এই পৃষ্ঠাটি Cloud Translation API অনুবাদ করেছে।

🎬 Gemini, Veo এবং Cloud Run ব্যবহার করে একটি AI মোশন ল্যাব তৈরি ও স্থাপন করুন

১. ভূমিকা

আপনি যা তৈরি করবেন

জেমিনি মোশন ল্যাব হলো একটি লাইভ এআই-চালিত কিয়স্ক অভিজ্ঞতা। একজন ব্যবহারকারী একটি সংক্ষিপ্ত নাচ বা গতির ক্লিপ রেকর্ড করেন এবং সিস্টেমটি:

জেমিনি ব্যবহার করে গতিবিধি বিশ্লেষণ করে (শরীরের অঙ্গপ্রত্যঙ্গ, পর্যায়, গতি, শক্তি)
ন্যানো ব্যানানা (জেমিনি ফ্ল্যাশ ইমেজ) ব্যবহার করে একটি শৈলীযুক্ত অবতার চিত্র তৈরি করে ।
Veo ব্যবহার করে একটি AI ভিডিও তৈরি করে যা অ্যাভাটারের গতিবিধিকে পুনরায় ফুটিয়ে তোলে।
পাশাপাশি একটি ভিডিও তৈরি করে (মূল + এআই-নির্মিত)
মোবাইল-অপ্টিমাইজড পেজে একটি কিউআর কোডের মাধ্যমে ফলাফল শেয়ার করে ।

এই কোডল্যাবটি শেষ করার পর, আপনি গুগল ক্লাউড রান- এ সম্পূর্ণ ডেমোটি ডেপ্লয় করতে পারবেন এবং এর পেছনের এআই পাইপলাইনটি বুঝতে পারবেন।

স্থাপত্যের সংক্ষিপ্ত বিবরণ

চূড়ান্ত ডেমো:

কভার

মূল প্রযুক্তি

উপাদান	প্রযুক্তি	উদ্দেশ্য
গতি বিশ্লেষণ	জেমিনি ফ্ল্যাশ	শারীরিক অঙ্গভঙ্গি, পর্যায় এবং শৈলী বোঝার জন্য ভিডিওটি বিশ্লেষণ করুন।
অবতার প্রজন্ম	জেমিনি ফ্ল্যাশ ইমেজ (ন্যানো কলা)	একটি কী ফ্রেম থেকে একটি শৈল্পিক ১০২৪×১০২৪ অ্যাভাটার তৈরি করুন
ভিডিও জেনারেশন	Veo 3.1	অ্যাভাটার ও মোশন প্রম্পট থেকে একটি এআই ভিডিও তৈরি করুন
ব্যাকএন্ড	ফাস্টএপিআই + পাইথন ৩.১১	অ্যাসিঙ্ক পাইপলাইন অর্কেস্ট্রেশন সহ এপিআই সার্ভার
ফ্রন্টএন্ড	রিঅ্যাক্ট + ভাইট + টাইপস্ক্রিপ্ট	ক্যামেরা রেকর্ডিং এবং লাইভ স্ট্যাটাস সহ কিয়স্ক UI
হোস্টিং	ক্লাউড রান	সার্ভারবিহীন কন্টেইনারাইজড ডেপ্লয়মেন্ট
স্টোরেজ	গুগল ক্লাউড স্টোরেজ	ভিডিও আপলোড, ফ্রেম, ছাঁটাই করা এবং কম্পোজ করা আউটপুট

২. 📦 রিপোজিটরিটি ক্লোন করুন

১. ক্লাউড শেল এডিটর খুলুন

👉 আপনার ব্রাউজারে ক্লাউড শেল এডিটর খুলুন।

যদি টার্মিনালটি স্ক্রিনের নীচে প্রদর্শিত না হয়:

ভিউ ক্লিক করুন
টার্মিনালে ক্লিক করুন

২. কোডটি ক্লোন করুন

👉💻 টার্মিনালে রিপোজিটরিটি ক্লোন করুন:

cd ~
git clone https://github.com/cuppibla/gemini-motion-lab-starter.git
cd gemini-motion-lab-starter

৩. প্রকল্পের কাঠামো অন্বেষণ করুন

রিপোজিটরি লেআউটটি দ্রুত দেখে নিন:

gemini-motion-lab-starter/
├── backend/                     # FastAPI backend (Python 3.11)
│   ├── app/
│   │   ├── main.py              # FastAPI app entry point
│   │   ├── config.py            # Environment-based settings
│   │   ├── routers/             # API endpoints (upload, analyze, generate, share...)
│   │   ├── services/            # Business logic (Gemini, Veo, storage, pipeline...)
│   │   └── prompts/             # AI prompt templates
│   ├── Dockerfile
│   └── pyproject.toml
├── frontend/                    # React + Vite + TypeScript
│   ├── src/                     # React components
│   ├── public/                  # Static assets
│   ├── Dockerfile
│   └── nginx.conf
├── init.sh                      # Create GCP project & link billing
├── billing-enablement.py        # Auto-link billing account
├── setup.sh                     # Create GCS bucket, service account, .env
└── scripts/                     # Utility scripts

