্রেজ রিয়েল-টাইমে স্ক্রিনে আসবে।
- ভিজ্যুয়াল ইফেক্টস:
- প্রতিটি ফ্রেজ আসার সময় ডার্ক গ্লাস ক্যাপসুল পিল মসৃণ স্প্রিং পপ (
springস্কেল) দিয়ে প্রবেশ করবে। - উচ্চারিত রিয়েল-টাইম ওয়ার্ড: নিয়ন গ্রিন (
#22C55E) গ্লোয়িং টেক্সট + ব্যাকগ্রাউন্ড পিল হাইলাইট +scale(1.08)পাঞ্চ। - হাইলাইট কিওয়ার্ড: ভাইব্র্যান্ট অ্যাম্বার/গোল্ডেন ব্যাজ (
#F59E0B➔#EA580C)। - ফ্রেজ ট্রানজিশনে কোনো ব্ল্যাঙ্ক ফ্রেম বা ফ্লিকার থাকবে না; সিমলেসলি এক ফ্রেজ থেকে অন্য ফ্রেজে ট্রানজিশন হবে।
- প্রতিটি ফ্রেজ আসার সময় ডার্ক গ্লাস ক্যাপসুল পিল মসৃণ স্প্রিং পপ (
- ⚠️ লিপ-সিঙ্ক ও সক্রিয় স্পিকার নিয়ম (Selective Speaker Lip-Sync Rule):
- যখন পর্দায় দুইজন মানুষ থাকবে, তখন যার স্পিচ বাবল নির্দেশ করছে (
speechBubble.speakerPosition), শুধুমাত্র তার মুখ নড়াচড়া করবে (isSpeaking: true)। - অপর শ্রোতা বা লিসেনার চরিত্রের মুখ শান্ত ও বন্ধ থাকবে (
isSpeaking: false-> closed resting line)। কখনো দুজন মানুষের মুখ একসাথে নড়বে না।
- যখন পর্দায় দুইজন মানুষ থাকবে, তখন যার স্পিচ বাবল নির্দেশ করছে (
- ⚠️ কথক বনাম সংলাপ টাইমিং (Narrator vs Dialogue Timing Rule):
- কোনো দৃশ্যে ন্যারেশন বা কথক যখন তৃতীয় পুরুষে ঘটনা বর্ণনা করছেন, তখন স্ক্রিনের কোনো চরিত্রের মুখ নড়বে না (
isSpeaking: false) এবং কোনো স্পিচ বাবল থাকবে না। - স্পিচ বাবল শুধুমাত্র চরিত্রের নিজস্ব প্রথম পুরুষের সংলাপের সময় নির্দিষ্ট ফ্রেমে (
speechBubbles: [{ start, duration }]) ভেসে উঠবে এবং শুধুমাত্র সেই নির্দিষ্ট সেকেন্ডগুলোতে তার মুখ নড়বে; সংলাপ শেষ হলে বাবল উধাও হয়ে যাবে এবং মুখ আবার বন্ধ হয়ে যাবে।
- কোনো দৃশ্যে ন্যারেশন বা কথক যখন তৃতীয় পুরুষে ঘটনা বর্ণনা করছেন, তখন স্ক্রিনের কোনো চরিত্রের মুখ নড়বে না (
- ⚠️ চরিত্রের ভূমিকা ও সংলাপের অখণ্ডতা (Speaker Identity & Role Integrity):
- এক চরিত্রের সংলাপ কখনোই অন্য চরিত্রের পোশাকে থাকা ক্যারেক্টারের মুখ দিয়ে বলানো যাবে না (যেমন: কর্মচারীর উক্তি কাস্টমারের মুখ দিয়ে বের হওয়া মারাত্মক ব্লান্ডার)।
- কোনো দৃশ্যে কথোপকথনের চরিত্র পরিবর্তিত হলে (মালিক বনাম কর্মচারী থেকে কাস্টমারের আগমন): দৃশ্যটিকে ছোট শটে ভাগ (Camera Cut) করতে হবে, যাতে যে কথা বলছে স্ক্রিনে সঠিক পোশাকে ঠিক সেই চরিত্রই দৃশ্যমান থাকে।
- ⚠️ শারীরিক কার্যকলাপ ও অ্যাট-আ-গ্ল্যান্স অ্যাকশন বিটস (At-A-Glance Timed Action Beats):
- চরিত্রদের রোবটের মতো হাত সোজা রেখে একটানা দাঁড়িয়ে রাখা যাবে না, আবার কোনো কার্যকলাপ পুরো দৃশ্য জুড়ে ১০–১৫ সেকেন্ড ফ্রিজ করেও রাখা যাবে না।
- অ্যাকশন ও প্রপ্স শুধুমাত্র সংশ্লিষ্ট সংলাপের সময় অ্যাট-আ-গ্ল্যান্স (২.০ থেকে ৩.৫ সেকেন্ড) ভেসে উঠবে (
characterPoses/secondaryPoses):- খাতা চেক (
checking_khata): হিসাব বা খাতার কথার সময় দুই হাতে লাল খাতা ধরে দেখা, চোখ নিচে থাকবে; সংলাপ শেষে খাতা নামিয়ে স্বাভাবিক ভঙ্গিমায় ফিরবে। - ইনভেন্টরি খোঁজাখুঁজি (
searching_inventory): খোঁজার সংলাপের সময় তাকের দিকে হাত বাড়িয়ে ম্যাগনিফাইং গ্লাস ও খালি তাক ট্যাগ দেখা যাবে; কথা শেষ হলে হাত নামিয়ে স্বাভাবিকভাবে কথা বলবে। - নমুনা শার্ট উঁচিয়ে ধরা (
holding_shirt): কাস্টমার শার্ট চাওয়ার মুহূর্তে ২-৩ সেকেন্ড হ্যাঙ্গারে শার্ট উঁচিয়ে দেখাবে, তারপর হাত ভাঁজ করে অপেক্ষা করবে। - অধৈর্য অপেক্ষা (
