GPT Image Skill দিয়ে ছবি তৈরি ও সম্পাদনা করুন

GPT Image Skill কী করে

GPT Image Skill Codex, Claude Code এবং সামঞ্জস্যপূর্ণ স্থানীয় এজেন্টকে ব্যবহারকারীর ChatGPT সাবস্ক্রিপশন দিয়ে ছবি তৈরি বা সম্পাদনা করতে দেয়। এটি Codex-এর অন্তর্নির্মিত $imagegen অথবা উপলভ্য থাকলে হোস্টের নিজস্ব image_gen টুল ব্যবহার করে। এটি OpenAI Images API কল করে না বা আলাদাভাবে বিলযোগ্য Images API অনুরোধ তৈরি করে না।

এই স্কিল স্বাভাবিক ভাষার প্রম্পট এবং পাঠযোগ্য স্থানীয় PNG, JPEG বা WebP রেফারেন্স গ্রহণ করে। এটি তৈরি করা PNG ফাইল সক্রিয় প্রকল্পের generated-images/ ডিরেক্টরিতে সংরক্ষণ করে এবং ফলস্বরূপ পাথ ও ইনলাইন Markdown প্রিভিউ-সংক্রান্ত তথ্য ফেরত দেয়।

ছবি তৈরি করতে অন্তর্ভুক্ত ChatGPT বা Codex ব্যবহার বরাদ্দ খরচ হয় এবং এটি প্ল্যান ও ওয়ার্কস্পেসের সীমার অধীন থাকে। তুলনীয় ছবি-বিহীন টার্নের তুলনায় ছবি তৈরি অন্তর্ভুক্ত সীমা দ্রুত শেষ করতে পারে, তাই সমান্তরাল ব্যাচগুলো ইচ্ছাকৃতভাবে ছোট রাখুন।

প্রধান বৈশিষ্ট্য

• API কী-এর পরিবর্তে ChatGPT-প্রমাণীকৃত Codex-এর মাধ্যমে ছবি তৈরি করে।
• Codex এবং Claude Code-এর জন্য একই gpt-image স্কিল ইনস্টল করে।
• অনুরোধ না করা সৃজনশীল বিবরণ যোগ না করে সরাসরি ছবির প্রম্পট অনুসরণ করে।
• ব্যবহারকারী একাধিক ধারণা বা নকশার দিকনির্দেশ স্পষ্টভাবে অর্পণ করলে পৃথক প্রম্পট তৈরি করে।
• নির্ধারিত সংযুক্তির ক্রমে এক বা একাধিক রেফারেন্স সমর্থন করে।
• সম্পাদনা, পরবর্তী সংশোধন, ভ্যারিয়েশন, কম্পোজিটিং, স্বচ্ছতা, নির্দিষ্ট লেখা এবং ঘন লেআউটের খসড়া সমর্থন করে।
• ডিফল্ট সমান্তরালতা 2 এবং সর্বোচ্চ 4 রেখে স্বতন্ত্র ছবি-জব চালায়।
• শুধু সক্রিয় ওয়ার্কস্পেসের ভেতরে ফাইল সংরক্ষণ করে এবং ডিফল্টভাবে বিদ্যমান ছবি ওভাররাইট করে না।
• macOS, Linux, নেটিভ Windows এবং WSL2 সমর্থন করে।
• API-কী লগইন ব্লক করে এবং Codex-এর চাইল্ড প্রসেস থেকে সংশ্লিষ্ট API পরিবেশ ভেরিয়েবল সরিয়ে দেয়।

প্রয়োজনীয়তা

স্কিল ইনস্টল করার আগে নিশ্চিত করুন যে পরিবেশে নিম্নলিখিত উপাদানগুলো রয়েছে:

• Node.js 22 বা পরবর্তী সংস্করণ: বর্তমানে সমর্থিত LTS রিলিজ ব্যবহার করার পরামর্শ দেওয়া হয়।
• Git: GitHub থেকে প্রকল্প ক্লোন করার সময় প্রয়োজন।
• Codex CLI: কল করা হোস্ট নিজস্ব image_gen টুল সরবরাহ না করলে, এটিতে ChatGPT দিয়ে সাইন ইন করা থাকতে হবে।
• যোগ্য প্ল্যান: ChatGPT বা Codex প্ল্যান এবং ওয়ার্কস্পেসে ছবি তৈরি অনুমোদিত হতে হবে।

