১ টি ভিডিও থেকে ২০ টি ক্লিপ: স্বয়ংক্রিয় সেটআপ ২০২৬

বেশিরভাগ ক্রিয়েটররা ম্যানুয়ালি ১টি দীর্ঘ ভিডিওকে ৫-৮টি ক্লিপে কেটে ফেলে দেয়। আমরা একটি স্বয়ংক্রিয় সিস্টেম তৈরি করেছি যা একটি একক দীর্ঘ-ফর্ম ভিডিও থেকে ২০টি উচ্চ-পারফরম্যান্স ক্লিপ নিষ্কাশন করে, সেগুলি প্ল্যাটফর্ম জুড়ে পরীক্ষা করে এবং মানব হস্তক্ষেপ ছাড়াই বিজয়ীদের স্কেল করে।

ফেব্রুয়ারি ২০২৬-এ, আমরা এটি আমাদের নেটওয়ার্কের ৪০টি অ্যাকাউন্টে পরীক্ষা করেছি। একটি ১৮-মিনিটের পডকাস্ট ইন্টারভিউ ২৩টি ক্লিপে পরিণত হয়েছিল। এর মধ্যে বারোটি ১০০কে ভিউ অতিক্রম করেছিল। তিনটি ১ মিলিয়ন ছাড়িয়ে গেছে। সম্পূর্ণ প্রক্রিয়া — ট্রান্সক্রিপশন থেকে পোস্টিং — আমাদের স্পর্শ না করেই চলেছিল।

এখানে সঠিক টুলস্ট্যাক, লজিক এবং যেখানে বেশিরভাগ মানুষ এটি গোলমাল করে তা রয়েছে।

কেন ৫ নয় ২০টি ক্লিপ

প্রচলিত পরামর্শ হল “গুণমান মানের উপর”। কন্টেন্ট পরীক্ষা করার সময় এটি ভুল।

TikTok এর ২০২৬ অ্যালগরিদম প্রথম ঘন্টায় আপনার ভিডিওকে মোটামুটি ২০০-৫০০ জন বীজ দর্শকদের কাছে দেখায়। যদি ৩০% তিন সেকেন্ড অতিক্রম করে দেখে এবং ১৫% সমাপ্ত করে, আপনি পরবর্তী বিতরণ স্তরে প্রবেশ করেন। কোন কোণ, হুক বা ফ্রেমিং সেই থ্রেশহোল্ডে আঘাত করবে তা আপনি অনুমান করতে পারবেন না। তাই আপনি আরও বেশি ভেরিয়েন্ট পরীক্ষা করেন।

যখন Alex Hormozi এর টিম ২০২৬ সালের প্রথম দিকে তাদের শীর্ষ Reels বিশ্লেষণ করেছিল, তারা খুঁজে পেয়েছিল যে তাদের ভাইরাল ক্লিপের ৬৮% এমন সেগমেন্ট থেকে এসেছিল যা তারা ম্যানুয়ালি নির্বাচন করত না। আপনার জন্য “সেরা” মুহূর্ত সর্বদা অ্যালগরিদমের জন্য সেরা মুহূর্ত নয়।

আমরা একই মডেল চালাই। একটি দীর্ঘ ভিডিও আমাদের দেয়:

• ৮-১২টি বর্ণনামূলক ক্লিপ: সম্পূর্ণ চিন্তাভাবনা সেটআপ এবং পাঞ্চলাইন সহ (প্রতিটি ৪৫-৯০ সেকেন্ড)।
• ৬-৮টি ওয়ান-লাইনার ক্লিপ: সর্বাধিক ভাইরালিটির জন্য টানা একক বাক্য (১৫-৩০ সেকেন্ড)।
• ২-৪টি বি-রোল বা ভিজ্যুয়াল ক্লিপ: সেই মুহূর্তগুলি যেখানে ভিজ্যুয়াল ধারণা বহন করে, ন্যূনতম টক হেড।

এটি প্রতি ভিডিও ১৬-২৪টি ক্লিপ। আমরা অবাঞ্ছিততা এড়াতে ২০ এ সীমাবদ্ধ করি, তবে সঠিক সংখ্যার চেয়ে পরিসীমা আরও গুরুত্বপূর্ণ।