arms_crossed): বুকের ওপর হাত আড়াআড়ি বেঁধে দাঁড়িয়ে থাকা।
- খাতা চেক (
- ⚠️ শর্ট-ফর্ম পেসিং ও কার্ড হোল্ড লিমিট (Max 12-18s Card/Scene Retention Rule):
- টিকটক, ইউটিউব শর্টস বা রিলসে কোনো একটি একক স্থির মোশন গ্রাফিক্স বা ইনফোগ্রাফিক্স কার্ডকে কখনো ২০-৪০ সেকেন্ড একটানা স্ক্রিনে হোল্ড করে রাখা যাবে না। এটি চরম দর্শক ড্রপ-অফ (Audience Drop-off / Retention Killer) ঘটায়।
- দীর্ঘ ন্যারেশন বা ব্যাখ্যামূলক টেক্সটকে (যেমন গল্পের শিক্ষা ও সমাপ্তি) স্বয়ংক্রিয়ভাবে ছোট ছোট ভিজ্যুয়াল বিটে ভাগ করতে হবে: ১) ক্যারেক্টার ইমোশনাল রেজোলিউশন / আত্মোপলব্ধি অ্যানিমেটেড সিন (১২–১৫ সে.): মূল চরিত্রের আবেগ ও নীরব সমাপ্তি। ২) কোর মোরাল কম্প্যারিসন কার্ড (১৫–১৮ সে.): দ্রুত পড়তে পারা যায় এমন মূল পয়েন্টের তুলনা। ৩) অডিয়েন্স ইন্টারেকশন ও ফলো CTA কার্ড (১০–১২ সে.): সরাসরি দর্শককে কমেন্ট ও ফলো করতে আহ্বান।
- প্রতিটি দৃশ্য ও কার্ড সর্বোচ্চ ৮ থেকে ১৮ সেকেন্ডের মধ্যে পরিবর্তিত হয়ে নতুন ভিজ্যুয়াল উদ্দীপনা তৈরি করবে।
- ⚠️ কার্যকলাপ অনুযায়ী ভিজ্যুয়াল ম্যাপিং ও প্রপ্স (Activity-Driven Visual Storytelling & Literal Narrative Mapping):
- স্ক্রিপ্ট বা ভয়েসওভারে যখন কোনো নির্দিষ্ট শারীরিক কার্যকলাপের উল্লেখ থাকে (যেমন: "কম্পিউটার থেকে চোখ না তুলেই বলল", "ডেস্কে বসে কাজ করত", "মালিক ডেকে পাঠাল", "পদত্যাগপত্র জমা দিল", "প্রতিবাদ করল"):
- দৃশ্যটিতে অবশ্যই সেই কার্যকলাপ ও উপযুক্ত প্রপ্স দৃশ্যমান থাকতে হবে (
prop: "office_desk_computer"|"executive_desk"|"ceo_office_desk"|"resignation_letters"এবং ক্যারেক্টার পোজ:using_computer|sitting_desk|pointing|reading_document|celebrating)। - চরিত্রদের কখনোই খালি ঘরে রোবটের মতো দাঁড় করিয়ে রাখা যাবে না; বর্ণনায় কম্পিউটার বা ডেস্কের কথা থাকলে টেবিলে বসে মনিটরে কাজ করার পার্সপেক্টিভ ফুটিয়ে তুলতে হবে।
- দৃশ্যটিতে অবশ্যই সেই কার্যকলাপ ও উপযুক্ত প্রপ্স দৃশ্যমান থাকতে হবে (
- স্ক্রিপ্ট বা ভয়েসওভারে যখন কোনো নির্দিষ্ট শারীরিক কার্যকলাপের উল্লেখ থাকে (যেমন: "কম্পিউটার থেকে চোখ না তুলেই বলল", "ডেস্কে বসে কাজ করত", "মালিক ডেকে পাঠাল", "পদত্যাগপত্র জমা দিল", "প্রতিবাদ করল"):
- ⚠️ দৃশ্য বিভাজন ও ঘন ঘন দৃশ্যপট পরিবর্তন (Strict 4-10s Scene Granularity & Dynamic Perspective Rule):
- পুরো গল্পে কখনোই একটি একক ব্যাকগ্রাউন্ড বা ফ্রেম ২০–৩০ সেকেন্ড একটানা ধরে রাখা যাবে না। ভয়েসওভারে বিষয় বা মুড পরিবর্তনের সাথে সাথে ভিজ্যুয়াল দৃশ্যপটও অবশ্যই কাট (Scene Cut) করতে হবে।
- প্রতিটি দৃশ্য সর্বোচ্চ ৪ থেকে ১০ সেকেন্ড দীর্ঘ হবে।
- বর্ণনায় সময়ের পরিবর্তন, পদের রূপান্তর বা স্থান বদল হলে (যেমন: সাধারণ কর্মী ➔ প্রতিবাদ ➔ আড্ডা ➔ ম্যানেজার পদোন্নতি ➔ শোকজ নোটিশ ➔ সহকর্মীদের ভয় ➔ সুমনের সাথে সংঘাত ➔ গণপদত্যাগ ➔ মালিকের চেম্বার ➔ একাকী উপলব্ধি) প্রতিটির জন্য আলাদা আলাদা ভিজ্যুয়াল দৃশ্য, ফ্রেম ও পার্সপেক্টিভ নিশ্চিত করতে হবে।
- ⚠️ ইউনিভার্সাল অ্যাকশন, অবজেক্ট ও সিটিং ম্যাট্রিক্স (Universal Semantic Action-to-Prop & Seating Matrix):
- স্ক্রিপ্টে যে বিষয় বা পরিবেশেরই উল্লেখ থাকুক না কেন, চরিত্রকে কখনোই অন্ধভাবে দাঁড়িয়ে রাখা যাবে না; নিচের ম্যাট্রিক্স অনুযায়ী স্বয়ংক্রিয় প্রপ ও বসার ব্যবস্থা নিতে হবে:
