কৃত্রিম বুদ্ধিমত্তা বা এআই প্রযুক্তির মাধ্যমে ভিডিও নির্মাণ ও সম্পাদনার কাজকে আরও সহজ ও গতিশীল করতে নতুন একটি মডেল বাজারে এনেছে গুগল। ‘জেমিনাই ওমনি ১.২ ফ্ল্যাশ’ নামক এই উন্নত মডেলটির সাহায্যে এখন সর্বোচ্চ ১৫ সেকেন্ড পর্যন্ত দৈর্ঘ্যের ভিডিও তৈরি করা সম্ভব হবে। শুধু ভিডিও তৈরিই নয়, আগে থেকে নির্মিত ভিডিওতে লিখিত নির্দেশনার মাধ্যমে প্রয়োজনীয় পরিবর্তন আনার সুবিধাও যুক্ত করা হয়েছে। এর ফলে ভিডিওর কোনো নির্দিষ্ট দৃশ্য বা উপাদানে সামান্য পরিমার্জন করতে হলে পুরো ভিডিওটি নতুন করে তৈরি করার ঝামেলা পোহাতে হবে না।
গুগলের দাবি অনুযায়ী, পূর্ববর্তী সংস্করণের তুলনায় এই নতুন মডেলে ভিডিও তৈরির খরচ প্রায় ৩০ শতাংশ কমিয়ে আনা হয়েছে। পাশাপাশি ভিডিওর অডিও বা শব্দের মানোন্নয়নের পাশাপাশি বিভিন্ন দৃশ্যে মানুষের চেহারা, পোশাক এবং পণ্যের বিবরণের মধ্যে নিখুঁত সামঞ্জস্য বজায় রাখার সক্ষমতা বৃদ্ধি করা হয়েছে। এই বিশেষ সুবিধাগুলো বিজ্ঞাপন নির্মাতা প্রতিষ্ঠান এবং ব্যক্তিগত কনটেন্ট ক্রিয়েটরদের জন্য ভিডিও তৈরির প্রক্রিয়াকে অনেক বেশি সহজ করে তুলবে।
গত বৃহস্পতিবার একটি ব্লগ পোস্টের মাধ্যমে ‘জেমিনাই ওমনি ১.২ ফ্ল্যাশ’ উন্মোচনের কথা ঘোষণা করেছে গুগল। বর্তমানে ডেভেলপাররা জেমিনাই এপিআই এবং গুগল এআই স্টুডিওর মাধ্যমে এই মডেলটি ব্যবহার করতে পারবেন। এছাড়া প্রাতিষ্ঠানিক গ্রাহকদের জন্য এটি গুগল ক্লাউডে উপলব্ধ করা হয়েছে। নতুন এই মডেলের অন্যতম আকর্ষণীয় দিক হলো সর্বোচ্চ ১৫ সেকেন্ডের ধারাবাহিক ভিডিও তৈরির ক্ষমতা। উল্লেখ্য, আগের সংস্করণ ‘জেমিনি ওমনি ১.১’ দিয়ে সর্বোচ্চ ১০ সেকেন্ডের ভিডিও তৈরি করা যেত। নতুন মডেলে ব্যবহারকারীরা ৩ থেকে ১৫ সেকেন্ডের মধ্যে ভিডিওর দৈর্ঘ্য পছন্দমতো নির্ধারণ করতে পারবেন এবং প্রতি এক সেকেন্ডের ব্যবধানে সময় বেছে নেওয়ার সুযোগ পাবেন। ভিডিও তৈরির খরচ কমানোর পাশাপাশি ৩৬০পি ও ৭২০পি রেজোল্যুশনের ভিডিও তৈরিতে প্রতি সেকেন্ডে খরচ হবে মাত্র ৭ সেন্ট। পরবর্তীতে এই ভিডিওগুলোর রেজোল্যুশন বাড়িয়ে ১০৮০পি বা ৪কে করার সুযোগ থাকবে।