WSL1 সমর্থিত নয়। WSL2 ব্যবহার করার সময় Node.js, Codex, রিপোজিটরি এবং কাজের প্রকল্প Linux অংশে রাখুন। ক্লোনটি /mnt/c-এর পরিবর্তে Linux হোম ডিরেক্টরির অধীনে সংরক্ষণ করুন।

স্থানীয় এজেন্টের মাধ্যমে ইনস্টল

সেটআপের সবচেয়ে সহজ পদ্ধতি হলো Codex, Claude Code বা অন্য কোনো সামঞ্জস্যপূর্ণ এজেন্টকে রিপোজিটরি ইনস্টল করতে বলা। এজেন্টকে AGENT_INSTALL.md পড়তে, স্থায়ী ক্লোন বা নিরাপদ fast-forward আপডেট করতে, Codex ও Claude Code-এর লিংক তৈরি করতে, ChatGPT ডিভাইস অনুমোদন শুরু করতে এবং এই কমান্ড চালাতে বলুন:

bootstrap --target all --yes --json

প্রস্তুতি প্রতিবেদনটি ok: true, status: ready এবং best_practice_pass: true দিয়ে শেষ হওয়া উচিত। ব্যবহারকারী নিজে ব্রাউজার বা ডিভাইস অনুমোদন সম্পন্ন করবেন। স্কিল কোনো পাসওয়ার্ড, টোকেন, API কী বা ~/.codex/auth.json-এর বিষয়বস্তু চায় না।

ইনস্টলেশন প্রক্রিয়ায় সরাসরি কোনো লাইভ ছবি তৈরি করার কথা নয়। এটি সাধারণ aspect ratio, গুণমানের বাক্যাংশ এবং উদাহরণ তৈরি ও রেফারেন্স অনুরোধসহ একটি সংক্ষিপ্ত শুরু করার নির্দেশিকা দিয়ে শেষ হওয়া উচিত।

ম্যানুয়াল ইনস্টলেশন

macOS, Linux এবং WSL2

স্থায়ী ক্লোন ব্যবহার করুন, কারণ ইনস্টল করা স্কিলের লিংকগুলো রিপোজিটরির দিকে নির্দেশ করে:

REPOSITORY_URL="https://github.com/GENEXIS-AI/gpt-image-skill"
INSTALL_DIR="${XDG_DATA_HOME:-$HOME/.local/share}/gpt-image-skill"

git clone "$REPOSITORY_URL" "$INSTALL_DIR"
cd "$INSTALL_DIR"
node ./gpt-image/scripts/validate_skill.mjs
node ./gpt-image/scripts/gpt_image.mjs bootstrap --target all --yes --json

নেটিভ Windows PowerShell

$RepositoryUrl = "https://github.com/GENEXIS-AI/gpt-image-skill"
$InstallDir = Join-Path $env:LOCALAPPDATA "gpt-image-skill"

git clone $RepositoryUrl $InstallDir
Set-Location $InstallDir
node .\gpt-image\scripts\validate_skill.mjs
node .\gpt-image\scripts\gpt_image.mjs bootstrap --target all --yes --json

macOS, Linux এবং WSL2-এ ইনস্টলেশন symlink তৈরি করে। নেটিভ Windows directory junction ব্যবহার করে। সম্পর্কহীন বিদ্যমান পাথ প্রতিস্থাপন করা হয় না।

• Codex ইনস্টলেশন: ~/.agents/skills/gpt-image
• Claude Code ইনস্টলেশন: ~/.claude/skills/gpt-image
• Windows Codex ইনস্টলেশন: $env:USERPROFILE\.agents\skills\gpt-image
• Windows Claude Code ইনস্টলেশন: $env:USERPROFILE\.claude\skills\gpt-image

আপনার প্রথম ছবি তৈরি করুন

ইনস্টলেশনের পর হোস্ট থেকে সরাসরি স্কিল চালু করুন। Codex-এ ব্যবহার করুন:

$gpt-image A cobalt-blue glass robot on a warm off-white background.

Claude Code-এ ব্যবহার করুন:

/gpt-image A cobalt-blue glass robot on a warm off-white background.

ফ্রেমিং ও গুণমান স্বাভাবিক ভাষায় প্রকাশ করতে পারেন:

$gpt-image Create a cozy reading room at sunset, 16:9, high quality.

