Codex प्रैक्टिकल सीरीज: बिना किसी एडिटिंग के वायरल वीडियो ऑटोमैटिकली जेनरेट करें

पहले, एक वीडियो बनाने के लिए—स्क्रिप्ट लिखना, वॉयसओवर रिकॉर्ड करना, एडिटिंग और सबटाइटल जोड़ना—इन सबमें काफी समय लगता था और इसे सीखना भी आसान नहीं था, जिसके कारण अक्सर लोग शुरू करने से पहले ही हार मान जाते थे।

अब, ये सारे काम सीधे Codex को सौंपे जा सकते हैं।

आप इसे एक आर्टिकल या सिर्फ एक थीम देते हैं, उसके अनुसार वीडियो स्किल्स प्रदान करते हैं, और Codex बोली जाने वाली स्क्रिप्ट, आवाज़, स्टोरीबोर्ड, सबटाइटल, मोशन इफेक्ट्स और अंतिम वीडियो पूरा कर सकता है। आपको पहले एडिटिंग सीखने की ज़रूरत नहीं है, न ही कोड समझने की; जब तक आप स्पष्ट रूप से बता सकते हैं कि आप कैसा वीडियो चाहते हैं, आप शुरू कर सकते हैं।

इस लेख में, मैं शुरू से अंत तक पूरी प्रक्रिया समझाऊंगा। हम एक आर्टिकल से बिना चेहरा दिखाए वीडियो बनाकर शुरू करेंगे, और फिर रियल-पर्सन वॉयसओवर के लिए एडिटिंग का तरीका जोड़ेंगे। वीडियो बनाने में नया व्यक्ति भी इसका अनुसरण करके अपना पहला वर्जन तैयार कर सकता है।

मेरा वर्कफ़्लो है: आर्टिकल या थीम → बोली जाने वाली स्क्रिप्ट → वॉयसओवर → टाइमलाइन → स्टोरीबोर्ड → HyperFrames → अंतिम वीडियो की जाँच।

यह ट्यूटोरियल सबसे सरल रास्ते से शुरू होता है। आपको बस यह जानना होगा कि Codex को कैसे खोलें, एक फ़ोल्डर बनाएं और उसमें आर्टिकल डालें; बाकी काम के लिए आप इसे वाक्य दर वाक्य बता सकते हैं।

सबसे पहले, Codex को आवश्यक टूल्स सौंपें

एक स्किल को Codex के लिए एक कार्य निर्देश पुस्तिका के रूप में समझा जा सकता है। यह Codex को बताता है कि किन टूल्स को कॉल करना है, उन्हें किस क्रम में पूरा करना है, और वॉयसओवर, स्टोरीबोर्ड या एडिटिंग के कार्यों का सामना करने पर किन मुद्दों की जाँच करनी है।

इंस्टॉलेशन विधि को एक वाक्य में एकीकृत किया जा सकता है: नीचे दिए गए GitHub लिंक को Codex में कॉपी करें, और इसे प्रोजेक्ट विवरण पढ़ने, इंस्टॉलेशन पूरा करने और जाँचने दें कि यह उपयोग करने योग्य है या नहीं। विशिष्ट कमांड Codex पर छोड़ दें; आपको उन्हें स्वयं कॉपी करने की आवश्यकता नहीं है।

इस वीडियो वर्कफ़्लो में उपयोग किए जाने वाले टूल्स को चरण दर चरण देखा जा सकता है:

HyperFrames में पहले से ही कई भूमिकाएँ शामिल हैं: /faceless-explainer आर्टिकल या थीम को बिना चेहरा दिखाए स्पष्टीकरण में व्यवस्थित करने के लिए जिम्मेदार है, /hyperframes-creative वॉयसओवर की लय और स्टोरीबोर्डिंग को संभालता है, /media-use इमेज, ध्वनि और सबटाइटल का प्रबंधन करता है, और /hyperframes-animation विज़ुअल बदलावों को संभालता है। आमतौर पर, आपको बस Codex को बताना होगा "इस वीडियो को बनाने के लिए /hyperframes का उपयोग करें", और यह आवश्यक भागों का चयन करेगा।

आवश्यकतानुसार विज़ुअल स्टाइल भी जोड़े जा सकते हैं। यदि आप एक कोलाज-स्टाइल नॉलेज वीडियो बनाना चाहते हैं, तो आप Codex को HyperFrames Community Skills से vox-explainer दे सकते हैं; यदि आप हैंडराइटिंग या ड्रॉइंग इफेक्ट चाहते हैं, तो उसी रिपॉजिटरी से p5-paint-animation चुनें; उत्पाद परिचय, इंटरफ़ेस डेमो या प्रमोशनल शॉट्स के लिए, Codex को video-shotcraft देखने दें। ये स्टाइल एक्सटेंशन हैं और आपके पहले वीडियो के लिए इन सभी को इंस्टॉल करने की आवश्यकता नहीं है।

