Hy Image3.5 preview চালু আছে

Hy Image3.5 preview হলো Tencent Hunyuan-এর তৈরি সাশ্রয়ী মূল্যের পেশাদার ইমেজ জেনারেশন মডেল। এটি টেক্সট-টু-ইমেজ ও ইমেজ-টু-ইমেজ সমর্থন করে, সর্বোচ্চ ৫টি রেফারেন্স ছবি আপলোড করা যায়, সর্বোচ্চ 2K রেজোলিউশনে আউটপুট দেয় এবং বহু-পর্বের কথোপকথনভিত্তিক ধারাবাহিক সৃষ্টি ও সম্পাদনা সমর্থন করে। আগের প্রজন্মের তুলনায় মডেলটির সামগ্রিক সক্ষমতা প্রায় ৩০% উন্নত হয়েছে। টেক্সট রেন্ডারিং, বাস্তবসম্মততা ও সম্পাদনার সামঞ্জস্য উল্লেখযোগ্যভাবে বেড়েছে এবং অভ্যন্তরীণ ব্লাইন্ড টেস্টে Seedream 5.0 Pro-এর সমতুল্য ফল দিয়েছে।

টেক্সট-টু-ইমেজ: টেক্সট প্রম্পটের ভিত্তিতে উচ্চমানের ছবি তৈরি করে, যা জীবনযাপন, বাণিজ্যিক পোস্টার, UI ডিজাইন, চলচ্চিত্র ও টেলিভিশন উপকরণসহ বিভিন্ন ক্ষেত্রে ব্যবহার করা যায়।
ইমেজ-টু-ইমেজ: একবারে সর্বোচ্চ ৫টি রেফারেন্স ছবি আপলোড করে পোশাক পরিবর্তন, নির্দিষ্ট অংশ সম্পাদনা, স্টাইল পরিবর্তন ও একাধিক বিষয় সম্পাদনার মতো কাজ করা যায়।
বহু-পর্বের কথোপকথনভিত্তিক সৃষ্টি: পূর্ববর্তী প্রসঙ্গের ভিত্তিতে ধারাবাহিকভাবে ছবি তৈরি ও সম্পাদনা করা যায়, ফলে ধাপে ধাপে refine করা সম্ভব।
বিভিন্ন আউটপুট ফরম্যাট: একাধিক আকারের অনুপাত সমর্থন করে এবং সর্বোচ্চ 2K রেজোলিউশনের ছবি তৈরি করতে পারে।
টেক্সট রেন্ডারিং: ছোট অক্ষরের রেন্ডারিং ও লেআউট ক্ষমতা উল্লেখযোগ্যভাবে উন্নত, ফলে পোস্টার, Logo, ইনফোগ্রাফিকসহ টেক্সটযুক্ত কনটেন্ট তৈরি করা সহজ।

সরলীকৃত মডেল আর্কিটেকচার: Hy Image3.0 সিরিজের নকশার ধারণা অনুসরণ করে আর্কিটেকচার সরল করা হয়েছে। কার্যকর distillation অ্যালগরিদমের মাধ্যমে মডেলের আকার ও inference খরচ কমানো হয়েছে, যা কম মূল্যের কৌশলের ভিত্তি।
ডিকাপলড ডিপ্লয়মেন্ট: টেক্সট শাখা ও ইমেজ শাখা আলাদাভাবে ডিপ্লয় করা হয়েছে। উভয় শাখা স্বাধীনভাবে অপ্টিমাইজ ও শিডিউল করা যায়, ফলে সামগ্রিক inference রিসোর্সের ব্যবহার দক্ষ হয়।
অ্যাটেনশন অপারেটর অভিযোজন: নিম্নস্তরের হার্ডওয়্যারে attention গণনার অপারেটরগুলো অভিযোজিত ও অপ্টিমাইজ করে ভিডিও মেমোরি ব্যবহার কমানো এবং inference গতি বাড়ানো হয়েছে, যাতে কম খরচে দ্রুত 2K ছবি তৈরি করা যায়।
উদ্দেশ্য বোঝার উন্নতি: “উদ্দেশ্য বোঝা থেকে ভিজ্যুয়াল প্রকাশ” কেন্দ্র করে পদ্ধতিগত উন্নয়ন করা হয়েছে। নির্দেশনা অনুসরণ ও অর্থগত বোঝাপড়া জোরদার করে সম্পাদনার সামঞ্জস্য এবং জেনারেশনের নিয়ন্ত্রণযোগ্যতা বাড়ানো হয়েছে।

