আমি একটি প্রম্পট টাইপ করে জেনারেট চাপলাম। যখন ভিডিওটি ভেসে উঠল, তখনও আমার হাত কিবোর্ডেই ছিল।
ছবিটির সম্মুখভাগে ধোঁয়া ওঠা এক কাপ কালো কফি, যার পটভূমি ঝাপসা; এরপর ফোকাসটি মসৃণভাবে স্থানান্তরিত হয় এবং পটভূমিতে একটি মেয়েকে একটি পুরোনো বইয়ের পাতা ওল্টাতে স্পষ্টভাবে দেখা যায়।
আমি দুটো শব্দ পরিবর্তন করে, আলোর দিক ঠিক করে আবার চাপ দিলাম। এটি পুনরায় ভেসে উঠল এবং টেক্সচারটিও হারিয়ে যায়নি। নির্দেশগুলো অনায়াসে লেখা হয়েছিল; ইচ্ছাকৃতভাবে কীওয়ার্ডের বোঝা না বাড়িয়ে, এটা ছিল আমার মনের ভেতরের ছবিটির একটি সাধারণ বর্ণনা, এবং মডেলটি সবকিছুই বুঝে গিয়েছিল।
▲দৃষ্টি আকর্ষণ: সম্মুখভাগে ধোঁয়া ওঠা এক কাপ কালো কফি পুরো ফ্রেম জুড়ে রয়েছে, এবং পটভূমি ঝাপসা। এরপর, দৃষ্টি স্বাভাবিকভাবেই পটভূমিতে সরে যায়, যেখানে একটি মেয়েকে একটি পুরোনো বইয়ের পাতা ওল্টাতে স্পষ্টভাবে দেখা যায়।
PixVerse V6 নিয়ে এটাই আমার প্রথম ধারণা। ব্যাপারটা শুধু 'ভালো ফলাফল' নিয়ে নয়; আরও নির্দিষ্ট করে বললে, এটা হলো 'এর প্রভাব এবং যে গতিতে এটি তৈরি হয়েছে' তা নিয়ে।
পিক্সভার্স-এর দ্রুত ভিডিও তৈরির গতি ইন্ডাস্ট্রিতে নতুন কোনো খবর নয়। যেখানে বেশিরভাগ এআই ভিডিও টুল এখনও দীর্ঘ কিউ দিয়ে ধৈর্যের পরীক্ষা নিচ্ছে, সেখানে পিক্সভার্স ইতিমধ্যেই তার শ্রেণীর মধ্যে দ্রুততম। আর্টিফিশিয়াল অ্যানালাইসিস-এর ভিডিও জেনারেশন মডেল লিডারবোর্ডে, পিক্সভার্স ভি৬ এমনকি শীর্ষস্থানে রয়েছে।
তবে, যদি V6 শুধু "একটু দ্রুততর এবং উন্নত গ্রাফিক্সযুক্ত" হয়, তাহলে এটি একটি সাধারণ সংস্করণ মাত্র এবং এটি নিয়ে আলাদাভাবে আলোচনা করার কোনো প্রয়োজন নেই।
V6 যা করে তা হলো, ‘গতি’-কে একটি প্রযুক্তিগত মাপকাঠি থেকে সৃজনশীল স্তরে একটি কাঠামোগত সুবিধায় রূপান্তরিত করে। উন্নত কমান্ড বোধগম্যতার অর্থ হলো প্রম্পটগুলোতে বারবার একই ধরনের পরিবর্তন করার প্রয়োজন কমে যায়; ছবির মানও আরও স্থিতিশীল হয়। এই ক্ষেত্রগুলোতে সম্মিলিতভাবে যে সময় সাশ্রয় হয়, তা শুধুমাত্র তৈরির গতি বৃদ্ধির চেয়ে অনেক বেশি মূল্যবান।
অন্য কথায়, যখন আউটপুটের গুণমান সামঞ্জস্যপূর্ণ এবং গতি যথেষ্ট দ্রুত হয়, তখন নির্মাতাদের জন্য বাধা আর সরঞ্জাম থাকে না, বরং ধারণাগুলোই হয়ে ওঠে। এআই নির্মাতাদের অবমূল্যায়ন করেনি; বরং এটি ভালো ধারণাগুলোকে আগের চেয়ে আরও মূল্যবান করে তুলেছে।
