এই অ্যাপ্লিকেশন দিয়ে তৈরি
Gemini Omni Flash 1.1 হল গুগলের মাল্টিমোডাল ভিডিও মডেল, যা এখানে স্বল্পমেয়াদী ভিডিও তৈরি এবং সম্পাদনার জন্য একটি ফোকাসড অ্যাপ হিসেবে উপলব্ধ। এটি টেক্সট প্রম্পট, স্থির ছবি, ঐচ্ছিক শেষ ফ্রেম, দশটি পর্যন্ত রেফারেন্স ছবি বা তিনটি রেফারেন্স ক্লিপ গ্রহণ করে এবং সাধারণ ভাষার নির্দেশনা থেকে বিদ্যমান ভিডিও সম্পাদনা করতে পারে। আউটপুট 360p থেকে 4K পর্যন্ত তিন থেকে দশ সেকেন্ড চলে, নেটিভ সিঙ্ক্রোনাইজড অডিও অন্তর্ভুক্ত থাকে। এটি সৃজনশীল পেশাদার, বিপণনকারী এবং ডেভেলপারদের জন্য উপযুক্ত যারা নির্ভুল ভিজ্যুয়াল ধারাবাহিকতা, পাঠযোগ্য অন-স্ক্রিন টেক্সট এবং পলিশড অডিও প্রয়োজন করেন যা আলাদা সাউন্ড পাস ছাড়াই।
এই অ্যাপ্লিকেশনটি কীভাবে ব্যবহার করবেন
- 1
আপনি কী তৈরি করতে চান তা বর্ণনা করুন বা আপনার সোর্স ফাইল আপলোড করুন।
- 2
আপনার বিকল্পগুলি বেছে নিন, তারপর জেনারেট করুন টিপুন।
- 3
আপনার ফলাফল কয়েক মুহূর্তের মধ্যে গ্যালারিতে প্রদর্শিত হতে দেখুন।
- 4
ডাউনলোড করুন, শেয়ার করুন বা একটি নতুন ধারণা দিয়ে আবার জেনারেট করুন।
আপনি কী তৈরি করতে পারেন
পণ্য ক্লোজ-আপ অডিও সহ
একটি পণ্য বর্ণনা করুন, শুরুর ফ্রেম হিসেবে একটি স্থির ছবি সরবরাহ করুন এবং মডেলকে 4K এ সিঙ্ক্রোনাইজড পরিবেশগত বা ভয়েসওভার-শৈলীর অডিও সহ এটি অ্যানিমেট করতে দিন। মডেলের বিশ্ব জ্ঞান প্রতিটি ফ্রেমে লেবেল এবং প্যাকেজিং টেক্সট পাঠযোগ্য রাখে, যা এআই পণ্য ভিডিওতে একটি সাধারণ সমস্যা দূর করে।
রেফারেন্স-চালিত চরিত্র ধারাবাহিকতা
একটি চরিত্র বা অবস্থানের দশটি পর্যন্ত রেফারেন্স ছবি আপলোড করুন প্রতিটি রেন্ডারকে পরিচালনা করতে। Gemini Omni Flash 1.1 কাটগুলি জুড়ে ভিজ্যুয়াল পরিচয় সামঞ্জস্যপূর্ণ রাখে, যা স্টোরিবোর্ড-শৈলীর সিকোয়েন্স, ব্র্যান্ডেড মাস্কট বা পুনরাবৃত্ত দৃশ্য সেটিংসের জন্য ব্যবহারিক করে তোলে যা শট থেকে শট একই দেখতে হবে।
নির্দেশনা দ্বারা বিদ্যমান ক্লিপ সম্পাদনা
একটি উৎস ভিডিও ড্রপ করুন এবং 'আকাশকে মেঘলা করুন' বা 'পটভূমির বিশৃঙ্খলা সরান' এর মতো সাধারণ ভাষার সম্পাদনা নির্দেশনা টাইপ করুন। মডেল আলাদা কম্পোজিটিং ধাপ ছাড়াই পরিবর্তন প্রয়োগ করে, যা অন্যথায় সমাপ্ত ফুটেজে দ্রুত সংশোধন রাউন্ডের জন্য উপযোগী।
