PixVerse-এ Gemini Omni Flash: ধাপে ধাপে প্রম্পটের কর্মপ্রবাহ

Gemini Omni Flash হলো PixVerse-এ উপলভ্য ভিডিও মডেলগুলোর একটি, আর তৈরি করার বোতামে চাপ দেওয়ার আগে একটু পরিকল্পনা করলে এতে ভালো ফল পাওয়া যায়। এই টিউটোরিয়ালে একটি পুনর্ব্যবহারযোগ্য কর্মপ্রবাহ দেখানো হয়েছে: ইনপুটের ধরন বেছে নিন, সময়কাল ও দৈর্ঘ্য-প্রস্থের অনুপাত স্থির করুন, একটি সুগঠিত প্রম্পট তৈরি করুন এবং আউটপুটকে ভাগ্যক্রমে পাওয়া ফলের বদলে নির্মাণে ব্যবহারের উপকরণ হিসেবে পর্যালোচনা করুন।

লেখা থেকে ভিডিও, ছবি থেকে ভিডিও বা একাধিক ছবির রেফারেন্স দিয়ে তৈরি করার জন্য একই কর্মপ্রবাহ ব্যবহার করতে পারেন। তারপর কোন ক্লিপ প্রকাশ করবেন তা ঠিক করার আগে PixVerse কর্মক্ষেত্রের অন্যান্য মডেল, যেমন PixVerse V6 ও PixVerse C1-এর ফলের সঙ্গে তুলনা করতে পারেন।

শুরুর আগে: এই কর্মপ্রবাহে কী রয়েছে

PixVerse-এ Gemini Omni Flash-এর বর্তমান সংযোজনটি ভিডিও তৈরির কর্মপ্রবাহ; Google তার API-এর জন্য যে পূর্ণাঙ্গ কথোপকথনভিত্তিক সম্পাদনার ইন্টারফেস বর্ণনা করে, এটি তা নয়। সীমাগুলো আগে থেকে জানা থাকলে এমন শটের তালিকা পরিকল্পনা করা এড়াতে পারবেন, যা মডেল এখনো PixVerse-এ তৈরি করতে পারে না।

সক্ষমতা	বর্তমানে PixVerse-এ উপলব্ধ	পরিকল্পনার পরামর্শ
টেক্সট থেকে ভিডিও	হ্যাঁ	মৌলিক ধারণা ও দ্রুত সৃজনশীল পরীক্ষা করার জন্য ভালো।
ছবি থেকে ভিডিও	হ্যাঁ	স্থির ছবি (পণ্য, পোস্টার, স্কেচ) গতিশীল করে তোলার জন্য ভালো।
রেফারেন্স ছবি থেকে ভিডিও	হ্যাঁ, সর্বোচ্চ 5টি ছবি	আপনার প্রম্পটে প্রতিটি ছবিকে `@image1` থেকে `@image5` হিসেবে উল্লেখ করুন।
ক্লিপের দৈর্ঘ্য	3-10 সেকেন্ড	ধারণাটি স্পষ্টভাবে বোঝানোর জন্য যতটুকু দৈর্ঘ্য দরকার, তার মধ্যে সবচেয়ে ছোটটি বেছে নিন।
আউটপুট	720p, 16:9 বা 9:16	জেনারেট করার আগে যে চ্যানেলে প্রকাশ করবেন, তার সঙ্গে অনুপাত মিলিয়ে নিন।
অডিও	প্রম্পটনির্ভর, সমলয়	টেক্সট প্রম্পটের মাধ্যমে পরিবেশের শব্দ, সাউন্ড ইফেক্ট বা নীরবতা নির্দেশ করুন।
স্বাভাবিক ভাষায় সম্পাদনা, দৈর্ঘ্য বাড়ানো, ট্রানজিশন, ভিডিও/কণ্ঠের রেফারেন্স	PixVerse-এ এখনো নেই	এই নিয়ন্ত্রণগুলো অগ্রাধিকার পেলে অন্য কোনো PixVerse মডেল ব্যবহার করুন।

