নিজস্ব প্রতিবেদক মুক্ত কণ্ঠস্বর

কৃত্রিম বুদ্ধিমত্তার সাহায্যে চলমান ভিডিও নির্মাণের প্রক্রিয়াটিকে আরও বেশি স্বাচ্ছন্দ্যময় ও গতিশীল করার লক্ষ্যে একটি আধুনিক সংস্করণ নিয়ে এসেছে গুগল।

‘জেমিনাই ওমনি ১.২ ফ্ল্যাশ’ শিরোনামের এই নতুন প্রযুক্তিগত মডেলের মাধ্যমে ব্যবহারকারীরা খুব সহজেই সর্বোচ্চ ১৫ সেকেন্ড দীর্ঘ ভিডিও তৈরি করতে সক্ষম হবেন।

এর পাশাপাশি, পূর্বে নির্মিত কোনো ভিডিও ফাইলের ক্ষেত্রে সাধারণ লেখনি বা প্রম্পটের মাধ্যমে প্রয়োজনীয় নির্দেশনা প্রদান করে তাতে বিভিন্ন পরিবর্তন ও পরিমার্জন ঘটানোও এখন সম্ভব।

ফলে ভিডিওর সামগ্রিক কোনো দৃশ্যে কিংবা এর ভেতরের কোনো নির্দিষ্ট উপাদানে সামান্য পরিমার্জনের প্রয়োজন হলে পুরো ভিডিওটি নতুন করে জেনারেট করার কোনো বাধ্যবাধকতা থাকছে না।

প্রতিষ্ঠানের আনুষ্ঠানিক বক্তব্য অনুযায়ী, তাদের আগের যেকোনো সংস্করণের তুলনায় এই নতুন মডেলে ভিডিও উৎপাদনের খরচ শতকরা ৩০ ভাগ পর্যন্ত হ্রাস পেয়েছে।

তৈরিকৃত ভিডিওর ভেতরের অডিও বা শব্দের গুণগত মান উন্নত হওয়ার পাশাপাশি বিভিন্ন দৃশ্যাবলীতে মানুষের অবয়ব, পোশাক-আশাক এবং পণ্যের পুঙ্খানুপুঙ্খ বিবরণে নিখুঁত সামঞ্জস্য রাখার ক্ষমতাও বৃদ্ধি পেয়েছে।

প্রযুক্তি জগতের এই অভিনব সুবিধাগুলো বিশেষ করে বিজ্ঞাপন প্রস্তুতকারী বিভিন্ন বাণিজ্যিক প্রতিষ্ঠান এবং স্বাধীন কনটেন্ট নির্মাতাদের ভিডিও তৈরির নানাবিধ কাজকে আরও অনেক সহজ করে তুলবে।

গত বৃহস্পতিবার প্রকাশিত একটি বিশেষ ব্লগ পোস্টে গুগল কর্তৃপক্ষ আনুষ্ঠানিকভাবে এই জেমিনাই ওমনি ১.২ ফ্ল্যাশ মডেলটি জনসাধারণের জন্য উন্মুক্ত করার ঘোষণা প্রদান করে।

বর্তমানে সফটওয়্যার ডেভেলপারগণ জেমিনাই এপিআই এবং গুগল এআই স্টুডিওর মতো প্ল্যাটফর্মগুলোর মাধ্যমেই এই আধুনিক মডেলটি সফলভাবে ব্যবহার করতে পারছেন।

এ ছাড়াও বিভিন্ন প্রাতিষ্ঠানিক বা করপোরেট গ্রাহকদের সুবিধার্থে এই প্রযুক্তিটি বর্তমানে গুগল ক্লাউড সার্ভিসের মাধ্যমেও ব্যবহারের সুযোগ রাখা হয়েছে।

নতুন এই উদ্ভাবনী মডেলটির অন্যতম প্রধান একটি বড় আকর্ষণ হলো এর মাধ্যমে সর্বোচ্চ ১৫ সেকেন্ড পর্যন্ত দীর্ঘ ধারাবাহিক ভিডিও তৈরি করা সম্ভব।

