एआई फ़्यूज़न वीडियो सामग्री निर्माताओं के लिए एक खुला स्रोत एजेंट वीडियो निर्माण मंच है। फोकस एकल-चरणीय पीढ़ी पर नहीं है, बल्कि स्क्रिप्ट, स्टोरीबोर्ड, संदर्भ छवियां, वीडियो क्लिप और सामग्री प्रबंधन को एक रचनात्मक पाइपलाइन में बनाने पर है जिसे तैनात, विज़ुअलाइज़ और स्विच करने योग्य मॉडल बनाया जा सकता है।

एआई फ़्यूज़न वीडियो

मुख्य पैरामीटर और आँकड़े

फ़्यूज़न लाइट का सबसे बड़ा अंतर यह नहीं है कि यह "वीडियो भी बना सकता है", बल्कि यह है कि यह इंजीनियरिंग प्रक्रिया की शुरुआत से ही वीडियो निर्माण पर ध्यान देता है। सार्वजनिक README बहुत सीधा है: आप प्लेटफ़ॉर्म पर स्क्रिप्ट लिखते हैं, और सिस्टम स्वचालित रूप से इसे घटकों में विभाजित करता है, फिर संदर्भ छवियां और वीडियो क्लिप उत्पन्न करने के लिए विभिन्न मॉडलों को कॉल करता है, और अंत में एकीकृत तरीके से सामग्री का प्रबंधन करता है। यह उत्पाद तर्क यह निर्धारित करता है कि यह एक छोटा और तेज़ एकल वीडियो SaaS नहीं है, बल्कि एक ओपन सोर्स वीडियो निर्माण मध्य प्लेटफ़ॉर्म की तरह है।

प्रोजेक्ट्स	सार्वजनिक सूचना
उत्पाद प्रपत्र	ओपन सोर्स एजेंट वीडियो निर्माण प्लेटफार्म
नवीनतम संस्करण	v0.6.3
ओपन सोर्स लाइसेंस	एमआईटी लाइसेंस
टेक्नोलॉजी स्टैक	जावा 21, स्प्रिंग बूट 3.5, नेक्स्ट.जेएस 16, रिएक्ट 19, टाइपस्क्रिप्ट
परिनियोजन विधि	डॉकर कंपोज़, स्रोत कोड विकास
आश्रित सेवाएँ	MySQL, Redis और ऑब्जेक्ट स्टोरेज वैकल्पिक
मॉडल समर्थन	ओपनएआई, क्लाउड, जेमिनी, टोंगी कियानवेन डीपसीक, ओलामा
सामुदायिक संकेत	GitHub लगभग 998 सितारे, 197 कांटे

एक संक्षिप्त टिप्पणी: यह आपको "हवा में वीडियो बनाने" में मदद नहीं करता है, बल्कि वीडियो निर्माण को एक अवलोकन योग्य, पुनः प्रयास योग्य और स्व-परिनियोजन योग्य एजेंट प्रक्रिया में तोड़ देता है।

प्रचार सत्यापन: अधिकारी "पूर्ण-प्रक्रिया स्वचालित वर्कफ़्लो" पर जोर देता है। यह स्थिति मूल रूप से सत्य है, क्योंकि यह एक निश्चित पीढ़ी के नोड को कवर नहीं करती है, बल्कि स्क्रिप्ट से सामग्री आउटपुट तक एक बहु-चरण प्रक्रिया को कवर करती है।

उपयोगकर्ता और बाज़ार की पहचान

एक ओपन सोर्स प्रोजेक्ट के रूप में, रोंगगुआंग की बाजार पहचान मुख्य रूप से गिटहब समुदाय और चीनी निर्माता/डेवलपर दृश्य से आती है, न कि उद्यम द्वारा भुगतान करने वाले ग्राहक संख्या से। एक हजार सितारों के करीब और दो सौ कांटे के करीब का पैमाना कम से कम दिखाता है कि यह "केवल लेखक द्वारा उपयोग किया जाता है" के चरण को पार कर चुका है, और बाहरी डेवलपर्स इसके आसपास काम करना जारी रखने के इच्छुक हैं।