সাধারণ অনুরোধের মধ্যে রয়েছে 1:1, 16:9, 9:16, 4:3 এবং 3:4। কার্যকর গুণমানের বাক্যাংশের মধ্যে রয়েছে draft, high quality এবং high detail / final quality। এগুলো নির্দিষ্ট API size তালিকার পরিবর্তে স্বাভাবিক ভাষার অনুরোধ, তাই সঠিক পিক্সেল মাত্রা ভিন্ন হতে পারে।

সরাসরি রানার ব্যবহার করুন

রিপোজিটরি থেকে আপনি সরাসরি Node.js রানার কল করতে পারেন:

node ./gpt-image/scripts/gpt_image.mjs generate \
  --prompt "A cobalt-blue glass robot on a warm off-white background." \
  --out "generated-images/glass-robot.png"

সাধারণ জেনারেশন প্রথমে দ্রুত ChatGPT প্রমাণীকরণ পরীক্ষা করে, একটি ছবি তৈরি করে, ন্যূনতম PNG স্যানিটি পরীক্ষা চালায় এবং PATH=...-এর পাশাপাশি একটি পরম MARKDOWN=... মান ফেরত দেয়।

একটি রেফারেন্স থেকে ছবি তৈরি করুন

রেফারেন্স অবশ্যই প্রকৃতপক্ষে পড়া যায় এমন ফাইল হতে হবে। Claude Code-এ @path অথবা স্পষ্ট ফাইলসিস্টেম পাথ ব্যবহার করুন:

/gpt-image Use @references/robot.png as the character reference. Draw it riding a bicycle.

Claude-এ দেখানো পেস্ট করা বা ড্র্যাগ করা ছবি স্বয়ংক্রিয়ভাবে নেস্টেড Codex প্রক্রিয়ায় ব্যবহৃত হয় না। Claude যদি সঠিক অস্থায়ী অ্যাটাচমেন্ট পাথ প্রকাশ করে, এজেন্ট সেই ফাইলটি generated-images/inputs/-এ কপি করতে পারে। অন্যথায়, ছবিটি প্রজেক্টের ভেতরে সংরক্ষণ করে তার পাথ দিন। Claude-এর ইমেজ ক্যাশ থেকে কোন ফাইল ব্যবহার করতে হবে, এই স্কিল তা অনুমান করে না।

সমতুল্য সরাসরি কমান্ডটি হলো:

node ./gpt-image/scripts/gpt_image.mjs generate \
  --mode generate \
  --prompt "Draw this character riding a bicycle." \
  --reference "/absolute/path/robot.png" \
  --out "generated-images/robot-bicycle.png"

একাধিক রেফারেন্স সংযুক্ত করুন

প্রয়োজনীয় ক্রমে --reference পুনরাবৃত্তি করুন। রেফারেন্সগুলোর নির্দিষ্ট ভূমিকা থাকলেই কেবল সংশ্লিষ্ট ভূমিকা যোগ করুন:

node ./gpt-image/scripts/gpt_image.mjs generate \
  --prompt "Use Image 1 for the character and Image 2 for the bicycle design." \
  --reference "/absolute/path/character.png" \
  --reference-role "character" \
  --reference "/absolute/path/bicycle.png" \
  --reference-role "bicycle design" \
  --out "generated-images/combined.png"

এডিটের ক্ষেত্রে, এডিটের লক্ষ্য হলো Image 1। সহায়ক রেফারেন্সগুলো কমান্ড-লাইনের ক্রমে এর পরে থাকবে।

ছবি এডিট ও সংশোধন করুন

বিদ্যমান ছবি পরিবর্তন করতে --edit-target-এর সঙ্গে --mode edit ব্যবহার করুন:

node ./gpt-image/scripts/gpt_image.mjs generate \
  --mode edit \
  --prompt "Replace the bicycle basket with a small wooden crate." \
  --edit-target "generated-images/robot-bicycle.png" \
  --out "generated-images/robot-bicycle-crate.png"

প্রতিটি পরবর্তী সংশোধনের ক্ষেত্রে মূল সোর্সে ফিরে না গিয়ে সর্বশেষ ফলাফলটি এডিট করুন:

node ./gpt-image/scripts/gpt_image.mjs generate \
  --mode edit \
  --prompt "Make the wooden crate dark green." \
  --edit-target "generated-images/robot-bicycle-crate.png" \
  --out "generated-images/robot-bicycle-green-crate.png"