জেমিনাই ওমনি ১.২ ফ্ল্যাশে যুক্ত হয়েছে নির্দেশনার মাধ্যমে ভিডিও সম্পাদনার বিশেষ সুবিধা। এর ফলে ভিডিওর কোনো অংশে পরিবর্তন আনতে হলে পুরো প্রক্রিয়াটি পুনরায় শুরু করতে হবে না; বরং সাধারণ ভাষায় লিখে নির্দেশনা দিলেই নির্দিষ্ট অংশে পরিবর্তন আনা যাবে। উদাহরণস্বরূপ, ভিডিওতে থাকা কোনো পণ্য পরিবর্তন, ব্যাকগ্রাউন্ড বা পেছনের দৃশ্য বদলানো, আলোর তীব্রতা কিংবা আবহাওয়ার ধরন পরিবর্তন এবং ভিডিওর দৈর্ঘ্য ও প্রস্থের অনুপাত পরিবর্তন করা যাবে। একই ভিডিওর ওপর ভিত্তি করে বিজ্ঞাপনের একাধিক সংস্করণ তৈরির ক্ষেত্রে এই ফিচারটি অত্যন্ত কার্যকর হবে।
ভিডিও নির্মাণের সময় বিভিন্ন উপাদানকে নমুনা বা রেফারেন্স হিসেবে ব্যবহারের সুযোগ রাখা হয়েছে। এজন্য চরিত্র, পণ্য ও দৃশ্যের স্থির ছবির পাশাপাশি সর্বোচ্চ তিন সেকেন্ডের ভিডিও ক্লিপ এবং শব্দের নমুনা যুক্ত করা যাবে। গুগলের ভাষ্যমতে, এসব নমুনা অনুসরণ করে ভিডিওর বিভিন্ন দৃশ্যে মানুষের চেহারা, পোশাক, পণ্যের প্যাকেজিং, লেখা ও ব্র্যান্ডের রং একই রকম রাখা সম্ভব হবে। ফলে ক্যামেরার অবস্থান বা দৃশ্যের কোণ পরিবর্তিত হলেও ভিডিওর মূল উপাদানগুলোর মধ্যে ধারাবাহিকতা ও সামঞ্জস্য বজায় থাকবে।
ভিডিও তৈরির পাশাপাশি শব্দ বা অডিও উৎপাদনের সক্ষমতাও উন্নত করেছে গুগল। নতুন মডেলে সংলাপগুলো আরও স্বাভাবিক ও প্রাণবন্ত শোনাবে। কথা বলার সাথে সাথে বক্তার ঠোঁটের নড়াচড়ার সামঞ্জস্য বাড়ানোর পাশাপাশি একাধিক বক্তার জন্য আলাদা আলাদা কণ্ঠস্বর তৈরির সুবিধাও রাখা হয়েছে। এর ফলে ভিডিওতে একাধিক ব্যক্তির কথোপকথন আরও বাস্তবসম্মতভাবে ফুটিয়ে তোলা যাবে।
ক্যামেরার গতিবিধি বা মুভমেন্ট নিয়ন্ত্রণের জন্যও নতুন কিছু ফিচার যোগ করা হয়েছে। এর মাধ্যমে ফার্স্ট পারসন ভিউ বা প্রথম ব্যক্তির দৃষ্টিকোণ থেকে কোনো স্থানের ভেতর দিয়ে ক্যামেরার চলাচল, ক্যামেরার ধীরে ধীরে দূরে সরে যাওয়া এবং কোনো নির্দিষ্ট বস্তুকে কেন্দ্র করে ক্যামেরার চারপাশে ঘোরার দৃশ্য তৈরি করা সম্ভব হবে। পণ্যের পরিচিতি, বিজ্ঞাপন এবং অন্যান্য স্বল্পদৈর্ঘ্যের ভিডিও নির্মাণে এই সুবিধাগুলো বিশেষ ভূমিকা রাখবে।
গুগল জানিয়েছে, পর্যায়ক্রমে ফ্লো, জেমিনাই ফর বিজনেস এবং গুগল ভিডসের মতো সেবায়ও এই নতুন মডেলটির সুবিধা যুক্ত করা হবে।