ধাপ 1: আপনার মডেল হিসেবে Gemini Omni Flash বেছে নিন

PixVerse-এর জেনারেশন স্ক্রিন থেকে মডেল নির্বাচনের তালিকা খুলুন এবং আপনার প্ল্যানে উপলব্ধ থাকলে Gemini Omni Flash নির্বাচন করুন। PixVerse-এ একাধিক মডেল পাশাপাশি থাকায়, আপনি একই নির্দেশনা দিয়ে Gemini Omni Flash-এ ভিডিও তৈরি করতে পারেন, তারপর অন্য মডেলে আবার তৈরি করে দেখতে পারেন কোনটি আপনার নির্দিষ্ট শট সবচেয়ে ভালো ফুটিয়ে তোলে।

আপনি যদি এখনো Gemini Omni Flash দেখতে না পান, তাহলে আপনার অ্যাকাউন্টের স্তর ও অ্যাপের ভেতরের রোলআউট বিজ্ঞপ্তি দেখুন — উপলব্ধতা ও ক্রেডিট খরচ বদলাতে পারে, তাই বর্তমান সঠিক তথ্যের জন্য এই গাইডের বদলে মডেল নির্বাচনের তালিকাকে নির্ভরযোগ্য উৎস হিসেবে ধরুন।

ধাপ 2: কোথা থেকে শুরু করবেন তা ঠিক করুন

আপনি মডেলকে কী দিচ্ছেন, তার ওপরই আপনার প্রম্পটের কৌশল পুরোপুরি নির্ভর করে:

টেক্সট থেকে ভিডিও — আগে থেকে কোনো উপকরণ না থাকলে সবচেয়ে উপযোগী: নতুন ধারণা, সোশ্যাল ক্লিপ, বিজ্ঞাপনের দ্রুত খসড়া, ব্যাখ্যামূলক ভিজ্যুয়াল।
ছবি থেকে ভিডিও — দৃশ্যের ভিত্তি হিসেবে ব্যবহার করার মতো স্থির ছবি আগে থেকেই থাকলে সবচেয়ে উপযোগী: পণ্যের ছবি, মূল আর্টওয়ার্ক, পোস্টার, প্যাকেজিং।
রেফারেন্স ছবি থেকে ভিডিও — একাধিক ছবি একসঙ্গে ফলাফলকে পরিচালনা করতে হলে সবচেয়ে উপযোগী। সর্বোচ্চ পাঁচটি JPEG/PNG ফাইল আপলোড করুন এবং প্রম্পটে প্রতিটিকে আলাদাভাবে উল্লেখ করুন (@image1, @image2 ইত্যাদি)। প্রতিটি ছবি ঠিক কোন বিষয় নিয়ন্ত্রণ করবে — মূল বিষয়, রঙের সমন্বয়, আলো, ভঙ্গি — তা মডেলকে স্পষ্ট করে বলুন।

ধাপ 3: আগে দৈর্ঘ্য ও অ্যাসপেক্ট রেশিও ঠিক করুন

প্রম্পট লেখার আগে এগুলো নির্ধারণ করুন, কারণ প্রম্পটে কতটা গল্প ধরাতে হবে তা এগুলোই ঠিক করে।

দৈর্ঘ্য: পণ্যের একটি মুহূর্ত তুলে ধরতে 5-6 সেকেন্ড যথেষ্ট; 8-10 সেকেন্ডে শুরু, মধ্যভাগ ও শেষ দেখানোর সুযোগ থাকে (চরিত্র পরিচিতি, ব্যাখ্যামূলক ভিডিও)।
অ্যাসপেক্ট রেশিও: TikTok, Reels ও Shorts-এর জন্য 9:16; YouTube, ল্যান্ডিং পেজ ও প্রেজেন্টেশনের জন্য 16:9। একটি মূল ক্লিপ কেটে বিভিন্ন জায়গার উপযোগী করার বদলে প্রতিটি অনুপাতের জন্য আলাদা ভিডিও জেনারেট করুন।

ধাপ 4: ছোট একটি প্রোডাকশন ব্রিফের মতো করে প্রম্পট তৈরি করুন

শুধু আবহ বর্ণনা করে এমন প্রম্পট (“এটিকে প্রিমিয়াম দেখাও”) দৃশ্যের নির্দিষ্ট বিবরণ দেওয়া প্রম্পটের তুলনায় মডেলকে কাজ করার অনেক কম তথ্য দেয়। এই উপাদানগুলো ক্রমানুসারে সাজান:

মূল বিষয় — ফ্রেমের কেন্দ্রে থাকা ব্যক্তি, পণ্য বা বস্তু।
অ্যাকশন — ক্লিপ চলাকালে দৃশ্যমানভাবে কী পরিবর্তন হবে।
ক্যামেরা — ক্লোজ-আপ, ওয়াইড, সামনে এগোনো, চারদিকে ঘোরা, হাতে ধরা, ওপর থেকে, স্থির।
আলো ও আবহ — দিনের আলো, নিয়ন, নরম স্টুডিও আলো, নাটকীয়, প্রাণবন্ত।
পরিবেশ — স্থান, প্রপস, আবহাওয়া, উপাদান, পৃষ্ঠের বুনট।
অডিও — পরিবেশের শব্দ, সাউন্ড ইফেক্ট, সংগীতের আবহ, অথবা স্পষ্টভাবে “কোনো সংলাপ নয়।”
সময়বিন্যাস — 6-7 সেকেন্ডের বেশি দৈর্ঘ্যের ক্ষেত্রে কোন সেকেন্ডে কী ঘটবে।
সীমাবদ্ধতা — কী এড়াতে হবে: লোগো, অতিরিক্ত লেখা, দৃশ্য কাট, সেলিব্রিটির সাদৃশ্য।

পূরণ করার জন্য একটি সহজ টেমপ্লেট:

[দৈর্ঘ্য] সময়ের [অ্যাসপেক্ট রেশিও] অনুপাতের একটি ভিডিও তৈরি করো। মূল বিষয় হলো [নির্দিষ্ট বিষয়]। অ্যাকশন হলো [নির্দিষ্ট নড়াচড়া]। ক্যামেরা [চলন ও ফ্রেমিং]। পরিবেশ হলো [স্থান, আলো, উপাদান, প্রপস]। অডিও: [পরিবেশের শব্দ, সাউন্ড ইফেক্ট, সংগীতের আবহ বা নীরবতা]। সীমাবদ্ধতা: [কী অক্ষুণ্ণ রাখতে হবে, কী এড়াতে হবে]।

প্রয়োজন হলে একটানা একটি শটের স্পষ্ট নির্দেশ দিন

নির্দেশ না দিলে Gemini Omni Flash একটি ক্লিপের ভেতরে একাধিক ছোট শটের মধ্যে কাট করতে পারে। পণ্যের শট, ফ্যাশনের নড়াচড়া বা এমন কোনো দৃশ্যে যেখানে কাট ধারাবাহিকতা নষ্ট করবে, প্রম্পটে সরাসরি “একটানা একটি শট”, “কোনো দৃশ্য কাট নয়” বা “বিরতিহীন একটি টেক” যোগ করুন।

প্রতিবার প্রম্পটে অডিওর নির্দেশনা লিখুন

যেহেতু ভিডিওর সঙ্গে সমলয়ে অডিও তৈরি হয়, তাই বিষয়টি ভাগ্যের ওপর ছেড়ে দেবেন না। আপনার কাঙ্ক্ষিত পরিবেশের শব্দ বা সাউন্ড ইফেক্ট বর্ণনা করুন (মৃদু ক্লিক, ঘরের স্বাভাবিক শব্দ, জনতার প্রাণচাঞ্চল্য), আর ক্লিপে কথা না থাকলে “কোনো সংলাপ নয়” বলুন। নির্দিষ্ট গান, শিল্পী বা পরিচিত কণ্ঠের ধরন চাইবেন না — তার বদলে আবহ বর্ণনা করুন।

একাধিক পর্বের ক্লিপে টাইমকোড যোগ করুন

8-10 সেকেন্ডের ক্লিপে গল্পের একাধিক পর্ব থাকলে, টাইমকোডসহ নির্দেশনা মডেলকে আপনার কাঠামো অনুসরণ করতে সাহায্য করে:

[0-2s] টেবিলের ওপর পণ্যটি দেখাও। [2-5s] পৃষ্ঠে আলো পড়ার সঙ্গে সঙ্গে ক্যামেরা সামনে এগোবে। [5-8s] পণ্যটি সামান্য ঘুরে একটি পরিচ্ছন্ন শেষ ফ্রেমে স্থির হবে।

