Romergo তৈরির গল্প

অন্তহীন সংশোধন থেকে ছোট্ট শুটিং সেট: গল্প তৈরি করতে শিখছি যেভাবে

আগের লেখায় লিখেছিলাম, মূল লেখা থেকে খেলার উপযোগী ভিজ্যুয়াল নভেল পর্যন্ত কেন একটি পুরো প্রক্রিয়া দরকার: তথ্য অক্ষুণ্ণ রাখা, চরিত্র প্রস্তুত করা, দৃশ্য সাজানো, তারপর খেলোয়াড় আসলে কী দেখছেন তা দেখা।

এর পর থেকে প্রক্রিয়াটি আরও জটিল হয়েছে। AI-এর জন্য আরও কয়েকটি জাঁকজমকপূর্ণ নাম বানাতে চেয়েছি বলে নয়। গল্প বানাতে গিয়ে বারবার একটি বিরক্তিকর সমস্যায় পড়েছি: ভালো ছবিকে একটু ভালো করতে গিয়ে সেটি নষ্ট করে ফেলা খুব সহজ।

প্রথমে হাত ঠিক করতে বলি। তারপর পোশাকের হারিয়ে যাওয়া অংশ ফেরাতে। এরপর বাড়তি একটি পা সরাতে—হ্যাঁ, এমনও হয়। এত সংশোধনের শেষে দেখি মুখ বদলে গেছে, ছায়া গাঢ় হয়েছে, পরিষ্কার পটভূমি ঘোলাটে হয়ে গেছে।

একটি অংশ ঠিক করছি, অথচ পুরো ছবিই বদলাচ্ছে। একসময় স্বীকার করতে হয়: পাঁচ সংস্করণ আগে ভালো ছিল।

ছবি ঠিক করা মানেই সেটি অক্ষুণ্ণ রাখা নয়

আমার বড় ভোগান্তি হলো পরিবর্তন জমতে থাকা। ছবি A থেকে B, B থেকে C বানাই, তারপর আরও কয়েকবার চেষ্টা করি। প্রতিটি নতুন সংস্করণ কাঙ্ক্ষিত সংশোধনের পাশাপাশি আগে নীরবে বদলে যাওয়া সবকিছুও পায়।

আমার তৈরি ছবিতে মুখ “গলে” যেত, ছায়া ভারী হতো, পৃষ্ঠে বিকৃতি দেখা দিত, ছোটখাটো বৈশিষ্ট্য হারিয়ে যেত। পরের প্রতিটি ছবি যে খারাপ হবেই, তা নয়। কিন্তু দীর্ঘ সংশোধনের শিকলে মূল চেহারা থেকে সরে যাওয়ার সুযোগ ছিল অনেক বেশি।

মানুষের কাছে “সব একই রাখো, শুধু মাথাটা ঘোরাও” স্পষ্ট কথা। আমরা চরিত্র চিনি, ঘর বুঝি, আর ধরে নিই আবার উল্লেখ না করলেও জ্যাকেট গায়েই থাকবে। জেনারেটরের সঙ্গে এসব স্পষ্টভাবে ঠিক করে নিতে হয়। সেটি বিশ্বাসযোগ্য নতুন ছবি বানিয়েও এমন কিছু নষ্ট করতে পারে যা আমরা স্বাভাবিক ধরে নিয়েছিলাম।

তাই হ্যাঁ, কাজের বড় অংশই AI-এর সঙ্গে বোঝাপড়া করতে শেখা। কখনো আক্ষরিক অর্থেই বোঝাতে হয়, তৃতীয় পা এখনো আমাদের দরকার নেই।

GENERAL: ফিরে যাওয়ার একটি ভিত্তি

আমার প্রথম ব্যবস্থা ছিল GENERAL: কোনো চরিত্র, জায়গা বা বস্তুর অনুমোদিত আদর্শ ছবি। যতটা সম্ভব নিরপেক্ষ, স্থায়ী বৈশিষ্ট্যগুলো স্পষ্ট, আর নির্দিষ্ট পর্বের বিশেষ খুঁটিনাটি কম।

এরপর “শেষ সংশোধন → পরের সংশোধন” এই অন্তহীন শিকল এড়ানোর চেষ্টা করি। এখন কী ঘটার কথা, তা বিবেচনা করে GENERAL থেকে নতুন অবস্থা তৈরি হয়।

দৃশ্য সংশোধনের সময় তিনটি ভিত্তি থাকতে পারে:

• GENERAL চরিত্র বা জায়গার চেহারা নির্ধারণ করে;
• আগের ফ্রেম দরকারি ভঙ্গি, বিন্যাস বা অবস্থা ধরে রাখতে সাহায্য করে;
• সম্পূর্ণ চাহিদা নতুন সংশোধনসহ কাঙ্ক্ষিত ফলাফল বর্ণনা করে।