দৃশ্য ও প্রেক্ষাপট স্বয়ংক্রিয় প্রপ ( prop)বসার ব্যবস্থা / পোজ ( pose)ভিজ্যুয়াল উপাদান অফিস / কোডিং / ডেস্কটপ office_desk_computer/executive_deskusing_computer(isSeated: true)এরগনোমিক অফিস চেয়ার, কিবোর্ডে টাইপিং হাত, স্ক্রিন গ্লো, লাইভ HUD কার্ড স্মার্টফোন / কল / মেসেজ smartphoneholding_phoneহাতে স্মার্টফোন কানে ধরা, স্ক্রিন অন, ওয়েভ সিগন্যাল টং দোকান / আড্ডা / গ্রাম tea_stall_benchsitting_stool/drinking_teaকাঠের টুল/বেঞ্চ, মাটির ভাঁড় বা কাঁচের কাপে গরম চা, ধোঁয়া লেনদেন / বেতন / কেনাকাটা cash_countercounting_moneyক্যাশ ড্রয়ার, টাকার বান্ডিল হাত দিয়ে গোনা, পিওএস মেশিন হিসাব / খাতা / ফাইলপত্র office_file/checking_khatareading_documentদুই হাতে ফাইল বা লাল খাতা ধরা, চোখ নিচের দিকে নিবদ্ধ আদালত / বিচার / আইন courtroom_deskpointingবিচারকের কাঠের বেঞ্চ, হাতুড়ি (Gavel), সোনালী দাঁড়িপাল্লা হাসপাতাল / অসুস্থতা hospital_bedsad/concernedইসিজি মনিটরে সবুজ পালস লাইন, স্যালাইন ড্রিপ স্ট্যান্ড
- স্ক্রিপ্টে যে বিষয় বা পরিবেশেরই উল্লেখ থাকুক না কেন, চরিত্রকে কখনোই অন্ধভাবে দাঁড়িয়ে রাখা যাবে না; নিচের ম্যাট্রিক্স অনুযায়ী স্বয়ংক্রিয় প্রপ ও বসার ব্যবস্থা নিতে হবে:
- ⚠️ ৬টি প্রধান মানসিক অবস্থা ও মাইক্রো-এক্সপ্রেশন ইঞ্জিন (Comprehensive 6-Core Emotion & Micro-Expression Engine):
- ভয়েসওভারের শব্দের তীব্রতা ও মুড অনুযায়ী মুখের এক্সপ্রেশন এবং মেটাফর স্বয়ংক্রিয়ভাবে ক্যারেক্টারে প্রতিফলিত হতে হবে:
- ১. রাগ ও অহংকার (Anger & Rage): "রেগে গেল", "ধমক দিল", "চেঁচিয়ে উঠল" ➔ কপাল কুঁচকানো ভ্রু, অ্যানিমে রাগ মার্কার (💢), ব্যাকগ্রাউন্ডে ক্ষণস্থায়ী লাল আভা (
metaphor: "inner_rage"), তীব্র ক্ষেত্রে ১.০ সেকেন্ড স্ক্রিন শেক। - ২. আনন্দ ও বিজয় (Joy & Triumph): "হাসিমুখে", "খুশি হয়ে", "উচ্ছ্বসিত", "পদোন্নতি" ➔ চওড়া হাসি, হাত উঁচিয়ে উদযাপন (
celebrating), মাথার পাশে সোনালী টুইঙ্কল স্টার (✨)। - ৩. টেনশন ও মানসিক দ্বিধা (Tension & Dilemma): "কী করবে বুঝতে পারল না", "টেনশন", "শঙ্কা" ➔ কপালে অ্যানিমেটেড ঘামের ফোঁটা (💧), চিবুকে হাত দিয়ে চিন্তা (
thinking), চোখ এদিক-ওদিক তাকানো। - ৪. ভয় ও আকস্মিক শক (Fear & Shock): "ভয়ে পিছিয়ে গেল", "চমকে উঠল", "স্তব্ধ হয়ে গেল" ➔ বড় চোখ (
shocked), মুখের হাঁ বড়, মাথায় নীল শক লাইন, সর্বোচ্চ ১.২ সেকেন্ড ক্ষণস্থায়ী কম্পন (tremble). - ৫. দুঃখ ও অনুশোচনা (Sadness & Remorse): "মন খারাপ", "কষ্ট পেল", "চোখে জল", "উপলব্ধি করল" ➔ নিচের দিকে বাঁকানো মুখ, গালে অশ্রুবিন্দু (😢), কাঁধ নুয়ে পড়া, ড্রামাটিক ব্লু লাইটিং (
blue_melancholy)। - ৬. দৃঢ় সংকল্প / প্রতিবাদ (Determination & Protest): "প্রতিবাদ করল", "দাঁড়াল" ➔ দৃঢ় দৃষ্টি, হাত উঁচিয়ে পয়েন্ট করা (
pointing), সামনের দিকে ঝুঁকে থাকা।
- ১. রাগ ও অহংকার (Anger & Rage): "রেগে গেল", "ধমক দিল", "চেঁচিয়ে উঠল" ➔ কপাল কুঁচকানো ভ্রু, অ্যানিমে রাগ মার্কার (💢), ব্যাকগ্রাউন্ডে ক্ষণস্থায়ী লাল আভা (
- ভয়েসওভারের শব্দের তীব্রতা ও মুড অনুযায়ী মুখের এক্সপ্রেশন এবং মেটাফর স্বয়ংক্রিয়ভাবে ক্যারেক্টারে প্রতিফলিত হতে হবে:
- ⚠️ সংলাপ ও দ্বন্দ্বে স্বয়ংক্রিয় শর্ট-রিভার্স-শর্ট প্রোটোকল (Autonomous Multi-Perspective & Shot-Reverse-Shot Protocol):
