Huashu-motion लॉन्च: एक क्लिक में कमर्शियल प्रोडक्ट वीडियो

रुकिए, आगे मत बढ़िए! पहले दो क्लिप देख लेते हैं—साउंड ऑन करना मत भूलना 😐।

पहली क्लिप एक लॉन्च वीडियो है जो मैंने Opus 5.5 से बनाई थी, जब कल DeepSeek-V4.1-Flash-1017 रिलीज़ हुआ था। इसे X पर पोस्ट करने के बाद, कई लोगों को लगा कि यह DeepSeek का ऑफिशियल प्रोमो है:

https://x.com/AlchainHust/status/2111396576123830528

https://x.com/deepseek_ai/status/2111375640717033777

दूसरी क्लिप एक डेमो है जो मैंने यह टेस्ट करने के लिए बनाया कि DeepSeek का नया मॉडल अपनी मोशन कैपेबिलिटीज को कितनी अच्छी तरह दिखा सकता है:

https://x.com/AlchainHust/status/2111416302149505270

22 सेकंड, म्यूज़िक और साउंड इफेक्ट्स के साथ, शुरू से अंत तक बनने में आधे घंटे से भी कम समय लगा। खर्च लगभग $0.27 आया (99.4% कैश हिट रेट के साथ)।

बेशक, इनमें से कोई भी क्लिप सिर्फ "एक लाइन के प्रॉम्प्ट" से नहीं बनी, क्योंकि इसके पीछे एक स्किल है—आज का ओपन-सोर्स स्टार: Huashu-motion।

जैसा कि आप टाइटल में देख सकते हैं, आप इसे एक ऐसी स्किल समझ सकते हैं जो कोडिंग एजेंट्स की मदद से कमर्शियल-ग्रेड प्रोडक्ट प्रोमो वीडियो बनाने में आपकी मदद करती है।

huashu-motion इंस्टॉल होने के बाद, आपको बस Claude Code या Codex से कहना होता है, "मेरे प्रोडक्ट के लिए 30 सेकंड का लॉन्च वीडियो बनाओ।" यह पहले आपके प्रोडक्ट की डिटेल पढ़ेगा (या आपकी तरफ से ऑनलाइन सर्च करेगा), Huashu-Design की तरह तीन डिज़ाइन डायरेक्शन देगा, आपके किसी एक को चुनने पर पूरी स्क्रिप्ट लिखेगा, खुद म्यूज़िक कंपोज़ करेगा, और फिर आपके ब्राउज़र में एक एडिटर खोल देगा। अगर कुछ सही न लगे, तो C दबाएं, स्क्रीन पर क्लिक करें, बताएं कि क्या बदलना है, और यह सिर्फ उसी खास हिस्से को बदलेगा।

टेक जायंट्स के लॉन्च वीडियोज़ से मुकाबला

यह प्रोजेक्ट Claude Motion से शुरू हुआ। Anthropic ने इसे 8 अक्टूबर को रिलीज़ किया, जिससे Claude कोड का इस्तेमाल करके रिपोर्ट्स, चार्ट्स और प्रोडक्ट एक्सप्लेनेशंस को इंटरैक्टिव एडिटिंग फीचर्स के साथ शॉर्ट एनिमेशन में बदल सकता है। हालांकि, मैंने पाया कि यह अभी भी सिर्फ Team और Enterprise प्लान्स के लिए बीटा में है। जब अप्रैल में Claude Design आया, तो मैंने इसकी कोर कैपेबिलिटीज को रिवर्स-इंजीनियर करके एक स्किल बनाई, जो huashu-design बनी। तो इस बार, मैंने Claude Code से सीधे काम शुरू करवाया, बस एक ही शर्त के साथ:

हमारी स्किल को Claude Motion की सभी क्षमताओं को पूरी तरह कॉपी करना होगा, लेकिन उससे कहीं ज्यादा ताकतवर होना होगा!

पहले दिन हमने जो बनाया, वो मुझे बोरिंग लगा। हमारे पास एडिटर्स, वर्ज़न कंट्रोल, सौ से ज़्यादा टेस्ट्स और 19 सेकंड का 3D सिटी सैंपल था, लेकिन... वो बेकार था। कैमरा मूवमेंट्स में रिदम नहीं था, वो बहुत स्थिर थे, यानी औसत दर्जे के... यह सिर्फ इस एक उदाहरण के लिए एनिमेशन एडजस्ट करने की बात नहीं थी।

तो बाद में, मैंने एजेंट के लिए एक लक्ष्य तय किया और एक विज़न पेश किया कि हमारी स्किल यूज़र्स को टॉप-टियर काम बनाने में मदद करेगी। हमें ऐसे विज़ुअल इफेक्ट्स, मोशन, साउंड इफेक्ट्स और म्यूज़िक चाहिए थे जो मिलियन-डॉलर वाले प्रोडक्ट लॉन्च ऐड्स का लेवल दिखा सकें!