विशेषज्ञ दृष्टिकोण: ओपन सोर्स वीडियो प्लेटफ़ॉर्म का मूल्य सभी बंद स्रोत SaaS को प्रतिस्थापित करना नहीं है, बल्कि टीम को एक बुनियादी ढांचा देना है जो निर्माण नियमों, मॉडल आपूर्तिकर्ताओं और भंडारण लिंक को अपने हाथों में नियंत्रित कर सके। उन टीमों के लिए जिन्हें स्टोरीबोर्ड, स्क्रिप्ट और मॉडल आपूर्तिकर्ताओं को लगातार पुनरावृत्त करने की आवश्यकता होती है, नियंत्रण की यह भावना "सर्वश्रेष्ठ एक समय" से कहीं अधिक महत्वपूर्ण है।

छिपे हुए लाभ: क्योंकि प्लेटफ़ॉर्म ने सामग्री प्रबंधन, मॉडल स्विचिंग और प्रक्रिया विज़ुअलाइज़ेशन को एक ही प्रोजेक्ट में एकीकृत किया है, जब टीम भविष्य में मॉडल, ऑब्जेक्ट स्टोरेज और रचनात्मक प्रक्रियाओं को बदलती है, तो स्क्रिप्ट के ढेर को ढेर करने की तुलना में लागत बहुत कम होगी।

वर्तमान सीमाएँ: सार्वजनिक जानकारी से पता चलता है कि टीम प्रबंधन, बहु-उपयोगकर्ता अनुमति नियंत्रण और वैश्विक बुद्धिमान एजेंट अभी भी TODO पर हैं, यह दर्शाता है कि यह अब परिपक्व उद्यम मंच के रूप में सीधे और निर्बाध रूप से उपयोग किए जाने के बजाय रचनात्मक स्टूडियो, आर एंड डी टीमों या व्यक्तिगत तैनाती के लिए अधिक उपयुक्त है।

लागत लाभ

मुक्त सत्य: एमआईटी समझौता सॉफ्टवेयर को लगभग लाइसेंसिंग बाधाओं से मुक्त बनाता है, लेकिन एआई फ़ंक्शन मुफ़्त नहीं हैं। ओपनएआई, क्लाउड, जेमिनी और डीपसीक जैसे अपस्ट्रीम मॉडल की लागत, साथ ही छवि और वीडियो पीढ़ी लिंक की खपत, दैनिक संचालन में मुख्य परिवर्तनीय लागत हैं।

सी-साइड/व्यक्तिगत: व्यक्तिगत डेवलपर्स या स्वतंत्र निर्माता डॉकर का उपयोग जल्दी से शुरू करने और यह सत्यापित करने के लिए कर सकते हैं कि वीडियो वर्कफ़्लो में दीर्घकालिक निवेश करना उचित है या नहीं। एक बड़े क्लोज्ड-सोर्स प्लेटफॉर्म को सीधे खरीदने की तुलना में, अग्रिम नकद परिव्यय कम है।

एपीआई/डेवलपर: यह इसकी सबसे मूल्यवान परत है। क्योंकि आप स्वतंत्र रूप से मॉडल बदल सकते हैं, बैकएंड बदल सकते हैं, और अपना खुद का व्यावसायिक तर्क जोड़ सकते हैं, वास्तविक लागत नियंत्रण किसी एकल आपूर्तिकर्ता द्वारा लॉक किए जाने के बजाय आपके अपने हाथों में है।

उद्यम/निजीकरण: जिन टीमों को निजीकरण और डेटा नियंत्रणीयता की आवश्यकता है, उनके लिए रोंगगुआंग के स्पष्ट फायदे हैं। लेकिन केवल "ओपन सोर्स और फ्री" को देखने के बजाय संचालन और रखरखाव, डेटाबेस, कैश, स्टोरेज और मॉडल गेटवे की लागत की स्पष्ट रूप से गणना करने की आवश्यकता है।

छिपी हुई लागत: वीडियो एजेंट परियोजनाओं की सबसे आम छिपी हुई लागत तैनाती नहीं है, बल्कि लिंक स्थिरता है। स्टोरीबोर्ड की गुणवत्ता, मॉडल वापसी में देरी, सामग्री संदर्भ, असफल पुनः प्रयास और संदर्भ प्रदूषण सभी सीधे उत्पादन लाइन की उपलब्धता को प्रभावित करेंगे।