- ৯:১৬ ভার্টিক্যাল মোবাইল ফরম্যাটে দুই বা ততোধিক চরিত্রের সংলাপে কখনোই সবাইকে এক ফ্রেমে ২০-৩০ সেকেন্ড দাঁড়িয়ে রাখা যাবে না (এটি ক্যারেক্টার ও প্রপ্স সংঘর্ষ ঘটায়)।
- যেকোনো কথোপকথন বা বিতর্কে স্বয়ংক্রিয়ভাবে সিনেমাটিক Shot-Reverse-Shot ব্যবহার করতে হবে:
- শট ক (Shot A): বক্তা চরিত্র কথা বলছে (মিডিয়াম ক্লোজ-আপ, স্পিচ বাবল, মুখ নড়ছে)।
- শট খ (Shot B): শ্রোতা চরিত্রের প্রতিক্রিয়া (ক্লোজ-আপ রিঅ্যাকশন—আঘাত, বিস্ময় বা কড়া দৃষ্টি, মুখ বন্ধ)।
- শট গ (Shot C): ফিরতি জবাব (দ্বিতীয় চরিত্রের ক্লোজ-আপ ও স্পিচ বাবল)।
- ⚠️ অডিও-ভিজ্যুয়াল প্রাসঙ্গিকতা ও রিটেনশন নিয়ম (Audio-Visual Literal Co-occurrence & Retention Optimization):
- স্ক্রিপ্ট যে বস্তুর কথা বলছে, পর্দায় ঠিক সেই মুহূর্তেই সেই বস্তুটি সক্রিয় থাকতে হবে (যেমন: "কম্পিউটার থেকে চোখ না তুলে" বলার মুহূর্তে ল্যাপটপেই চোখ থাকতে হবে, অন্য জায়গায় নয়)।
- কোনো শট বা কার্ড ১০-১২ সেকেন্ডের বেশি স্থির থাকবে না; দীর্ঘ শিক্ষামূলক বা দার্শনিক উপসংহারকে (ক) আত্মোপলব্ধি অ্যানিমেশন, (খ) তুলনা কার্ড, ও (গ) ফলো CTA কার্ড—এই ৩টি পাঞ্চি অংশে বিন্যস্ত করতে হবে।
৪. মোড ২: কাইনেটিক মোশন গ্রাফিক্স ও প্রমো ইঞ্জিনের নিয়মাবলী (Mode 2 Guidelines)
- ৩টি কোর কালার থিম (Three Vibrant Color Themes):
- Dark Emerald Forest (
#072B20): হুক, ড্রামাটিক সমস্যা বা আউট্রো সিন। - Mint Cream (
#F0FDF4/#E8F5E9): তথ্যবহুল কার্ড, ব্যাখ্যা ও ফ্লো। - Radiant Vivid Green (
#22C55E/#27D050): প্রবৃদ্ধি, সফলতা, সমাধান ও অ্যাকশন।
- Dark Emerald Forest (
- ভিজ্যুয়াল লেয়ারিং (Persistent Hierarchy):
- লেয়ার ১ (Background): সলিড ব্যাকগ্রাউন্ড কালার + ভাসমান ডট-গ্রিড টেক্সচার (
DotGridBackground). - লেয়ার ২ (Header): উপরে ব্র্যান্ডের নাম ও মিনি লোগো (
BrandHeader). - লেয়ার ৩ (Corner Watermark): ডানদিকের নিচের কোণায় ব্র্যান্ডের আইকন (
CornerWatermark). - লেয়ার ৪ (Center Stage): স্ক্রিপ্টের মেটাফর অনুযায়ী অ্যানিমেটেড কার্ড, ফোন মকআপ বা ভেক্টর দৃশ্য।
- লেয়ার ৫ (Bottom Caption Pill): নিচে ডার্ক ক্যাপশন ক্যাপসুল (
rgba(0,0,0,0.85)), যাতে মূল কিওয়ার্ডগুলো নিয়ন গ্রিন (#27D050) রঙে হাইলাইটেড থাকে (BottomCaptionPill).
- লেয়ার ১ (Background): সলিড ব্যাকগ্রাউন্ড কালার + ভাসমান ডট-গ্রিড টেক্সচার (
৫. অডিও ও ভয়েসওভার নিয়ম (Strict 3-Tier Audio Hierarchy)
ভিডিও তৈরির সময় অডিও ও ভয়েসওভার নির্ধারণে নিচের ৩টি ধাপ ক্রমানুসারে (Priority Order) কঠোরভাবে অনুসরণ করতে হবে:
-
অগ্রাধিকার ১ (Priority 1: ব্যবহারকারীর নিজস্ব অডিও / ভয়েস):
- ব্যবহারকারী যদি কোনো অডিও ফাইল (
voice.mp3বা নিজস্ব রেকর্ডিং) এবং ঐচ্ছিক SRT সাবটাইটেল প্রদান করে, তবে কোনো এআই ভয়েস না বানিয়ে সরাসরি সেই নিজস্ব অডিও ফাইলটি টাইমলাইনে সিঙ্ক করতে হবে।
- ব্যবহারকারী যদি কোনো অডিও ফাইল (
-
অগ্রাধিকার ২ (Priority 2: ব্যবহারকারীর কাছে API Key চাওয়া ও পছন্দের ইঞ্জিনে তৈরি):
- ব্যবহারকারী যদি কোনো অডিও ফাইল না দেয়, তবে ভিডিও তৈরির আগে ব্যবহারকারীকে স্পষ্টভাবে জিজ্ঞাসা করতে হবে: "আপনার কাছে কি কোনো এআই ভয়েস API Key আছে? (যেমন: ElevenLabs, Google Gemini, Cartesia, বা OpenAI?)"