চার-স্তরীয় অটোমেশন স্ট্যাক

এখানে আমরা ব্যবহার করি। আপনি টুলস স্যুইচ করতে পারেন, তবে স্তরগুলি একই থাকে।

স্তর ১: ট্রান্সক্রিপশন + টাইমস্ট্যাম্প এক্সট্র্যাকশন

আমরা AssemblyAI ব্যবহার করি (এপিআই-ভিত্তিক, ২০২৬ সালে প্রতি ভিডিও ঘন্টায় ৬ সেন্ট)। এটি শব্দ-স্তরের টাইমস্ট্যাম্প এবং স্পীকার লেবেল সহ একটি JSON ট্রান্সক্রিপ্ট ফেরত দেয়। যদি আপনি GUI পছন্দ করেন তবে Descript ও কাজ করে, তবে এটি ব্যাচ কাজের জন্য ধীর।

ট্রান্সক্রিপ্ট একটি পাইথন স্ক্রিপ্টে ফিড করা হয় যা বাক্যের সমাপ্তি এবং ১.২ সেকেন্ডের চেয়ে দীর্ঘ নীরবতার ফাঁক দ্বারা সামগ্রীকে চাঙ্ক করে। এটি আমাদের প্রাকৃতিক কাট পয়েন্ট দেয়।

স্তর ২: এআই ক্লিপ নির্বাচন

এখানেই বেশিরভাগ অটোমেশন ভাঙে পড়ে। Opus Clip এবং Vizard এর মতো সরঞ্জামগুলি “ভাইরালিটির” উপর ভিত্তি করে ক্লিপগুলিকে স্কোর করে — তবে তাদের মডেলগুলি ২০২৩-২০২৪ সালের ডেটায় প্রশিক্ষিত হয়েছিল। TikTok এর ২০২৬ ধারণ অগ্রাধিকার আলাদা।

আমরা একটি কাস্টম GPT-4 প্রম্পট তৈরি করেছি (OpenAI API এর মাধ্যমে) যা প্রতিটি ট্রান্সক্রিপ্ট চাঙ্ককে চারটি মানদণ্ডে স্কোর করে:

• এটি একটি প্রশ্ন, সংখ্যা বা বিপরীত বিবৃতি দিয়ে খোলে?
• এটি ৬০ সেকেন্ডের মধ্যে সমাধান হয় বা কৌতূহলের ফাঁক রেখে যায়?
• সেখানে একটি কংক্রিট উদাহরণ আছে, বিমূর্ত তত্ত্ব নয়?
• এটির মাঝপথে স্ক্রাব করেন এমন কেউ এটি এখনও বুঝতে পারে?

৭+ স্কোর করা চাঙ্কগুলি চিহ্নিত করা হয়। আমরা টাইমস্ট্যাম্প মার্কার ব্যবহার করে প্রতি ভিডিও ২-৩টি “গাট ফিল” ক্লিপও ম্যানুয়ালি ইনজেক্ট করি।

স্তর ৩: স্বয়ংক্রিয় সম্পাদনা

আমরা অটো-রিফ্রেমিংয়ের জন্য Runway Gen-2 ব্যবহার করি (১৬:৯ কে ৯:১৬ এ ক্রপ করুন, স্পিকারের মুখ ট্র্যাক করুন)। তারপর CapCut Commerce API ক্যাপশন প্রয়োগ করে, নীরবতা সরিয়ে দেয় এবং আমাদের টেমপ্লেট যোগ করে: সাহসী sans-serif সাবটাইটেল, ১০% নিচের প্যাডিং, কোণে ব্র্যান্ড ওয়াটারমার্ক।

বিকল্প: Descript এর API যদি আপনি ইতিমধ্যে তাদের ইকোসিস্টেমে থাকেন তবে এটি শেষ থেকে শেষ পর্যন্ত করতে পারে। আমরা Q1 ২০২৬-এ উভয় পরীক্ষা করেছি। CapCut ১৫টিরও বেশি ক্লিপের ব্যাচের জন্য ১৮% দ্রুত রেন্ডার করেছে।

স্তর ৪: বিতরণ

ক্লিপগুলি একটি Dropbox ফোল্ডারে রপ্তানি করা হয়। নতুন ফাইলগুলি পড়লে একটি Zapier ওয়ার্কফ্লো ট্রিগার হয়। মেটাডেটা (ক্যাপশন, হ্যাশট্যাগ, পোস্টিংয়ের সময়) একটি Google Sheet থেকে আসে যা আমরা অন্য একটি GPT-4 কল ব্যবহার করে আগে থেকে পূরণ করি।

তারপর x20.online দায়িত্ব নেয়। আমরা প্রতিটি ক্লিপকে প্রতি প্ল্যাটফর্মে ৮-১২টি অ্যাকাউন্টে পুশ করি, ৭২ ঘন্টায় পোস্টিং স্টাগার করি এবং ট্র্যাক করি কোন ভেরিয়েন্ট প্রথম ৪৮ ঘন্টায় ১০কে ভিউ ভাঙে। বিজয়ীরা পরবর্তী অ্যাকাউন্ট স্তরে পুশ করা হয়।