৩. 🛠️ ক্রেডিট দাবি করুন এবং GCP প্রজেক্ট তৈরি করুন

পর্ব ১: আপনার বিলিং ক্রেডিট দাবি করুন

👉 আপনার Gmail অ্যাকাউন্ট ব্যবহার করে আপনার বিলিং অ্যাকাউন্টের ক্রেডিট দাবি করুন।

পর্ব ২: একটি নতুন প্রকল্প তৈরি করুন

👉💻 টার্মিনালে, init স্ক্রিপ্টটিকে এক্সিকিউটেবল করে চালান:

cd ~/gemini-motion-lab-starter
chmod +x init.sh
./init.sh

init.sh স্ক্রিপ্টটি যা করবে:

gemini-motion-lab প্রিফিক্স দিয়ে একটি নতুন GCP প্রজেক্ট তৈরি করুন।
প্রজেক্ট আইডিটি ~/project_id.txt ফাইলে সংরক্ষণ করুন।
বিলিং নির্ভরতা ইনস্টল করুন এবং আপনার বিলিং অ্যাকাউন্ট স্বয়ংক্রিয়ভাবে লিঙ্ক করুন

পর্ব ৩: প্রজেক্ট কনফিগার করুন এবং এপিআই সক্রিয় করুন

👉💻 টার্মিনালে আপনার প্রজেক্ট আইডি সেট করুন:

gcloud config set project $(cat ~/project_id.txt) --quiet

👉💻 এই প্রোজেক্টের জন্য প্রয়োজনীয় গুগল ক্লাউড এপিআইগুলো সক্রিয় করুন (এতে প্রায় ১-২ মিনিট সময় লাগবে):

gcloud services enable \
    run.googleapis.com \
    cloudbuild.googleapis.com \
    aiplatform.googleapis.com \
    storage.googleapis.com \
    artifactregistry.googleapis.com

প্রতিটি এপিআই যা করে:

এপিআই	উদ্দেশ্য
`run.googleapis.com`	ক্লাউড রান — আমাদের ব্যাকএন্ড এবং ফ্রন্টএন্ডকে সার্ভারলেস কন্টেইনার হিসেবে হোস্ট করে।
`cloudbuild.googleapis.com`	ক্লাউড বিল্ড — সোর্স কোড থেকে ডকার ইমেজ তৈরি করে
`aiplatform.googleapis.com`	ভার্টেক্স এআই — জেমিনি এবং ভিও মডেলগুলিতে অ্যাক্সেস
`storage.googleapis.com`	ক্লাউড স্টোরেজ — আপলোড করা ভিডিও, ফ্রেম এবং তৈরি করা অ্যাসেট সংরক্ষণ করে।
`artifactregistry.googleapis.com`	আর্টিফ্যাক্ট রেজিস্ট্রি — নির্মিত ডকার ইমেজ সংরক্ষণ করে

৪. 🧠 [শুধুমাত্র পাঠের জন্য] স্থাপত্য বোঝা

এই অংশে এআই পাইপলাইনটি শুরু থেকে শেষ পর্যন্ত কীভাবে কাজ করে তা ব্যাখ্যা করা হয়েছে। কোনো পদক্ষেপ নেওয়ার প্রয়োজন নেই — ডেপ্লয় করার আগে সিস্টেমটি বোঝার জন্য শুধু পড়ুন।

এআই পাইপলাইন

যখন কোনো ব্যবহারকারী কিয়স্কে একটি মোশন ক্লিপ রেকর্ড করেন, তখন পাঁচটি পর্যায় ক্রমানুসারে চলে:

পর্যায় ১: ভিডিও আপলোড

ফ্রন্টএন্ড ব্যবহারকারীর ক্যামেরা থেকে একটি ৫-সেকেন্ডের WebM ক্লিপ রেকর্ড করে এবং ব্যাকএন্ডের /api/upload এন্ডপয়েন্টের মাধ্যমে সেটি গুগল ক্লাউড স্টোরেজে আপলোড করে।

POST /api/upload/{video_id}  →  gs://BUCKET/uploads/{video_id}.webm

পর্যায় ২: মিথুন রাশির গতি বিশ্লেষণ

ব্যাকএন্ড আপলোড করা ভিডিওটিকে কাঠামোগত বিশ্লেষণের জন্য জেমিনি ফ্ল্যাশে ( gemini-3-flash-preview ) পাঠায়।

জেমিনি যা নিষ্কাশন করে: জেমিনি ভিডিওটি দেখে এবং নিম্নলিখিত উপাদানসহ একটি কাঠামোগত JSON ফেরত পাঠায়:

movement_summary — গতির একটি স্বাভাবিক ভাষার বর্ণনা
body_parts — শরীরের কোন কোন অংশ জড়িত (হাত, ধড়, পা, ইত্যাদি)
phases — সময়-ভিত্তিক বিভাজন (সময়সীমা, ক্রিয়া, গতি, শক্তি)
best_frame_timestamp — একটি স্থির ফ্রেম বের করার সেরা মুহূর্ত
veo_prompt — Veo ভিডিও তৈরির জন্য যত্নসহকারে তৈরি একটি প্রম্পট
person_description — অ্যাভাটার তৈরির জন্য ব্যক্তির বিবরণ

