নিচে ইঞ্জিন বসানো একটি ভিডিও এডিটর।

Sparkle একটি ডেস্কটপ অ্যাপ্লিকেশন, তাঁদের জন্য যাঁরা পেশা হিসেবে এডিট করেন। GPU রেন্ডারিং, নিজের মেশিনে চলা AI মডেল, আপনার সিলিকন অনুযায়ী মানিয়ে নেওয়া হার্ডওয়্যার এনকোডিং — আর এমন একটি সম্পাদকীয় দর্শন, যা না বললে আপনার কাটে হাত দেয় না।

এডিটের বেশির ভাগটাই এডিটিং নয়

কেউ সৃষ্টিশীল কোনো সিদ্ধান্ত নেওয়ার আগে কাউকে না কাউকে গোটা ফুটেজ শুরু থেকে শেষ পর্যন্ত দেখতে হয়, দৃশ্য বদলের জায়গাগুলো চিহ্নিত করতে হয়, টেকগুলো গুছিয়ে রাখতে হয়, নীরবতা কেটে বাদ দিতে হয়, সাবটাইটেল টাইপ করতে হয়, আর তিনটি ক্যামেরার বারোটি ক্লিপকে একমত করাতে হয় যে সন্ধ্যাটার রং আসলে কেমন ছিল।

প্রথম সত্যিকারের সিদ্ধান্তের আগেই কয়েক দিন এভাবে যায়। এর কোনোটির জন্যই কেউ প্রশিক্ষণ নেয়নি।

যেসব টুল এটি ঠিক করার প্রতিশ্রুতি দেয়, তারা সাধারণত সিদ্ধান্তগুলোই নিয়ে নেয়: ফুটেজ দিয়ে দিন, একটি এডিট বুঝে নিন, আর আশা করুন যে সেটি আপনার পছন্দ হবে। Sparkle উল্টো পথে যায়।

খাটুনিটা যন্ত্র নেয়। কাটের সিদ্ধান্ত আপনারই থাকে।

হাজার হাজার ফ্রেম, একটাই প্রিভিউ

ট্রানজিশনগুলো শেডার। আপনি স্ক্রাব করার সময় সেগুলো GPU-তে চলে, আর একই শেডার চূড়ান্ত ফাইলটি রেন্ডার করে — ফলে প্রিভিউ এক্সপোর্টের কোনো ভদ্র আন্দাজ নয়, ওটাই এক্সপোর্ট, শুধু অন্য রেজোলিউশনে।

ভারী ফুটেজের জন্য প্রক্সি তৈরি হয়, আর লম্বা টাইমলাইনের কথা ভেবে বানানো একটি স্ক্রাব পথ থাকে — এতেই তফাত হয়ে যায় এমন একটি এডিটরের, যার ভেতরে বসে ভাবা যায়, আর এমন একটির, যার জন্য শুধু অপেক্ষা করতে হয়।

AI-এর বেশির ভাগটাই আপনার মেশিনে চলে

ব্যাকগ্রাউন্ড সরানো, সাবজেক্ট সেগমেন্টেশন ও ডেপথ অনুমান লোকাল মডেল হিসেবে আপনার নিজের হার্ডওয়্যারেই চলে। এক বিকেলের কাঁচা ফুটেজ কাজে লাগানোর জন্য আপলোড করতে হয় না, আর প্রকাশ-নিষেধাজ্ঞার অধীনে থাকা ফুটেজ নিষেধাজ্ঞার অধীনেই থাকে।

স্পিচ-টু-টেক্সটও স্থানীয়ভাবে চলতে পারে, এডিটরের সঙ্গেই আসা একটি Whisper মডেলে। ক্লাউড ইঞ্জিনও আছে এবং ডিফল্ট অবস্থায় প্রথমে সেটির দিকেই হাত বাড়ানো হয়, তাই আপনার অডিও কোথায় যাচ্ছে সেটি অনুমানের বিষয় নয়, একটি সেটিং।

মাস্ক শট ধরে ধরে নতুন করে আঁকতে হয় না; অপটিক্যাল ফ্লো ব্যবহার করে সেগুলোকে ফ্রেম থেকে ফ্রেমে ট্র্যাক করা হয়। ক্যাপশন আসে শব্দ-পর্যায়ের টাইমিংসহ, ফলে সেগুলোতে স্টাইল দেওয়া যায়, নতুন করে কাটা যায় এবং ইন্ডাস্ট্রির বাকি অংশ যেসব ফরম্যাট আশা করে সেগুলোতে এক্সপোর্ট করা যায়।

ভারী জেনারেটিভ কাজের জন্য ক্লাউড লাগে, আর সেই অংশের হিসাব আপনার চোখের সামনেই মিটার করা হয়। প্রতিটি অ্যাকাউন্টে ক্রেডিটের একটি ব্যালেন্স থাকে; কোনো কাজ শুরুর আগে যতটা খরচ হতে পারে ততটা সরিয়ে রাখে, আর শেষে যতটা আসলে খরচ হয়েছে সেই হিসাবেই নিষ্পত্তি হয়। মাস শেষে কেউ হঠাৎ একটি বিল আবিষ্কার করেন না।

আপনার হার্ডওয়্যারের সঙ্গে কথা বলে এমন এক্সপোর্ট

এনকোডিং যে অ্যাক্সিলারেটর পায় সেটিই ব্যবহার করে — NVIDIA NVENC, Intel Quick Sync, AMD, Apple VideoToolbox — আর কথা বলার মতো কিছু না থাকলে সফটওয়্যারে x264, x265 বা SVT-AV1-এ নেমে আসে। এডিট স্যুটের জন্য H.264, HEVC, AV1 ও DNxHR, আর HDR চেপ্টে না দিয়ে সামলানো হয়।

রং যায় একটি 3D LUT পাইপলাইনের মধ্য দিয়ে, ফলে অন্য কোথাও তৈরি করা লুক অক্ষত অবস্থায় পৌঁছায়। বেরোনোর সময় অডিও EBU R128 অনুযায়ী নরমালাইজ করা হয়, কারণ লাউডনেস স্পেসে ব্যর্থ হওয়া ডেলিভারি মানে সেই ডেলিভারি দুবার করা।

কাদের জন্য

এডিটর ও ছোট পোস্ট-প্রোডাকশন দল — যাঁরা টাইমলাইনের ভেতরেই বাস করেন এবং সফটওয়্যার যে ঘণ্টাগুলো ফিরিয়ে দেয় তার প্রতিটি টের পান। ডেস্কটপ এডিটরটি বিনা মূল্যে। ক্লাউড AI বিক্রি হয় প্রতি সিট হিসেবে, তাই তিনজন এডিটর তিনটি সিটের দাম দেন, কারও বানানো কোনো লাইসেন্স টিয়ারের দাম নয়।

এখন কোথায় দাঁড়িয়ে

Sparkle এখন প্রাইভেট প্রিভিউ পর্যায়ে। এডিটর, ক্লাউড সেবা, অ্যাকাউন্ট ও বিলিং তৈরি এবং চালু আছে; অ্যাক্সেস ধাপে ধাপে খোলা হচ্ছে, কারণ যে সফটওয়্যার অন্যের ফুটেজ আর অন্যের টাকা নিয়ে কাজ করে, তাকে ধীরে ছাড়াই উচিত।