टूल्स को वर्कफ़्लो में डालने के बाद, Codex पहले कंटेंट एडिटिंग करेगा, फिर ध्वनि, स्टोरीबोर्डिंग और अंतिम वीडियो की जाँच करेगा। आपको बस यह पुष्टि करनी होगी कि प्रत्येक चरण के परिणाम आपके इरादे से मेल खाते हैं या नहीं।

अब एक नया फ़ोल्डर बनाएं, उदाहरण के लिए, codex-video, और इसे Codex में खोलें। इसमें अपना आर्टिकल, इमेज और बाद में जनरेट किया गया ऑडियो डालें, फिर पहली मुख्य लाइन की तैयारी पूरी करने के लिए Codex को HyperFrames रिपॉजिटरी लिंक दें।

कुछ आर्टिकल वीडियो लगातार ट्रैफ़िक क्यों लाते हैं

Serena ने एक बहुत ही विशिष्ट प्रयास किया: "AI वीडियो बना सकता है" के बारे में अस्पष्ट रूप से बात करने के बजाय, उसने "बुक ब्रेकडाउन" कंटेंट निच चुना और Douyin के लिए उपयुक्त वीडियो बनाने के लिए Codex और HyperFrames का उपयोग किया।

पाठक इसलिए क्लिक करते हैं क्योंकि वे एक पूरा रास्ता देखते हैं: एक ऐसा निच चुनें जिसे लोग पहले से देखते हैं, एक किताब ढूंढें, एक स्क्रिप्ट लिखें, एक वीडियो बनाएं, और अगली किताब के लिए उसी संरचना को दोहराएं। वीडियो निर्माण बीच में सिर्फ निष्पादन का तरीका है; शुरुआत में लोगों को वास्तव में आकर्षित करने वाली बात यह है कि "क्या यह तरीका मेरे अकाउंट को बढ़ाने में मदद कर सकता है"।

उसका वास्तविक उत्पादन क्रम भी अनुसरण करने योग्य है: पहले 30 सेकंड की अवधि, वर्टिकल फ़ॉर्मेट और प्रकाशन प्लेटफ़ॉर्म तय करें; स्क्रिप्ट अलग से लिखें; स्क्रिप्ट को खंडों में विभाजित करें; अंतिम आवाज़ जनरेट करें; आवाज़ के आधार पर सबटाइटल टाइमिंग प्राप्त करें; फिर HyperFrames को विज़ुअल व्यवस्थित करने दें; पूर्वावलोकन करें, संशोधित करें और अंत में रेंडर करें।

यहाँ एक बहुत ही महत्वपूर्ण क्रम है: पहले शब्दों और अंतिम ऑडियो को अंतिम रूप दें, फिर विज़ुअल करें। यदि आप ऑडियो का एक वाक्य बदलते हैं, तो सबटाइटल और शॉट टाइमिंग सब बदल जाएंगे। मोशन इफेक्ट्स बहुत जल्दी करने से बाद में बार-बार रीवर्क करना पड़ता है।

आपको बुक अकाउंट बनाने की ज़रूरत नहीं है। आप AI टूल्स को तोड़ सकते हैं, काम करने के तरीकों को समझा सकते हैं, उद्योग के मामलों के बारे में बात कर सकते हैं, या अपने लंबे लेखों को वीडियो सीरीज़ में बदल सकते हैं। पहले कंटेंट का दायरा तय करें और हर वीडियो के लिए एक ही संरचना का उपयोग करें ताकि Codex आपको तेज़ी से काम करने में मदद कर सके।

चरण 1: आर्टिकल या थीम को बोली जाने वाली स्क्रिप्ट में बदलें

बोली जाने वाली स्क्रिप्ट पूरे वीडियो की रीढ़ है। चाहे विज़ुअल कितने भी सुंदर हों, अगर शुरुआत लोगों को आकर्षित नहीं करती या तरीका स्पष्ट नहीं है, तो वीडियो को पूरा देखना मुश्किल होगा।

यहाँ तीन रास्ते हैं।

विकल्प 1: सिर्फ एक थीम, Codex को सीधे लिखने दें

उदाहरण के लिए, यदि आप "Codex वीडियो कैसे बनाता है" पर एक वीडियो बनाने की योजना बनाते हैं, तो Codex को चार बातें बताएं: दर्शक कौन हैं, यह किस समस्या का समाधान करता है, वीडियो कितना लंबा है, और आप दर्शकों को देखने के बाद क्या करवाना चाहते हैं।