দুই বা তিনটি পর্বের মধ্যে রাখুন — 10 সেকেন্ডে এর বেশি গুঁজে দিলে সবচেয়ে গুরুত্বপূর্ণ অ্যাকশনটি অস্পষ্ট হয়ে যাওয়ার প্রবণতা থাকে।

প্রতিটি রেফারেন্স ছবির কাজ মডেলকে বলুন

একাধিক রেফারেন্স ছবি ব্যবহার করলে অস্পষ্টতা সমস্যার কারণ হয়। প্রতিটির ভূমিকা পরিষ্কার করে লিখুন:

পণ্যের হুবহু রেফারেন্স হিসেবে @image1 ব্যবহার করো — বোতলের আকৃতি, ঢাকনার রং ও লেবেলের অবস্থান অক্ষুণ্ণ রাখো। @image2 শুধু আলো ও পটভূমির আবহের জন্য ব্যবহার করো। @image2 থেকে কোনো লোগো বা মানুষ নিও না।

ধাপ 5: জেনারেট করুন, তারপর ভক্তের মতো নয়, প্রযোজকের দৃষ্টিতে পর্যালোচনা করুন

ক্লিপ রেন্ডার হয়ে গেলে, প্রথম দেখায় কেমন লাগছে শুধু তা দিয়ে নয়, যে কাজটি করার কথা তার ভিত্তিতে বিচার করুন। যাচাই করুন:

পুরো ক্লিপে মূল বিষয়/পণ্যের চেহারা কি সামঞ্জস্যপূর্ণ ছিল?
পর্দার লেখা কি পড়া যায়, নাকি বিকৃত হয়েছে?
অডিও কি পর্দার নড়াচড়ার সঙ্গে সত্যিই মেলে?
শেষ ফ্রেমটি কি থাম্বনেইল বা কাট দেওয়ার জায়গা হিসেবে ব্যবহারযোগ্য?

বাণিজ্যিক ব্যবহারের জন্য অধিকারের সমস্যাও যাচাই করুন — বাস্তব কোনো ব্যক্তির সাদৃশ্য, ব্র্যান্ডের লোগো বা চেনা গান বা কণ্ঠের ওপর নির্ভর করে এমন কিছু এড়িয়ে চলুন। Gemini Omni Flash নিরাপত্তা ও ওয়াটারমার্ক কীভাবে সামলায় তা আরও বিস্তারিত জানতে, আমাদের Gemini Omni Flash পরিচিতি দেখুন।

শুরু করার জন্য পাঁচটি প্রম্পটের নমুনা

এগুলোকে শুরুর টেমপ্লেট হিসেবে ব্যবহার করুন, তারপর নিজের পণ্য, মূল বিষয় ও সীমাবদ্ধতা বসিয়ে নিন।

নমুনা 1: পণ্যের ছবি থেকে উল্লম্ব বিজ্ঞাপন

সেটআপ: 9:16, 6-8 সেকেন্ড, ছবি থেকে ভিডিও অথবা পণ্যের একটি রেফারেন্স ছবি।

পণ্যের হুবহু রেফারেন্স হিসেবে @image1 ব্যবহার করে 8 সেকেন্ডের 9:16 পণ্য ভিডিও তৈরি করো। পণ্যের আকৃতি, ঢাকনা, রং, লেবেলের অবস্থান ও সামগ্রিক অবয়ব অক্ষুণ্ণ রাখো। সূর্যোদয়ের সময় পণ্যটি ভেজা গাঢ় পাথরের পৃষ্ঠে দাঁড়িয়ে আছে। [0-2s] পৃষ্ঠের পানির ফোঁটার ম্যাক্রো ক্লোজ-আপ। [2-5s] প্রান্তগুলোতে উষ্ণ আলো পড়ার সঙ্গে সঙ্গে ক্যামেরা ধীরে পেছাবে। [5-8s] পণ্যটি সামান্য ঘুরে মাঝখানে স্থির হবে। অডিও: পানির ফোঁটার মৃদু শব্দ, ঘরের সূক্ষ্ম স্বাভাবিক শব্দ, কোনো সংলাপ নয়। সীমাবদ্ধতা: অতিরিক্ত লোগো নয়, অতিরিক্ত লেখা নয়, কোনো দৃশ্য কাট নয়।