- ব্যবহারকারী যে প্রোভাইডারের API Key দেবে, সেই ইঞ্জিন ব্যবহার করে প্রিমিয়াম ও ইমোশনাল ভয়েস জেনারেট করতে হবে (
scripts/tts-engine.mjs --provider=<provider>).
-
অগ্রাধিকার ৩ (Priority 3: ডিফল্ট বিল্ট-ইন ফলব্যাক ইঞ্জিন):
- ব্যবহারকারী যদি অডিও-ও না দেয় এবং কোনো API Key-ও না দেয়, তবে কাজ আটকে না রেখে স্বয়ংক্রিয়ভাবে স্কিলের ডিফল্ট বিল্ট-ইন ইঞ্জিন (
Edge Neural / Free TTS) দিয়ে ভয়েস তৈরি করে পুরো ভিডিওর কাজ শেষ করতে হবে। - প্রতিটি অডিও ক্লিপের দৈর্ঘ্য
ffprobeদিয়ে নিখুঁত মেপে ফ্রেমে রূপান্তর করবে (frames = Math.round(durationSec * fps)).
- ব্যবহারকারী যদি অডিও-ও না দেয় এবং কোনো API Key-ও না দেয়, তবে কাজ আটকে না রেখে স্বয়ংক্রিয়ভাবে স্কিলের ডিফল্ট বিল্ট-ইন ইঞ্জিন (
৫.১ ইন্টারঅ্যাক্টিভ ও ভাইরাল হুক ফিচারস (Interactive & Viral Engagement Suite)
ভিডিওগুলোতে দর্শক ধরে রাখা ও সোশ্যাল মিডিয়ায় ভাইরাল হওয়ার জন্য বিশ্বমানের ৫টি ওপেন-সোর্স ভিডিও ফ্রেমওয়ার্কের আইডিয়া নিয়ে তৈরি এই নতুন ফিচারগুলো ইনপুট JSON-এ সহজেই ব্যবহারযোগ্য:
- টপ রিটেনশন প্রগ্রেস বার (
TopProgressBar— ViralForge inspired):- JSON-এর রুটে
"progressBar": trueদিলেই ভিডিওর শীর্ষে (Top: 0) একটি স্লিক ২-৩ পিক্সেল নিয়ন বার চালু হয়। - এটি দর্শকদের সাইকোলজিক্যালি শেষ পর্যন্ত ভিডিওটি দেখতে উদ্বুদ্ধ করে এবং ড্রপ-অফ রেট কমিয়ে দেয়।
- JSON-এর রুটে
- অটোমেটেড ফ্রেম-সিঙ্কড সাউন্ড এফেক্টস (
autoSfx: true— Product Launch Motion inspired):- কোনো ম্যানুয়াল অডিও এডিটিং ছাড়া
build-story-timeline.mjsস্বয়ংক্রিয়ভাবে ফ্রেম ক্যালকুলেট করে SFX বসায়:- স্পিচ বাবল পপ হলে:
pop.wav(ভলিউম0.25) - সিন বা কার্ড ট্রানজিশন হলে:
whoosh.wav(ভলিউম0.18) - মাউস/বাটন ক্লিক হলে:
click.wav(ভলিউম0.32) - ইনফো কার্ড, মার্কার বা গুরুত্বপূর্ণ নোটে:
ding.wav(ভলিউম0.22) - ক্যাশ বা কাউন্টারের সময়:
cash.wav(ভলিউম0.28)
- স্পিচ বাবল পপ হলে:
- কোনো ম্যানুয়াল অডিও এডিটিং ছাড়া
- ইউআই মাইক্রো-ইন্টারেকশনস (
interactiveCursor&countUp):"interactiveCursor": { "startX": 900, "startY": 1600, "targetX": 540, "targetY": 950, "clickFrame": 24, "label": "অর্ডার করুন" }: স্ক্রিনে মাউস উড়ে এসে বাটনে ক্লিক করবে, সাথে ক্লিক রিপল ও শব্দ হবে।"countUp": { "from": 0, "to": 50000, "prefix": "৳", "label": "মোট প্রবৃদ্ধি" }: কিউবিক ইজিং দিয়ে লাইভ ওডোমিটার কাউন্টার চলবে।
- ভক্স-স্টাইল পেপার কোল্যাজ ও মার্কার পেন (
TornPaperCard&MarkerHighlight— Vox Director inspired):"tornPaperCard": { "badge": "গোপন রিপোর্ট", "title": "...", "points": ["...", "..."] }: ছেঁড়া কাগজের এজ ও স্কচ টেপসহ ড্রামাটিক ইনফো কার্ড।"markerHighlight": { "text": "দ্বিগুণ লাভ", "color": "#FDE047" }: কি-ওয়ার্ডের নিচে রিয়েল-টাইম মার্কার পেনের কালার সোয়াইপ অ্যানিমেশন।
- ওয়ান-টেক কন্টিনিউয়াস জুম (
oneTakeTransition— onetake inspired):"oneTakeTransition": { "enabled": true, "target": "phone", "zoomLevel": 1.85 }: সিনের শেষ ফ্রেমগুলোতে ক্যামেরা হার্ড-কাট না দিয়ে নির্দিষ্ট অবজেক্টে স্মুথলি জুম-ইন হয়ে পরবর্তী সিনের জন্য মসৃণ ট্রানজিশন তৈরি করে।
- লাইটওয়েট ভেক্টর পার্টিকেলস (
particleBurst):"particleBurst": { "type": "cash_rain" | "confetti" | "sparkles" }: সফলতার মুহূর্তে স্ক্রিন জুড়ে পিওর ভেক্টর ব্লাস্ট।
৫.২ সিনেমাটিক মোশন, সাউন্ড ও এডিটিং মাস্টারক্লাস (Advanced Motion, Sound & Cinematography Suite)
হলিউড ও প্রিমিয়াম এজেন্সি লেভেলের প্রোডাকশনের জন্য নিচের আরও ৫টি অ্যাডভান্সড ফিচার স্কিলে সরাসরি যুক্ত করা হয়েছে:
- স্মার্ট বিজিএম অটো-ডাকিং (
bgm.autoDucking— RuiC-motion-reel inspired):- JSON-এর রুটে
"bgm": { "src": "media/music.mp3", "volume": 0.32, "duckedVolume": 0.08, "autoDucking": true }দিলেই ভয়েস চলাকালীন মিউজিক স্বয়ংক্রিয়ভাবে ৮%-এ নেমে যায় এবং ডায়লগ শেষ হলে মসৃণভাবে ৩২%-এ বুস্ট হয়।
- JSON-এর রুটে
- ২.৫ডি মাল্টি-প্লেন প্যারাল্যাক্স ডেপথ (
parallax: true— parallax-doc inspired):- সিনের ব্যাকগ্রাউন্ড রুম ধীরগতিতে সরবে (
