বাইটড্যান্স আজ (৩১ জুলাই) এক ঘোষণায় জানিয়েছে, তারা চীনে Seedance 2.5 ভিডিও জেনারেশন মডেল চালু করেছে। মডেলটি একবারে ৩০ সেকেন্ডের উচ্চমানের ভিডিও ক্লিপ তৈরি করতে পারে। এটি ধাপে ধাপে জিমেং AI ও দৌবাও প্রফেশনাল সংস্করণে চালু হচ্ছে এবং API পরিষেবাও শিগগিরই হুওশান ফ্যাংঝৌতে যুক্ত হবে।
কোম্পানিটির দাবি, Seedance 2.5 Seedance 2.0-এর অভিন্ন মাল্টিমোডাল অডিও-ভিডিও যৌথ জেনারেশন আর্কিটেকচার ধরে রেখেছে এবং দীর্ঘ বর্ণনা, মাল্টিমোডাল রেফারেন্স ও সম্পাদনা সক্ষমতা উন্নত করেছে।
মডেলটি চলচ্চিত্র ও টেলিভিশন, বিজ্ঞাপন, শিক্ষা, শিল্প উৎপাদন, এমবডিড ইন্টেলিজেন্স এবং স্বয়ংক্রিয় চালনাসহ বিভিন্ন ক্ষেত্রে ব্যবহারের জন্য তৈরি। লক্ষ্য হলো ভিডিও জেনারেশনকে “একটি ক্লিপ তৈরি” থেকে “একটি সম্পূর্ণ সৃজনশীল কাজ সম্পন্ন করার” পর্যায়ে নিয়ে যাওয়া।
জেনারেশনের ক্ষেত্রে Seedance 2.5 একবারে ভিডিও তৈরির সময় ১৫ সেকেন্ড থেকে বাড়িয়ে ৩০ সেকেন্ড করেছে এবং একাধিক ধাপে ভিডিও দীর্ঘ করার সুবিধা সমর্থন করে। কোম্পানিটির দাবি, মডেলটি ৩০ সেকেন্ডের মধ্যে যৌক্তিকভাবে সংযুক্ত একাধিক শট সাজাতে পারে, যাতে গল্প ভূমিকা, অগ্রগতি, মোড় ও সমাপ্তির মাধ্যমে এগোতে পারে।
কোম্পানিটির প্রদর্শিত উদাহরণে, একজন গায়িকার একটানা মঞ্চে ওঠার দৃশ্য একটি সম্পূর্ণ বর্ণনা তুলে ধরে: ক্যামেরা লাল ভারী পর্দার ফাঁক দিয়ে এগিয়ে উষ্ণ রঙের ব্যাকস্টেজ মেকআপ রুমে প্রবেশ করে; তরুণী গায়িকা ইয়ারফোন ঠিক করেন এবং একজন কর্মী তাকে মঞ্চে ওঠার কথা মনে করিয়ে দেন; গায়িকা ব্যাকস্টেজের করিডোর দিয়ে হেঁটে নৃত্যসঙ্গীর সঙ্গে যোগাযোগ করেন এবং মাইক্রোফোন নেন; এরপর তিনি মঞ্চে ওঠেন, আর ক্যামেরা ধীরে ধীরে দূরে সরে স্টেডিয়ামের পূর্ণ দৃশ্য দেখায়, যেখানে দর্শক, আলোকফলক, গ্লো স্টিক ও উল্লাসের শব্দ ফুটে ওঠে।
একাধিক ধাপে ভিডিও দীর্ঘ করার ক্ষেত্রে, কোম্পানিটির উদাহরণে মডেলকে বিদ্যমান ভিডিওর ভিত্তিতে আরও ৩০ সেকেন্ড তৈরি করতে বলা হয়েছে এবং চরিত্র, দৃশ্য, ভিজ্যুয়াল স্টাইল, শব্দ ও সাউন্ড ইফেক্টের সামঞ্জস্য বজায় রাখতে বলা হয়েছে। উদাহরণটির ধারাবাহিক ঘটনায় একটি ছোট ছেলে ফুটবল হাতে ট্রেনের কামরার মধ্য দিয়ে দৌড়ায়, ট্রেন থামার পর দরজা দিয়ে বেরিয়ে যায়, আর প্রধান চরিত্র তাকে ধাওয়া করে শেষ পর্যন্ত ধরে ফেলে।
Seedance 2.5 একবারে সর্বাধিক ৩০টি ছবি, ১০টি ভিডিও এবং ১০টি অডিও ক্লিপ রেফারেন্স উপাদান হিসেবে গ্রহণ করতে পারে। কোম্পানিটির দাবি, মডেলটি বিভিন্ন উপাদানের দৃশ্যের বিন্যাস, দৃশ্যপট, স্টাইল, চরিত্র, প্রপসসহ অন্যান্য উপাদান সমন্বিতভাবে বুঝতে পারে এবং নির্দেশনা অনুযায়ী ভিডিও তৈরিতে ব্যবহার করতে পারে।
একই ফ্রেমে একাধিক ব্যক্তি ও দলগত বর্ণনার দৃশ্যে Seedance 2.5 একই সময়ে একাধিক চরিত্রের অবয়ব ও কণ্ঠ পুনর্নির্মাণ করতে পারে এবং মূল বৈশিষ্ট্যের স্থিতিশীলতা বজায় রাখে। কোম্পানিটির প্রদর্শিত ৩০ সেকেন্ডের কনসার্ট ক্লিপটি ১৬:৯ ল্যান্ডস্কেপ ও সিনেমাটিক বাস্তবধর্মী স্টাইলে তৈরি। রেফারেন্স উপাদানের মধ্যে ছিল দৃশ্যের ছবি, পিয়ানোবাদক, চেলো, বেহালা, প্রধান গায়ক, অর্কেস্ট্রা, কোরাস এবং দর্শকসারি।
রেফারেন্স ঠিকানা
Seedance 2.5 প্রকল্পের হোমপেজ