নমুনা 2: শিক্ষামূলক ব্যাখ্যামূলক ভিডিও

সেটআপ: 16:9 বা 9:16, 8-10 সেকেন্ড, টেক্সট থেকে ভিডিও।

একটি সৌর প্যানেল কীভাবে সূর্যের আলোকে বিদ্যুতে রূপান্তর করে, তা বোঝাতে গাঢ় টেবিলের ওপর কাগজের কারুশিল্পের শৈলীতে 10 সেকেন্ডের 16:9 ব্যাখ্যামূলক ভিডিও তৈরি করো। [0-3s] কাগজের একটি সূর্য নীল প্যানেলের দিকে রশ্মি পাঠায়। [3-6s] আঁকা সার্কিট বরাবর উজ্জ্বল বিন্দুগুলো এগিয়ে যায়। [6-10s] কাগজের একটি ছোট বাড়ি আলোকিত হয়। ক্যামেরা: ছোট ছোট স্টপ-মোশন নড়াচড়াসহ ওপর থেকে স্থির শট। লেখা: শুধু “সূর্যালোক”, “প্যানেল”, “বিদ্যুৎ”, ঠিক এই বানানে। অডিও: কাগজ নড়ার মৃদু শব্দ, ছোট্ট ঘণ্টাধ্বনি, কোনো ভয়েসওভার নয়। সীমাবদ্ধতা: অতিরিক্ত শব্দ নয়, মানুষের হাত নয়, লোগো নয়।

নমুনা 3: রেফারেন্স থেকে চরিত্র পরিচিতি

সেটআপ: 16:9, 8-10 সেকেন্ড, সর্বোচ্চ তিনটি রেফারেন্স ছবি।

9 সেকেন্ডের 16:9 মৌলিক চরিত্র পরিচিতির ভিডিও তৈরি করো। পরিচয়ের রেফারেন্স হিসেবে @image1 ব্যবহার করো — মুখের আকৃতি, চুলের স্টাইল, জ্যাকেটের রং ও সামগ্রিক অবয়ব অক্ষুণ্ণ রাখো। @image2 শুধু আলো ও শহরের পটভূমির আবহের জন্য ব্যবহার করো। গোধূলিতে চরিত্রটি ছাদে দাঁড়িয়ে আছে, ক্যামেরার দিকে ঘোরে, একটি ছোট জ্বলজ্বলে যন্ত্র তুলে ধরে। ক্যামেরা: মিডিয়াম ফ্রেমে ধীরে সামনে এগোবে, একটানা একটি শট। আলো: নীল সন্ধ্যার আকাশ, প্রান্তে উষ্ণ আলো। অডিও: দূরের শহরের পরিবেশের শব্দ, মৃদু ইলেকট্রনিক গুঞ্জন। সীমাবদ্ধতা: শুধু মৌলিক চরিত্র, কোনো ফ্র্যাঞ্চাইজির উল্লেখ নয়, লোগো নয়, সংলাপ নয়।

নমুনা 4: অ্যাপের হিরো লুপ

সেটআপ: 16:9, 6-8 সেকেন্ড, টেক্সট থেকে ভিডিও।

একটি AI পরিকল্পনা অ্যাপের জন্য 7 সেকেন্ডের 16:9 হিরো লুপ তৈরি করো। পরিচ্ছন্ন ডেস্কের ওপর একটি অর্ধস্বচ্ছ টাইমলাইন ভাসছে, যেখানে বিমূর্ত কার্ড ও রেখাগুলো সাজিয়ে শান্ত একটি সাপ্তাহিক পরিকল্পনা তৈরি হচ্ছে। ক্যামেরা: ধীরে বাঁ থেকে ডানে স্লাইড করবে, অল্প ডেপথ অব ফিল্ড, একটানা একটি শট। আলো: সকালের প্রাকৃতিক আলো, নরম ছায়া, নীলচে সবুজ ও উষ্ণ হলুদ রঙের ছোঁয়া। অডিও: ইন্টারফেসের সূক্ষ্ম ক্লিক, মৃদু পরিবেশগত সুর। লেখা: পড়া যায় এমন অ্যাপের নাম বা কাজের লেখা নয়। শেষ ফ্রেমটি শুরুর ফ্রেমের সঙ্গে মিলতে হবে, যাতে ক্লিপটি নির্বিঘ্নে লুপ হয়।