সম্পাদনা টেমপ্লেট যা সত্যিই রূপান্তরিত করে

এখানে যা আমরা ৩৪০+ ক্লিপ পরীক্ষা করার পরে লক করেছি:

• ক্যাপশন: হলুদ পাঠ্য, কালো স্ট্রোক, ৮০pt Montserrat Bold। প্রতি লাইনে সর্বোচ্চ তিনটি শব্দ। TikTok এর অভ্যন্তরীণ অধ্যয়ন ২০২৫ সালের শেষে নিশ্চিত করেছে যে ক্যাপশনগুলি ইংরেজি-কথা শ্রোতাদের জন্যও গড় দেখার সময় ২৩% বৃদ্ধি করে।
• দিক অনুপাত: ৯:১৬, তবে শীর্ষ এবং নীচে ১২% নিরাপদ প্যাডিং সহ (কিছু প্ল্যাটফর্ম iPhone 15 Pro Max স্ক্রিনে আক্রমণাত্মকভাবে ক্লিপ করে)।
• অডিও: -১৪ LUFS এ স্বাভাবিক করুন। সবকিছু শান্ত হলে এড়িয়ে যাওয়া হয়। সবকিছু জোরালো হলে ভলিউম-ডাউন ট্রিগার করে (যা নেতিবাচক এনগেজমেন্ট হিসাবে গণনা করা হয়)।
• হুক সময়কাল: ২.৮ সেকেন্ড। এটি নতুন ধারণ বেঞ্চমার্ক। TikTok এর ২০২৬ অ্যালগরিদম ৬০ সেকেন্ডের নিচে ভিডিওর জন্য সমাপ্তির হার জুড়ে ৩-সেকেন্ড ধারণকে অগ্রাধিকার দেয়।

আমরা ১-সেকেন্ড মার্কে ০.৩-সেকেন্ডের ফ্রিজ ফ্রেমও যোগ করি। এটি বিদ্বেষপূর্ণ মনে হয়, তবে এটি আমাদের পরীক্ষায় স্ক্রল-পাস্ট ১১% কমায়। মাইক্রো-প্যাটার্ন ইন্টারাপ্ট কাজ করে।

সেরা পুনরায় উদ্দেশ্য করার সিস্টেম সেটি যা সবচেয়ে বেশি ক্লিপ তৈরি করে না — এটি যা দ্রুত খারাপ ক্লিপ মেরে ফেলে।

যেখানে বেশিরভাগ স্বয়ংক্রিয় ওয়ার্কফ্লো ব্যর্থ হয়

তিনটি ভুল DIY সেটআপের ৮০% মেরে ফেলে:

ভুল ১: কোন মানব QA স্তর নেই। অটোমেশন মাঝপথে ক্লিপ করবে, একটি কাশির সাথে একটি সেগমেন্ট বেছে নেবে বা এমন একটি মুহূর্ত বেছে নেবে যা প্রসঙ্গের বাইরে কোন অর্থ রাখে না। আমরা প্রতিটি ব্যাচের জন্য ১৫ মিনিটের QA পাস চালাই। একজন ব্যক্তি ২x গতিতে থাম্বনেলগুলি স্ক্রাব করে এবং স্পষ্ট duds মুছে ফেলে।

ভুল ২: প্রতিটি ক্লিপের জন্য একই ক্যাপশন। এমনকি যদি ক্লিপগুলি একটি ভিডিও থেকে আসে, প্রতিটির একটি অনন্য হুক প্রয়োজন। আমরা আমাদের শীর্ষ ৫০০ পোস্টের উপর প্রশিক্ষিত একটি GPT-4 প্রম্পট ব্যবহার করে ২০টি ক্যাপশন তৈরি করি। তারপর একজন মানুষ সেরা ১২টি বেছে নেয় এবং বাকিটা পুনর্লেখন করে। এই পদক্ষেপটি ১০ মিনিট সময় নেয় এবং কর্মক্ষমতা দ্বিগুণ করে।