मुख्य कार्य

• स्क्रिप्ट प्रबंधन: एपिसोड और दृश्य द्वारा संरचित स्क्रिप्ट प्रबंधन का समर्थन करता है।
• एआई स्टोरीबोर्ड जेनरेशन: स्क्रिप्ट को स्वचालित रूप से स्क्रीन विवरण, शॉट भाषा और स्टोरीबोर्ड में विभाजित करें जिन्हें संपादित किया जा सकता है।
• एआई ड्राइंग: स्टोरीबोर्ड संदर्भ चित्र बनाने के लिए विभिन्न इंजनों को कॉल करें।
• एआई वीडियो जेनरेशन: स्टोरीबोर्ड विवरण और संदर्भ छवियों के आधार पर आउटपुट वीडियो क्लिप।
• सामग्री प्रबंधन: चित्रों, वीडियो और इन-प्रोजेक्ट संसाधनों का एकीकृत प्रबंधन।
• एकाधिक मॉडल समर्थन: ओपनएआई, क्लाउड, जेमिनी, टोंगयी कियानवेन डीपसीक और ओलामा के साथ संगत।
• मल्टी-स्टोरेज बैकएंड: स्थानीय ओएसएस, सीओएस, मिनिओ आदि का समर्थन करता है।
• एजेंट पाइपलाइन विज़ुअलाइज़ेशन: समस्या निवारण और पुनः प्रयास की सुविधा के लिए मल्टी-स्टेज जनरेशन प्रक्रिया को उजागर करें।

टूल ओपन सूची: हालाँकि README को MCP के साथ नामित नहीं किया गया है, सार्वजनिक प्रक्रिया ने विशिष्ट टूल व्यवहार को उजागर किया है: script_create, storyboard_generate, image_generate, video_generate, asset_store, model_select, project_manage, export। मॉडल सीधे तौर पर "स्लाइस उत्पन्न नहीं करता", बल्कि इन उपकरण व्यवहारों के माध्यम से कार्यों को बढ़ावा देता है।

मॉडल और संस्करण विकास

फ़्यूज़न लाइट वर्तमान में प्रारंभिक सार्वजनिक संस्करण से v0.6.3 तक उन्नत हो गया है। संस्करण विकास बंद स्रोत SaaS के नामकरण विपणन के बजाय एक खुले स्रोत प्लेटफ़ॉर्म के फ़ंक्शन रोलिंग की तरह है।

प्रारंभिक सार्वजनिक मंच

v0.1.0 इंगित करता है कि परियोजना न्यूनतम चलने योग्य रूप में पहुंच गई है और अब केवल एक रचनात्मक प्रदर्शन नहीं है।

मंच मंच

एजेंट पाइपलाइन विज़ुअलाइज़ेशन, सिस्टम इनिशियलाइज़ेशन विज़ार्ड, मल्टी-स्टोरेज बैकएंड और मल्टी-मॉडल सपोर्ट के साथ पूर्ण सूची में प्रवेश करने के साथ, उत्पाद फोकस "लिंक चला सकते हैं" से "इस लिंक को अधिक स्थिर, अवलोकन योग्य और रखरखाव योग्य बनाने" पर स्थानांतरित हो गया है।

हालिया स्थिरीकरण चरण

v0.6.3 और पिछले दो महीनों में प्रस्तुतियाँ स्टोरीबोर्ड प्रबंधन, कैस्केड को हटाने, इंटरफ़ेस एकीकरण और टूल नामकरण अनुकूलन पर केंद्रित हैं। यह प्लेटफ़ॉर्म परिपक्वता का एक विशिष्ट संकेत है: केवल फ़ंक्शन जोड़ने के बजाय प्रोजेक्ट स्थिरता में सुधार पर अधिक प्रयास करना शुरू करें।

तकनीकी लाभ

आर्किटेक्चर लिंक:

`उपयोगकर्ता आवश्यकताएँ -> स्क्रिप्ट मॉड्यूल -> एजेंट पाइपलाइन -> स्टोरीबोर्ड निर्माण -> छवि निर्माण -> वीडियो निर्माण -> सामग्री प्रबंधन/निर्यात'

