প্রকল্প সম্পর্কে

ViMax হলো HKUDS দ্বারা উন্নত একটি open-source agentic ভিডিও জেনারেশন ফ্রেমওয়ার্ক। এটি ন্যারেটিভ ইনপুট থেকে চূড়ান্ত ভিডিও আউটপুট পর্যন্ত এন্ড-টু-এন্ড ভিডিও তৈরির পাইপলাইন স্বয়ংক্রিয় করে, যা পরিচালক, চিত্রনাট্যকার, প্রযোজক এবং ভিডিও জেনারেটরের ভূমিকাগুলোকে একটি একক ওয়ার্কফ্লোতে একীভূত করে। এর মূল বৈশিষ্ট্যগুলোর মধ্যে রয়েছে: - Idea2Video: একটি সংক্ষিপ্ত ধারণাটিকে সুসংগঠিত গল্প, চরিত্র, চিত্রনাট্য, স্টোরিবোর্ড, শট এবং একটি সমাপ্ত ভিডিওতে রূপান্তরিত করে। - Script2Video: সৃজনশীল উদ্দেশ্য বজায় রেখে একটি সুনির্দিষ্ট চিত্রনাট্যকে নিয়ন্ত্রণযোগ্য মাল্টি-সিন, মাল্টি-শট ভিডিওতে রূপান্তরিত করে। - Novel2Video: ন্যারেটিভ কম্প্রেশন, চরিত্র ট্র্যাকিং এবং সিন প্ল্যানিংয়ের মাধ্যমে দীর্ঘ কথাসাহিত্যকে এপিসোডিক ভিজ্যুয়াল ন্যারেটিভ হিসেবে মানিয়ে নেয়। - AutoCameo: একটি রেফারেন্স ফটো থেকে কোনো ব্যক্তি বা পোষা প্রাণীকে জেনারেট করা গল্পে অন্তর্ভুক্ত করে এবং তাদের চেহারা একইভাবে বজায় রাখে। - Agent Loop and TUI: ধারণা আলোচনা করা, পরিকল্পনা সংশোধন করা, সেশন পুনরায় শুরু করা, আর্টিফ্যাক্ট পর্যালোচনা করা এবং রেন্ডারিং নিয়ন্ত্রণ করার জন্য একটি ইন্টারেক্টিভ ওয়ার্কস্পেস। - Web UI: নামযুক্ত প্রজেক্ট, এজেন্ট কথোপকথন, ফাইল আপলোড, আর্টিফ্যাক্ট পরিদর্শন, স্টোরিবোর্ড প্রিভিউ এবং প্রোভাইডার কনফিগারেশন পরিচালনার জন্য একটি ব্রাউজার-ভিত্তিক ইন্টারফেস। - Consistent production pipeline: রেফারেন্স, ফার্স্ট ফ্রেম, ক্যামেরা কন্টিনিউটি এবং এন্ড-টু-এন্ড চূড়ান্ত অ্যাসেম্বলি সমন্বয় করে। - Parallelized generation: মাল্টি-শট ভিডিও উৎপাদন ত্বরান্বিত করতে সামঞ্জস্যপূর্ণ শট এবং মিডিয়া অ্যাসেটগুলো সমান্তরালভাবে জেনারেট করে। এই ফ্রেমওয়ার্কটি OpenRouter, Google Omni, MiniMax, Seedance 2.0 Fast এবং GPT Image 2 সহ একাধিক মডেল প্রোভাইডার সমর্থন করে। এটি Python 3.12 দিয়ে তৈরি করা হয়েছে, এনভায়রনমেন্ট ম্যানেজমেন্টের জন্য uv ব্যবহার করে এবং Web UI-এর জন্য Node.js 18+ প্রয়োজন। প্রকল্পটি MIT-লাইসেন্সপ্রাপ্ত এবং Linux ও Windows-এ চলে।