জাতীয় দিবসের আগের দিন, মডেল নির্মাতারা তাদের পণ্য আপডেট করতে ছুটে আসেন। জাতীয় দিবসের প্রথম দিনে, সত্যিকার অর্থে খেলার যোগ্য AI পণ্য এসেছে—এটা ঠিক, কার প্রোগ্রামিং দরকার? ছুটির পুরো বিন্দু মজা আছে!
APPSO রাতারাতি একটি আমন্ত্রণ কোড পেয়েছে এবং এটির অভিজ্ঞতা ও পরীক্ষা করার জন্য সবাইকে এই "শুধু AI" জগতে ভ্রমণে নিয়ে গেছে। কিছুটা অবাক করার বিষয়: Sora 2 একটি AI ভিডিও প্ল্যাটফর্ম নয়।
সোরা 2 কোথা থেকে এসেছে? কেন সব আল্ট্রাম্যান?
প্রথমত, এটি বর্তমানে একটি আমন্ত্রণ-মাত্র গেম এবং শুধুমাত্র একটি iOS সংস্করণ রয়েছে, তাই এখনও অনেক ব্যবহারকারী নেই৷ এর সাথে কিছু কপিরাইট বিধিনিষেধ যোগ করুন, এবং এর ব্যবহার অত্যন্ত সীমিত—যেখানে পুরো স্কোয়ারটি স্যাম অল্টম্যান দিয়ে পূর্ণ।
স্যাম রোবট বানায়।
হেয়ার সেলুনে মডেল হিসেবে কাজ করছেন স্যাম।
স্যাম আমন্ত্রণ কোড পাঠাচ্ছে।
স্যাম পার্কে একজন বৃদ্ধের সাথে দাবা খেলছে।
স্যাম স্কিইং করছে (সত্যিই, মানুষের শরীরের নড়াচড়া সত্যিই ভাল। আপনি বলতে পারবেন না যে এটি মোটেই তৈরি হয়েছে। আপনি যদি বলতেন যে এটি শুধুমাত্র একটি মুখের অদলবদল ছিল আমি আপনাকে বিশ্বাস করব।)
স্যাম ক্লান্ত।
ঠিক আছে, ঠিক আছে, এই ধরনের আচরণের জন্য, আমি শুধু বলতে পারি – আমাকে আপনার সাথে নিয়ে যান।
স্যাম অল্টম্যানের সাথে একটি ভিডিও চালানো অবিশ্বাস্যভাবে সহজ: শুধু @স্যাম অল্টম্যান অফিসিয়াল অ্যাকাউন্টটিকে "নায়ক" হিসাবে নির্বাচন করুন এবং তারপরে আপনি যে ভিডিও সামগ্রী তৈরি করতে চান তা বর্ণনা করুন৷
অল্টম্যান একবার X প্ল্যাটফর্মে অভিযোগ করেছিলেন যে অপর্যাপ্ত কম্পিউটিং শক্তির কারণে "OpenAI এর GPU গলে যাচ্ছে"। তাই আমরা তাকে এনভিডিয়ার দরজায় দৌড়াতে এবং চিৎকার করতে বলেছিলাম, "আমার জিপিইউ গলে যাচ্ছে!"
(ভিডিও)
ভিডিওটি চমৎকার ধারাবাহিকতা বজায় রাখে। অবশ্যই, একটি ঘনিষ্ঠ চেহারা কিছু ত্রুটি প্রকাশ করে. উদাহরণস্বরূপ, অডিও এবং ভিডিও সিঙ্ক্রোনাইজেশন চমৎকার হলেও, একটি ঘনিষ্ঠ দৃষ্টিভঙ্গি প্রকাশ করে যে শ্বাস-প্রশ্বাসের শব্দ এবং ঠোঁটের নড়াচড়া পুরোপুরি সারিবদ্ধ নয়, এটি সত্যই ত্রুটিহীন হওয়া থেকে অনেক দূরে। তবুও, এটা বলাই যথেষ্ট যে Sora 2 এর ভিডিও জেনারেশন ক্ষমতা একটি বিস্ময়কর স্তরে পৌঁছেছে, যা স্পষ্টভাবে মডেল স্তরে উল্লেখযোগ্য উন্নতি প্রদর্শন করছে।
ভয়েস ক্ষমতাও একীভূত করা হয়েছে। আমাদের পরীক্ষার সময়, আমরা দেখেছি যে Sora 2-এর চীনা ক্ষমতাগুলি নিখুঁতভাবে পারফর্ম করেছে, যা আগের বেশিরভাগ ভিডিও জেনারেশন টুলগুলির মধ্যে একটি বিরলতা। এটি উচ্চারণের গুণমান এবং টিমব্রে, বা সামগ্রিক কথা বলার গতি এবং স্বর, এটি প্রম্পট দ্বারা নির্ধারিত প্রয়োজনীয়তাগুলি সঠিকভাবে পূরণ করেছে।