drift * 0.35) এবং ক্যারেক্টার মিডগ্রাউন্ডে থাকবে, যা ফ্ল্যাট ২ডি কার্টুনেও বাস্তব ক্যামেরার সিনেমাটিক থ্রিডি ডেপথ সৃষ্টি করে।
- সিনের ব্যাকগ্রাউন্ড রুম ধীরগতিতে সরবে (
- শটক্যাফট সিনেমাটিক ক্যামেরা অ্যাঙ্গেলস (
cameraAngle— video-shotcraft-dsh inspired):"cameraAngle": "dutch_left" | "dutch_right": চরিত্র যখন চরম দুশ্চিন্তা, ভয় বা বিপদে পড়ে, ক্যামেরা স্বয়ংক্রিয়ভাবে ৪.৫ ডিগ্রি হেলে যাবে (Dutch Tilt)।"cameraAngle": "low_hero": সাফল্যের মুহূর্তে নিচ থেকে হিরো শট ফ্রেমিং।"cameraAngle": "high_tension": তীব্র সাসপেন্সে ক্যামেরার হালকা ট্রেমর পালস ও জুম।
- লাইভ ইলেকট্রিক ফ্লো লাইনস (Mode 2 Flow Steps — live-panel-skill inspired):
- ডেমো মোডে প্রসেস স্টেপগুলোর (
flowSteps) মাঝে স্ট্যাটিক চিহ্নের বদলে নিয়ন বিদ্যুৎ কণা গড়িয়ে এক ধাপ থেকে অন্য ধাপে যাবে।
- ডেমো মোডে প্রসেস স্টেপগুলোর (
- সিনেমাটিক এজ ভিনিয়েট (
cinematicOverlay: true— claude-video-effects inspired):- ভিডিওর কোণাগুলোতে মৃদু ডার্ক সিনেমাটিক ভিনিয়েট ব্যাকগ্রাউন্ডকে গভীর করে এবং কেন্দ্রীয় বিষয়বস্তু ও ক্যারেক্টারকে উজ্জ্বলভাবে ফুটিয়ে তোলে।
৫.৩ সাস লেসন্স ও কাইনেটিক স্টোরিটেলিং স্যুট (Sus Lessons & Dynamic Narrative Suite)
ইউটিউবের জনপ্রিয় গল্প ও শিক্ষামূলক চ্যানেলগুলোর (যেমন Sus Lessons, Vox, ইত্যাদি) মতো স্ক্রিপ্ট যাই হোক না কেন, প্রতিটি ন্যারেশনকে জীবন্ত ও আকর্ষণীয় করতে এই সার্বজনীন ফিচারগুলো অন্তর্ভুক্ত:
-
ডায়নামিক পেসিং নিয়ম (Fast B-Roll Pacing Rule):
- কখনোই একটি চরিত্রের ওপর একটানা ৫-৭ সেকেন্ডের বেশি স্থির ক্যামেরা রাখা যাবে না।
- যখনই ন্যারেশনে তারিখ, সময়, বিল, জরিমানা, খালি পকেট বা মেটাফর আসবে, ঠিক তখনই দৃশ্য ভেঙে বা প্রপ্স পরিবর্তন করে রিয়েল অ্যানিমেটেড অবজেক্ট দেখাতে হবে।
-
সার্বজনীন অ্যানিমেটেড প্রপ্স লাইব্রেরি (Universal Dynamic Props):
calendar:ক্যালেন্ডারের তারিখ ১ থেকে ২০ পর্যন্ত ফ্লিপ করে লাল কালির মার্কার বৃত্ত আঁকা হবে।"prop": { "type": "calendar", "month": "চলতি মাস", "startDay": 1, "endDay": 20, "markerCircle": true, "calendarTitle": "২০ তারিখেই পকেট ফাঁকা!" }bill_receipt:থার্মাল পেপারের বিল ওপরে থেকে ড্রপ করবে এবং বিকট শব্দে "UNPAID" রাবার স্ট্যাম্প পড়বে।"prop": { "type": "bill_receipt", "billTitle": "বাড়িভাড়ার বকেয়া রসিদ", "billNumber": "RENT-DUE #22", "billItems": [{ "label": "বাড়িভাড়া বকেয়া", "amount": "৳১৫,০০০" }], "totalAmount": "৳১৫,০০০", "stampText": "UNPAID / বকেয়া", "stampColor": "#ef4444" }leaky_bucket:উপরের পাইপ থেকে পানি পড়বে কিন্তু বালতির পাশের ফুটোগুলো দিয়ে অবিরাম পানি ফিনকি দিয়ে বের হবে।"prop": { "type": "leaky_bucket", "waterInflowLabel": "মাসিক বেতন ৳৭০,০০০", "leaksLabel": "১০টি অদৃশ্য ফুটো (অপচয়)" }credit_card_swipe:টার্মিনালে কার্ড সোয়াইপ হবে এবং লাল আলো জ্বলে "DECLINED" দেখাবে।"prop": { "type": "credit_card_swipe", "cardStatus": "DECLINED", "cardStatusText": "লিমিট শেষ! কার্ড রিজেক্টেড" }empty_pocket:প্যান্টের পকেট উল্টে ধুলো ওড়া এবং ০ টাকার ব্যালেন্স দেখানো।"prop": { "type": "empty_pocket", "title": "পকেট পুরোপুরি গড়ের মাঠ!" }
-
কাইনেটিক অ্যাকশন পোজ (Kinetic Action Poses):
head_in_hands: কপালে/মাথায় দুই হাত দিয়ে চরম দুশ্চিন্তা ও মানসিক চাপে কাঁপানো।writing_pen: ডায়েরি বা নোটে কলম দিয়ে অবিরাম হিসেব বা বাজেট লেখার জীবন্ত হাত নাড়ানোর লুপ।walking: স্ক্রিনে পা ফেলে ফিজিক্যালি হেঁটে একপাশ থেকে অন্য ডেস্কে যাওয়া।using_computer: স্ক্রিনের আলো মুখে ফেলে কিবোর্ডে আঙুল দিয়ে টাইপ করা।counting_money: হাত দিয়ে নোটের বান্ডিল গুনে এগিয়ে দেওয়া।drinking_tea: চায়ের কাপ হাতে ধরে চুমুক দেওয়া।
Progress Checklist:
- Step 1 (Plan & Dynamic Analysis): Analyze script deeply — detect Environment (custom background setting), Character Cast (count, distinct ages, attire, strictly no cloned glasses), Emotional Tone (screenShake only for sudden shock, max 1.2s), and select Mode (Story vs Promo).