টেক্সট-ওভারলে মোশন গ্রাফিক্স
কারণ মডেল Gemini এর বিশ্ব জ্ঞানে ভিত্তি করে, অন-স্ক্রিন টেক্সট সঠিকভাবে রেন্ডার হয় এবং গতির মাধ্যমে তীক্ষ্ণ থাকে। কাইনেটিক শিরোনাম, নিম্ন-তৃতীয় বা ডেটা কলআউটের জন্য এটি ব্যবহার করুন যেখানে অন্যান্য জেনারেটিভ মডেল সাধারণত বিকৃত বা ড্রিফটিং লেটারফর্ম তৈরি করে।
ছবি-থেকে-ভিডিও গল্প বিট
একটি শুরুর ছবি এবং একটি ঐচ্ছিক শেষ ফ্রেম সরবরাহ করুন একটি দৃশ্যের প্রথম এবং শেষ মুহূর্ত সংজ্ঞায়িত করতে, তারপর মডেলকে মধ্যে কর্ম ইন্টারপোলেট করতে দিন। এটি ধারণা উপস্থাপনা, অ্যানিম্যাটিক্স এবং পিচ ডেকের জন্য ভালভাবে কাজ করে যেখানে আপনার স্থির শিল্পকর্ম থেকে নিয়ন্ত্রিত গতি প্রয়োজন।
চেষ্টা করার জন্য প্রম্পট ধারণা
কেন সৃজনশীলরা এই অ্যাপ্লিকেশন ব্যবহার করেন
- নেটিভ সিঙ্ক্রোনাইজড অডিও
- 360p থেকে 4K আউটপুট
- 3-10 সেকেন্ড সময়কাল
- টেক্সট, ইমেজ এবং রেফারেন্স ইনপুট
- রেফারেন্স ভিডিও স্টিয়ারিং
- নির্দেশ দিয়ে একটি ভিডিও সম্পাদনা করুন
আরও ভাল ফলাফলের জন্য টিপস
প্রম্পট দিয়ে টেক্সট অ্যাঙ্কর করুন
যখন আপনার ভিডিওর পাঠযোগ্য শব্দ প্রয়োজন, প্রম্পটে সেগুলি সঠিকভাবে বানান। Gemini Omni Flash 1.1 বিশ্ব জ্ঞানে ভিত্তি করে, যা এটিকে লেটারফর্ম নির্ভুলতায় একটি সুবিধা দেয়, কিন্তু একটি স্পষ্ট প্রম্পট এখনও ড্রিফট হ্রাস করে এবং নিশ্চিত করে যে মডেল সেই উপাদানকে অগ্রাধিকার দেয়।
নিয়ন্ত্রণের জন্য শেষ ফ্রেম ব্যবহার করুন
একটি শুরুর ছবি এবং একটি শেষ ফ্রেম উভয়ই সরবরাহ করা মডেলকে ইন্টারপোলেট করার জন্য দুটি অ্যাঙ্কর দেয়। এটি চাপ এবং রচনা নিয়ন্ত্রণের সবচেয়ে নির্ভরযোগ্য উপায় যখন আপনার খোলা-শেষ গতির পরিবর্তে ক্লিপের সমাপ্তিতে একটি নির্দিষ্ট ভিজ্যুয়াল পেঅফ প্রয়োজন।
কৌশলগতভাবে রেফারেন্স ইনপুট স্তর করুন
মডেল একটি রেন্ডারে দশটি পর্যন্ত রেফারেন্স ছবি এবং তিনটি রেফারেন্স ক্লিপ একযোগে গ্রহণ করে। চরিত্র বা বস্তু ধারাবাহিকতার জন্য ছবির স্লট ব্যবহার করুন এবং গতি শৈলী বা ক্যামেরা আচরণ সংজ্ঞায়িত করতে ক্লিপ স্লট ব্যবহার করুন। একটি রেন্ডারে উভয় ইনপুট ধরনের মিশ্রণ আপনাকে একা উভয়ের চেয়ে সূক্ষ্ম স্টিয়ারিং দেয়।
সম্পাদনা নির্দেশনা নির্ভুলভাবে লিখুন