এটি যেভাবে কাজ করে ( backend/app/services/gemini_service.py ):

এই সার্ভিসটি Vertex AI SDK-এর client.models.generate_content() ফাংশন ব্যবহার করে, যেখানে ভিডিওটিকে Part.from_uri ইনপুট এবং একটি স্ট্রাকচার্ড প্রম্পট হিসেবে ব্যবহার করা হয়। response_mime_type="application/json" নিশ্চিত করে যে Gemini পার্সযোগ্য JSON রিটার্ন করবে। মডেলটি গতির পর্যায়গুলো সম্পর্কে আরও ভালোভাবে বোঝার জন্য ThinkingConfig(thinking_budget=1024) ফাংশনটিও ব্যবহার করে।

# Simplified from gemini_service.py
response = client.models.generate_content(
    model="gemini-3-flash-preview",
    contents=[
        types.Part.from_uri(file_uri=gcs_uri, mime_type="video/webm"),
        MOTION_ANALYSIS_PROMPT,  # detailed prompt template
    ],
    config=types.GenerateContentConfig(
        response_mime_type="application/json",
        thinking_config=types.ThinkingConfig(thinking_budget=1024),
    ),
)
analysis = json.loads(response.text)

পর্যায় ৩: ন্যানো কলা অবতার তৈরি

ভিডিও থেকে নেওয়া সেরা ফ্রেমটি ব্যবহার করে, জেমিনি ফ্ল্যাশ ইমেজ ( gemini-3.1-flash-image-preview ) একটি ১০২৪×১০২৪ স্টাইলাইজড অ্যাভাটার তৈরি করে।

এটি যেভাবে কাজ করে ( backend/app/services/nano_banana_service.py ):

# Simplified from nano_banana_service.py
response = client.models.generate_content(
    model="gemini-3.1-flash-image-preview",
    contents=[
        types.Content(role="user", parts=[
            types.Part.from_bytes(data=frame_bytes, mime_type="image/png"),
            types.Part.from_text(text=avatar_prompt),
        ])
    ],
    config=types.GenerateContentConfig(
        response_modalities=["IMAGE"],
        image_config=types.ImageConfig(
            aspect_ratio="1:1",
            output_mime_type="image/png",
        ),
    ),
)

তৈরি হওয়া অ্যাভাটার PNG ফাইলটি GCS-এ আপলোড করা হয় এবং পরবর্তী ধাপে পাঠানো হয়।

পর্যায় ৪: ভিও ভিডিও জেনারেশন

৮-সেকেন্ডের একটি এআই ভিডিও তৈরি করার জন্য অ্যাভাটার ছবিটি Veo 3.1 ( veo-3.1-fast-generate-001 )-এর রেফারেন্স অ্যাসেট হিসেবে ব্যবহৃত হয়।

এটি যেভাবে কাজ করে ( backend/app/services/veo_service.py ):

# Simplified from veo_service.py
config = GenerateVideosConfig(
    reference_images=[
        VideoGenerationReferenceImage(
            image=Image(gcs_uri=avatar_gcs_uri, mime_type="image/png"),
            reference_type="ASSET",
        )
    ],
    aspect_ratio="16:9",
    duration_seconds=8,
    output_gcs_uri=f"gs://{BUCKET}/output/{video_id}/",
)
operation = client.models.generate_videos(
    model="veo-3.1-fast-generate-001",
    prompt=veo_prompt,
    config=config,
)

Veo জেনারেশন অ্যাসিঙ্ক্রোনাস — এটি তাৎক্ষণিকভাবে একটি অপারেশন আইডি রিটার্ন করে। ব্যাকএন্ড অপারেশনটি সম্পূর্ণ না হওয়া পর্যন্ত (সর্বোচ্চ ১০ মিনিট পর্যন্ত) পোল করতে থাকে।

পর্যায় ৫: প্রক্রিয়াকরণ-পরবর্তী পাইপলাইন

Veo-এর কাজ শেষ হলে, ব্যাকগ্রাউন্ড পাইপলাইন ( backend/app/services/pipeline.py ) স্বয়ংক্রিয়ভাবে চালু হয়:

৮ সেকেন্ডের Veo আউটপুটটি কমিয়ে ৩ সেকেন্ড করুন।
পাশাপাশি একটি ভিডিও তৈরি করুন (বামে মূল রেকর্ডিং, ডানে এআই ভিডিও)
তৈরি করা ভিডিওটি GCS-এ আপলোড করুন ।
কিউ স্লটটি খালি করুন

এই পাইপলাইনটি একটি ব্যাকগ্রাউন্ড asyncio.Task হিসেবে চলে — কিয়স্ক ফ্রন্টএন্ডকে অপেক্ষা করতে হয় না।