আগের সংস্করণ সহায়ক রেফারেন্সই থাকে। জমে থাকা ভুলসহ সেটি নীরবে নতুন মানদণ্ড হয়ে উঠতে পারে না।


*এটি পদ্ধতির ব্যাখ্যা, বাস্তবে তৈরি ছবির তুলনা নয়। GENERAL স্থির ভিত্তি দেয়, কিন্তু প্রতিটি পিক্সেল অপরিবর্তিত থাকার নিশ্চয়তা দেয় না।*

জেনারেটরের ভুল জাদু করে বন্ধ করার উপায় নেই। তবে এখন “সবকিছু সরে যেতে শুরু করলে কোথায় ফিরব?” প্রশ্নের স্পষ্ট উত্তর আছে। সংশোধনের লক্ষ্যও বদলায়: একই চরিত্রকে নিয়ে প্রয়োজনীয় দৃশ্য তৈরি করা, শুধু সর্বশেষ ব্যর্থ সংস্করণ সম্পাদনা করা নয়।

Render Eye: জগতে কী আছে আর ফ্রেমে কী দেখা যায়

পরের সমস্যাটি আরও সূক্ষ্ম। ধরুন চরিত্রের ভালো বর্ণনা আছে: জ্যাকেট, দস্তানা, বেল্ট, বুট। কিন্তু এখন শট কোমর থেকে ওপর পর্যন্ত, এক হাত পিঠের পেছনে, আর দরজা শরীরের কিছু অংশ ঢেকেছে।

কোন খুঁটিনাটি আঁকতে হবে? কী আড়ালে থাকবে? আর আড়ালে থাকা দস্তানার সঙ্গে জেনারেটরের ভুলে বাদ দেওয়া দস্তানার পার্থক্য করব কীভাবে?

সেজন্যই Render Eye তৈরি করছি। এর দুটি কাজ: ছবি তৈরির আগে চাহিদা প্রস্তুত করা, আর পরে তৈরি ছবিটি পরীক্ষা করা।

প্রথমে এটি গল্পের তথ্যভান্ডার দেখে: চরিত্র, স্থান, বস্তু ও তাদের অবস্থার সংরক্ষিত বর্ণনা। তারপর দৃশ্যায়নের সঙ্গে মেলায়—ক্যামেরার অবস্থান, কী ঘটছে, আর খেলোয়াড়ের মনোযোগ কোথায় যাওয়া উচিত।

প্রতিটি গুরুত্বপূর্ণ খুঁটিনাটির জন্য সিদ্ধান্ত হয়: পুরো দেখা যাচ্ছে, আংশিক দেখা যাচ্ছে, অন্য বস্তুতে ঢাকা, নাকি ফ্রেমের বাইরে। হাত পিঠের পেছনে থাকলে দস্তানা জগৎ থেকে উধাও হয় না। শুধু এই কোণ থেকে পরীক্ষা করা যায় না।


এতে ফ্রেমের জন্য নির্দিষ্ট নির্দেশনা তৈরি হয়। শুধু “করিডরে নায়ক আঁকো” নয়, বরং “এই নায়ক, এই পোশাকে, এই দৃষ্টিকোণ থেকে, এই দৃশ্যমান খুঁটিনাটিসহ”। দৃশ্য বুঝতে প্রয়োজনীয় কোনো বস্তু ভুল করে ছবির সীমানার বাইরে লুকিয়ে পড়তে পারে না।

ছবি তৈরির পর Render Eye একই নির্দেশনায় ফিরে আসে। পোশাক, বস্তু ও চরিত্রের অবস্থান পরীক্ষা করে; শরীরের গঠন ও ছবির বিকৃতিও আলাদা করে দেখে। ধরা পড়া ভুল বা অনিশ্চয়তা ছবিকে সংশোধনে ফেরত পাঠায়। হারিয়ে যাওয়া জ্যাকেট মেনে নিয়ে চরিত্রের বর্ণনা এমনভাবে বদলানো চলে না যেন জ্যাকেট কখনো ছিলই না।

আবার ব্যবস্থাকে কল্পিত অতিমানবীয় ক্ষমতাও দিতে চাই না। ছবিটি দেখে AI, তারও কিছু বাদ পড়তে পারে। বাধ্যতামূলক পরীক্ষা প্রক্রিয়াকে শৃঙ্খলিত করে, কিন্তু ভিশন মডেলকে অভ্রান্ত পর্যবেক্ষক বানায় না।

দৃশ্য পরিচালক: ঠিক এই ফ্রেমটি কেন চাই?