ভিডিও-সম্পাদনা মোড ব্যবহার করার সময়, একই নির্দেশনায় কী পরিবর্তন করতে হবে এবং কী সংরক্ষণ করতে হবে তা বর্ণনা করুন। 'দেয়ালের রঙ গভীর টিলে পরিবর্তন করুন, আসবাবপত্র এবং আলো অভিন্ন রাখুন' এর মতো একটি বাক্যাংশ একটি অস্পষ্ট নির্দেশনার চেয়ে অনেক বেশি কার্যকর, কারণ এটি সম্পাদনা এবং অপরিবর্তিত উপাদান উভয়ের উপর স্পষ্ট সীমাবদ্ধতা নির্ধারণ করে।
এই অ্যাপটি কখন বেছে নেবেন
এই অ্যাপ বেছে নিন যখন আপনার অগ্রাধিকার 4K রেজোলিউশন একটি একক রেন্ডার পাস থেকে নেটিভ সিঙ্ক্রোনাইজড অডিও সহ, একাধিক সম্পদ জুড়ে রেফারেন্স-নিয়ন্ত্রিত ভিজ্যুয়াল ধারাবাহিকতা, পাঠযোগ্য অন-স্ক্রিন টেক্সট বা টাইপ করা নির্দেশনার মাধ্যমে বিদ্যমান ক্লিপ সম্পাদনা করার ক্ষমতা। Seedance 2.5 30 সেকেন্ড পর্যন্ত দীর্ঘ রান কভার করে এবং অনেক বেশি রেফারেন্স উপাদান গ্রহণ করে, যা সময়কাল বা রেফারেন্স গভীরতা রেজোলিউশন স্তরের চেয়ে বেশি গুরুত্বপূর্ণ হলে আরও ভাল ফিট। Wan 3.0 অমনি-রেফারেন্স সহ 30-সেকেন্ড একক-পাস ভিডিও অফার করে, এটি বর্ধিত দৃশ্যের জন্য শক্তিশালী পছন্দ করে তোলে। Gemini Omni Flash 1.1 সঠিক পছন্দ যখন আপনার তিনটির সর্বোচ্চ আউটপুট রেজোলিউশন প্রয়োজন, বা এটি পুনরায় তৈরি করার পরিবর্তে টাইপ করা নির্দেশনা দ্বারা বিদ্যমান ক্লিপ সংশোধন করতে চান।
সাধারণ প্রশ্নাবলী
কোনো ছবি সরবরাহ না করে আমি ভিডিও তৈরি করতে পারি?
হ্যাঁ। অ্যাপ একা টেক্সট প্রম্পট গ্রহণ করে। ছবি, শেষ ফ্রেম, রেফারেন্স ছবি এবং রেফারেন্স ক্লিপ সব ঐচ্ছিক ইনপুট। আপনি শুধুমাত্র তখনই সেগুলি সরবরাহ করতে চান যখন আপনি ভিজ্যুয়াল ধারাবাহিকতা পরিচালনা করতে, গতি এন্ডপয়েন্ট সংজ্ঞায়িত করতে বা আপনার উৎস উপাদানের সাথে একটি নির্দিষ্ট চরিত্র বা অবস্থান মেলাতে চান।
আউটপুটে নেটিভ সিঙ্ক্রোনাইজড অডিও কীভাবে কাজ করে?
Gemini Omni Flash 1.1 ভিডিও তৈরি করে এমন একই মডেল পাসের অংশ হিসাবে অডিও তৈরি করে, তাই শব্দ পরে একটি জেনেরিক ট্র্যাক যোগ করার পরিবর্তে ভিজ্যুয়ালের সাথে সময়মত হয়। ফলস্বরূপ MP4 ইতিমধ্যে অডিও চ্যানেল এম্বেড করা অন্তর্ভুক্ত করে, একটি আলাদা মিক্স ধাপ ছাড়াই ব্যবহারের জন্য প্রস্তুত।
আমি একটি রেন্ডারে কত রেফারেন্স ইনপুট সরবরাহ করতে পারি?