(ভিডিও)
গ্রেট ওয়ালকে পরিচয় করিয়ে দেওয়া একটি ভিডিওতে, এর আবেগ এবং স্বর ভূমিকা এবং ব্যাখ্যার জন্য উপযুক্ত। একইভাবে, অন্যান্য ভিডিওতে রন্ট বা কৌতুক দেখানো হয়েছে, এটি নির্দিষ্ট পরিস্থিতিতে কথা বলা অক্ষরের কণ্ঠস্বরকে সঠিকভাবে ক্যাপচার করে। চীনা আবেগ এবং প্রেক্ষাপটের এই সুনির্দিষ্ট উপলব্ধি জেনারেট করা ভিডিওগুলির বিশদ গুণমান এবং নিমগ্নতাকে উল্লেখযোগ্যভাবে উন্নত করেছে৷
এআই ভিডিও, আর কোন মৌলিক আইন নেই
আরও চমকপ্রদ বিষয় হল: কোন কার্ড আঁকা নেই।
এটি সম্ভবত সোরা 2-এর সবচেয়ে গুরুত্বপূর্ণ হাইলাইট: এখানে আর কোনও "ড্রয়িং কার্ড" নেই। একটি ভিডিও তৈরি করার সময়, ব্যবহারকারীদের শুধুমাত্র সমাপ্ত ভিডিও পেতে কয়েকটি সহজ প্রম্পট লিখতে হবে।
আমরা অবশ্যই এটি অনেক বলেছি, বিশেষ করে বিভিন্ন ভিডিও জেনারেশন টুল পর্যালোচনা করার সময়। যাইহোক, অতীতে, ভিডিও তৈরির সরঞ্জামগুলির "সরলতা" ঐতিহ্যগত সম্পাদনা প্রক্রিয়াগুলির "সরলীকরণ" এর সাথে আপেক্ষিক ছিল।
Sora 2 এর "সরলতা" এর সামাজিক ফর্মের উপর ভিত্তি করে তৈরি করা হয়েছে, অত্যন্ত উচ্চ নিয়ন্ত্রণযোগ্যতা এবং নিশ্চিততার উপর ফোকাস সহ, ঠিক যেমন WeChat মোমেন্টস বা Xiaohongshu-তে ফটো পোস্ট করা।
কার্ড না আঁকা আজকাল এআই বিশ্বের মৌলিক আইনের কিছুটা বিপরীত বলে মনে হচ্ছে, তবে মূল বিষয় হল গুণমানটি আশ্চর্যজনকভাবে ভাল। এটি ওপেনএআই-এর চূড়ান্ত আত্মবিশ্বাসকে স্পষ্টভাবে প্রতিফলিত করে: সেরাটি বেছে নেওয়ার জন্য একটি গুচ্ছ আঁকতে হবে না; আমি তোমাকে যা দিচ্ছি তা ভালো।
এটাও জোর দেওয়া উচিত যে Sora 2 এর অন্তর্নিহিত যুক্তি ভিডিও জেনারেশন নয়, কিন্তু সোশ্যাল মিডিয়া । এটি এই প্রেক্ষাপটে অনেক চতুর ডিজাইনের উপাদানগুলিকে অন্তর্ভুক্ত করে—আরও গুরুত্বপূর্ণভাবে, এটি সামাজিক মিডিয়া দ্বারা অনুপ্রাণিত, তবে সীমাবদ্ধ নয় ৷
প্রথমত, সবাই স্যুইচ করার জন্য উপরে এবং নীচে সোয়াইপ করার সাথে পরিচিত, তবে Tik Tok থেকে পার্থক্য হল এটির একটি বিশেষ অনুভূমিক স্লাইডিং ডিজাইন রয়েছে।
এই রিক অ্যান্ড মর্টি ভিডিওতে বিভিন্ন লাইন, অক্ষর এবং ফ্রেমের সাথে বিভিন্ন ধরনের পুনঃসৃষ্টির বৈশিষ্ট্য রয়েছে। এগুলি বিভিন্ন ব্যবহারকারীদের থেকে এসেছে, কিন্তু একটি একক অনুভূমিক বিন্যাসে একীভূত৷
বিপরীতে, Douyin-এ অনুভূমিকভাবে সোয়াইপ করা আপনাকে বিভিন্ন কলাম, শপিং মল বা ব্যবহারকারীর হোমপেজে নিয়ে যায়। এই ধরনের অনুভূমিক সোয়াইপিং বিষয়বস্তু খরচের উপর জোর দেয়।
Sora 2 এর অনুভূমিক স্ক্রোলিং, যদিও, একই টেমপ্লেটের উপর ভিত্তি করে বিভিন্ন ব্যবহারকারীদের নিজস্ব ডিজাইন তৈরি করা সহজ করার উপায়ের মত। যখন ব্যবহারকারীরা তাদের পছন্দ মতো একটি টেমপ্লেট বা প্রভাব দেখতে পান, তখন তারা অবিলম্বে সংশ্লিষ্ট প্রম্পট বা মডেলটি পুনরায় তৈরি করতে অ্যাক্সেস করতে পারে, অনুপ্রেরণার একটি ক্রমাগত লুপ তৈরি করে, কার্যকরভাবে ব্যবহারকারীর ধারণ এবং পরীক্ষা-নিরীক্ষার সময় প্রসারিত করে- এই অর্থে, সৃজনশীলতাকে উত্সাহিত করে৷