ভুল ৩: সব ২০টি ক্লিপ একবারে পোস্ট করুন। প্ল্যাটফর্মগুলি অবাঞ্ছিততার জন্য শাস্তি দেয়। যদি আপনি একটি অ্যাকাউন্টকে অনুরূপ সামগ্রীতে বন্যপ্রাণীতে পূর্ণ করেন, অ্যালগরিদম স্প্যাম অনুমান করে। আমরা অ্যাকাউন্ট এবং সময় অঞ্চল জুড়ে ক্লিপগুলি স্টাগার করি। কোন অ্যাকাউন্ট একক সপ্তাহে একই উৎস ভিডিও থেকে ৩টিরও বেশি ক্লিপ পায় না।

আমাদের ফেব্রুয়ারি ২০২৬ পরীক্ষা থেকে রিয়েল সংখ্যা

আমরা ৮টি দীর্ঘ-ফর্ম ভিডিও (পডকাস্ট, ওয়েবিনার, YouTube আপলোড) মোট ১৬০টি ক্লিপে পুনরায় উদ্দেশ্য করেছি। এখানে যা ঘটেছে:

• ৩৮টি ক্লিপ ৭ দিনে ১০০কে ভিউ ভেঙ্গে ফেলেছে।
• ৯টি ক্লিপ ১ মিলিয়ন+ ভিউ আঘাত করেছে।
• ৭১টি ক্লিপ ৪৮ ঘন্টার পরে ৫কে-এর নিচে গেছে (আমরা এগুলি হত্যা করেছি)।
• মোট দেখার সময়: TikTok, Instagram, YouTube Shorts এবং Facebook Reels জুড়ে ১৪.২ মিলিয়ন মিনিট।
• ম্যানুয়াল সম্পাদনা ব্যয় করা সময়: মোট ২.৫ ঘন্টা (শুধু QA এবং ক্যাপশন টুইকস)।

৯টি ব্রেকআউট ক্লিপ একটি বৈশিষ্ট্য ভাগ করে নিয়েছিল: তারা একটি সংখ্যা বা “আপনি” বিবৃতি দিয়ে খোলে (“আপনি এটি ভুল করছেন”, “কেন এই ৩টি কারণ…”)। অ্যালগরিদম ২০২৬-এ উৎপাদন মূল্যের যত্ন নেয় না। এটি ১.৪ সেকেন্ডে স্ক্রল থামানোর যত্ন নেয়।

৯০-মিনিটের সেটআপ চেকলিস্ট

যদি আপনি এটি নিজে তৈরি করছেন, এখানে দ্রুততম পথ:

ধাপ ১ (২০ মিনিট): AssemblyAI বা Descript API সেট করুন। একটি পরীক্ষা ভিডিও চালান। নিশ্চিত করুন যে ট্রান্সক্রিপ্টে টাইমস্ট্যাম্প অন্তর্ভুক্ত রয়েছে।

ধাপ ২ (৩০ মিনিট): ট্রান্সক্রিপ্ট চাঙ্কগুলি স্কোর করার জন্য একটি GPT-4 প্রম্পট তৈরি বা অভিযোজন করুন। প্রথম OpenAI Playground ব্যবহার করুন, তারপর এটি কাজ করার পরে API এ সরান।

ধাপ ৩ (২৫ মিনিট): আপনার সম্পাদনা সরঞ্জামের টেমপ্লেট কনফিগার করুন (CapCut, Descript বা Premiere এর অটো-রিফ্রেম)। ক্যাপশন স্টাইল, দিক অনুপাত এবং রপ্তানি সেটিংস লক করুন। প্রি সেট হিসাবে সংরক্ষণ করুন।

ধাপ ৪ (১৫ মিনিট): নতুন ক্লিপগুলি রপ্তানি করার সময় Zapier বা Make.com কে ট্রিগার করার সংযোগ স্থাপন করুন। মেটাডেটা ফিল্ড ম্যাপ করুন (ফাইলনাম → ক্যাপশন, ফোল্ডার → প্ল্যাটফর্ম)।

প্রথম রান ৩ ঘন্টা সময় লাগবে। দ্বিতীয়টি ৪৫ মিনিট লাগবে। পঞ্চম ভিডিওর দ্বারা, আপনি QA ছাড়া সম্পূর্ণভাবে হাতমুক্ত হবেন।

অন্যান্য অটোমেশন ওয়ার্কফ্লোর একটি ব্রেকডাউনের জন্য, আমাদের AI অটোমেশন টিপসগুলি দেখুন — আমরা প্রতিটি প্রধান শর্টকাট নথিভুক্ত করেছি যা ২০২৬ এ কাজ করে।

কখন স্কেল করবেন এবং কখন মেরে ফেলবেন

এখানে আমাদের অভ্যন্তরীণ নিয়ম: যদি একটি ক্লিপ ৪৮ ঘন্টায় ৫,০০০ ভিউ না পায়, আমরা এটি সারি থেকে টেনে বের করি। দ্বিতীয় সুযোগ নেই। TikTok এর অ্যালগরিদম দ্রুত সিদ্ধান্ত নেয়।