1मैं "पहली बार Codex का उपयोग करके वीडियो बनाना" थीम पर 60 सेकंड का वर्टिकल वीडियो बनाना चाहता हूँ।
2
3दर्शक केवल Codex का उपयोग करना जानते हैं और उन्होंने कभी स्क्रिप्ट नहीं लिखी या वीडियो एडिट नहीं किया है।
4शुरुआत में उन्हें अंतिम परिणाम बताएं, फिर स्पष्ट रूप से समझाएं: स्क्रिप्ट जनरेट करना, आवाज़ चुनना, विज़ुअल के लिए HyperFrames का उपयोग करना और अंतिम वीडियो की जाँच करना।
5प्रत्येक वाक्य को जोर से पढ़ने में आसान होना चाहिए, कोई औपचारिक उपशीर्षक नहीं, कोई शब्दजाल नहीं।
6अंत में उन्हें एक थीम के साथ अपना पहला वीडियो चलाने के लिए कहें।
7
8अभी के लिए केवल बोली जाने वाली स्क्रिप्ट दें; स्टोरीबोर्डिंग या वीडियो न करें।

थीम जितनी विशिष्ट होगी, स्क्रिप्ट लिखना उतना ही आसान होगा। "AI वीडियो बनाना" को "एक टूल रिव्यू को 60 सेकंड के वर्टिकल स्पष्टीकरण में बदलना" तक सीमित करने से Codex को पता चलता है कि कौन सी सामग्री रखनी है।

विकल्प 2: पहले से एक आर्टिकल है, Codex को इसे बोली जाने वाली भाषा में ढालने दें

आर्टिकल को article.md के रूप में सेव करें और इसे इमेज के साथ प्रोजेक्ट फ़ोल्डर में डालें। फिर Codex को बताएं:

1कृपया article.md पढ़ें और इसे 90 सेकंड की बोली जाने वाली स्क्रिप्ट में ढालें।
2
3आर्टिकल के मुख्य निष्कर्ष और सबसे उपयोगी मामलों को रखें; हर पैराग्राफ को सिर्फ सारांशित न करें।
4शुरुआत में बताएं कि पाठक को क्या मिलेगा, बीच में केवल तीन चरण रखें, और प्रत्येक चरण को समझने में आसान वाक्यों में समझाएं।
5आर्टिकल से लिंक, फुटनोट या फ़ॉर्मेटिंग चिह्न न पढ़ें।
6कृपया उन तथ्यों को अलग से सूचीबद्ध करें जिन्हें मुझे सत्यापित करने की आवश्यकता है।
7
8अभी के लिए केवल narration.md जनरेट करें।

आर्टिकल को स्क्रिप्ट में बदलते समय, सबसे आम समस्या यह है कि "शब्द पहचानने योग्य हैं, लेकिन वे किसी व्यक्ति के बोलने जैसे नहीं लगते"। Codex को humanizer-zh का लिंक दें, इसे इंस्टॉल करने दें, और narration.md को प्रोसेस करें: तथ्यों और व्यक्तिगत अंतर्दृष्टि को रखें, लेकिन अनुवाद शैली, यांत्रिक समानता और अत्यधिक औपचारिक वाक्यों को समायोजित करें।

अनुकूलन के बाद, आपको अभी भी इसे स्वयं जोर से पढ़ना होगा। आपका मुँह कई ऐसी समस्याओं को ढूंढ लेगा जो आपकी आँखों से छूट गई थीं।

विकल्प 3: HyperFrames को पूरे फेसलेस वीडियो को संभालने दें

यदि आपके पास केवल सामग्री है और स्क्रिप्ट या विज़ुअल के बारे में नहीं सोचा है, तो आप /hyperframes के माध्यम से /faceless-explainer दर्ज कर सकते हैं। यह थीम, आर्टिकल या नोट्स को एक स्पष्टीकरण दिशा, कथन और स्टोरीबोर्ड में व्यवस्थित करेगा।

यह रास्ता आसान है और जल्दी से पहला वर्जन बनाने के लिए उपयुक्त है। पहले दो विकल्प तब बेहतर होते हैं जब आपके पास स्पष्ट दृष्टिकोण हों और आप स्क्रिप्ट सामग्री को सख्ती से नियंत्रित करना चाहते हों।

आप जो भी चुनें, स्क्रिप्ट में आदर्श रूप से ये चार भाग होने चाहिए:

1. हुक: पहले परिणाम या एक विशिष्ट समस्या प्रस्तुत करें।
2. समस्या: दर्शकों को बताएं कि वे वर्तमान में कहाँ अटके हुए हैं।
3. विधि: प्रक्रिया को दो या तीन चरणों में समझाएं।
4. अगला कदम: एक ऐसी कार्रवाई दें जिसे वे देखने के तुरंत बाद कर सकें।

उदाहरण के लिए, इस ट्यूटोरियल का वीडियो परिचय हो सकता है: "Codex इंस्टॉल कर लिया लेकिन पता नहीं क्या करें? आप इसका उपयोग वीडियो बनाने के लिए शुरू कर सकते हैं। इसे एक आर्टिकल दें, और यह स्क्रिप्ट, आवाज़, सबटाइटल और विज़ुअल संभाल सकता है। आइए, आज सबसे छोटे वर्कफ़्लो को चलाते हैं।"

चरण 2: मानक TTS चुनें या अपनी खुद की आवाज़ क्लोन करें

एक बार स्क्रिप्ट अंतिम रूप दे दी जाए, तो तय करें कि इसे कौन पढ़ेगा। पहली बार, मानक TTS पर्याप्त है; एक बार जब आप स्थिर रूप से सामग्री अपडेट कर सकते हैं, तब व्यक्तिगत आवाज़ क्लोनिंग को संभालें।

सबसे आसान: मौजूदा TTS का उपयोग करें

TTS का मतलब टेक्स्ट को MP3 या WAV में बदलना है। आप अपने पास मौजूद किसी भी टेक्स्ट-टू-स्पीच फ़ंक्शन का उपयोग कर सकते हैं, या ओपन-सोर्स edge-tts को Codex को दे सकते हैं, इसे इंस्टॉल करने दें, एक चीनी आवाज़ चुनें और ऑडियो और सबटाइटल जनरेट करें।

पूरा टेक्स्ट जनरेट करने से पहले आवाज़, गति और विराम की पुष्टि करने के लिए पहले दस सेकंड सुनें। मानक TTS आपकी तरह नहीं लगेगा, लेकिन इसका लाभ गति है, जो सामग्री और विज़ुअल वर्कफ़्लो को सत्यापित करने के लिए उपयुक्त है।

लंबी अवधि के लिए अपनी खुद की आवाज़ का उपयोग करने के लिए: CosyVoice

CosyVoice एक ओपन-सोर्स वॉयस जनरेशन टूलसेट है। इसे एक साफ संदर्भ रिकॉर्डिंग और संबंधित शब्द-दर-शब्द टेक्स्ट दें, और यह समान वक्ता विशेषताओं के साथ नया कथन जनरेट कर सकता है।

यहाँ तीन चीजों को मिलाना नहीं चाहिए:

• reference.wav: आपकी या अधिकृत संदर्भ रिकॉर्डिंग।
• reference.txt: संदर्भ रिकॉर्डिंग में वास्तव में बोला गया हर एक शब्द।
• narration.md: इस वीडियो के लिए जनरेट की जाने वाली नई स्क्रिप्ट।

संदर्भ टेक्स्ट रिकॉर्डिंग से बिल्कुल मेल खाना चाहिए। यदि आप चलते-फिरते एक शब्द बदलते हैं, तो टेक्स्ट भी बदलना होगा। बैकग्राउंड म्यूज़िक, इको और भारी नॉइज़ रिडक्शन संदर्भ गुणवत्ता को प्रभावित करेंगे; शांत वातावरण में एक स्पष्ट, प्राकृतिक आवाज़ रिकॉर्ड करने का प्रयास करें।

CosyVoice की स्थानीय स्थापना में मानक TTS की तुलना में कुछ अधिक कदम लगते हैं। शुरुआती सीधे Codex को आधिकारिक रिपॉजिटरी दे सकते हैं:

1कृपया मुझे CosyVoice स्थापित करने में मदद करें:
2https://github.com/QwenAudio/CosyVoice
3
4कृपया पहले आधिकारिक README पढ़ें, फिर वर्तमान कंप्यूटर वातावरण की जाँच करें और स्थापना पूरी करें।
5स्थापना के बाद, केवल एक छोटा परीक्षण ऑडियो जनरेट करें; पूरी स्क्रिप्ट सीधे जनरेट न करें।