পোশাক ঠিক হতে পারে, মুখ অক্ষুণ্ণ থাকতে পারে, সব চরিত্র ঠিক জায়গায় থাকতে পারে—তারপরও দৃশ্য নিষ্প্রাণ হতে পারে।

গল্প শুধু তার ভেতরে থাকা জিনিস নয়। খেলোয়াড় কখন সেগুলো খেয়াল করেন, কোন সংলাপ আগে আসে, প্রতিক্রিয়ার জন্য কত সময় থাকে, সেই মুহূর্তে কী শোনা যায়—এসব জরুরি।

এভাবেই আলাদা দৃশ্য পরিচালকের ভূমিকা এসেছে। তিনি দৃশ্যের কাছাকাছি কাজ করেন: সংলাপ ও প্রতিক্রিয়ার ক্রম, চরিত্রের উপস্থিতি, আলো, রং, সংগীত, শব্দ, বিরতি ও ইন্টারফেসের বিন্যাস। মূল লেখা পুরো কাজেই উপকরণ হিসেবে থাকে, শুরুতে একবার পড়া নির্দেশনা হয়ে নয়।

একটি কাল্পনিক বাক্য ধরা যাক: “দরজার পেছনে পায়ের শব্দ শোনা গেল।”

শুধু দরজা দেখিয়ে লেখাটি দেওয়া যায়। আবার আগেই সংগীত কমিয়ে, ঘরের মৃদু পরিবেশধ্বনি রেখে, ফ্রেমের বাইরে পায়ের শব্দ শুনিয়ে, চরিত্রের প্রতিক্রিয়ায় একটু থেমে তারপর কথোপকথন চালানো যায়। মূল লেখা যদি এখনো না জানায় কে এসেছে, ক্যামেরার আগ বাড়িয়ে তাকে দেখানো উচিত নয়।

গোয়েন্দা গল্পে একই করিডর কোনো সূত্রের দিকে মনোযোগ নিতে পারে; রোমান্টিক দৃশ্যে দেখা হওয়ার প্রতীক্ষার দিকে। পার্থক্য তৈরি হয় নির্দিষ্ট সিদ্ধান্তে। নির্দেশনায় শুধু “আবহ: ভৌতিক” যোগ করলেই হয় না।

পরিচালক সিদ্ধান্তগুলো দৃশ্যায়নের পরিকল্পনায় রাখেন। মূল রচনার তথ্য ব্যাখ্যা থেকে আলাদা থাকে: শীতল আলো শৈল্পিক পছন্দ হতে পারে, কিন্তু নতুন অনুসরণকারী যোগ করলে ঘটনা বদলে যায়।

খেলায় আরেকটি জটিলতা আছে: সবাই নিজের গতিতে পড়েন। সংলাপের আগে বিরতি আর পড়া শেষ হওয়ার অপেক্ষা আলাদা বিষয়। চার সেকেন্ডের সুন্দর মুহূর্ত বানিয়ে ছয় সেকেন্ড দরকার এমন কারও লেখা বন্ধ করা যায় না।

নিষ্প্রাণ দৃশ্যের বদলে যান্ত্রিক প্রভাবের সমাহারও চাই না। কখনো স্থির ফ্রেম, সাধারণ কাট আর সংগীত না থাকাই ঠিক। কৌশলের উদ্দেশ্য থাকতে হবে।

মান যাচাইয়ের পরিচালক: আমরা যা চেয়েছিলাম, তা হয়েছে কি?

“দৃশ্য পরিচালক” ও “মান যাচাইয়ের পরিচালক” নাম কাছাকাছি শোনালেও আমি দায়িত্ব আলাদা করি। দৃশ্য পরিচালক দৃশ্য সাজান। মান যাচাইয়ের পরিচালক ফলাফল পরীক্ষা করেন।

তিনি মূল লেখা ও দৃশ্যায়নের পরিকল্পনার সঙ্গে খেলায় সত্যিই যা এসেছে তা মেলান। শুধু আলাদা সুন্দর ছবি নয়, তৈরি হওয়া পুরো ধারাবাহিকতা দেখেন।

ইন্টারফেস কি গুরুত্বপূর্ণ বস্তু ঢেকেছে? সংলাপ বদলাতেই শ্রোতা চরিত্রটি হারিয়ে গেছে? আগের ঘরের সংগীত বাজছে? ফোনে বিন্যাস ভেঙেছে? আলো, বিরতি ও শব্দ যে সুর ধরতে চেয়েছিল, দৃশ্য কি তা পৌঁছে দিচ্ছে?