এটি শুধু দ্রুতই নয়, বরং এর প্রতিটি ফ্রেম সূক্ষ্ম পর্যবেক্ষণেও উত্তীর্ণ হতে পারে।
PixVerse V6 ব্যবহার করা সহজ এবং নতুনরাও সহজেই এটি ব্যবহার শুরু করতে পারে।
Paiwo AI (ওয়েব সংস্করণ: https://pai.video) খুলুন, ইনপুট বক্সে আপনার নিজের ভাষায় কাঙ্ক্ষিত দৃশ্যটি বর্ণনা করুন, রেজোলিউশন, অ্যাসপেক্ট রেশিও এবং সময়কাল নির্বাচন করুন, এবং তারপর "জেনারেট" এ ক্লিক করুন। এটি 360P থেকে 1080P পর্যন্ত আউটপুট সমর্থন করে এবং ল্যান্ডস্কেপ ও পোর্ট্রেট উভয় মোডেই ব্যবহার করা যায়। আপনি প্রতিটি জেনারেশনের সময়কাল নিয়ন্ত্রণ করতে পারবেন।
V6 নির্দেশনা বোঝার ক্ষেত্রে দৃশ্যমান অগ্রগতি করেছে। শুধু আপনার সৃজনশীল উদ্দেশ্য বর্ণনা করুন; প্রযুক্তিগত পরিভাষার ভারে জর্জরিত করার কোনো প্রয়োজন নেই। আপনি কী ধরনের আলো, পরিবেশ এবং শট চান, তা এটি বুঝতে পারে। এতে শুধু সময়ই বাঁচে না, বরং বারবার নির্দেশনা পরিমার্জন করার শক্তিও সাশ্রয় হয়।
এটিতে রেফারেন্স ছবি আপলোড করার সুবিধাও রয়েছে। যদি আপনি কোনো নির্দিষ্ট স্টাইল পুনরায় তৈরি করতে চান বা চরিত্রের চেহারা চূড়ান্ত করতে চান, তবে শুধু ছবিটি দিয়ে দিন, এবং সেই অনুযায়ী মডেলটি তৈরি হয়ে যাবে।
▲উৎপাদন প্রক্রিয়ার প্রদর্শন
আমার কাছে V6-এর সবচেয়ে আশ্চর্যজনক উন্নতিটি হলো পদার্থবিজ্ঞানের সিমুলেশনে।
আমি ম্যাক্রো লেন্সটি পরীক্ষা করে দেখলাম। সোনালি মধু ধীরে ধীরে ঝরে পড়ছিল, যা চকচকে সুতোর মতো মাফিনটির উপর আলতোভাবে ছড়িয়ে পড়ছিল। অভিকর্ষের প্রভাবে সুতোগুলো সরু হয়ে আসছিল এবং সংস্পর্শ পৃষ্ঠে এর ব্যাপনের হার মধুর সান্দ্রতার সাথে মিলে যাচ্ছিল।
এর ওজন, মাধ্যাকর্ষণ এবং কার্যকারণ সম্পর্ক রয়েছে।
▲মূলশব্দ: ম্যাক্রো লেন্স। একটি কাঠের নাড়ানি থেকে উচ্চ সান্দ্রতার সোনালি মধু ধীরে ধীরে ঝরে পড়ছে, যা লম্বা, চকচকে সুতোর মতো আকার ধারণ করে অবশেষে নিচের সদ্য বেক করা মাফিনের ওপর সশব্দে পড়ছে। সংস্পর্শে এসে মধু আলতোভাবে ছড়িয়ে পড়ে। ছবিটিতে বাস্তব শারীরিক গতির একটি জোরালো অনুভূতি রয়েছে।
পূর্বে, এআই ভিডিওতে বাস্তব জগৎ ছিল "চলমান পিক্সেল", কিন্তু ভি৬-এ বস্তুগুলো পদার্থবিজ্ঞানের নিয়ম মেনে চলে। এর তাৎপর্য শুধু চাক্ষুষ স্তরের মধ্যেই সীমাবদ্ধ নয়। আমরা স্বজ্ঞার উপর ভিত্তি করে একটি ছবি বাস্তব কি না তা বিচার করি: এই গ্লাসে জল ঢালার পদ্ধতিটি কি সঠিক? এই মধুর ফোঁটাটির গতিপথ কি যুক্তিসঙ্গত? ভি৬ এই স্তরে একটি উপযুক্ত উত্তর প্রদান করে।