- Approval Gate 1: Present Scene Plan & Metaphor Table to user. Do not write code until user says "yes" / "go".
- Step 2 (Synthesize): Generate or update topic-specific vector components and
timeline.json. - Step 2.5 (Validate): Mandatory pre-release self-check. Render keyframes via
npx remotion stilland inspect withread_file. - Approval Gate 2: Show still frame previews to user. Ask: "Ready to render full video?"
- Step 3 (Execute): Render MP4 via Remotion and copy to
~/Downloadsand~/Desktop.
৭. প্রগ্রেসিভ ডিসক্লোজার রেফারেন্স (Progressive Disclosure)
অতিরিক্ত বিস্তারিত গাইডলাইনের জন্য প্রয়োজন অনুযায়ী নিচের ফাইলগুলো পড়ুন:
- কার্টুন স্ক্রিপ্টিং ও ডায়লগ লেখার জন্য:
read_file->references/bengali-cartoon-script-writer.md - প্রমো মোশন রেফারেন্স অ্যানালাইসিস:
read_file->references/promo-reference-analysis.md - রিমোশন গভীর আর্কিটেকচার নির্দেশিকা:
read_file->references/remotion-video-director.md - ফুল প্রোডাকশন মাস্টার গাইডলাইন:
read_file->references/MASTER-GUIDELINES.md
৮. গটচাস ও সাধারণ ভুলের সমাধান (Gotchas Section)
- Gotcha 1 (Ghost Subtitles): কখনো স্ট্যাটিক
word-timestamps.jsonথেকে সাবটাইটেল পড়বেন না। সাবটাইটেল সবসময় বর্তমান স্ক্রিপ্ট ও সিন ডিউরেশন থেকে ডাইনামিক্যালি রেন্ডার হতে হবে। - Gotcha 2 (Duplicate Text): স্পিচ বাবল বা কিওয়ার্ড কার্ড স্ক্রিনে থাকলে নিচের ক্যাপশন পিল অবশ্যই হাইড রাখতে হবে।
- Gotcha 3 (Bald Hairline Glitch): ক্যারেক্টারের চুলে কখনোই মাথার খুলির ক্রিসেন্ট দাগ উঁকি দিতে দেওয়া যাবে না; সলিড হেয়ার ক্যাপ দিয়ে মাথার ত্বক সম্পূর্ণ আবৃত থাকবে।
- Gotcha 4 (Generic Asset Cloning): নতুন কোনো স্ক্রিপ্টে অপ্রাসঙ্গিক পুরনো আইকন ব্যবহার করবেন না। প্রতিটি বিষয়ের জন্য উপযুক্ত নতুন ভেক্টর তৈরি করুন।
- Gotcha 5 (Mismatched Backgrounds): গল্পের প্রেক্ষাপট কাপড়ের দোকান বা রিটেল শপ হলে কখনো অফিস স্কাইস্ক্র্যাপার ব্যাকগ্রাউন্ড লোড করবেন না। স্ক্রিপ্ট অনুযায়ী ব্যাকগ্রাউন্ড তৈরি করুন।
- Gotcha 6 (Clone Face Syndrome): একাধিক ক্যারেক্টারকে কখনো একই গোল চশমা ও ফেস প্রিসেট দেবেন না। বয়স, গোঁফ, চুল ও পোশাকে বৈচিত্র্য রাখুন।
- Gotcha 7 (10-15s Persistent Screen Shake): কখনো কোনো দৃশ্যে একটানা ১০-১৫ সেকেন্ড স্ক্রিন কাঁপাবেন না। ঝাঁকুনি লাগলেও তা সর্বোচ্চ ১.০-১.২ সেকেন্ডেই ডিকে হয়ে স্থির হয়ে যেতে হবে। সাধারণ কথায় ক্যামেরা ১০০% স্থির থাকবে।
- Gotcha 8 (Dual Mouth Flapping): দুই চরিত্রের দৃশ্যে কখনোই দুজন মানুষের মুখ একসাথে নড়তে দেওয়া যাবে না; যে কথা বলছে শুধুমাত্র তারই মুখ নড়বে (
isSpeaking: true), অন্যজন শান্ত ভঙ্গিমায় মুখ বন্ধ করে শুনবে। - Gotcha 9 (Narrator Mouth Flapping Disaster): যখন কথক বা ব্যাকগ্রাউন্ড ভয়েসওভার কোনো ঘটনা বর্ণনা করছে, তখন ক্যারেক্টারদের মুখ কখনোই নড়তে দেওয়া যাবে না। ক্যারেক্টারের মুখ শুধু তাদের নিজস্ব প্রথম পুরুষের উক্তির (
speechBubbles) সময় নড়বে, বাকি সময় মুখ পুরোপুরি বন্ধ থাকবে। - Gotcha 10 (Character Role & Dialogue Mixup): একই দৃশ্যে একাধিক চরিত্র থাকলে কখনো ভুল চরিত্রে সংলাপ প্লেস করবেন না। কর্মচারীর সংলাপ কখনো কাস্টমারের পোশাকে থাকা ক্যারেক্টারকে দিয়ে বলাবেন না। চরিত্রের সংলাপ পরিবর্তনের সাথে সাথে ক্যামেরা কাট বা দৃশ্য বিভাজন করুন।