एलएलएम/इमेज मॉडल/वीडियो मॉडल ->फ्यूजन लाइट प्लेटफॉर्म ऑर्केस्ट्रेशन लेयर ->ब्राउज़र यूआई/स्टोरेज/प्रोजेक्ट स्टेट

इस लिंक का सबसे बड़ा लाभ यह है कि नियंत्रण प्रवाह और डेटा रिटर्न दिशा अपेक्षाकृत स्पष्ट है, और सब कुछ एक अप्राप्य संकेत में नहीं भरा जाएगा।

तंत्र: परियोजना सामग्री निर्माण को कई मध्यवर्ती परतों जैसे स्क्रिप्ट, स्टोरीबोर्ड, संदर्भ चित्र और वीडियो क्लिप में विभाजित करती है। प्रत्येक परत का मैन्युअल रूप से निरीक्षण और सुधार किया जा सकता है।

प्रभाव: संपूर्ण वीडियो को एक वाक्य में सीधे तैयार करने की तुलना में, यह पदानुक्रमित संरचना संस्करण नियंत्रण, आंशिक पुनर्कार्य और मॉडल प्रतिस्थापन करना आसान बनाती है।

लागू परिदृश्य: लघु नाटक, कॉमिक्स, व्यावसायिक पूर्वावलोकन, शैक्षिक वीडियो, एनीमेशन प्रोटोटाइप।

इंजीनियरिंग के नुकसान के लिए मार्गदर्शिका:

1. डेड-एंड लूप टोकन मुद्रास्फीति नियंत्रण से संबंधित हैं: स्टोरीबोर्ड और मॉडल रिट्रीट के कई राउंड निष्क्रिय करना आसान है। विफलता के बाद उसी स्टोरीबोर्ड के अनंत पुन: चलने से बचने के लिए प्रत्येक प्रोजेक्ट कार्य के लिए max_steps, टाइमआउट और बार-बार कार्रवाई का पता लगाने की सिफारिश की जाती है।
2. DOM/संदर्भ अधिभार की समतुल्य समस्या: यह वेब DOM नहीं है, बल्कि लंबी स्क्रिप्ट और मल्टी-स्टोरीबोर्ड संदर्भ है। इसे दृश्य और पृष्ठ के आधार पर संसाधित करने की अनुशंसा की जाती है, और संपूर्ण सीज़न स्क्रिप्ट को एक बार में भरने के बजाय मॉडल को केवल वर्तमान दृश्य और आवश्यक यादें ही खिलाई जाती हैं।
3. सुरक्षा और अनधिकृत प्रबंधन: जब सामग्रियों को हटाने, परियोजनाओं को ओवरराइट करने या बैच निर्यात करने की बात आती है, तो पुष्टि बिंदु और रोलबैक रणनीतियों को जोड़ा जाना चाहिए। एआई जेनरेशन लिंक में सबसे ज्यादा डर वाली बात "इसे बनाने में सक्षम नहीं होना" नहीं है, बल्कि मौजूदा प्रोजेक्ट स्थिति का खराब लेखन है।

कैसे उपयोग करें

3 मिनट में शीघ्रता से आरंभ करें:

गिट क्लोन https://github.com/Stonewuu/ai-fusion-video.git
सीडी एआई-फ्यूजन-वीडियो
सीपी .env.उदाहरण .env
डॉकर कंपोज़ अप -डी

स्टार्टअप के बाद, http://localhost:8080 तक पहुंचने के लिए सार्वजनिक निर्देशों का पालन करें, आरंभ करने के लिए सिस्टम सेटिंग्स पेज पर एआई मॉडल कुंजी और स्टोरेज बैकएंड को कॉन्फ़िगर करें।