ফিজিক্যাল সিমুলেশন নির্ধারণ করে যে জগৎটি বাস্তবসম্মত কিনা, অন্যদিকে হিউম্যান পোর্ট্রেট টেক্সচার নির্ধারণ করে কোনো ব্যক্তির টেক্সচার নির্ভুল কিনা।
এই বিষয়টিতেই এআই ভিডিওগুলিতে ভুল হওয়ার সম্ভাবনা সবচেয়ে বেশি। একটি সামান্য ভুল পদক্ষেপই ‘আনক্যানি ভ্যালি’র কারণ হতে পারে। মুখের গড়ন কোমল কিন্তু অভিব্যক্তি অনমনীয়, ত্বক মসৃণ কিন্তু সিলিকনের মতো মনে হয়, চোখ উজ্জ্বল কিন্তু তাতে কোনো স্পষ্টতা নেই। আপনি এটিকে একটি মুখ হিসেবে চিনতে পারবেন, কিন্তু আপনার সহজাত প্রবৃত্তি বলবে যে এটি কোনো মানুষ নয়।
V6 আমাকে এই দিকটি সম্পর্কে একটি নতুন দৃষ্টিভঙ্গি দিয়েছে। ইন্ডাস্ট্রির কিছু ক্রিয়েটর এটিকে সিড্যান্সের সাথে তুলনা করেন, এবং সাধারণ উপসংহার হলো যে উভয়েরই নিজস্ব শক্তি ও দুর্বলতা রয়েছে, এবং কোনটি বেশি উন্নত তা বলা কঠিন।
আমি শ্যালো ডেপথ অফ ফিল্ড এবং মৃদু পার্শ্ব আলো ব্যবহার করে একজন মধ্যবয়সী পুরুষ অভিনেতার মুখের একটি ক্লোজ-আপ শট নেওয়ার চেষ্টা করেছিলাম, যেখানে তিনি কান্নার বেগ দমন করার জন্য আপ্রাণ চেষ্টা করছিলেন। ফলাফলটি ছিল মনোমুগ্ধকর। তাঁর নাকের ছিদ্রের মৃদু কম্পন, চোখের জল—এই নড়াচড়াগুলো ছিল সময়ানুবর্তী, স্তরযুক্ত এবং যৌক্তিকভাবে সংযুক্ত।
অভিব্যক্তির সূক্ষ্ম তারতম্য চরিত্রটিকে একজন এআই অভিনেতার অনুভূতি দেয়। এর বিপরীতে, পূর্ববর্তী এআই প্রতিকৃতিগুলো আবেগ প্রকাশ করত অনেকটা "অবস্থা পরিবর্তনের" মতো, যেখানে V6-এর আবেগ আরও সূক্ষ্ম একটি ক্রমবিকাশ দেখায়। ত্বকের গঠনও উল্লেখযোগ্য—এর টেক্সচার, লোমকূপ, সূক্ষ্ম রেখা এবং বিভিন্ন আলোতে রঙের তারতম্য সবই অক্ষুণ্ণ রাখা হয়েছে।
মারামারির দৃশ্যগুলো এআই ভিডিওর জন্য একটি শারীরিক সক্ষমতা পরীক্ষা।
ঘুষিটা সঠিক জায়গায় লাগতে হবে, যাকে ঘুষি মারা হচ্ছে তাকে যথাযথভাবে প্রতিক্রিয়া করতে হবে, শরীরের গতির বেগ অবিচ্ছিন্ন হতে হবে এবং একাধিক চরিত্রের মধ্যকার স্থানিক সম্পর্ক যেন একে অপরের মধ্যে দিয়ে চলে না যায়। এই উপাদানগুলোর কোনো একটিতে ত্রুটি দেখা দিলেই তা একটি কমেডি ভিডিওতে পরিণত হয়। অনেক এআই ভিডিও মডেল এমন ফলাফল তৈরি করে যেখানে হয় দুজন মানুষকে জিমন্যাস্টিক করতে দেখা যায়, অথবা ঘুষি মারার হাতটি অন্যজনের মুখের ভেতর দিয়ে সরাসরি চলে যায়।