यह रनिंग एनवायरनमेंट तैयार करेगा और स्थानीय रूप से वॉयस मॉडल डाउनलोड करेगा, जिसमें मानक TTS से अधिक समय लगेगा। आपको एक-एक करके कमांड निष्पादित करने की आवश्यकता नहीं है; यदि कोई चरण विफल होता है, तो Codex चैट में पूरा एरर मैसेज छोड़ दें और इसे जाँचने दें। स्थापना के बाद, आपको अभी भी यह जाँचने के लिए परीक्षण ऑडियो स्वयं सुनना होगा कि आवाज़ आपकी तरह लगती है या नहीं और उच्चारण स्वाभाविक है या नहीं।

औपचारिक स्क्रिप्ट जनरेट करते समय, पूरे आर्टिकल को एक बार में न डालें। इसे अर्थ के आधार पर कई खंडों में विभाजित करें, पहले प्रत्येक खंड को सुनकर उचित नामों, अंग्रेजी और संख्याओं के उच्चारण की पुष्टि करें, फिर final.wav को संश्लेषित करें। यदि एक खंड में कोई समस्या है, तो आपको केवल उस खंड को फिर से करना होगा।

यदि आप अभी अपनी आवाज़ क्लोन नहीं करना चाहते हैं, तो बस CosyVoice को छोड़ दें। बाद के HyperFrames और Remotion केवल अंतिम ऑडियो फ़ाइल को पहचानते हैं और उन्हें इस बात से कोई फर्क नहीं पड़ता कि यह किस TTS से आया है।

चरण 3: विज़ुअल को अंतिम आवाज़ का अनुसरण करने दें

अब आपके पास दो अंतिम फ़ाइलें होनी चाहिए: narration.md और final.wav। इस क्षण से, final.wav वीडियो की वास्तविक टाइमलाइन है।

Codex को अंतिम ऑडियो को ट्रांसक्राइब करने दें ताकि प्रत्येक वाक्य के वास्तविक आरंभ और समाप्ति समय प्राप्त हो सकें, फिर सबटाइटल जनरेट करें। स्क्रिप्ट यह निर्धारित करती है कि सबटाइटल क्या कहते हैं, जबकि ऑडियो ट्रांसक्रिप्शन सबटाइटल को बताने के लिए जिम्मेदार है कि वे कब दिखाई दें।

शब्द गणना के आधार पर समय आवंटित न करें। दस शब्द आधे सेकंड में बोले जा सकते हैं, या बीच में दो विराम हो सकते हैं। सबटाइटल, कीवर्ड और इमेज सभी को वास्तविक आवाज़ का अनुसरण करते हुए दिखाई देना चाहिए।

आप इसे सरलता से निर्देश दे सकते हैं:

1कृपया final.wav के आधार पर एक टाइमलाइन स्थापित करें।
2सबटाइटल टेक्स्ट को सत्यापित करने के लिए narration.md का उपयोग करें और प्रत्येक वाक्य के वास्तविक आरंभ और समाप्ति समय प्राप्त करने के लिए ऑडियो ट्रांसक्रिप्शन परिणामों का उपयोग करें।
3captions.srt और timing.json आउटपुट करें।
4यदि स्क्रिप्ट वास्तविक आवाज़ से मेल नहीं खाती है, तो कृपया विसंगतियों को सूचीबद्ध करें; अनुमान न लगाएं।

चरण 4: स्क्रिप्ट को स्टोरीबोर्ड में विभाजित करें

स्टोरीबोर्डिंग के लिए पहले पेशेवर शब्दावली सीखने की आवश्यकता नहीं है। स्क्रिप्ट को 4 से 8 खंडों में काटें, और प्रत्येक खंड के लिए एक प्रश्न का उत्तर दें: जब दर्शक यह वाक्य सुनते हैं तो स्क्रीन पर उनके लिए सबसे महत्वपूर्ण चीज़ क्या है?

यदि आर्टिकल में पहले से स्क्रीनशॉट, फ़ोटो, चार्ट या कैरेक्टर कार्ड हैं, तो इन सामग्रियों को प्राथमिकता दें। दर्शकों को पहले बड़ी तस्वीर देखने दें, फिर चर्चा किए जा रहे भाग पर ज़ूम करें। बिना मौजूदा इमेज वाले वाक्यों के लिए, आप कीवर्ड, स्टेप कार्ड, तुलना, टाइमलाइन और सरल इन्फोग्राफिक्स का उपयोग कर सकते हैं।

Codex के लिए आवश्यकताएँ बहुत छोटी हो सकती हैं:

1कृपया narration.md, timing.json और assets फ़ोल्डर के आधार पर एक स्टोरीबोर्ड बनाएं।
2प्रत्येक शॉट के लिए निर्दिष्ट करें: संबंधित कथन, आरंभ समय, समाप्ति समय, मुख्य विज़ुअल, आवश्यक सामग्री और सबटाइटल स्थिति।
3आर्टिकल में पहले से मौजूद इमेज को वास्तविक प्रदर्शन के लिए शेड्यूल किया जाना चाहिए; पहले उन स्थानों को चिह्नित करें जहाँ सामग्री गायब है, उन्हें अप्रासंगिक इमेज से न भरें।

