ভিডিও নির্মাণ ও সম্পাদনার প্রক্রিয়াকে আরও সহজ ও সাশ্রয়ী করতে কৃত্রিম বুদ্ধিমত্তার নতুন সংস্করণ নিয়ে এল গুগল। গত বৃহস্পতিবার একটি ব্লগ পোস্টের মাধ্যমে প্রতিষ্ঠানটি তাদের নতুন এআই মডেল ‘জেমিনাই ওমনি ১.২ ফ্ল্যাশ’-এর কথা ঘোষণা করেছে। এই মডেলের সবচেয়ে উল্লেখযোগ্য বৈশিষ্ট্য হলো এর মাধ্যমে এখন সর্বোচ্চ ১৫ সেকেন্ডের ধারাবাহিক ভিডিও তৈরি করা সম্ভব হবে, যা আগের সংস্করণে (জেমিনি ওমনি ১.১) ছিল মাত্র ১০ সেকেন্ড। ব্যবহারকারীরা এখন ৩ থেকে ১৫ সেকেন্ডের মধ্যে প্রতি এক সেকেন্ডের ব্যবধানে ভিডিওর দৈর্ঘ্য নির্ধারণ করতে পারবেন।
নতুন এই মডেলে ভিডিও সম্পাদনার ক্ষেত্রে এক বৈপ্লবিক পরিবর্তন আনা হয়েছে। এখন থেকে সাধারণ ভাষায় লিখে নির্দেশনার মাধ্যমে ভিডিওর নির্দিষ্ট অংশে পরিবর্তন আনা যাবে, যার ফলে পুরো ভিডিওটি পুনরায় তৈরি করার ঝামেলা থাকবে না। উদাহরণস্বরূপ, ভিডিওর পটভূমি পরিবর্তন, আলোর তীব্রতা বা আবহাওয়ার ধরন বদলানো, পণ্যের রূপান্তর কিংবা ভিডিওর দৈর্ঘ্য ও প্রস্থের অনুপাত পরিবর্তন করা যাবে। একই ভিডিওর বিভিন্ন সংস্করণ তৈরির ক্ষেত্রেও এই সুবিধা অত্যন্ত কার্যকর হবে।
গুগলের দাবি অনুযায়ী, পূর্ববর্তী মডেলের তুলনায় নতুন এই সংস্করণে ভিডিও তৈরির খরচ ৩০ শতাংশ হ্রাস পেয়েছে। বর্তমানে ৩৬০পি এবং ৭২০পি রেজোল্যুশনের ভিডিও তৈরিতে প্রতি সেকেন্ডে খরচ হবে ৭ সেন্ট, যা পরবর্তীতে ১০৮০পি বা ৪কে রেজোল্যুশনে উন্নীত করার সুযোগ থাকবে। ভিডিওর দৃশ্যগত সামঞ্জস্য বজায় রাখতে এখানে রেফারেন্স বা নমুনা ব্যবহারের সুবিধা যুক্ত করা হয়েছে। কোনো চরিত্র, পণ্য বা দৃশ্যের ছবি এবং সর্বোচ্চ তিন সেকেন্ডের ভিডিও ক্লিপ ও শব্দের নমুনা প্রদান করলে এআই সেই অনুযায়ী মানুষের চেহারা, পোশাক এবং ব্র্যান্ডের রং সব দৃশ্যে একই রকম রাখবে, এমনকি ক্যামেরার কোণ পরিবর্তন হলেও।
শব্দ এবং সংলাপের ক্ষেত্রেও বিশেষ উন্নতি করা হয়েছে। নতুন মডেলে বক্তার কণ্ঠস্বর আরও স্বাভাবিক শোনাবে এবং ঠোঁটের নড়াচড়ার সঙ্গে সংলাপের সঠিক সামঞ্জস্য থাকবে। এছাড়া একাধিক ব্যক্তির কথোপকথনকে বাস্তবসম্মত করতে আলাদা আলাদা কণ্ঠস্বর তৈরির ব্যবস্থাও রাখা হয়েছে। ক্যামেরার মুভমেন্ট নিয়ন্ত্রণের জন্য নতুন ফিচার যুক্ত করা হয়েছে, যার মাধ্যমে ফার্স্ট-পারসন ভিউ, জুম আউট এবং নির্দিষ্ট বস্তুর চারপাশে ক্যামেরার ঘূর্ণন তৈরি করা যাবে। এটি মূলত স্বল্পদৈর্ঘ্যের বিজ্ঞাপন এবং পণ্যের প্রচারণামূলক ভিডিওর জন্য সহায়ক হবে।
বর্তমানে ডেভেলপাররা জেমিনাই এপিআই ও গুগল এআই স্টুডিওর মাধ্যমে এবং প্রাতিষ্ঠানিক গ্রাহকরা গুগল ক্লাউডের মাধ্যমে এই মডেলটি ব্যবহার করতে পারছেন। প্রতিষ্ঠানটি জানিয়েছে, খুব শীঘ্রই গুগল ভিডস, জেমিনাই ফর বিজনেস এবং ফ্লো-এর মতো সেবাগুলোতেও এই নতুন মডেলের সুবিধা যুক্ত করা হবে।