V6 নিয়ে কাজ করার সময়, আমি মুষলধারে বৃষ্টির মধ্যে একটি কর্দমাক্ত গলিতে দুই মার্শাল আর্ট গুরুর মধ্যে তীব্র হাতাহাতি লড়াইয়ের একটি দৃশ্য তৈরি করেছিলাম। প্রতিপক্ষের চোয়ালে একটি শক্তিশালী ঘুষি এসে লাগল, আঘাতের সাথে সাথে বৃষ্টি আর ঘাম ছিটকে পড়ল, এবং আঘাতের তীব্রতায় শিকারের মুখের পেশীগুলো বাস্তবসম্মতভাবে কেঁপে উঠল।
ছবির গুণমানের বাইরে, যা আমাকে সত্যিই রোমাঞ্চিত করে তা হলো, V6 একগুচ্ছ ভিজ্যুয়াল ল্যাঙ্গুয়েজ সক্ষমতাকে পূর্ণতা দান করে।
রূপান্তরের প্রভাবের ক্ষেত্রে, আমি একটি অত্যন্ত প্রযুক্তিগত যান্ত্রিক ড্রোন তৈরি করেছিলাম যা দ্রুত বাতাসে উড়ছিল, এবং তারপর সেটি দ্রুত ধাতব রূপ থেকে প্রবাহিত কালি ও কালির রেখায় গঠিত একটি জল-কালির ড্রাগনে রূপান্তরিত হয়, যা থেকে এক ভৌতিক নীল আলো বিচ্ছুরিত হচ্ছিল।
▲ইঙ্গিত: চীনা অ্যানিমেশন শৈলী। উড্ডয়নের সময়, ড্রোনটি দ্রুত তার ধাতব রূপ থেকে প্রবাহিত কালি, কালির বিন্দু এবং কালির রেখা দিয়ে তৈরি এক ঐশ্বরিক ড্রাগনে রূপান্তরিত হয়, যা থেকে একটি হালকা নীল আলো বিকিরণ করে।
এই রূপান্তরটি স্বাভাবিক, এতে প্রচলিত পিক্সেলেশন ও এজ ঘোস্টিং নেই। ধাতুর কাঠিন্য এবং কালির তরলতার মাঝে একটি অন্তর্বর্তী অবস্থা রয়েছে; কোনো টেক্সচারই হঠাৎ করে বিচ্ছিন্ন হয়ে যায় না। সম্পূর্ণ রূপান্তর প্রক্রিয়াটি প্রতিস্থাপনের চেয়ে একীভূতকরণের বেশি কাছাকাছি।
ক্যামেরার সঞ্চালনের ক্ষমতাও সমানভাবে চিত্তাকর্ষক। একটি সিনেম্যাটিক আকাশী দৃষ্টিকোণ থেকে, একটি ড্রোন দ্রুতগতিতে একটি পরিত্যক্ত, মরিচা ধরা শিল্প কারখানার অভ্যন্তর দিয়ে উড়ে যায়। কারখানার ভেতরের স্থানিক অনুভূতি, ধাতব আবহ তৈরির জন্য আলোর ব্যবহার এবং দ্রুতগতির ক্যামেরা সঞ্চালনের সময় ফুটেজের স্থিতিশীলতা—এই সবকিছুই নিখুঁতভাবে সম্পাদিত হয়েছে। এতে কৃত্রিম বুদ্ধিমত্তায় তৈরি ফুটেজে প্রায়শই দেখা যাওয়া ‘কোথায় তাকাবো বুঝতে না পারার’ বিশৃঙ্খল অনুভূতিটি অনুপস্থিত।
▲মূলশব্দ: সিনেম্যাটিক এরিয়াল পার্সপেক্টিভ, বাস্তবসম্মত শৈলী। একটি পরিত্যক্ত, মরিচা ধরা শিল্প কারখানার ভেতরে একটি ড্রোন দ্রুত উড়ে যায়।
আরেকটি পদ্ধতি হলো বুলেট টাইম। এটি ম্যাট্রিক্স-ধাঁচের একটি দৃষ্টিকোণ ঘূর্ণন, যেখানে মূল বিষয়বস্তু স্থির হয়ে যায় কিন্তু পটভূমি চলতে থাকে। এই ধরনের শটের জন্য সময়ের অনুভূতির উপর উচ্চ মাত্রার নিয়ন্ত্রণ প্রয়োজন; সামান্য বিচ্যুতিতেও স্লো-মোশন দেখা যেতে পারে। V6 এটি সংযমের সাথে সামলায় এবং বাড়াবাড়ি না করে গতির ক্রমবিকাশ দেখায়।