यदि आप नहीं जानते कि मोशन इफेक्ट कैसे दिखते हैं, तो आप दो सार्वजनिक इफेक्ट लाइब्रेरी देख सकते हैं:

• HyperFrames Launches: इसमें पूर्ण HyperFrames प्रोजेक्ट हैं जो देखने के लिए हैं कि अंतिम वीडियो को स्टोरीबोर्ड में कैसे तोड़ा जाता है।
• video-shotcraft: Remotion शॉट रेसिपी और डायनामिक प्रीव्यू प्रदान करता है, जो उत्पाद परिचय, इंटरफ़ेस डेमो और प्रमोशनल वीडियो के लिए बेहतर है।

video-shotcraft एक वैकल्पिक शॉट संदर्भ लाइब्रेरी है, न कि आर्टिकल वीडियो के लिए अनिवार्य स्थापना। Codex को रिपॉजिटरी लिंक दें, और यह अंदर की शॉट रेसिपी पढ़ सकता है। पहले जानकारी स्पष्ट रूप से समझाएं, फिर एक या दो उपयुक्त मोशन इफेक्ट चुनें; विज़ुअल अधिक स्थिर होंगे।

चरण 5: HyperFrames के साथ वीडियो का पहला वर्जन बनाएं

अब तक, स्क्रिप्ट, आवाज़, सबटाइटल टाइमिंग और स्टोरीबोर्ड सब तैयार हैं। अब इन फ़ाइलों को HyperFrames को सौंपें:

1/hyperframes का उपयोग करके, वर्तमान प्रोजेक्ट को 9:16 वर्टिकल स्पष्टीकरण वीडियो में बदलें।
2
3कृपया narration.md, final.wav, captions.srt, timing.json, storyboard.md और assets फ़ोल्डर पढ़ें।
4विज़ुअल को वास्तविक ऑडियो टाइमिंग का पालन करना चाहिए, और सबटाइटल को मुख्य सामग्री को ब्लॉक नहीं करना चाहिए।
5assets से मूल इमेज और कैरेक्टर कार्ड को प्राथमिकता दें; सामग्री गायब शॉट्स के लिए सरल इन्फोग्राफिक्स का उपयोग करें।
6पहले 15 सेकंड को एक नमूने के रूप में पूरा करें और पूर्वावलोकन खोलें; मैं दिशा की पुष्टि करने के बाद पूरे वीडियो के साथ जारी रखूंगा।

पहले 15 सेकंड देखने से आप तीन समस्याओं को जल्दी पकड़ सकते हैं: क्या परिचय बहुत धीमा है, क्या सबटाइटल पढ़ने योग्य हैं, और क्या विज़ुअल वास्तव में कथन की व्याख्या कर रहे हैं। एक बार दिशा सही हो जाने पर, पूरे वीडियो के साथ जारी रखें।

प्रोजेक्ट जनरेट होने के बाद, Codex को सीधे बताएं: "HyperFrames स्थानीय पूर्वावलोकन खोलें और मुझे पूर्वावलोकन URL और प्रोजेक्ट फ़ोल्डर बताएं।"

संशोधित करते समय, केवल "इसे और अधिक उच्च-स्तरीय बनाएं" या "इसे बेहतर दिखाएं" न कहें। Codex को विशिष्ट वस्तुएं और स्थान बताएं, जैसे: "6 सेकंड पर शीर्षक बहुत छोटा है," "यह स्क्रीनशॉट कम से कम 3 सेकंड तक रहना चाहिए," "सबटाइटल व्यक्ति को ब्लॉक कर रहे हैं," "पहला शॉट बहुत धीमी गति से आता है।" इस तरह की प्रतिक्रिया को निष्पादित करना आसान होता है।

जाँच करने के बाद, Codex को बताएं: "वर्तमान में पुष्टि किए गए वर्जन को final.mp4 के रूप में रेंडर करें, और पूरा होने के बाद जाँचें कि फ़ाइल सामान्य रूप से चलती है या नहीं।"

पूर्वावलोकन पृष्ठ देखने का मतलब केवल यह है कि प्रोजेक्ट खुल सकता है। पूर्णता का सही संकेत यह है कि final.mp4 जनरेट हो गया है और आपने इसे शुरू से अंत तक देखा है, यह पुष्टि करते हुए कि आवाज़ कटी नहीं है, सबटाइटल गलत संरेखित नहीं हैं, और इमेज क्रॉप नहीं हुई हैं।