স্মরণ করা যেতে পারে যে, এই সিরিজের আগের সংস্করণ অর্থাৎ জেমিনাই ওমনি ১.১ দিয়ে সর্বোচ্চ ১০ সেকেন্ড দীর্ঘ ভিডিও তৈরি করা যেত।

বরাদ্দকৃত নতুন এই মডেলে ব্যবহারকারীগণ ৩ সেকেন্ড থেকে শুরু করে ১৫ সেকেন্ডের মধ্যে নিজেদের পছন্দমতো ভিডিওর দৈর্ঘ্য নির্ধারণ করার স্বাধীনতা ভোগ করবেন।

এই প্রক্রিয়া পরিচালনার ক্ষেত্রে প্রতি এক সেকেন্ডের ব্যবধান রেখে সুনির্দিষ্ট সময় বেছে নেওয়ার দারুণ সুযোগ সংযুক্ত করা হয়েছে।

ভিডিও নির্মাণ প্রক্রিয়ায় আর্থিক সাশ্রয় নিশ্চিত করতে গুগল এর উৎপাদন খরচ উল্লেখযোগ্য পরিমাণে কমিয়ে এনেছে।

প্রতিষ্ঠানটির ভাষ্য অনুযায়ী, নতুন এই মডেলে ৩৬০পি এবং ৭২০পি রেজোল্যুশনের ভিডিও তৈরি করার ক্ষেত্রে প্রতি সেকেন্ডের জন্য ৭ সেন্ট করে খরচ পড়বে।

পরবর্তী সময়ে ব্যবহারকারীর প্রয়োজন সাপেক্ষে এই নির্মিত ভিডিওগুলোর রেজোল্যুশন বাড়িয়ে ১০৮০পি কিংবা ফোরকে মানে উন্নীত করা যাবে।

জেমিনাই ওমনি ১.২ ফ্ল্যাশ মডেলে অত্যন্ত কার্যকরীভাবে যুক্ত হয়েছে লিখিত নির্দেশনার ওপর ভিত্তি করে ভিডিও সম্পাদনা করার দারুণ সব সুবিধা।

এর ফলে কোনো ভিডিওর মধ্যে সামান্য কোনো পরিবর্তন আনতে চাইলে সম্পূর্ণ ভিডিও ফাইলটি আর নতুন করে তৈরি করার কোনো প্রয়োজন হবে না।

বরამ কেবল সাধারণ কথ্য বা লিখিত ভাষায় নির্দেশ দিলেই ভিডিওর সুনির্দিষ্ট অংশে কাঙ্ক্ষিত পরিবর্তন বা মডিফিকেশন আনা সম্ভব হবে।

ভিডিওর ভেতরের কোনো নির্দিষ্ট পণ্য পরিবর্তন করা, পেছনের ব্যাকগ্রাউন্ড বা দৃশ্য বদলানো, আলোর তীব্রতা কিংবা আবহাওয়ার ধরণ পাল্টানোর মতো কাজ করা যাবে।

এ ছাড়াও একই মূল ভিডিও ব্যবহার করে বিজ্ঞাপনের ভিন্ন ভিন্ন বা একাধিক সংস্করণ তৈরির ক্ষেত্রেও এই সুবিধাটি অত্যন্ত ফলপ্রসূভাবে কাজে লাগনো যাবে।

ভিডিও নির্মাণের পুরো সময়টিতে বিভিন্ন উপাদানকে নমুনা কিংবা রেফারেন্স হিসেবে ব্যবহার করার সুযোগও উন্মুক্ত রাখা হয়েছে।

এই উদ্দেশ্যে সংশ্লিষ্ট চরিত্র, নির্দিষ্ট পণ্য এবং বিভিন্ন দৃশ্যের ছবি সরবরাহের পাশাপাশি সর্বোচ্চ তিন সেকেন্ড দীর্ঘ ভিডিও ক্লিপ ও অডিও নমুনা যুক্ত করা সম্ভব।