আমি আরও দুটি দৃশ্য ধারণের চেষ্টা করেছিলাম, যেগুলোতে আরও বেশি স্থানিক গভীরতার প্রয়োজন ছিল। প্রথমটি ছিল একটি শ্রেণিকক্ষ। ড্রোনটির দৃষ্টিকোণ করিডোর থেকে শ্রেণিকক্ষে পরিবর্তিত হয় এবং ক্যামেরাটি শ্রেণিকক্ষ থেকে বেরিয়ে যাওয়া বায়ুপ্রবাহকে অনুসরণ করে, পুরো ক্যাম্পাসটি ধারণ করার জন্য জুম আউট হতে থাকে। পরীক্ষার খাতা এবং সাদা কাগজগুলো বায়ুপ্রবাহে পাক খেয়ে আকাশ ভরে তুলছিল, কিন্তু ক্যামেরার নড়াচড়া অবিচ্ছিন্ন ছিল।
দ্বিতীয় দৃশ্যটিতে দেখা যায়, মৌমাছিরা জানালার ফাঁক দিয়ে গলে ঢুকে শোবার ঘর ও বসার ঘর পেরিয়ে রান্নাঘরে মধুর পাত্রটি খুঁজে পায় এবং তারপর আবার উড়ে বেরিয়ে যায়। প্রতিটি ঘরের আলো ও গভীরতা ভিন্ন, এবং দৃশ্য পরিবর্তনের সময় মৌমাছিদের উড়ানের জড়তা সামান্য বিলম্বিত হয়, যা বাস্তব পোকামাকড়ের ছন্দকে প্রতিফলিত করে।
বাস্তব কর্মপ্রবাহে মাল্টি-ক্যামেরা কাট সম্ভবত সবচেয়ে গুরুত্বপূর্ণ অবদান। মহিলাদের পোশাকের একটি ছোট ফ্যাশন বিজ্ঞাপনে তিনটি শট নির্বিঘ্নে সংযুক্ত করা হয়েছে, যেখানে একটি উষ্ণ ও সমন্বিত রঙের বিন্যাস ব্যবহার করা হয়েছে, যা এআই সম্পাদনার খাপছাড়া ভাব এড়িয়ে চলে।
এছাড়াও তিনটি পরীক্ষা আছে যা আমি বিশেষভাবে পছন্দ করি, যেগুলো ক্যামেরার সঞ্চালন এবং দৃশ্যের বিন্যাসের উপর আলোকপাত করে।
উদাহরণস্বরূপ, ভিক্টোরিয়ান আমলের বইয়ের তাকগুলোর মাঝখান দিয়ে একটি কাগজের উড়োজাহাজ উড়াল দেয়, আর বইগুলোও সেটিকে অনুসরণ করে বাতাসে একটি সুড়ঙ্গ তৈরি করে। এরপর দৃশ্যটি মস্তিষ্কের ভেতরের আণুবীক্ষণিক জগতে চলে যায়, যেখানে স্বচ্ছ নীহারিকাসদৃশ কলায় নিউরনগুলো জ্বলজ্বল করে, যা আকাশগঙ্গা ছায়াপথের একটি ক্ষুদ্র সংস্করণের মতো।
একইভাবে, একটি কাগজের উড়োজাহাজ লাইব্রেরির গোলকধাঁধায় আঁকাবাঁকা পথে ওড়ে, যা কখনো নিচে নামে, কখনো পিছলে যায়, আবার কখনো বা বাধা ঘেঁষে চলে যায়। ক্যামেরা এটিকে নিবিড়ভাবে অনুসরণ করে, এবং মোড় নেওয়ার সময় কোনো ঝাপসা ভাব ছাড়াই পিছলে যাওয়ার একটি জোরালো অনুভূতি পাওয়া যায়।
কিছুক্ষণ আগেও উষ্ণ ও অ্যাম্বার রঙের লাইব্রেরিটি মানসিক জগতে প্রবেশ করার সাথে সাথেই গাঢ় নীল ও গাঢ় বেগুনি রঙে পরিবর্তিত হয়ে গেল। তবে, ক্যামেরার নড়াচড়া অবিচ্ছিন্ন হওয়ায় এই পরিবর্তনটি আকস্মিক না হয়ে একটি দৃশ্যগত প্রভাব তৈরি করল।