কাজের পরীক্ষায় সমস্যাটি কোথায় ফেরত যাবে তাও জানতে হয়। ছবির ভেতরের ত্রুটি হলে আবার ছবি তৈরিতে। ভালো চরিত্রের ছবি পর্দায় ভুল জায়গায় থাকলে সংযোজন ঠিক করতে হবে। শব্দ আগে শুরু হলে পটভূমি নতুন করে আঁকার দরকার নেই।


*চিত্রে Director হলো দৃশ্য পরিচালক, QA হলো মান যাচাইয়ের পরিচালক। চিত্র সরল করা হয়েছে: সংযোজন ও শেষ পরীক্ষাতেও মূল লেখা ভিত্তি থাকে। ফেরত তির মানে সংশ্লিষ্ট ধাপ সংশোধন, সব কাজ শুরু থেকে করা আবশ্যক নয়।*

মানুষকেও জেনারেটর পাহারা দিতে হবে না

ছবি দ্রুত এলেও আরেকটি খরচ থাকে: বারবার মনোযোগ বদলানো। চ্যাট খুলে ফ্রেম দেখা, মন্তব্য দেওয়া, নিজের কাজে ফেরা। কয়েক মিনিট পর আবার একই কাজ।

তাই GENERAL একসঙ্গে দল করে প্রস্তুত করার দিকেও কাজ করছি। স্বাধীন আদর্শ ছবিগুলো আগে বানিয়ে মানুষকে একটি দল হিসেবে দেখানো যায়। একসঙ্গে দেখলে অসংগতি চোখে পড়ে, যৌথ বা আলাদা পরামর্শ দেওয়া যায়।

তারপর শুধু দরকারি ফ্রেম সংশোধন হয়। একটি ব্যর্থ চেষ্টায় অনুমোদিত ছবি হারানো উচিত নয়। নির্ভরতা তবু গুরুত্বপূর্ণ: পরের ছবি যদি অননুমোদিত রেফারেন্সের ওপর নির্ভর করে, আগে সেটির সমাধান চাই।

এটি জেনারেটরকে কয়েক গুণ দ্রুত করার প্রতিশ্রুতি নয়। আমার কাছে বেশি জরুরি হলো আরেকবার যাচাইয়ের জন্য মানুষকে কতবার নিজের কাজ ছাড়তে হচ্ছে, তা কমানো।

একটি বিশাল নির্দেশনার বদলে ছোট্ট শুটিং দল

শেষ পর্যন্ত সত্যিই AI দিয়ে ছোট্ট শুটিং দল গড়তে চাইছি। তাতে বর্ণিত জগৎ, আদর্শ ছবি, দৃশ্যায়ন, ফ্রেম তৈরি, সংযোজন ও মান নিয়ন্ত্রণ আছে।

এগুলো এজেন্টের কাজের প্রক্রিয়ার দায়িত্ব। তার মানে এই নয় যে প্রতিটি ভূমিকায় ইতিমধ্যে আলাদা AI সারাক্ষণ চলছে। জরুরি হলো সিদ্ধান্ত সংরক্ষিত থাকা, পরে চাহিদা বদলে না ফেলা, আর প্রতিটি সংশোধনে কী আবার পরীক্ষা করতে হবে তা স্পষ্ট হওয়া।

নতুন ধাপগুলোর পেছনে এখন সরঞ্জাম ও সংরক্ষিত পরিকল্পনা আছে। এরপর বাস্তব দীর্ঘ অধ্যায়ে পরীক্ষা: পুরো গল্পে চরিত্র, আবহ ও নির্মাতার মনোযোগ ধরে রাখতে এগুলো কতটা সাহায্য করে?

আমার শেষ লক্ষ্য বড় একটি বই এনে, অধ্যায় বেছে, ধাপে ধাপে খেলার উপযোগী কোয়েস্টে রূপ দেওয়া। মাঝে থামা, ফল দেখা, জরুরি বিষয় ঠিক করা এবং যেখানে কাজ থেমেছিল সেখান থেকে চালানোর সুযোগসহ।

গল্প তৈরি “ভালো প্রম্পট লেখার” চেয়ে অনেক কঠিন হয়ে দাঁড়িয়েছে। কিন্তু এখন সেই কঠিন কাজ নির্দিষ্ট কাজে ভাগ করতে পারি। কখনো স্থির রেফারেন্স, কখনো মনোযোগী পাঠ, কখনো সংলাপের আগে নীরবতা দরকার। আর কখনো এখনো মানুষ দরকার, যিনি দৃশ্য দেখে বলবেন: “না, এখানে তোমাকে বিশ্বাস করতে পারছি না।”

ডেভ ব্লগে ফিরে যান