इसलिए, हमारा टेस्टिंग और प्रोडक्शन टारगेट यह है कि आप Apple, Google और Anthropic जैसे कमर्शियल-ग्रेड प्रोमो वीडियो बना सकें।

इतने ऊंचे मानकों के साथ, हमें पहले यह समझना ज़रूरी था कि वो वीडियो असल में बनते कैसे हैं। तो इसने YouTube से 21 असली लॉन्च और ओपनिंग वीडियो डाउनलोड किए (Apple, Nothing, GoPro, Google, Vercel, Linear, और खुद Anthropic के) और ffmpeg का इस्तेमाल करके हर एक के कट पॉइंट्स, बीट्स, लाउडनेस, एनर्जी कर्व्स और कलर्स को मापा। इसने 142 हाई-एंगेजमेंट लॉन्च और मोशन वीडियो का भी विश्लेषण किया और प्रोडक्ट टाइप के हिसाब से तकनीकों को व्यवस्थित किया।

ये मापे गए इनसाइट्स आखिरकार huashu-motion के डायरेक्टर रूल्स बन गए। इसके बाद के स्टेप्स—प्रोडक्ट पढ़ना, कलर्स ढूंढना, रिदम शीट्स लिखना, म्यूज़िक कंपोज़ करना, कोल्ड रिव्यू—दरअसल सैकड़ों वीडियो के तरीकों को तोड़कर एजेंट को स्टेप-बाय-स्टेप सिखाना है। हमारे सभी टेस्ट्स में असली प्रोडक्ट लॉन्च वीडियो का इस्तेमाल हुआ: DeepSeek V4.1 Flash, Kitten Fill Light Pro, huashu-design 3.0, Nüwa, और कुछ दोस्तों के प्रोडक्ट्स।

एक वाक्य के बाद क्या होता है

"वन-क्लिक आउटपुट" का मतलब यह है: आप एक वाक्य लिखते हैं, और आपको म्यूज़िक के साथ एक तैयार वीडियो मिल जाता है, जो पब्लिश करने के लिए रेडी है। उसके बाद आप जो भी बदलाव करते हैं, वो सिर्फ बारीकियों को ठीक करना होता है। सबसे आसान तरीका है कि इसे बस काम करने को कह दें; यह अपने आप सबसे सुरक्षित दिशा चुनेगा, बताएगा कि क्यों, और डिलीवरी के समय बाकी दो दिशाओं का संक्षेप में ज़िक्र करेगा। यह रिदम शीट्स और चेक्स जैसे सभी स्टेप्स खुद पूरे करेगा।

अगर आप इसमें ज़्यादा शामिल होना चाहते हैं, तो यह मोटे तौर पर इन नौ स्टेप्स को फॉलो करेगा:

1. सबसे पहले, पिछले वीडियोज़ से जमा हुई आपकी पुरानी पसंद और अनुभवों को पढ़ेगा;

1. आपके प्रोडक्ट की डिटेल पढ़ेगा—वेबसाइट, App Store पेज, README, लोगो, ब्रांड कलर्स—और आपको एक मैसेज भेजेगा जिसमें उसके काम करने के तरीके की डिफ़ॉल्ट सेटिंग्स होंगी। आप किसी भी असहमति को बदल सकते हैं और तय कर सकते हैं कि वॉइसओवर शामिल करना है या नहीं;

1. तीन दिशाएं देगा, हर एक में एक रेंडर्ड कीफ्रेम और एक कार्ड होगा जिसमें कलर पैलेट, रिदम और म्यूज़िक दिखेगा। आप कोई एक चुनें या उन्हें मिला लें;

1. चुनने के बाद, treatment.md (रिदम शीट) लिखेगा। जब तक यह नहीं हो जाता, काम शुरू नहीं हो सकता;

1. फाइनल रेज़ोल्यूशन, फॉन्ट्स और कलर्स के साथ सबसे पहले सबसे मुश्किल शॉट बनाएगा, फिर बाकी के;

1. चेक्स अपने आप रन करेगा, यह वेरिफाई करने के लिए कीफ्रेम्स कैप्चर करेगा कि क्या टेक्स्ट कट रहा है, UI ओवरलैप हो रहा है, या शॉट खाली हैं;

1. म्यूज़िक कंपोज़ करेगा और स्क्रीन पर आने वाले हर एलिमेंट के साथ सिंक हुए साउंड इफेक्ट्स जोड़ेगा;

GIF

1. ब्राउज़र में एक एडिटर खोलेगा और आपके पॉइंट करके एडिट करने का इंतज़ार करेगा;

GIF

1. जब आप अप्रूव कर देंगे, तो इसे एक्सपोर्ट कर देगा। यह इस सेशन से आपका फीडबैक और एडिट्स इकट्ठा करता है, और आपका प्रोमो वीडियो डिलीवर करता है। अगर आप संतुष्ट नहीं हैं, तो भी आप इसे अपनी मर्ज़ी से बदल सकते हैं।

एक दिन में बीस वीडियो

परसों रात 2 बजे, मैंने नींद को अलविदा कहा और इसे बताया:

मैं अब सोने जा रहा हूँ। बाकी बचे सभी प्रोमो वीडियो पूरे करो। सारे फैसले खुद लो!