আপনি একটি রেন্ডারে দশটি পর্যন্ত রেফারেন্স ছবি এবং তিনটি পর্যন্ত রেফারেন্স ভিডিও ক্লিপ সরবরাহ করতে পারেন। এই ইনপুটগুলি রেফারেন্সগুলি কী চিত্রিত করে তার উপর নির্ভর করে চরিত্র, বস্তু, অবস্থান বা ক্যামেরা গতি শৈলীর জন্য সামঞ্জস্যপূর্ণ ভিজ্যুয়াল পরিচয়ের দিকে মডেলকে পরিচালনা করে।
ভিডিও-সম্পাদনা মোড কোনো আপলোড করা ক্লিপে কাজ করে?
সম্পাদনা মোড একটি উৎস হিসাবে একটি বিদ্যমান ভিডিও নেয় এবং এটি সংশোধন করতে একটি সাধারণ ভাষার নির্দেশনা প্রয়োগ করে। মডেল প্রাকৃতিক ভাষা ব্যাখ্যা করে, তাই আপনার প্রযুক্তিগত পরামিতি নির্দিষ্ট করার প্রয়োজন নেই। ফলাফলগুলি সবচেয়ে সামঞ্জস্যপূর্ণ যখন নির্দেশনা স্পষ্টভাবে বলে যে কী পরিবর্তন করা উচিত এবং কী একই থাকা উচিত।
সোশ্যাল বা ওয়েব ডেলিভারির জন্য আমার কোন রেজোলিউশন বেছে নেওয়া উচিত?
বেশিরভাগ সোশ্যাল প্ল্যাটফর্মের জন্য, 1080p একটি ব্যবহারিক ডিফল্ট কারণ এটি ভিজ্যুয়াল গুণমান ফাইল আকার এবং আপলোড প্রয়োজনীয়তার ভারসাম্য রাখে। 4K ব্যবহার করুন যখন গন্তব্য এটি সমর্থন করে, যেমন একটি উচ্চ-রেজোলিউশন ডিসপ্লে ডেমো বা একটি প্ল্যাটফর্ম যা উচ্চতর উৎস থেকে সুন্দরভাবে ডাউনসাম্পল করে। 720p পূর্বরূপ বা খসড়ার জন্য উপযুক্ত। 360p চূড়ান্ত রেজোলিউশনে প্রতিশ্রুতিবদ্ধ হওয়ার আগে দ্রুত পুনরাবৃত্তির জন্য উপযোগী।
আমি একাধিক আলাদা রেন্ডার জুড়ে একটি চরিত্র সামঞ্জস্যপূর্ণ কীভাবে রাখি?
একটি রেন্ডার থেকে আপনার রেফারেন্স ছবি সংরক্ষণ করুন এবং পরবর্তীতে রেফারেন্স ইনপুট হিসাবে সরবরাহ করুন। মডেল প্রতি রান দশটি পর্যন্ত রেফারেন্স ছবি গ্রহণ করে, তাই আপনি একই চরিত্রের একাধিক কোণ বা অভিব্যক্তি অন্তর্ভুক্ত করতে পারেন ধারাবাহিকতা শক্তিশালী করতে। চরিত্রের স্বতন্ত্র বৈশিষ্ট্যের নাম দেয় এমন বর্ণনামূলক প্রম্পটের সাথে ছবি রেফারেন্স একত্রিত করা সামঞ্জস্য আরও উন্নত করে।
এই অ্যাপ্লিকেশনটি কোন AI মডেল দ্বারা চালিত?
এই অ্যাপটি Gemini Omni Flash 1.1 এর উপর চলে, যা Arteza-এর মাধ্যমে উপলব্ধ এবং এর জন্য আলাদা অ্যাকাউন্ট বা সেটআপের প্রয়োজন নেই।
আমি কি ফলাফল বাণিজ্যিকভাবে ব্যবহার করতে পারি?
হ্যাঁ। আপনি যে কন্টেন্ট তৈরি করেন তা আপনার, আমাদের কন্টেন্ট লাইসেন্সের অধীন ব্যবহারের জন্য।
একটি জেনারেশন কতক্ষণ সময় নেয়?
বেশিরভাগ জেনারেশন এক মিনিটের মধ্যে সম্পন্ন হয় এবং আপনি গ্যালারিতে লাইভ অগ্রগতি দেখতে পারেন।