নমুনা 5: ফ্যাশন লুকবুকের গতিশীল দৃশ্য

সেটআপ: 9:16, 8-10 সেকেন্ড, রেফারেন্স ছবি থেকে ভিডিও।

10 সেকেন্ডের 9:16 ফ্যাশন লুকবুক ক্লিপ তৈরি করো। পোশাকের রেফারেন্স হিসেবে @image1 ব্যবহার করো — কোটের দৈর্ঘ্য, কাপড়ের বুনট, রঙের সমন্বয় ও জুতার ধরন অক্ষুণ্ণ রাখো। @image2 শুধু স্টুডিওর আলোর জন্য ব্যবহার করো। একজন কাল্পনিক মডেল কংক্রিটের স্টুডিও দিয়ে হেঁটে যায়, থামে, এক কাঁধ ক্যামেরার দিকে ঘোরায় এবং কোটটি স্বাভাবিকভাবে দুলতে থাকে। ক্যামেরা: উল্লম্বভাবে পুরো শরীরের ফ্রেমিং, মসৃণ ডলি চলন, কোনো দৃশ্য কাট নয়। আলো: বাঁ দিক থেকে বড় সফটবক্স। অডিও: শান্ত স্টুডিওর পরিবেশের শব্দ, মৃদু পায়ের আওয়াজ, কোনো সংলাপ নয়। সীমাবদ্ধতা: কাল্পনিক মডেল, কোনো সেলিব্রিটির সাদৃশ্য নয়, ব্র্যান্ডের লোগো নয়।

FAQ

আমার কি বিশেষভাবে Gemini Omni Flash দরকার, নাকি অন্য PixVerse মডেল ব্যবহার করতে পারি?

PixVerse-এর একাধিক বিকল্পের মধ্যে Gemini Omni Flash একটি। সমলয় অডিও ও একাধিক রেফারেন্স ছবির নিয়ন্ত্রণসহ প্রম্পটনির্ভর দৃশ্যের জন্য এটি খুব উপযোগী; দৈর্ঘ্য বাড়ানো, ট্রানজিশন বা দীর্ঘ ভিডিও সম্পাদনার সুবিধা Gemini Omni Flash-এ না আসা পর্যন্ত অন্য PixVerse মডেল সেসব কাজে বেশি মানানসই হতে পারে।

আমি কতটি রেফারেন্স ছবি আপলোড করতে পারি?

প্রতিবার জেনারেশনে সর্বোচ্চ পাঁচটি JPEG বা PNG ছবি, যেগুলো প্রম্পটে আলাদাভাবে @image1 থেকে @image5 হিসেবে উল্লেখ করতে হবে।

কী রেজল্যুশন ও দৈর্ঘ্য আশা করতে পারি?

বর্তমান PixVerse ইন্টিগ্রেশনে 16:9 বা 9:16 অনুপাতে 3-10 সেকেন্ডের 720p ভিডিও তৈরি হয়।

ক্লিপে পর্দায় হুবহু নির্দিষ্ট লেখা পেতে পারি?

পর্দার লেখা ছোট রাখুন এবং প্রম্পটে স্পষ্টভাবে লিখুন (হুবহু শব্দ, উদ্ধৃতিচিহ্নের মধ্যে)। ফলাফল ভালোভাবে যাচাই করার প্রস্তুতি রাখুন — নির্ভুল টাইপোগ্রাফির ক্ষেত্রে এখনো ফলাফলে ভিন্নতা হতে পারে।

ভিডিওর দৈর্ঘ্য বাড়ানো বা ট্রানজিশন কি এখন সমর্থিত?

বর্তমান PixVerse Gemini Omni Flash কর্মপ্রবাহে নয়। দৈর্ঘ্য বাড়ানো, ট্রানজিশন বা ভিডিও/কণ্ঠের রেফারেন্স অগ্রাধিকার পেলে অন্য PixVerse মডেল ব্যবহার করুন।