HyperFrames और Remotion के बीच कैसे चुनें

दोनों टेक्स्ट, ध्वनि, इमेज और टाइमलाइन को वीडियो में बदल सकते हैं। आपको बस अपने अंतिम उत्पादन उपकरण के रूप में एक को चुनना होगा।

HyperFrames इस तरह से अधिक है कि Codex इस विशिष्ट सामग्री के आधार पर विज़ुअल को पुनर्व्यवस्थित करता है। Remotion इस तरह से अधिक है कि पहले एक शो टेम्पलेट बनाया जाता है और फिर हर एपिसोड के लिए सामग्री को निश्चित स्थानों पर भरा जाता है।

Remotion मार्ग पर जाने के लिए, Codex को Remotion Agent Skills का लिंक दें और इसे स्थापना पूरी करने दें। फिर वीडियो बनाने के लिए /remotion-create, पूर्वावलोकन खोलने के लिए /remotion-studio और अंत में रेंडर करने के लिए /remotion-render का उपयोग करें। ऊपर की narration.md, final.wav, सबटाइटल, टाइमलाइन और इमेज सभी का अभी भी उपयोग किया जा सकता है; आपको उन्हें फिर से करने की आवश्यकता नहीं है।

मेरा सुझाव सरल है: पहला HyperFrames के साथ चलाएं। कुछ एपिसोड बनाने और शॉट संरचना को स्थिर पाने के बाद, Codex को इसे एक निश्चित Remotion कॉलम में व्यवस्थित करने दें।

यदि आपने रियल-पर्सन वॉयसओवर फिल्माया है, तो video-use जोड़ें

पिछला वर्कफ़्लो पूरी तरह से फेसलेस हो सकता है। जब आप कैमरे का सामना करने के लिए तैयार हों, तो narration.md को कैमरे के बगल में रखें और खंडों में फिल्माएं। यदि आप गलती करते हैं, तो रुकें और उस वाक्य से पुनः शुरू करें; हर बार शुरुआत से शुरू करने की आवश्यकता नहीं है।

video-use पहले से फिल्माई गई सामग्री को संभालता है। यह पहले वीडियो को ट्रांसक्राइब करता है, पता लगाता है कि प्रत्येक खंड में क्या कहा गया था, और आपसे पुष्टि करता है कि एडिटिंग, सबटाइटल और पूरक विज़ुअल को व्यवस्थित करना शुरू करने से पहले कौन सी सामग्री रखनी है।

स्थापना के लिए, आप इसे सीधे Codex को दे सकते हैं:

1कृपया मुझे https://github.com/browser-use/video-use स्थापित करने में मदद करें।
2पहले install.md पढ़ें, निर्भरताएँ, FFmpeg और Codex स्किल रजिस्ट्रेशन पूरा करें।
3स्थापना के बाद कोई वीडियो ट्रांसक्राइब न करें; तब तक प्रतीक्षा करें जब तक मैं सामग्री को फ़ोल्डर में न डाल दूं।

video-use को पूरी रिपॉजिटरी स्थापित करने की आवश्यकता है क्योंकि इसका एडिटिंग असिस्टेंट और स्क्रिप्ट स्किल के बगल में स्थित हैं। इसे FFmpeg की भी आवश्यकता है, जो वीडियो और ऑडियो को प्रोसेस करने के लिए अंतर्निहित टूल है। डिफ़ॉल्ट वॉयस ट्रांसक्रिप्शन का उपयोग करते समय, आपको ElevenLabs API Key भी कॉन्फ़िगर करने की आवश्यकता है, जो वह कुंजी है जो टूल को वॉयस ट्रांसक्रिप्शन सेवा तक पहुँचने की अनुमति देती है। बस लापता वस्तुओं को Codex को जाँचने के लिए सौंप दें।

फिल्माने के बाद, कच्चे वीडियो को एक अलग फ़ोल्डर में रखें और Codex को बताएं:

1कृपया इस फ़ोल्डर में रियल-पर्सन वॉयसओवर को प्रोसेस करने के लिए video-use का उपयोग करें।
2पहले सामग्री की सूची बनाएं और उसे ट्रांसक्राइब करें, दोहराव, विराम, गलतियाँ और पुनरारंभ स्थान ढूंढें।
3पहले मुझे एक एडिटिंग प्लान दें, जिसमें रखने और हटाने के लिए खंडों को सूचीबद्ध किया गया हो; मैं आपके काटने से पहले पुष्टि करूंगा।
4अंतिम रूप देने के बाद चीनी सबटाइटल जोड़ें, और चरणों का उल्लेख करने पर assets से संबंधित इमेज का उपयोग करके विज़ुअल को पूरक करें।
5अंत में, एक पूर्वावलोकन वर्जन आउटपुट करें, और त्रुटियों की जाँच करने के बाद final.mp4 आउटपुट करें।