Yuanbao খুলে ইমেজ জেনারেশন-সংক্রান্ত ফিচারে প্রবেশ করুন, যেমন পোর্ট্রেট সম্পাদনা, স্মার্ট P图 ও স্বাধীন পোশাক পরিবর্তনের টেমপ্লেট।
টেক্সটের বিবরণ লিখুন বা রেফারেন্স ছবি আপলোড করুন এবং প্রয়োজনীয় আকারের অনুপাত নির্ধারণ করুন।
ছবি তৈরি হওয়ার পর ফলাফলের ভিত্তিতে বহু-পর্বের কথোপকথনের মাধ্যমে সম্পাদনা চালিয়ে যান এবং সন্তুষ্ট হলে সংরক্ষণ করুন।
ima খুলে Copilot-এর মাধ্যমে ছবি-সংক্রান্ত কাজ শুরু করুন, যেমন ইলাস্ট্রেশন, পোস্টার, ইনফোগ্রাফিক ও PPT।
প্রয়োজনের বিবরণ বা পেশাদার জ্ঞানভিত্তিক কনটেন্ট দিন; Hy Image3.5 preview তা ভিজ্যুয়াল আউটপুটে রূপান্তর করবে।
তৈরি ফলাফলের জন্য সংশোধনের নির্দেশনা দিন এবং প্রয়োজন অনুযায়ী পুনরাবৃত্তি করুন।
সংশ্লিষ্ট প্ল্যাটফর্মে প্রবেশ করুন (বর্তমানে দুই সপ্তাহের সীমিত সময়ের বিনামূল্যের ট্রায়াল রয়েছে) এবং ইমেজ জেনারেশন বা সম্পাদনার কাজ বেছে নিন।
সর্বোচ্চ ৫টি রেফারেন্স ছবি আপলোড করে সৃষ্টির নির্দেশনা দিন, যেমন স্টোরিবোর্ড বা চরিত্রের সামঞ্জস্যপূর্ণ সম্পাদনা।
ব্যাচে অ্যাসেট ছবি তৈরি করুন এবং প্রতিক্রিয়ার ভিত্তিতে প্রম্পট বারবার সামঞ্জস্য করে ফলাফল উন্নত করুন।
Tencent Cloud API (TokenHub, Media Processing MPS, Cloud Video on Demand VOD)-এর মাধ্যমে মডেল পরিষেবা সংযুক্ত করুন।
API ডকুমেন্টেশন অনুযায়ী টেক্সট প্রম্পট ও রেফারেন্স ছবির প্যারামিটার পাঠিয়ে জেনারেশন API কল করুন।
আউটপুট ছবির সংখ্যার ভিত্তিতে অর্থ প্রদান করুন (2K ছবির জন্য প্রতি ছবিতে 0.15 ইউয়ান) এবং তৈরি ফলাফল নিজস্ব পণ্যে সংযুক্ত করুন।

উল্লেখযোগ্য সক্ষমতা বৃদ্ধি: Hy Image3.0-এর তুলনায় সামগ্রিক সক্ষমতা প্রায় ৩০% বেড়েছে। অভ্যন্তরীণ ব্লাইন্ড টেস্টে Seedream 5.0 Pro-এর সমতুল্য এবং Nano-Banana Pro ও Qwen-Image-3.0 Pro-এর তুলনায় সামান্য ভালো ফল দিয়েছে।
শক্তিশালী টেক্সট রেন্ডারিং: ছোট অক্ষরের রেন্ডারিং ও লেআউট ক্ষমতা উল্লেখযোগ্য, যা টেক্সট বিকৃত হওয়ার হার অনেক কমায় এবং পোস্টার, Logo ও ইনফোগ্রাফিকের মতো উৎপাদনশীলতার কাজে উপযোগী।
উন্নত সম্পাদনা সামঞ্জস্য: ইমেজ-টু-ইমেজ নির্দেশনা অনুসরণ, একাধিক বিষয় এবং স্টাইলাইজড সম্পাদনার সক্ষমতা বেড়েছে; বিজ্ঞাপন-সংক্রান্ত badcase-এর হার ৭% কমেছে।
একাধিক রেফারেন্স ছবি ও বহু-পর্বের সৃষ্টি সমর্থন: একবারে সর্বোচ্চ ৫টি রেফারেন্স ছবি আপলোড করা যায় এবং পূর্ববর্তী প্রসঙ্গের ভিত্তিতে ধারাবাহিক কথোপকথনের মাধ্যমে সম্পাদনা করা যায়।

প্রকল্পের অফিসিয়াল ওয়েবসাইট: https://hy.tencent.com/research/hy-image35-preview

বাণিজ্যিক পোস্টার ও ব্র্যান্ড ভিজ্যুয়াল: ছোট অক্ষরের রেন্ডারিং শক্তিশালী হওয়ায় কপিযুক্ত পোস্টার, Logo ও ইনফোগ্রাফিক তৈরিতে উপযোগী (উৎপাদনশীলতার কাজের অনুরোধ ৮০% বেড়েছে)।
চলচ্চিত্রের উপকরণ ও সিরিজের স্টোরিবোর্ড: WorkRally/OnSolo কমিক সিরিজের স্টুডিওতে প্রপ, চরিত্র ও দৃশ্যের অ্যাসেট ছবি ব্যাচে তৈরি করতে এটি ব্যবহার করেছে। চরিত্রের সামঞ্জস্য ভালো এবং ব্যর্থ জেনারেশনের হার কম।
ই-কমার্স উপকরণ ও বিজ্ঞাপনের ছবি: ইমেজ-টু-ইমেজ badcase-এর হার ৭% কমেছে, ফলে পোশাক পরিবর্তন ও পরার নমুনা এবং বিজ্ঞাপনের উপকরণ তৈরির মান আরও স্থিতিশীল।
পোর্ট্রেট সম্পাদনা ও ভোক্তা বিনোদন: Yuanbao-তে স্মার্ট P图, স্বাধীন পোশাক পরিবর্তন ও ছবিকে কমিকে রূপান্তরের মতো ফিচার রয়েছে; পোর্ট্রেট রিটাচিং-সংক্রান্ত অনুরোধ দ্বিগুণ হয়েছে।
অফিস কাজ ও জ্ঞান ভিজ্যুয়ালাইজেশন: ima Copilot-এর মাধ্যমে ইলাস্ট্রেশন, PPT ও জ্ঞানভিত্তিক ইনফোগ্রাফিক তৈরি করে পেশাদার জ্ঞানকে ভিজ্যুয়াল ওয়েব আউটপুটে রূপান্তর করা যায়।