जब मैं उठा, तो बाकी बचे पांच वीडियो तैयार थे। दिन में, मैंने FanBox में कई विंडोज़ खोलीं और और वीडियो बनाना जारी रखा, कुल मिलाकर लगभग बीस वीडियो बने।

GIF

यह हिस्सा huashu-motion के अपने लॉन्च वीडियो से है, जिसमें सात अलग-अलग वीडियो के 16 शॉट्स हैं, जिन्हें बीट के हिसाब से काटा गया है।

Kitten Fill Light Pro: पहला वर्टिकल 16-सेकंड वाला वर्ज़न App Store प्रीव्यू वीडियो बन गया और रिव्यू के लिए सबमिट कर दिया गया है। बाद में, नए रिदम मेथड का इस्तेमाल करके तीन नई दिशाएं बनाई गईं। उनमें से एक यह है, जो हर बीट पर आठ लाइटिंग कलर्स में बदलती है:

GIF

Grok Bot (फैन-मेड, अनऑफिशियल): 30 सेकंड का वीडियो जिसमें शाम को टास्क दिए जाते हैं, एजेंट रात भर अपने आप काम करते हैं, और सुबह 7 बजे आपके फोन पर चार रिपोर्ट्स आ जाती हैं:

यह स्किल कैसे पाएं

यह स्किल GitHub पर ओपन-सोर्स है:

https://github.com/alchaincyf/huashu-motion

इंस्टॉलेशन:

1npx skills add alchaincyf/huashu-motion

या बस अपने एजेंट से कहें:

1मुझे huashu-motion स्किल इंस्टॉल करने में मदद करो
2(github.com/alchaincyf/huashu-motion), फिर इंस्टॉल होने के बाद एक डेमो रन करो

इसके लिए Node 22+, आपके कंप्यूटर पर Chrome (या Chromium/Edge), और वीडियो एक्सपोर्ट व ऑडियो मिक्सिंग के लिए FFmpeg ज़रूरी है। अभी इसे सिर्फ macOS पर टेस्ट किया गया है। असली पियानो/स्ट्रिंग इंस्ट्रूमेंट साउंड्स के लिए, एजेंट से om samples build रन करवाएं ताकि ~55MB के फ्री सैंपल्स (CC0 और CC-BY लाइसेंस वाले) डाउनलोड हो सकें। इसके बिना, सिंथेटिक साउंड्स का इस्तेमाल होगा। छूटी हुई डिपेंडेंसीज़ चेक करने के लिए om doctor रन करें; एजेंट इंस्टॉलेशन खुद संभाल सकता है।

इंस्टॉल होने के बाद, आप कुछ ऐसा कह सकते हैं:

1huashu-motion का इस्तेमाल करके मेरे प्रोडक्ट के लिए 30 सेकंड का लॉन्च वीडियो बनाओ, वेबसाइट xxx.com है

1huashu-motion का इस्तेमाल करके {डेटा चार्ट/PPT} को 30 सेकंड के एक्सप्लेनर में बदलो, और साफ़ बताओ कि हमारा रजिस्ट्रेशन रेट दोगुना क्यों हुआ

1huashu-motion का इस्तेमाल करके वॉइसओवर के साथ एक लॉन्च वीडियो बनाओ, मेरी रिकॉर्डिंग का इस्तेमाल करो: {वीडियो/ऑडियो फाइल}

मैं इसे मुख्य रूप से Claude Code में Opus 5.5 के साथ इस्तेमाल करता हूँ। जैसा कि ऊपर देखा, DeepSeek V4.1 Flash भी अच्छा काम करता है, हालांकि मॉडल्स के बीच स्वाद (taste) का अंतर असली होता है। Codex को टेस्ट किया जा चुका है; Cursor, OpenClaw, Gemini CLI, और स्किल सपोर्ट करने वाले दूसरे एजेंट्स भी काम करने चाहिए, हालांकि मैंने हर एक को अलग से टेस्ट नहीं किया है। किसी अतिरिक्त API की की ज़रूरत नहीं है।

कुछ सीमाएं ये हैं: यह सुन नहीं सकता, इसलिए म्यूज़िक की क्वालिटी रिदम शीट्स, एनर्जी कर्व्स और स्पेक्ट्रोग्राम चेक करने पर निर्भर करती है—आपको खुद सुनना होगा। यह लाइव-एक्शन फुटेज या असली इंसान जनरेट नहीं कर सकता; इसके लिए अपने मैटेरियल का इस्तेमाल करें, और यह सिंथेसिस व पैकेजिंग संभाल लेगा।

रेपो में 20 मोशन लैंग्वेज, 10 स्टार्टर टेम्पलेट्स, 23 साउंड इफेक्ट्स, 3 डेमो स्कोर, और डायरेक्शन, रिदम, कलर, साउंड और वॉइसओवर के मेथडोलॉजी डॉक्स शामिल हैं।

इसे WorkBuddy, Doubao Work, Grok bot, Muse आदि में बेझिझक आज़माएं, और नतीजे या समस्याएं मेरे साथ शेयर करें।

एक बात और! चूंकि यह एक प्रोडक्ट प्रोमो वीडियो टूल है, तो इसे अपना लॉन्च खुद इंट्रोड्यूस करने दें 👇