कैसे उपयोग करें	सार्वजनिक प्रवेश द्वार	भीड़ के लिए उपयुक्त	ध्यान देने योग्य बातें
डॉकर एक-क्लिक परिनियोजन	डॉकर कंपोज़ अप -डी	टीमें जो इसे शीघ्रता से अनुभव करना चाहती हैं	पहले मॉडल कुंजी तैयार करें
स्रोत कोड विकास	स्प्रिंग बूट + नेक्स्ट.जेएस	द्वितीयक डेवलपर्स की आवश्यकता है	MySQL, Redis, pnpm	पर निर्भर करता है
मल्टी-मॉडल कॉन्फ़िगरेशन	सिस्टम सेटिंग पृष्ठ	जिन लोगों को मॉडल बदलने की आवश्यकता है	आपूर्तिकर्ता लागत और स्थिरता पर ध्यान दें
वस्तु भंडारण	स्थानीय/S3 संगत	दीर्घकालिक उत्पादन उपयोगकर्ता	सामग्री भंडारण संरचना की पहले से योजना बनाएं

वास्तविक वर्कफ़्लो: प्रोजेक्ट बनाएं -> स्क्रिप्ट लिखें -> एआई स्टोरीबोर्ड तैयार करें -> एआई संदर्भ चित्र बनाएं -> एआई वीडियो क्लिप बनाएं -> सामग्री प्रबंधित करें -> निर्यात करें और वितरित करें। यह प्रक्रिया "एक और हो गई" प्रक्रिया से भारी है, लेकिन यह अधिक नियंत्रणीय भी है।

उत्पाद का मूल्य निर्धारण

यह प्रोजेक्ट स्वयं एमआईटी ओपन सोर्स लाइसेंस के तहत लाइसेंस प्राप्त है और इसमें कोई पारंपरिक सदस्यता शुल्क नहीं है। लेकिन इसका मतलब यह नहीं है कि कुल लागत इतनी कम है कि इसे नजरअंदाज किया जा सके।

सी-साइड/व्यक्तिगत: सॉफ्टवेयर मुफ़्त है, और मुख्य लागत मॉडल कॉलिंग, सर्वर और समय हैं।

डेवलपर्स/एपीआई: आप अपनी पसंद के अनुसार ओपनएआई, क्लाउड, जेमिनी, डीपसीक या ओलामा से जुड़ सकते हैं, जो अनिवार्य रूप से एक प्लेटफ़ॉर्म सदस्यता से लागत को एक नियंत्रणीय आपूर्तिकर्ता बिल में बदल देता है जिसे स्वयं द्वारा प्रबंधित करने की आवश्यकता होती है।

उद्यम/निजी: लाइसेंस अनुकूल, लेकिन अतिरिक्त विचारों में डेटाबेस, ऑब्जेक्ट भंडारण, लॉग, अनुमतियां और बैकअप लागत शामिल हैं।

निराश परिदृश्य: यदि टीम के पास कोई इंजीनियरिंग क्षमता नहीं है और वह बस जल्दी से कुछ मार्केटिंग वीडियो बनाना चाहता है, तो बंद स्रोत SaaS अक्सर अधिक श्रम-बचत वाला होता है।

अनुप्रयोग परिदृश्य

• लघु वीडियो और लघु नाटक निर्माण: स्क्रिप्ट से लेकर स्टोरीबोर्ड से लेकर क्लिप जेनरेशन तक का लिंक सबसे अच्छा मेल है।
• विज्ञापन और विपणन सामग्री: एक बार के उच्च-स्तरीय उत्पादन के बजाय बहु-संस्करण रचनात्मक सत्यापन के लिए उपयुक्त।
• शिक्षा और प्रशिक्षण वीडियो: पाठ्यक्रम को संरचित दृश्य प्रतिनिधित्व में परिवर्तित करें।
• एनीमेशन और फिल्म पूर्वावलोकन: आधिकारिक शूटिंग से पहले अनिश्चितता को कम करने के लिए तुरंत स्टोरीबोर्ड और गतिशील पूर्वावलोकन बनाएं।

आयामीता में कमी स्ट्राइक परिदृश्य: जिन टीमों को स्क्रिप्ट, स्टोरीबोर्ड और लेंस भाषा को बार-बार दोहराने की आवश्यकता होती है, वे उन टीमों की तुलना में इसके मूल्य का अधिक आनंद ले सकती हैं जो केवल "वन-क्लिक प्रोडक्शन" का अनुसरण करती हैं।