সারি ব্যবস্থা

যেহেতু Veo তৈরি করা একটি সম্পদ-নিবিড় প্রক্রিয়া, তাই সিস্টেমটি একযোগে সর্বোচ্চ ৩টি কাজ চালানোর নিয়ম আরোপ করে:

# backend/app/routers/queue.py
MAX_CONCURRENT_JOBS = 3

@router.get("/queue/status")
async def queue_status():
    return {
        "active_jobs": len(_active_jobs),
        "max_jobs": MAX_CONCURRENT_JOBS,
        "available": len(_active_jobs) < MAX_CONCURRENT_JOBS,
    }

নতুন ব্যবহারকারীকে সেশন শুরু করার অনুমতি দেওয়ার আগে ফ্রন্টএন্ড GET /api/queue/status চেক করে। যখন একটি পাইপলাইন সম্পূর্ণ হয় এবং complete(video_id) কল করে, তখন পরবর্তী ব্যবহারকারীর জন্য স্লটটি খুলে যায়।

ক্লাউড রান — সার্ভারবিহীন কন্টেইনার

ব্যাকএন্ড এবং ফ্রন্টএন্ড উভয়ই ক্লাউড রান পরিষেবা হিসাবে স্থাপন করা হয়েছে:

ক্লাউড রান কেন?

সার্ভার ব্যবস্থাপনার প্রয়োজন নেই — গুগল স্কেলিং, প্যাচিং এবং হার্ডওয়্যার পরিচালনা করে।
শূন্যে নামিয়ে আনুন — অনুরোধ সক্রিয় থাকলেই কেবল আপনাকে অর্থ প্রদান করতে হবে।
কন্টেইনার-ভিত্তিক — একটি Dockerfile-এর সাহায্যে যেকোনো ভাষা বা ফ্রেমওয়ার্ক ডেপ্লয় করুন।
অন্তর্নির্মিত HTTPS — প্রতিটি পরিষেবা একটি স্থায়ী, সুরক্ষিত URL পায়
অটো-স্কেলিং — ট্র্যাফিকের আকস্মিক বৃদ্ধি স্বয়ংক্রিয়ভাবে সামাল দেয় (এই ডেমোতে ১–৩টি ইনস্ট্যান্স)

পরিষেবা	উদ্দেশ্য	মূল কনফিগারেশন
ব্যাকএন্ড	ফাস্টএপিআই এপিআই সার্ভার	২ জিবি মেমরি (ffmpeg-এর মাধ্যমে ভিডিও প্রসেসিংয়ের জন্য)
ফ্রন্টএন্ড	Nginx দ্বারা পরিবেশিত স্ট্যাটিক রিয়্যাক্ট অ্যাপ	ডিফল্ট মেমরি

৫. ⚙️ সেটআপ স্ক্রিপ্ট চালান

১. স্বয়ংক্রিয় সেটআপটি চালান

setup.sh স্ক্রিপ্টটি প্রয়োজনীয় ক্লাউড রিসোর্স তৈরি করে এবং আপনার .env ফাইলটি জেনারেট করে।

👉💻 স্ক্রিপ্টটিকে এক্সিকিউটেবল করে চালান:

cd ~/gemini-motion-lab-starter
chmod +x setup.sh
./setup.sh

২. আইএএম ভূমিকা মঞ্জুর করুন

এখন সার্ভিস অ্যাকাউন্টটিকে প্রয়োজনীয় অনুমতিগুলো প্রদান করুন।

👉💻 আপনার প্রোজেক্ট আইডি সেট করতে এবং তিনটি রোলই প্রদান করতে নিচের কমান্ডগুলো চালান:

export PROJECT_ID=$(cat ~/project_id.txt)

# 1. Storage Admin — upload/download videos and frames
gcloud projects add-iam-policy-binding $PROJECT_ID \
  --member="serviceAccount:gemini-motion-lab-sa@${PROJECT_ID}.iam.gserviceaccount.com" \
  --role="roles/storage.admin"

# 2. Vertex AI User — call Gemini and Veo models
gcloud projects add-iam-policy-binding $PROJECT_ID \
  --member="serviceAccount:gemini-motion-lab-sa@${PROJECT_ID}.iam.gserviceaccount.com" \
  --role="roles/aiplatform.user"

# 3. Service Account Token Creator — generate signed URLs for GCS
PROJECT_NUMBER=$(gcloud projects describe $PROJECT_ID --format="value(projectNumber)")
COMPUTE_SA="${PROJECT_NUMBER}-compute@developer.gserviceaccount.com"

gcloud iam service-accounts add-iam-policy-binding \
  gemini-motion-lab-sa@${PROJECT_ID}.iam.gserviceaccount.com \
  --project=$PROJECT_ID \
  --member="serviceAccount:${COMPUTE_SA}" \
  --role="roles/iam.serviceAccountTokenCreator"

প্রতিটি ভূমিকার কাজ:

ভূমিকা	উদ্দেশ্য
`roles/storage.admin`	ক্লাউড স্টোরেজে থাকা অবজেক্টগুলো পড়া, লেখা এবং পরিচালনা করার সম্পূর্ণ অ্যাক্সেস — যা ভিডিও আপলোড, ফ্রেম এবং কম্পোজ করা আউটপুটের জন্য প্রয়োজন।
`roles/aiplatform.user`	ভার্টেক্স এআই মডেল ব্যবহার করে পূর্বাভাস তৈরি করুন — যা জেমিনি বিশ্লেষণ, ন্যানো ব্যানানা অ্যাভাটার তৈরি এবং ভিও ভিডিও তৈরির জন্য প্রয়োজনীয়।
`roles/iam.serviceAccountTokenCreator`	স্বাক্ষরিত ইউআরএল তৈরি করুন, যাতে শেয়ার পেজটি সময়-সীমিত লিঙ্কের মাধ্যমে মোবাইল ফোনে ভিডিও পরিবেশন করতে পারে।

৩. আপনার `.env` ফাইলটি যাচাই করুন

👉💻 তৈরি হওয়া .env ফাইলটি যাচাই করুন:

cat .env

আপনার দেখা উচিত:

GOOGLE_CLOUD_PROJECT=your-project-id
GOOGLE_CLOUD_LOCATION=us-central1
GCS_BUCKET=gemini-motion-lab-your-project-id
GCS_SIGNING_SA=gemini-motion-lab-sa@your-project-id.iam.gserviceaccount.com
GOOGLE_GENAI_USE_VERTEXAI=true
MOCK_AI=false

৬. 🚀 ব্যাকএন্ড ডিপ্লয় করুন

১. ব্যাকএন্ড ডকারফাইলটি বুঝুন

ডিপ্লয় করার আগে, চলুন জেনে নেওয়া যাক কন্টেইনারটি দেখতে কেমন:

# backend/Dockerfile
FROM python:3.11-slim                           # Python base image
RUN apt-get update && apt-get install -y \
    ffmpeg libgl1 libglib2.0-0 \                # ffmpeg for video processing
    && rm -rf /var/lib/apt/lists/*
WORKDIR /app
COPY pyproject.toml .
RUN pip install --no-cache-dir .                # Install Python dependencies
COPY app/ ./app/                                # Copy application code
EXPOSE 8080
CMD ["uvicorn", "app.main:app", "--host", "0.0.0.0", "--port", "8080"]

২. ক্লাউড রানে স্থাপন করুন

👉💻 আপনার এনভায়রনমেন্ট ভেরিয়েবলগুলো লোড করুন এবং ডিপ্লয় করুন:

source .env

cd ~/gemini-motion-lab-starter/backend

gcloud run deploy gemini-motion-lab-backend \
  --source . \
  --region us-central1 \
  --allow-unauthenticated \
  --min-instances 1 \
  --max-instances 3 \
  --memory 2Gi \
  --port 8080 \
  --project $GOOGLE_CLOUD_PROJECT \
  --set-env-vars "GOOGLE_CLOUD_PROJECT=$GOOGLE_CLOUD_PROJECT,GOOGLE_CLOUD_LOCATION=$GOOGLE_CLOUD_LOCATION,GCS_BUCKET=$GCS_BUCKET,GCS_SIGNING_SA=$GCS_SIGNING_SA,GOOGLE_GENAI_USE_VERTEXAI=$GOOGLE_GENAI_USE_VERTEXAI,MOCK_AI=$MOCK_AI"

গুরুত্বপূর্ণ ডেপ্লয়মেন্ট ফ্ল্যাগগুলোর ব্যাখ্যা:

পতাকা	উদ্দেশ্য
`--source .`	সরাসরি সোর্স থেকে ডকার ইমেজটি বিল্ড করুন (ক্লাউড বিল্ড এই কাজটি করে)।
`--allow-unauthenticated`	এপিআই-কে সর্বজনীনভাবে প্রবেশযোগ্য করে তোলে (ফ্রন্টএন্ডের জন্য আবশ্যক)
`--min-instances 1`	কোল্ড স্টার্ট এড়াতে অন্তত একটি ইনস্ট্যান্স গরম রাখুন।
`--max-instances 3`	স্কেলিং সীমিত করুন (যেহেতু আমরা একই সাথে ৩টি Veo জবে সীমাবদ্ধ রাখি)
`--memory 2Gi`	ffmpeg দিয়ে ভিডিও প্রসেসিংয়ের জন্য প্রয়োজন।
`--set-env-vars`	সমস্ত কনফিগারেশন এনভায়রনমেন্ট ভেরিয়েবল হিসেবে পাস করুন।

এতে প্রায় ৩-৫ মিনিট সময় লাগে। ক্লাউড বিল্ড যা করবে:

আপনার সোর্স কোড আপলোড করুন
ডকার ইমেজ তৈরি করুন
আর্টিফ্যাক্ট রেজিস্ট্রি-তে এটি পুশ করুন
ক্লাউড রানে এটি স্থাপন করুন

৩. ব্যাকএন্ড ইউআরএলটি সংরক্ষণ করুন।

👉💻 ডেপ্লয় করার পর, ব্যাকএন্ড URL-টি সংরক্ষণ করুন:

BACKEND_URL=$(gcloud run services describe gemini-motion-lab-backend \
  --region us-central1 \
  --format="value(status.url)" \
  --project $GOOGLE_CLOUD_PROJECT)

echo "Backend URL: $BACKEND_URL"

ব্যাকএন্ড কিউআর কোড তৈরি করে, যাতে ব্যবহারকারীরা তাদের ভিডিও ডাউনলোড করতে পারে। এই কাজটি করার জন্য ব্যাকএন্ডটির নিজের পাবলিক ইউআরএল জানা প্রয়োজন।

👉💻 ব্যাকএন্ড কনফিগারেশনটি এর নিজস্ব URL দিয়ে আপডেট করুন:

gcloud run services update gemini-motion-lab-backend \
  --region us-central1 \
  --update-env-vars PUBLIC_BASE_URL=$BACKEND_URL \
  --project $GOOGLE_CLOUD_PROJECT

৫. ব্যাকএন্ড যাচাই করুন

👉💻 স্বাস্থ্যগত ফলাফল পরীক্ষা করুন:

curl $BACKEND_URL/api/health

প্রত্যাশিত আউটপুট:

{"status":"ok"}

👉💻 সারির অবস্থা দেখুন:

curl $BACKEND_URL/api/queue/status

প্রত্যাশিত আউটপুট:

{"active_jobs":0,"max_jobs":3,"available":true}

৭. 🎨 ফ্রন্টএন্ড ডিপ্লয় করুন

১. ফ্রন্টএন্ড ডকারফাইলটি বুঝুন

ফ্রন্টএন্ডটি একটি বহু-পর্যায়ের বিল্ড প্রক্রিয়া ব্যবহার করে — প্রথমে React অ্যাপটি বিল্ড করা হয়, তারপর Nginx-এর মাধ্যমে তা পরিবেশন করা হয়:

# frontend/Dockerfile
FROM node:20-alpine AS builder               # Stage 1: Build
WORKDIR /app
COPY package*.json ./
RUN npm ci
COPY . .
ARG VITE_API_BASE=https://...                # Backend URL baked at build time
ENV VITE_API_BASE=$VITE_API_BASE
RUN npm run build                            # Produces static files in /app/dist

FROM nginx:alpine                            # Stage 2: Serve
COPY --from=builder /app/dist /usr/share/nginx/html
COPY nginx.conf /etc/nginx/conf.d/default.conf
EXPOSE 8080

ARG VITE_API_BASE কেন ? Vite একটি বিল্ড-টাইম টুল। এনভায়রনমেন্ট ভেরিয়েবল অবশ্যই বিল্ড টাইমে ইনজেক্ট করতে হবে, রানটাইমে নয়। ARG নির্দেশনাটি আমাদেরকে docker build সময় ব্যাকএন্ড URL পাস করার সুযোগ দেয় এবং Vite এটিকে জাভাস্ক্রিপ্ট বান্ডেলের মধ্যে অন্তর্ভুক্ত করে নেয়।

এর মানে হলো, যদি ব্যাকএন্ড URL কখনো পরিবর্তিত হয়, তবে নতুন URL-টি গ্রহণ করার জন্য আপনাকে ফ্রন্টএন্ডটি পুনরায় ডিপ্লয় করতে হবে।

২. ক্লাউড রানে স্থাপন করুন

👉💻 প্রথমে, ব্যাকএন্ড URL-টি একটি .env ফাইলে লিখে রাখুন, যাতে Vite বিল্ড করার সময় এটিকে অন্তর্ভুক্ত করতে পারে:

cd ~/gemini-motion-lab-starter/frontend
echo "VITE_API_BASE=$BACKEND_URL" > .env

👉💻 এবার ফ্রন্টএন্ড ডিপ্লয় করুন:

gcloud run deploy gemini-motion-lab-frontend \
  --source . \
  --region us-central1 \
  --allow-unauthenticated \
  --min-instances 1 \
  --max-instances 3 \
  --port 8080 \
  --project $GOOGLE_CLOUD_PROJECT

এতে প্রায় ২-৩ মিনিট সময় লাগে।

৩. ফ্রন্টএন্ড ইউআরএলটি নিন।

👉💻 ফ্রন্টএন্ড URL-টি সংগ্রহ করে খুলুন:

FRONTEND_URL=$(gcloud run services describe gemini-motion-lab-frontend \
  --region us-central1 \
  --format="value(status.url)" \
  --project $GOOGLE_CLOUD_PROJECT)

echo "🎬 Your Gemini Motion Lab is live at: $FRONTEND_URL"

👉 আপনার ব্রাউজারে URL-টি খুলুন — আপনি জেমিনি মোশন ল্যাব কিয়স্ক ইন্টারফেসটি দেখতে পাবেন!