এই ক্ষমতাগুলোর প্রতিটিই আলাদাভাবে একটি ইতিবাচক দিক। সব মিলিয়ে এর অর্থ হলো, V6 একটি পূর্ণাঙ্গ সিনেমাটিক ভাষার সক্ষমতা অর্জন করতে শুরু করেছে।
সর্বশেষ যে বিষয়টি আমাকে মুগ্ধ করেছিল, তা দৃশ্য নয়, বরং শব্দ।
V6-এ অডিও চালু করার পর, অডিও অ্যাডাপ্টেশন উল্লেখযোগ্যভাবে উন্নত হয়েছে। আমি একটি ক্ষুদ্র মডেলের দৃষ্টিকোণ থেকে একটি দৃশ্য পরীক্ষা করে দেখেছি: দূরে একটি আগ্নেয়গিরি থেকে অগ্ন্যুৎপাত হচ্ছে, ক্ষুদ্র জগতের গ্রামবাসীরা ছত্রভঙ্গ হয়ে পালাচ্ছে, এবং একটি স্বচ্ছ বাটি হাতে একটি বিশাল হাত আকাশ থেকে নেমে এসে পুরো গ্রামটিকে ঢেকে দিচ্ছে। পড়ার সময় বাতাস সংকুচিত হওয়ায় স্বচ্ছ বাটিটি সামান্য কেঁপে ওঠে।
বিশেষ করে ASMR দৃশ্যগুলোর ক্ষেত্রে এটি বিশেষভাবে সত্য। জানালায় বৃষ্টির শব্দ, ক্যাম্পফায়ারের মচমচে শব্দ এবং বইয়ের পাতা ওল্টানোর মতো শব্দগুলো একটি নিমগ্ন অভিজ্ঞতা তৈরিতে অবদান রাখে। অডিওর মান সরাসরি নির্ধারণ করে যে আপনি একটি ভিডিও দেখছেন নাকি দৃশ্যটিতে সত্যিই নিমগ্ন হয়েছেন।
একজন ব্যক্তি শুধুমাত্র নিজের শক্তিতে একটি চলচ্চিত্র নির্মাণ করলে তাকে দক্ষতা বলা হয়; একদল লোক শুধুমাত্র নিজেদের শক্তিতে একটি চলচ্চিত্র নির্মাণ করলে তাকে উৎপাদনশীলতা বলা হয়।
V6 যদি কেবল একটি দ্রুততর ও উন্নততর এআই ভিডিও মডেল হতো, তবে গল্পটা এখানেই শেষ হয়ে যেতে পারত। কিন্তু পিক্সভার্স যে এখানেই থেমে থাকতে চায় না, তা স্পষ্ট।
জানা গেছে যে, টিম প্ল্যান এবং মিনি অ্যাপস—এই দুটি জিনিস একই সাথে চালু করা হয়েছে।
টিম প্ল্যানটি ২ থেকে ১৫ জন সদস্যের স্টুডিওর জন্য ডিজাইন করা হয়েছে। এর মূল কার্যপ্রণালী খুবই সহজ: পুরো টিম একটিমাত্র পয়েন্ট পুল ব্যবহার করে।
প্রত্যেকের নিজস্ব অ্যাকাউন্ট এবং নিজস্ব ডেটা পরিচালনার পরিবর্তে, পুরো টিম একই সাথে রিসোর্স ব্যবহার করে এবং ভূমিকা অনুযায়ী অনুমতি বরাদ্দ করা থাকে। বসের একটি সামগ্রিক দৃষ্টিভঙ্গি থাকে, ক্রিয়েটিভ ডিরেক্টর প্রজেক্ট গ্রুপগুলোর তত্ত্বাবধান করেন এবং এডিটররা চূড়ান্ত পণ্য তৈরিতে মনোযোগ দেন। ব্যক্তিগত স্পেসের উপকরণ এবং টেমপ্লেটগুলো এক ক্লিকেই টিম স্পেসে সিঙ্ক হয়ে যায়, ফলে গ্রুপ চ্যাটে ফাইল আদান-প্রদানের প্রয়োজন হয় না।