চিন্তা করবেন না, ভবিষ্যত শুধুমাত্র এআই সহ একটি বিশ্ব হবে না
সোরা 2 এর সামগ্রিক পণ্য দর্শনে "অর্ধেক মানুষ, অর্ধেক এআই" ধারণাটিও মূর্ত করে।
"বিশুদ্ধ AI" এর উপর জোর দেওয়া বা বোঝানো নতুন কিছু নয়; অনেক অ্যাপ আগেও এটি করার চেষ্টা করেছে, যেমন টুইটার, যা সম্পূর্ণরূপে চ্যাটবট দিয়ে তৈরি, বা ইনস্টাগ্রাম, যা ডিজিটাল মানুষের দ্বারা ভরা।
Sora 2 সেই পথে যাওয়ার চেষ্টা করছে না, বরং উপস্থিতির অনুভূতি বজায় রাখার জন্য।
উদাহরণ স্বরূপ, একটি ছবি আপলোড করা, একটি প্রম্পটে টাইপ করা, এবং তারপরে—এখানে মূল পয়েন্ট—একজন ব্যবহারকারীর কাছে, একটি ভিডিও তৈরি করা৷
এটি পরামর্শ দেয় যে AI-উত্পন্ন সামগ্রী নিছক একটি সেতু বা অনুঘটক। জেনারেট করা ভিডিওটি হল "ফুল" ফুল পার করার খেলায়, যখন ব্যবহারকারী, "মানুষ" হল প্রকৃত ড্রামার৷
এই "বাস্তব মানুষ প্রথমে" পছন্দটি প্ল্যাটফর্মের কিছু মূল বৈশিষ্ট্যগুলিতেও প্রতিফলিত হয়, যেমন ক্যামিও, যা অ-বাস্তব ব্যবহারকারীদের থেকে প্রজন্মের অনুরোধ প্রত্যাখ্যান করে।
আমরা Xiaoba ব্যবহার করে অ্যাপটিকে জেলব্রেক করার চেষ্টা করেছি, কিন্তু এটি কাজ করেনি। এটি একটি শক্তিশালী সংকেত: প্ল্যাটফর্মটি সম্পূর্ণরূপে ভার্চুয়াল সামগ্রী চায় না , অন্তত নিজের অ্যাকাউন্টগুলি নয় ৷ এটা চায় প্রকৃত মানুষ অংশগ্রহণ করুক, বাস্তব-বিশ্বের সামাজিক পরিচয়গুলোকে ডিজিটাল সৃষ্টির সাথে একত্রিত করে।
সামগ্রিকভাবে, Sora 2 কোন ভিডিওটি সবচেয়ে "সিনেমার মতো" বা "সর্বোচ্চ মানের" তা দেখার জন্য প্রযুক্তিগতভাবে প্রতিযোগিতা করা নয়। এর মূল লক্ষ্য হল প্রত্যেককে খেলার সুযোগ করে দেওয়া, অনেক লোককে খেলার সুযোগ করে দেওয়া এবং বন্ধুদের সাথে খেলতে সক্ষম হওয়া ।
একটি অত্যন্ত নির্ধারক প্রজন্মের অভিজ্ঞতা এবং একটি সামাজিক ডিজাইনের মাধ্যমে যা রিলে এবং বাস্তব-ব্যক্তির অংশগ্রহণকে উৎসাহিত করে, Sora 2 এআই ভিডিও জেনারেশনকে একটি হাই-এন্ড "টেকনিক্যাল টুল" থেকে ব্যাপক বিনোদন এবং সামাজিক অভিব্যক্তির জন্য একটি নতুন প্ল্যাটফর্মে রূপান্তরিত করে।
এই ডিজাইন ধারণাটি ইঙ্গিত দেয় যে ভবিষ্যত জেনারেটিভ কন্টেন্ট প্ল্যাটফর্মের মূল্য ফোকাস মানুষের সৃজনশীলতাকে উদ্দীপিত করা এবং সম্প্রদায়ের সংযোগ তৈরিতে AI দক্ষতা দেখানো থেকে সরে যাবে।
#iFaner-এর অফিসিয়াল WeChat পাবলিক অ্যাকাউন্ট অনুসরণ করতে স্বাগতম: iFaner (WeChat ID: ifanr), যেখানে যত তাড়াতাড়ি সম্ভব আপনার কাছে আরও উত্তেজনাপূর্ণ সামগ্রী উপস্থাপন করা হবে।