इस शाखा का पूरा वर्कफ़्लो है: बोली जाने वाली स्क्रिप्ट → रियल-पर्सन फिल्मांकन → video-use वैध खंडों को व्यवस्थित करता है → सबटाइटल और पूरक विज़ुअल → अंतिम वीडियो।

HyperFrames और video-use का एक साथ भी उपयोग किया जा सकता है। video-use पहले रियल-पर्सन वॉयसओवर को सुचारू रूप से काटता है, और फिर HyperFrames शीर्षक, स्टेप कार्ड, स्क्रीनशॉट डेमो और इंट्रो/आउट्रो तैयार करता है। एक रियल-पर्सन सामग्री को संभालता है, दूसरा सूचनात्मक विज़ुअल को संभालता है; श्रम विभाजन स्पष्ट होगा।

अंत में, वीडियो को एक सामग्री अधिग्रहण प्रणाली में बदलें

एक वीडियो केवल एक परीक्षण लाता है। वास्तव में मूल्यवान हिस्सा एक ही प्रकार की समस्या को संबोधित करना जारी रखना है।

Serena के बुक ब्रेकडाउन यादगार हैं क्योंकि सामग्री वस्तु बहुत स्पष्ट है: एक किताब, एक साझा करने योग्य दृष्टिकोण, एक छोटा वीडियो, और अगली किताब उसी संरचना का उपयोग करती है। आप इसे अपने क्षेत्र से बदल सकते हैं, जैसे हर हफ्ते एक AI टूल को तोड़ना, हर बार एक ऑफिस समस्या को हल करना, या प्रत्येक एपिसोड में एक उद्योग मामले की व्याख्या करना।

यह सामग्री लूप बहुत सरल हो सकता है:

1लक्ष्य उपयोगकर्ता की समस्या
2→ एक विशिष्ट थीम चुनें
3→ बोली जाने वाली स्क्रिप्ट में लिखें
4→ वीडियो बनाएं
5→ टिप्पणियाँ और पूर्णता प्रतिक्रिया देखें
6→ तय करें कि आगे किस बारे में बात करनी है

ग्राहक अधिग्रहण का हुक भी विशिष्ट परिणामों पर उतरना चाहिए। "मैंने AI के साथ एक वीडियो बनाया" केवल यह दिखाता है कि आप टूल का उपयोग कर सकते हैं; "मैंने 3000 शब्दों के टूल रिव्यू को 60 सेकंड के शुरुआती ट्यूटोरियल में बदल दिया" उन लोगों को रुकने पर मजबूर कर देगा जिन्हें वास्तव में उस चीज़ की आवश्यकता है।

एक बड़ी स्वचालित प्रणाली बनाने में जल्दबाजी न करें। एक ऐसी थीम चुनें जिसके बारे में आप लगातार दस एपिसोड बात कर सकें और Codex के साथ पहला चलाएं: स्क्रिप्ट को अंतिम रूप दें, आवाज़ जनरेट करें, टाइमलाइन को संरेखित करें और HyperFrames के साथ वीडियो तैयार करें। दूसरे के लिए फ़ाइल संरचना का पुन: उपयोग करें, और तीसरे के लिए निश्चित इंट्रो और सबटाइटल स्टाइल रखना शुरू करें।

ऐसा करने से, Codex वास्तव में "आपको एक वीडियो बनाने में मदद करने" से "एक श्रेणी की सामग्री का लगातार उत्पादन करने में आपका साथ देने" में बदल जाता है।

मैं Miles हूँ, एक AI एल्गोरिदम विशेषज्ञ जो एक बड़ी टेक कंपनी से FDE में बदल गया। मैंने एल्गोरिदम R&D, ऑप्टिमाइज़ेशन और डिप्लॉयमेंट के साथ-साथ कॉर्पोरेट ट्रेनिंग और डिलीवरी भी की है। मेरा X अकाउंट 15 दिनों में 10,000 फॉलोअर्स तक पहुँच गया और एक सप्ताह में लाखों एक्सपोज़र वाले तीन लंबे लेख लिखे, जिनमें से दो बाद में 2 मिलियन से अधिक हो गए।

मुझे फॉलो करें @miles_mazy, आइए एक साथ बढ़ें और एक साथ पैसा कमाएं।