- Gotcha 11 (Nautilus Download Confusion): টার্মিনাল রেন্ডার ব্রাউজার ডাউনলোড বারে দেখায় না। রেন্ডার শেষে ফাইলটি সবসময় ব্যবহারকারীর
~/Downloads/এবং~/Desktop/ডিরেক্টরিতে কপি করে দিন। - Gotcha 12 (One-off Script Clutter): নতুন কোনো স্ক্রিপ্ট আসলে কখনো রেন্ডম
build-custom-timeline.mjsজাতীয় ফাইল বানাবেন না। সবসময় স্ট্যান্ডার্ডscripts/story-input.jsonলিখে ইউনিভার্সালnode scripts/build-story-timeline.mjs --input=scripts/story-input.jsonচালাবেন। বাস্তব রেফারেন্সের জন্যexamples/ফোল্ডার দেখুন। - Gotcha 13 (40-50s Frozen Outro Card Disaster): গল্পের উপসংহার বা মোরাল দীর্ঘ হলে কখনো পুরো ৪০-৫০ সেকেন্ড জুড়ে একটিমাত্র কার্ড ফ্রিজ করে রাখবেন না। দর্শক ৩-৫ সেকেন্ড পরই বোর হয়ে স্ক্রোল করে দেবে। সবসময় দীর্ঘ সমাপ্তিকে (ক) ক্যারেক্টার আত্মোপলব্ধি অ্যানিমেশন, (খ) তুলনা ইনফো-কার্ড, এবং (গ) আউটরো CTA কার্ড—এই ৩টি ডায়নামিক শটে ভাগ করবেন।
- Gotcha 14 (Seated Floating & Bouncy Bobbing): বসা অবস্থায় (
isSeated,sitting_desk,sitting_stool,dining_table,using_computer) ক্যারেক্টার কখনোই স্ক্রিনে উপর-নিচ (translateY) লাফালাফি করবে না। চেয়ার বা টুলে বসার সময় বডি ১০০% স্থির ও নোঙ্গর করা থাকবে (breathY = 0)। দাঁড়িয়ে থাকার সাধারণ সময়েও অতিরিক্ত বাউন্স নিষিদ্ধ; ব্রিদিং হবে অতি সূক্ষ্ম ($\le 0.8\text{px}$)। - Gotcha 15 (Rigid Cutout Illusion & Locomotion): ক্যারেক্টারকে যেন কোনো স্থির স্টিল কাট-আউট মনে না হয়। হাঁটা-চলা বা অ্যাক্টিভিটির সময় হিপ জয়েন্ট থেকে পায়ের রোটেটিং সুইং (
±20°), বিপরীত হাতের সুইং এবং প্রতিটি ধাপের রিদম অনুযায়ী ন্যাচারাল স্টেপ বাউন্স (walkBob) প্রয়োগ করুন। দৃশ্যে প্রবেশ বা স্থানান্তরের জন্য Remotion-এরinterpolateব্যবহার করে অনুভূমিক ট্রাভেল পাথ তৈরি করুন। - Gotcha 16 (Subtitle Zone & Overlay Collisions): স্ক্রিনের নিচের ২৫০px এলাকা (
bottom: 0থেকে260px) কঠোরভাবে কারাওকেSubtitlePill-এর জন্য সংরক্ষিত। কোনোmarkerHighlight, ইনফো কার্ড বা কাউন্টার কখনোইbottom < 280pxপ্লেস করবেন না। মার্কার হাইলাইট ও কার্ড সবসময় হেডারের নিচে বা মকআপের উপরে (position: { "top": 440-480 }) প্লেস করবেন, যাতে সাবটাইটেলের সাথে কোনো অবস্থাতেই ওভারল্যাপ না ঘটে।
৯. প্রজেক্ট স্ক্রিপ্ট কমান্ড রেফারেন্স (Bundled Scripts)
- SRT ও অডিও ইনপুট পার্সিং (Priority 1):
node scripts/parse-srt-input.mjs --audio=public/media/voice.mp3 --srt=scripts/story.srt --out=scripts/story-input.json - Cartesia TTS অডিও জেনারেশন (Priority 2 Fallback):
node scripts/tts-engine.mjs --batch=scripts/story-input.json --provider=cartesia - ইউনিভার্সাল টাইমলাইন জেনারেশন (Universal Timeline Compiler):
node scripts/build-story-timeline.mjs --input=scripts/story-input.json - স্টিল ফ্রেম সেলফ-চেক রেন্ডার:
cd template && npx remotion still src/index.ts Main out/scene1.png --frame 100 - লাইভ প্রিভিউ স্টুডিও চালু:
cd template && npx remotion studio - ফুল ভিডিও রেন্ডার ও কপি:
cd template && npx remotion render src/index.ts Main ./out/final.mp4 cp ./out/final.mp4 /home/sakib/Downloads/<name>.mp4 cp ./out/final.mp4 /home/sakib/Desktop/<name>.mp4