এটা শুনতে সহজ মনে হলেও, এটি একটি বাস্তব সমস্যার সমাধান করে। আগে আমাদের স্টুডিও এআই ভিডিও টুল ব্যবহার করত, যেখানে প্রত্যেকের নিজস্ব অ্যাকাউন্ট থাকত এবং ভালো মানের কন্টেন্ট একটি গ্রুপ চ্যাটে শেয়ার করা হতো। ভার্সন কন্ট্রোল ফাইলের নাম এবং তারিখের ওপর নির্ভর করত। দশ বছর আগে ইউএসবি ড্রাইভের মাধ্যমে পাওয়ারপয়েন্ট প্রেজেন্টেশন স্থানান্তরের চেয়ে এটি মূলত কোনো ভিন্ন বিষয় ছিল না।
টিম প্ল্যান এআই ভিডিওগুলোকে ব্যক্তিগত সরঞ্জাম থেকে একটি দলীয় উৎপাদন ব্যবস্থায় উন্নীত করে। একজন ব্যক্তি দশটি ভিডিও তৈরি করে তার মধ্যে থেকে সেরাটি বেছে নিলে তাকে ব্যক্তিগত দক্ষতা বলা হয়; পাঁচজন ব্যক্তি প্রত্যেকে দশটি করে ভিডিও তৈরি করে পঞ্চাশটির মধ্যে থেকে সবচেয়ে সেরাটি বেছে নিলে তাকে দলীয় উৎপাদনশীলতা বলা হয়।
মিনি অ্যাপগুলো একটি ভিন্ন পদ্ধতি অবলম্বন করে। এগুলো ব্যবহার করা এতটাই সহজ যে কোনো ব্যাখ্যার প্রয়োজন নেই: কয়েকটি পণ্যের ছবি আপলোড করুন, এবং সিস্টেমটি স্বয়ংক্রিয়ভাবে সেগুলোকে সম্পাদনা করে একটি সম্পূর্ণ বিজ্ঞাপনী ভিডিও তৈরি করে দেবে। এর জন্য কোনো সম্পাদনা দক্ষতা বা ক্যামেরা কৌশল সম্পর্কে জ্ঞানের প্রয়োজন নেই।
একজন তাওবাও দোকানের মালিক, একজন জিয়াওহংশু ব্লগার, বা রাস্তার ধারের দুধ চায়ের দোকানের মালিক—সকলেই মিনিটের মধ্যে সরাসরি পোস্ট করার মতো একটি পণ্যের ভিডিও পেয়ে যেতে পারেন।
V6 মডেলটি হলো নির্মাতাদের জন্য একটি অস্ত্র, আর মিনি অ্যাপস হলো সকলের জন্য একটি পয়েন্ট-অ্যান্ড-শুট ক্যামেরা। যখন সৃষ্টির বাধা শূন্যে নেমে আসে, তখন ‘বার্স্ট-আউট’ ফটোগ্রাফি নির্মাতাদের জন্য শুধু একটি পদ্ধতির চেয়েও বেশি কিছু হয়ে ওঠে; এটি এমন একটি পরিকাঠামোতে পরিণত হয় যা সবাই ব্যবহার করতে পারে।
ছবির গুণমানের সবচেয়ে ব্যয়বহুল দিকটি হলো এর গতি।
ছবির মান যথেষ্ট ভালো, গতিও যথেষ্ট দ্রুত, এবং এর খরচ নিয়েও আলাদাভাবে আলোচনা করা যেতে পারে।
৭২০পি রেজোলিউশনের সাধারণ খরচ প্রতি সেকেন্ডে প্রায় ০.০৪ ডলার, যা বর্তমান বাজারে কম হলেও শীর্ষ-স্তরের প্রোডাকশন কোয়ালিটি প্রদান করে। ৭ই এপ্রিলের আগে কেনা মেম্বারশিপে ৩০% পর্যন্ত ছাড় পাওয়া যাবে এবং প্রোডাকশনের জন্য প্রয়োজনীয় পয়েন্ট আরও ৩০% কমানো হয়েছে, যা বড় আকারের প্রোডাকশনের খরচ আরও কমিয়ে দেয়।
এটা আমাকে ফটোগ্রাফিতে ফিল্ম থেকে ডিজিটালে রূপান্তরের কথা মনে করিয়ে দেয়।