যদি একটি ক্লিপ ৪৮ ঘন্টায় ৫০কে ভাঙে, আমরা এটিকে ১২টি আরও অ্যাকাউন্টে পুশ করি এবং ৩টি ক্যাপশন ভেরিয়েন্ট পরীক্ষা করি। যদি এটি ২০০কে ভাঙে, আমরা এটি আমাদের চিরসবুজ রোটেশনে যোগ করি এবং ৯০ দিন পরে একটি নতুন হুকের সাথে এটি পুনরায় পোস্ট করি।

Gary Vee এর টিম মধ্য-২০২৫ থেকে এই মডেল চালাচ্ছে। তিনি জনসাধারণে বলেছেন যে তার সামাজিক পৌঁছানোর ৯০% এখন পুনরায় উদ্দেশ্য করা ক্লিপ থেকে আসে, মূল পোস্টগুলি নয়। দীর্ঘ-ফর্ম ভিডিও হল গবেষণা এবং উন্নয়ন। ক্লিপগুলি পণ্য।

সবচেয়ে বেশি জিজ্ঞাসিত প্রশ্ন

একটি ভিডিওকে ২০টি ক্লিপে পুনরায় উদ্দেশ্য করতে কতক্ষণ লাগে?

সম্পূর্ণ অটোমেশনের সাথে, ট্রান্সক্রিপশন থেকে চূড়ান্ত রপ্তানি ভিডিও দৈর্ঘ্যের উপর নির্ভর করে ৩৫-৫০ মিনিট সময় নেয়। মানব QA এবং ক্যাপশন টুইকসের জন্য ১৫ মিনিট যোগ করুন। একবার আপনার ওয়ার্কফ্লো ডায়াল করলে, প্রতি ভিডিও হাতে-কলমে সময় ২০ মিনিটের নিচে।

সব ২০টি ক্লিপ ভাল পারফর্ম করে বা বেশিরভাগ ফ্লপ করে?

আমাদের ২০২৬ পরীক্ষায়, মোটামুটি ২৫-৩০% ক্লিপ ১০০কে ভিউ ভাঙে, ৪০% ৫কে-৫০কে পায় এবং ৪৮ ঘন্টায় ৩০% ৫কে-এর নিচে ফ্লপ করে। লক্ষ্য নিখুঁততা নয় — এটি ৩-৫ বিজয়ী খুঁজে পাওয়া যা আপনি কখনও অনুমান করত না। ভলিউম আবিষ্কার আনলক করে।

আমি বিনামূল্যে সরঞ্জাম ব্যবহার করতে পারি বা আমার প্রদত্ত API প্রয়োজন?

আপনি Descript এর বিনামূল্যে স্তর এবং ম্যানুয়াল ব্যাচিংয়ের জন্য CapCut ডেস্কটপ অ্যাপ দিয়ে শুরু করতে পারেন। কিন্তু ট্রান্সক্রিপশন, ক্লিপ নির্বাচন এবং বিতরণ স্বয়ংক্রিয় করার জন্য API অ্যাক্সেস প্রয়োজন। মাসিক ১৫-২০টি ভিডিও প্রসেস করতে AssemblyAI, OpenAI এবং Zapier এর জন্য প্রায় $৪০-৬০/মাস বাজেট করুন।

এই স্ট্যাক চালানো অতিরিক্ত মনে হয় — বা আপনি শুধু সামগ্রী তৈরি করতে পছন্দ করেন এবং পাইপলাইন এড়িয়ে যান — এটি ঠিক কেন আমরা x20.online তৈরি করেছি। আপনি আমাদের দীর্ঘ-ফর্ম ভিডিও পাঠিয়ে দিন। আমরা ক্লিপিং, ক্যাপশনিং, পরীক্ষা এবং আমাদের পরিচালিত নেটওয়ার্কে বিতরণ পরিচালনা করি। আপনি কর্মক্ষমতা ডেটা এবং বিজয়ী ক্লিপগুলি পান। অবকাঠামো ছাড়াই ফলাফল চান তবে আমাদের সেবা দেখুন।

কন্টেন্টের ভবিষ্যত দীর্ঘতর ভিডিও নয়। এটি প্রতি ধারণা আরও পরীক্ষা। অটোমেশন শুধু এটি সম্ভব করে তোলে আপনার সম্পাদনা দল জ্বলন্ত ছাড়াই।