“আলিবাবা ক্লাউড”公众号 আজ (৬ তারিখ) সন্ধ্যায় ঘোষণা করেছে, নতুন প্রজন্মের ভিডিও জেনারেশন মডেল Wan3.0-এর পাবলিক বিটা শুরু হয়েছে।
Wan3.0 ভিডিও তৈরির দৈর্ঘ্য, বহুমুখী সৃজন, সর্বাঙ্গীণ রেফারেন্স ও বাস্তবতার দিক থেকে ব্যাপকভাবে উন্নত হয়েছে। একবারে ৩০ সেকেন্ডের ভিডিও তৈরি করে সৃজনশীল অভিপ্রায় সম্পূর্ণভাবে প্রকাশ করা যায়। টেক্সট, ছবি, অডিও ও ভিডিও—এই চারটি মৌলিক মোডালিটির পাশাপাশি প্রথমবারের মতো doc, xls, ppt, pdf, md-এর মতো নথির ফরম্যাট ইনপুট হিসেবে সমর্থন করছে। দাবি করা হচ্ছে, এর মাধ্যমে “সবকিছু থেকেই ভিডিও বানানো” সম্ভব হবে।
Wan3.0 একটানা ৩০ সেকেন্ডের ভিডিও তৈরি সমর্থন করে, যা সৃজনের স্বাধীনতা আরও বাড়ায়। এর মাধ্যমে ধারাবাহিক ক্যামেরা মুভমেন্ট, এক শটে সম্পূর্ণ দৃশ্য ধারণের মতো জটিল শট ভাষা যথাযথভাবে প্রকাশ করা সম্ভব হয়েছে। ফলে “একটি শট তৈরি” থেকে “একটি সম্পূর্ণ গল্প বলা”-র দিকে এগোনো যায়।
এছাড়া, Wan3.0 স্মার্ট সময়কাল ফিচারও সমর্থন করে এবং প্রম্পট অনুযায়ী স্বয়ংক্রিয়ভাবে উপযুক্ত দৈর্ঘ্য সুপারিশ করতে পারে। ভিডিও বাড়ানোর ফিচারের সঙ্গে এটি ব্যবহার করলে গল্পের গতিপথ ও কাহিনির বিকাশ আরও প্রসারিত করা যায়, ফলে সৃজনশীলতা স্বাভাবিকভাবে বিকশিত হয়।
Wan3.0 শুধু টেক্সট, ছবি, অডিও ও ভিডিওর সর্বাঙ্গীণ রেফারেন্স সমর্থন করে না, নথি, সারণি, ওয়েবপেজের মতো কাঠামোবদ্ধ তথ্যও পড়তে পারে। প্রম্পটের সঙ্গে ব্যবহার করে শিক্ষামূলক উপকরণ, পণ্য প্রদর্শনী, অ্যানিমেটেড চার্ট, ব্যবসায়িক প্রতিবেদনসহ নানা কনটেন্ট তৈরি করা যায়। এর অর্থ, বিপুল পরিমাণ অফিস উপকরণ সরাসরি ভিডিওতে রূপান্তর করা সম্ভব।
সমর্থিত ইনপুট ফরম্যাটগুলোর মধ্যে রয়েছে doc, xls, ppt, pdf, txt, key, pages, numbers এবং md। সর্বাধিক একটি ফাইল বা লিংক ইনপুট দেওয়া যাবে। ফাইলের আকার 100MB-এর বেশি হওয়া যাবে না এবং পৃষ্ঠার সংখ্যা 50 পৃষ্ঠার বেশি হওয়া যাবে না।
এছাড়া, AI চরিত্রের কৃত্রিম ও একঘেয়ে চেহারা দূর করতে Wan3.0-এর টেক্সট-টু-ভিডিও মোডে মানুষের মুখাবয়বকে “প্রত্যেকের জন্য আলাদা” করে তোলার চেষ্টা করা হয়েছে। মুখের বৈশিষ্ট্য ও ত্বকের সূক্ষ্ম বিবরণ আরও সংবেদনশীলভাবে ফুটিয়ে তোলা হয়, চরিত্রের আবেগের প্রকাশ থাকে স্বাভাবিক ও সংযত, আর সূক্ষ্ম মুখভঙ্গি ও শারীরিক অঙ্গভঙ্গি পরস্পরের সঙ্গে সমন্বিত থাকে। এমনকি দলগত দৃশ্যেও বিভিন্ন চরিত্রের জটিল আবেগ সূক্ষ্মভাবে তুলে ধরা যায়।
সর্বাঙ্গীণ রেফারেন্সের কাজে Wan3.0 রেফারেন্সের বিবরণ নির্ভুলভাবে পুনর্নির্মাণ করতে পারে এবং চরিত্র, প্রপস, শব্দ, স্থানিক সম্পর্ক, শৈলীসহ গুরুত্বপূর্ণ দিকগুলোর সামঞ্জস্য বজায় রাখে। চরিত্রের ক্ষেত্রে মুখের বৈশিষ্ট্য, চুলের ধরন ও রং, দেহের গঠন, পোশাক ও আনুষঙ্গিক সামগ্রীর মতো সূক্ষ্ম বৈশিষ্ট্য স্থিরভাবে বজায় থাকে, ফলে দৃশ্যের ধারাবাহিকতা নষ্ট হয় না। প্রপসের ক্ষেত্রে বিভিন্ন কোণ থেকে দেখা অবয়ব, হার্ডওয়্যার কাঠামো, Logo ও উপাদানের বিবরণ স্থিতিশীল থাকে। দৃশ্যের ক্ষেত্রে চরিত্রের অবস্থান ও ক্যামেরার দৃষ্টিকোণের সম্পর্ক নির্ভুলভাবে সামলানো হয়। শৈলীর ক্ষেত্রে চলচ্চিত্র নির্মাণের আবহ নির্ভুলভাবে ফুটিয়ে তোলা হয় এবং একাধিক শৈলীতে সৃজন করলেও শৈলীর মিশ্রণ সহজে ঘটে না।
আজ থেকে Wan3.0 আলিবাবা ক্লাউড বাইলিয়ান, ওয়ানজিং ইเค, ওয়ানশিয়াংয়ের অফিসিয়াল ওয়েবসাইট এবং চিয়ানওয়েন ক্রিয়েশন PC সংস্করণে পাবলিক বিটা হিসেবে চালু হয়েছে। চিয়ানওয়েন APP-এ ধাপে ধাপে উন্মুক্ত করা হচ্ছে। 480P/720P/1080P-এর API মূল্য যথাক্রমে 0.3/0.6/1.2 ইউয়ান / সেকেন্ড। API ইন্টারফেস শিগগিরই সবার জন্য উন্মুক্ত করা হবে।
ব্যবহারের ঠিকানা:
আলিবাবা ক্লাউড বাইলিয়ান: https://bailian.console.aliyun.com/cn-beijing ?tab=model# /model-market/detail/wan3.0-video
ওয়ানজিং ইকে: https://www.yikeai.com/
ওয়ানশিয়াংয়ের অফিসিয়াল ওয়েবসাইট: http://wanxiang.aliyun.com
চিয়ানওয়েন ক্রিয়েশন PC সংস্করণ: https://c.qianwen.com/
IF STUDIO: https://ifs.iconfont.cn/
দুইয়ু: https://d.design/