৮. 🎮 [ঐচ্ছিক] ডেমোটি দিয়ে খেলুন

১. একটি প্রস্তাব নথিভুক্ত করুন

আপনার ব্রাউজারে ফ্রন্টএন্ড ইউআরএলটি খুলুন (সেরা ক্যামেরা সাপোর্টের জন্য ক্রোম ব্যবহার করা শ্রেয়)।
রেকর্ডিং শুরু করতে স্টার্ট-এ ক্লিক করুন।
প্রায় ৫ সেকেন্ড ধরে নাচুন বা নড়াচড়া করুন — এতে হাতের বড় বড় নড়াচড়া এবং গতিশীল ভঙ্গি সবচেয়ে ভালো কাজ করে।
রেকর্ডিং স্বয়ংক্রিয়ভাবে বন্ধ হয়ে আপলোড হবে।

২. এআই পাইপলাইন পর্যবেক্ষণ করুন

আপলোড করার পরে, আপনি পাইপলাইনটি রিয়েল টাইমে চলতে দেখবেন:

পর্যায়	কী ঘটছে	সময়কাল
বিশ্লেষণ করা হচ্ছে...	জেমিনি ফ্ল্যাশ আপনার ভিডিওতে গতিবিধির ধরণ বিশ্লেষণ করে।	~৫-১০ সেকেন্ড
অবতার তৈরি হচ্ছে...	ন্যানো ব্যানানা আপনার সেরা ফ্রেম থেকে একটি স্টাইলিশ অ্যাভাটার তৈরি করে।	~৮-১২ সেকেন্ড
ভিডিও তৈরি করা হচ্ছে...	Veo 3.1 অ্যাভাটার ও মোশন প্রম্পট থেকে একটি এআই ভিডিও তৈরি করে।	~৬০-১২০ সেকেন্ড
রচনা করা...	ffmpeg ছাঁটাই করে এবং পাশাপাশি তুলনা তৈরি করে।	~৫-১০ সেকেন্ড

পাইপলাইনটি সম্পূর্ণ হলে:

কিয়স্ক স্ক্রিনে একটি কিউআর কোড দেখা যায়।
আপনার ফোন দিয়ে কিউআর কোডটি স্ক্যান করুন।
আপনি আপনার তৈরি করা ভিডিও সহ একটি মোবাইল-অপ্টিমাইজড শেয়ার পেজ দেখতে পাবেন।

৪. ব্যাকএন্ড লগগুলো পরীক্ষা করুন

👉💻 দেখুন নেপথ্যে কী ঘটেছিল:

gcloud logging read \
  "resource.type=cloud_run_revision AND resource.labels.service_name=gemini-motion-lab-backend" \
  --limit=30 \
  --project $GOOGLE_CLOUD_PROJECT \
  --format="value(timestamp,textPayload)" \
  --freshness=10m

আপনি পাইপলাইনটির গতিপথ অনুসরণকারী লগ লাইনগুলো দেখতে পাবেন:

Pipeline started for video_id=abc123
Gemini model used: gemini-3-flash-preview
Avatar generated: style=pixel-hero size=450KB time=8.2s
Veo model used: veo-3.1-fast-generate-001
Pipeline: Veo complete for video_id=abc123
Pipeline: trimmed video uploaded
Pipeline: composed video uploaded
Pipeline complete for video_id=abc123

৫. সারিটি পর্যবেক্ষণ করুন

👉💻 কতগুলো কাজ চলছে তা দেখুন:

curl $BACKEND_URL/api/queue/status

যদি একই সাথে ৩টি সেশন সক্রিয় থাকে, তাহলে প্রতিক্রিয়াটি নিম্নরূপ হবে:

{"active_jobs":3,"max_jobs":3,"available":false}

নতুন ব্যবহারকারীদের একটি স্লট খালি হওয়া পর্যন্ত অপেক্ষা করতে বলা হবে।

৯. 🎉 উপসংহার

আপনি যা তৈরি করেছেন

✅ এআই মোশন অ্যানালাইসিস — জেমিনি ফ্ল্যাশ ভিডিওর গতি, ছন্দ এবং শৈলী বিশ্লেষণ করে।

✅ অ্যাভাটার তৈরি — ন্যানো ব্যানানা ভিডিও ফ্রেম থেকে স্টাইলিশ অ্যাভাটার তৈরি করে

✅ এআই ভিডিও তৈরি — Veo 3.1 ব্যবহারকারীর গতিবিধির সাথে মিলিয়ে নতুন ভিডিও তৈরি করে।

✅ অ্যাসিঙ্ক পাইপলাইন — কিউ ম্যানেজমেন্ট সহ ব্যাকগ্রাউন্ড প্রসেসিং (একসাথে সর্বোচ্চ ৩টি)

✅ পাশাপাশি কম্পোজিশন — এফএফএমপিইজি-চালিত ভিডিও কম্পোজিটিং

✅ ক্লাউড রান ডেপ্লয়মেন্ট — সার্ভারবিহীন, অটো-স্কেলিং, কোনো সার্ভার ব্যবস্থাপনার প্রয়োজন নেই