ফিল্মের যুগে, একটি ফিল্ম রোলে ৩৬টি এক্সপোজার থাকত। শাটার চাপার আগে, ফটোগ্রাফাররা তিন মিনিট ধরে মনে মনে শটটি সাজাতেন, কারণ প্রতিটি শটের একটি খরচ ছিল, কিন্তু শাটারের নিজস্ব মান একই ছিল। ডিজিটাল যুগের ফটোগ্রাফাররা কীভাবে ছবি তোলেন? যেহেতু প্রতিটি শটই স্পষ্ট এবং যথেষ্ট, তাই তারা দ্রুত পরপর ২০০টি শট নিতে পারেন এবং তারপর সেরা কম্পোজিশনের ছবিটি বেছে নেন। কেউই এটাকে "অগুরুত্বপূর্ণ" বলবে না, কারণ শেষ পর্যন্ত দর্শক সবসময় সেরা ছবিটিই দেখে।
V6 এআই ভিডিও তৈরির এই 'ডিজিটাল যুগ' নিয়ে এসেছে।
পিক্সভার্সের কাছে 'দ্রুত' এর ধারণা অনেক আগেই কেবল জেনারেশন স্পিডকে ছাড়িয়ে গেছে।
প্রাথমিক দ্রুতগতির জেনারেশন থেকে শুরু করে, R1-এর রিয়েল-টাইম ইন্টারঅ্যাকশন, V6-এর শক্তিশালী কমান্ড বোঝার ক্ষমতা যা বর্ণনাকে আরও স্বাভাবিক করে তোলে, এবং সবশেষে টিম প্ল্যান যা টিম পর্যায়ে সহযোগিতার দক্ষতা নিয়ে আসে—এই পুরো প্রক্রিয়াটিই দেখায় যে PixVerse একই সাথে একাধিক দিকে গতি বাড়াচ্ছে: দ্রুত জেনারেশন গতি, নির্ভুল কমান্ড বোঝা, এবং উন্নত সহযোগিতার দক্ষতা।
এই সবকিছুকে সমর্থন করে পিক্সভার্স-এর শক্তিশালী মডেল পুনরাবৃত্তির সক্ষমতা।
র্যাঙ্কিংয়ের শীর্ষস্থানে এটি ধারাবাহিকভাবে নিজের অবস্থান ধরে রাখার কারণ হলো, এর প্রতিটি প্রজন্মের পণ্য সবচেয়ে কঠিন সমস্যাগুলো মোকাবিলায় নিবেদিত ছিল: ফিজিক্যাল সিমুলেশন, পোর্ট্রেট টেক্সচার এবং সিনেম্যাটিক ল্যাঙ্গুয়েজ—যার প্রতিটিই ছিল কঠিন কিন্তু সঠিক পথ। V6-এর প্রাথমিক উদ্দেশ্য ছিল সহজ: নির্মাতাদের সৃজনশীলতার উপর মনোযোগ দিতে সাহায্য করা এবং বাকিটা টুলগুলোর উপর ছেড়ে দেওয়া।
যখন কোনো টুল দৈনন্দিন জীবনে উচ্চমানের কন্টেন্ট তৈরিকে সহজলভ্য করে তোলে, এতে প্রবেশের বাধা প্রায় শূন্যে নামিয়ে আনে এবং দলগত পর্যায়ে সহযোগিতার দক্ষতাকে উন্নত করে, তখন তা আর শুধু একটি 'মডেল' থাকে না। এটি কন্টেন্ট যুগের অবকাঠামোতে পরিণত হচ্ছে।
পিক্সভার্স ভি৬ বিস্ফোরক এআই ভিডিও নির্মাণের এক নতুন যুগের সূচনা করেছিল, যা অবিশ্বাস্য গতিতে ও অতুলনীয় গুণমানে ভিডিও তৈরি করত এবং তা সঙ্গে সঙ্গে জমা দেওয়ার জন্য প্রস্তুত থাকত।
এই যুগ সবে শুরু হয়েছে।
লেখক: লি চাওফান, মো চংইউ
iFanr-এর অফিসিয়াল WeChat অ্যাকাউন্ট iFanr (WeChat ID: ifanr) ফলো করুন, যেখানে যত তাড়াতাড়ি সম্ভব আপনার জন্য আরও আকর্ষণীয় কন্টেন্ট উপস্থাপন করা হবে।