যে সহায়ক রেফারেন্সগুলো এখনও প্রয়োজন, সেগুলো পুনরায় সংযুক্ত করুন। প্রতিটি ব্রিজ ইনভোকেশন ক্ষণস্থায়ী, তাই এটি আগের অ্যাটাচমেন্টগুলো স্বয়ংক্রিয়ভাবে ধরে রাখে না। সর্বশেষ আউটপুটের পরিবর্তে মূল সোর্স এডিট করলে আগের সংশোধনটি হারিয়ে যাবে।

সমান্তরালে একাধিক ছবি চালান

একটি ছবির জন্য generate ব্যবহার করুন। দুই বা তার বেশি প্রস্তুত কাজের ক্ষেত্রে স্কিলটি সীমাবদ্ধ ব্যাচ ব্যবহার করতে পারে। ডিফল্ট কনকারেন্সি 2 এবং সর্বোচ্চ 4। ব্যাচের জন্য একবারই প্রমাণীকরণ পরীক্ষা করা হয় এবং ব্যর্থ কাজগুলো স্বয়ংক্রিয়ভাবে পুনরায় চালানো হয় না।

ব্যাচিং মডেলটি তিনটি সাধারণ কাঠামো সমর্থন করে:

• শেয়ার করা অ্যাঙ্করভিত্তিক ভ্যারিয়েশন: প্রতিটি কাজ একই বিদ্যমান ডিজাইন পড়ে এবং ভিন্ন একটি স্টাইল প্রয়োগ করে।
• অর্পিত কনসেপ্ট: এজেন্ট প্রতিটি অনুরোধকৃত ডিজাইন-দিকের জন্য একটি সম্পূর্ণ ও অর্থপূর্ণভাবে ভিন্ন প্রম্পট তৈরি করে, তবে অভিন্ন সীমাবদ্ধতাগুলো বজায় রাখে।
• পুনরাবৃত্ত রেন্ডার: কোনো পার্থক্য অনুরোধ করা না হলে প্রতিটি কাজ একই প্রম্পট হুবহু পুনরায় ব্যবহার করে।

image-jobs.json-এর মতো একটি ওয়ার্কস্পেস-স্থানীয় ম্যানিফেস্ট তৈরি করুন:

{
  "version": 1,
  "jobs": [
    {
      "id": "watercolor",
      "mode": "variation",
      "prompt": "Keep the same design and render it in watercolor style.",
      "edit_target": "references/base-design.png",
      "references": ["references/watercolor-style.png"],
      "reference_roles": ["style reference for this output"],
      "out": "generated-images/design-watercolor.png"
    },
    {
      "id": "clay",
      "mode": "variation",
      "prompt": "Keep the same design and render it in clay style.",
      "edit_target": "references/base-design.png",
      "references": ["references/clay-style.png"],
      "reference_roles": ["style reference for this output"],
      "out": "generated-images/design-clay.png"
    }
  ]
}

ম্যানিফেস্টটি চালান:

node ./gpt-image/scripts/gpt_image.mjs batch \
  --manifest "image-jobs.json" \
  --concurrency 2

বেশ কয়েকটি কাজ একই অ্যাঙ্কর নিরাপদে পড়তে পারে। প্রতিটি আউটপুটে কেবল প্রাসঙ্গিক স্টাইল রেফারেন্স সংযুক্ত করুন। সম্পর্কহীন কনসেপ্টের ক্ষেত্রে সাধারণ edit_target বাদ দিন এবং প্রতিটি কাজের জন্য একটি স্বতন্ত্র প্রম্পট ও নিজস্ব রেফারেন্স দিন।

একটি ব্যাচের একটি কাজের তৈরি ফলাফল সেই একই ব্যাচে অন্য কাজের ইনপুট হতে পারে না। আউটপুট-থেকে-ইনপুট নির্ভরতা থাকা ওয়ার্কফ্লোগুলো ধাপে ধাপে চালান। কোনো সাধারণ অ্যাঙ্কর না থাকলে প্রথম অনুরোধকৃত আউটপুট তৈরি করুন এবং পরবর্তী ভ্যারিয়েন্টগুলোর জন্য তার ফেরত দেওয়া পাথ ব্যবহার করুন; স্কিলটি অতিরিক্ত কোনো গোপন অ্যাঙ্কর তৈরি করে না।