আপনি যে মূল ধারণাগুলো শিখেছেন

জেমিনি মাল্টিমোডাল — ইনপুট হিসাবে ভিডিও প্রেরণ এবং কাঠামোগত JSON বিশ্লেষণ গ্রহণ
ন্যানো বানানা (জেমিনি ইমেজ জেনারেশন) — রেফারেন্স ইমেজ ও স্টাইল প্রম্পট ব্যবহার করে অ্যাভাটার তৈরি করা
Veo 3.1 — রেফারেন্স অ্যাসেট এবং টেক্সট প্রম্পট ব্যবহার করে অ্যাসিঙ্ক্রোনাস ভিডিও তৈরি
ক্লাউড রান — এনভায়রনমেন্ট ভেরিয়েবল এবং অটো-স্কেলিং ব্যবহার করে কন্টেইনার ডেপ্লয় করা
অ্যাসিঙ্ক পাইপলাইন প্যাটার্ন — দীর্ঘস্থায়ী এআই অপারেশনের জন্য asyncio.Task ব্যবহার করে ফায়ার-অ্যান্ড-ফরগেট ব্যাকগ্রাউন্ড টাস্ক।
কিউ ম্যানেজমেন্ট — খরচ এবং এপিআই কোটা নিয়ন্ত্রণের জন্য যুগপৎ এআই জবগুলোর রেট-লিমিটিং

স্থাপত্যের সারসংক্ষেপ

এরপর কী?

আরও অ্যাভাটার স্টাইল যোগ করুন — backend/app/prompts/avatar_generation.py সম্পাদনা করুন
Veo প্রম্পট কাস্টমাইজ করুন — backend/app/prompts/video_generation.py সম্পাদনা করুন।
মক মোডে স্থানীয়ভাবে চালান — এপিআই কল ছাড়া ডেভেলপমেন্টের জন্য .env ফাইলে MOCK_AI=true সেট করুন।
ইভেন্টের জন্য স্কেল — --max-instances এবং MAX_CONCURRENT_JOBS বৃদ্ধি করুন।

🎬 Gemini, Veo এবং Cloud Run ব্যবহার করে একটি AI মোশন ল্যাব তৈরি ও স্থাপন করুন

১. ভূমিকা

আপনি যা তৈরি করবেন

স্থাপত্যের সংক্ষিপ্ত বিবরণ

মূল প্রযুক্তি

২. 📦 রিপোজিটরিটি ক্লোন করুন

১. ক্লাউড শেল এডিটর খুলুন

২. কোডটি ক্লোন করুন

৩. প্রকল্পের কাঠামো অন্বেষণ করুন

৩. 🛠️ ক্রেডিট দাবি করুন এবং GCP প্রজেক্ট তৈরি করুন

পর্ব ১: আপনার বিলিং ক্রেডিট দাবি করুন

পর্ব ২: একটি নতুন প্রকল্প তৈরি করুন

পর্ব ৩: প্রজেক্ট কনফিগার করুন এবং এপিআই সক্রিয় করুন

৪. 🧠 [শুধুমাত্র পাঠের জন্য] স্থাপত্য বোঝা

এআই পাইপলাইন

পর্যায় ১: ভিডিও আপলোড

পর্যায় ২: মিথুন রাশির গতি বিশ্লেষণ

পর্যায় ৩: ন্যানো কলা অবতার তৈরি

পর্যায় ৪: ভিও ভিডিও জেনারেশন

পর্যায় ৫: প্রক্রিয়াকরণ-পরবর্তী পাইপলাইন

সারি ব্যবস্থা

ক্লাউড রান — সার্ভারবিহীন কন্টেইনার

৫. ⚙️ সেটআপ স্ক্রিপ্ট চালান

১. স্বয়ংক্রিয় সেটআপটি চালান

২. আইএএম ভূমিকা মঞ্জুর করুন

৩. আপনার .env ফাইলটি যাচাই করুন

৬. 🚀 ব্যাকএন্ড ডিপ্লয় করুন

১. ব্যাকএন্ড ডকারফাইলটি বুঝুন

২. ক্লাউড রানে স্থাপন করুন

৩. ব্যাকএন্ড ইউআরএলটি সংরক্ষণ করুন।

৪. ব্যাকএন্ড শেয়ার ইউআরএল আপডেট করুন

৫. ব্যাকএন্ড যাচাই করুন

৭. 🎨 ফ্রন্টএন্ড ডিপ্লয় করুন

১. ফ্রন্টএন্ড ডকারফাইলটি বুঝুন

২. ক্লাউড রানে স্থাপন করুন

৩. ফ্রন্টএন্ড ইউআরএলটি নিন।

৮. 🎮 [ঐচ্ছিক] ডেমোটি দিয়ে খেলুন

১. একটি প্রস্তাব নথিভুক্ত করুন

২. এআই পাইপলাইন পর্যবেক্ষণ করুন

৩. আপনার সৃষ্টি শেয়ার করুন

৪. ব্যাকএন্ড লগগুলো পরীক্ষা করুন

৫. সারিটি পর্যবেক্ষণ করুন

৯. 🎉 উপসংহার

আপনি যা তৈরি করেছেন

আপনি যে মূল ধারণাগুলো শিখেছেন

স্থাপত্যের সারসংক্ষেপ

এরপর কী?

সম্পদ

৩. আপনার `.env` ফাইলটি যাচাই করুন