গুগলের পক্ষ থেকে জানানো হয়েছে যে, এই ধরনের নমুনাগুলো নিখুঁতভাবে অনুসরণ করে ভিডিওর বিভিন্ন দৃশ্যে মানুষের মুখাবয়ব ও পোশাকের ধারাবাহিকতা রক্ষা করা যায়।

পাশাপাশি পণ্যের প্যাকেজিং, টেক্সট এবং ব্র্যান্ডের নির্দিষ্ট রঙ সবসময় একই রকম রাখা সম্ভব হবে এই প্রযুক্তির মাধ্যমে।

ফলে ক্যামেরা পরিচালনার ক্ষেত্রে পজিশন বা দৃশ্যের কোণ পরিবর্তন হলেও ভিডিওর ভেতরের গুরুত্বপূর্ণ উপাদানগুলোর মধ্যে চমৎকার সামঞ্জস্য বজায় থাকবে।

শুধুমাত্র দৃশ্যমান ভিডিও তৈরির পাশাপাশি শব্দ বা অডিও উৎপাদনের সক্ষমতাও অত্যন্ত সফলভাবে উন্নত করেছে প্রযুক্তি জায়ান্ট গুগল।

তাদের এই নতুন মডেলটিতে মানব চরিত্রের সংলাপগুলো আগের তুলনায় অনেক বেশি স্বাভাবিক ও জীবন্ত শোনাবে।

কথা বলার সঙ্গে সঙ্গে বক্তার মুখের ঠোঁটের নড়াচড়ার নিখুঁত সামঞ্জস্য বিধান করার পাশাপাশি একাধিক চরিত্রের জন্য আলাদা কণ্ঠস্বর ব্যবহারের সুবিধা রাখা হয়েছে।

এর ফলে যেকোনো ভিডিওর ভেতরে একাধিক ব্যক্তির পারস্পরিক কথোপকথনকে আরও অনেক বেশি বাস্তবসম্মত এবং আকর্ষণীয়ভাবে উপস্থাপন করা সম্ভব হবে।

ভিডিও ধারণের সময় ক্যামেরার গতিবিধি বা মুভমেন্ট নিয়ন্ত্রণের উদ্দেশ্যেও নতুন কিছু অভিনব সুবিধা এই মডেলে যুক্ত করা হয়েছে।

এগুলোর মধ্যে রয়েছে প্রথম ব্যক্তির ব্যক্তিগত দৃষ্টিকোণ থেকে কোনো সুনির্দিষ্ট স্থানের ভেতর দিয়ে ক্যামেরার স্বচ্ছন্দ চলাচল নিশ্চিত করা।

পাশাপাশি ক্যামেরাকে ধীরে ধীরে পেছনের দিকে সরিয়ে নেওয়া এবং কোনো বিশেষ বস্তুকে কেন্দ্র করে এর চারপাশ ঘুরে দৃশ্য ধারণ করার কাজ করা যাবে।

কোনো পণ্যের পরিচিতিমূলক দৃশ্য তৈরি, আকর্ষণীয় বিজ্ঞাপন এবং অন্যান্য সকল স্বল্পদৈর্ঘ্যের ভিডিও নির্মাণে এই সুবিধাগুলো দারুণভাবে কাজে লাগবে।

পর্যায়ক্রমে তাদের অন্যান্য জনপ্রিয় সেবাগুলোতেও এই মডেলের সুবিধা যুক্ত করা হবে বলে জানিয়েছে গুগল কর্তৃপক্ষ।

বিশেষ করে ফ্লো, জেমিনাই ফর বিজনেস এবং গুগল ভিডস এর মতো বহুল ব্যবহৃত সেবাগুলোতেও এই নতুন মডেলের কারিগরি সুবিধাগুলো পর্যায়ক্রমে যুক্ত করা হবে।