लागू लोग

• तकनीकी सामग्री टीम: सबसे उपयुक्त क्योंकि वे तैनाती और मॉडल प्रबंधन के लिए जिम्मेदार हो सकते हैं।
• स्वतंत्र डेवलपर्स और क्रिएटिव स्टूडियो: अपनी स्वयं की वीडियो उत्पादन टूलचेन बनाने की तलाश में हैं।
• शिक्षा, एनिमेशन, लघु नाटक प्रोटोटाइप टीम: स्टोरीबोर्ड नियंत्रणीयता और प्रक्रिया पारदर्शिता पर ध्यान दें।

अस्वीकृत/लोगों पर लागू नहीं:

• जो लोग इसे शून्य कॉन्फ़िगरेशन के साथ बॉक्स से बाहर उपयोग करना चाहते हैं।
• एक टीम जिसके पास कोई मॉडल बजट नहीं है और वह संचालन और रखरखाव के लिए तैयार नहीं है।
• जिन लोगों को एक परिपक्व उद्यम सहयोग अनुमति प्रणाली की आवश्यकता है, लेकिन उन्हें अभी ऑनलाइन जाना होगा।

सारांश और आउटलुक

फ़्यूज़न लाइट की ताकत "प्रभाव सभी बंद स्रोत वीडियो SaaS को कुचल देता है" नहीं है, बल्कि वीडियो निर्माण के लिए वास्तव में नियंत्रणीय एजेंट प्लेटफ़ॉर्म कंकाल प्रदान करना है। यह रचनात्मक प्रक्रिया को ब्लैक बॉक्स पीढ़ी से मध्य-परत विभाजन के माध्यम से एक अवलोकन योग्य, पुन: कार्य करने योग्य और स्व-परिनियोजन योग्य पाइपलाइन में विभाजित करता है। छिपे हुए लाभ मॉडल स्विचिंग और प्रक्रिया अवक्षेपण में निहित हैं, और छिपी हुई लागत इंजीनियरिंग रखरखाव, असफल पुनर्प्रयासों और लंबी-लिंक स्थिरता में निहित हैं, इन सभी के लिए टीम को स्वयं भुगतान करना होगा।

वर्तमान सीमाएँ: टीम सहयोग, अनुमति प्रणाली और मजबूत वैश्विक एजेंट अभी भी विकसित हो रहे हैं। खरीद/गोद लेने का जोखिम मूल्यांकन: मौजूदा उत्पादन प्रणाली को पूरी तरह से बदलने के लिए इसे सीधे एक परिपक्व उद्यम-स्तरीय वीडियो मध्य मंच के रूप में उपयोग करने के बजाय, पहले एक आंतरिक परीक्षण मंच या रचनात्मक स्टूडियो बुनियादी ढांचे का निर्माण करना सबसे उपयुक्त है।

संबंधित उपकरण: ,

संस्करण जानकारी

• एआई फ़्यूज़न वीडियो v0.6.3 ：GitHub द्वारा वर्तमान में प्रकट किए गए नवीनतम संस्करण का लेबल v0.6.3 है। मुख्य लाइन प्लेटफ़ॉर्म स्थिरता के मुद्दों जैसे स्टोरीबोर्डिंग, कैस्केड को हटाना और फ्रंट-एंड और बैक-एंड इंटरफेस के एकीकरण में सुधार करना जारी रखती है। अभी तक कोई आधिकारिक सटीक तारीख नहीं है। （~2026-06）
• एआई फ़्यूज़न वीडियो v0.1.0 ：GitHub रिपॉजिटरी के इतिहास से पता चलता है कि प्रोजेक्ट ने प्रारंभिक सार्वजनिक रिलीज़ नोड के रूप में v0.1.0 लिया, जो अवधारणा के प्रमाण से एक चलने योग्य प्रोजेक्ट चरण में उत्पाद के संक्रमण को चिह्नित करता है। अभी तक कोई आधिकारिक सटीक तारीख नहीं है। （~2026-04）
• एजेंट पाइपलाइन विज़ुअलाइज़ेशन चरण ：README ने एजेंट पाइपलाइन विज़ुअलाइज़ेशन प्रक्रिया को एक पूर्ण क्षमता के रूप में सूचीबद्ध किया है, जो दर्शाता है कि परियोजना एक बहु-चरण कॉल संग्रह से एक अवलोकन योग्य कार्यक्षेत्र में विकसित होना शुरू हो गई है। （~2026-05）