উন্নত ব্যবহারের টিপস

প্রম্পটের উদ্দেশ্য অক্ষুণ্ণ রাখুন

একটি সরাসরি একক অনুরোধের ক্ষেত্রে, ব্যবহারকারীর ভাষাই চূড়ান্ত এবং তা অপরিবর্তিতভাবে ফরওয়ার্ড করা হয়। ব্যবহারকারী একাধিক ভিন্ন ডিজাইন, কনসেপ্ট, দিক, অপশন বা বিকল্প চাইলে অর্পিত সৃজনশীল অভিপ্রায়ও চূড়ান্ত। সেক্ষেত্রে এজেন্ট প্রতিটি আউটপুটের জন্য একটি স্বতন্ত্র, ছবি-উপযোগী প্রম্পট তৈরি করে এবং অভিন্ন বিষয়, ব্র্যান্ড, টেক্সট, রেফারেন্স, অ্যাসপেক্ট রেশিও ও অন্যান্য সীমাবদ্ধতা বজায় রাখে।

কাজের নম্বর ম্যানিফেস্ট আইডি ও ফাইলনামে থাকবে, ছবির প্রম্পটে নয়। this is the second option-এর মতো বাক্য যোগ করা এড়িয়ে চলুন।

সঠিক মোড বেছে নিন

• টেক্সট-টু-ইমেজ কাজের জন্য --mode generate ব্যবহার করুন।
• বিদ্যমান ফাইলের নির্দেশনা অনুসরণ করে নতুন ছবি তৈরি করতে --reference PATH যোগ করুন।
• বিদ্যমান ছবি পরিবর্তন করতে --mode edit --edit-target PATH ব্যবহার করুন।
• বিদ্যমান ডিজাইনের একটি ভিন্ন রূপ তৈরি করতে --mode variation --edit-target PATH ব্যবহার করুন।
• শুধুমাত্র স্বচ্ছতা চাওয়া হলে --background transparent ব্যবহার করুন।
• একটি কম্পোজিশন বিভিন্ন শৈলীতে রেন্ডার করা একাধিক ভ্যারিয়েশন কাজের জন্য একই এডিট টার্গেট ব্যবহার করুন।
• একই ছবিকে একাধিক জেনারেশন কাজে রেফারেন্স হিসেবে ব্যবহার করুন, যখন পরিচয়টি বিভিন্ন দৃশ্য বা লেআউটে প্রকাশ করা উচিত।

অনিচ্ছাকৃত ওভাররাইট এড়িয়ে চলুন

--overwrite স্পষ্টভাবে উল্লেখ না করলে রানার বিদ্যমান কোনো ছবি ওভাররাইট করে না। generated-images/-এর অধীনে প্রতিটি ফলাফলের জন্য বর্ণনামূলক আউটপুট পাথ দিন।

সমস্যা সমাধান ও সেটআপ যাচাই

পরিকল্পনা এবং বিস্তারিত ডায়াগনস্টিক ঐচ্ছিক। স্বাভাবিক জেনারেশনের আগে এগুলো করা বাধ্যতামূলক নয়। সেটআপ, প্রমাণীকরণ, রেফারেন্স বা আউটপুট ফাইল তদন্তের প্রয়োজন হলে এগুলো ব্যবহার করুন:

node ./gpt-image/scripts/gpt_image.mjs doctor --json
node ./gpt-image/scripts/gpt_image.mjs guide
node ./gpt-image/scripts/gpt_image.mjs capabilities --json
node ./gpt-image/scripts/gpt_image.mjs inspect \
  --input "generated-images/combined.png" --json

কোনো ছবি তৈরি না করে সাইন-ইন এবং পাথ যাচাই করতে:

node ./gpt-image/scripts/gpt_image.mjs generate \
  --prompt "test" \
  --out "generated-images/test.png" \
  --dry-run --json

সাইন-ইন বা ছবি জেনারেট না করেই একটি ব্যাচ ম্যানিফেস্ট এবং এর সময়সূচি যাচাই করতে:

node ./gpt-image/scripts/gpt_image.mjs batch \
  --manifest "image-jobs.json" \
  --check-only --json

জেনারেট করা ছবিতে SHA-256 রসিদের পরিবর্তে হালকা ফাইল ও স্বাক্ষর যাচাই করা হয়। ইনস্টলার যাচাইয়ের মতো উপযুক্ত ক্ষেত্রে SHA-256 এখনও উপলভ্য:

node ./gpt-image/scripts/gpt_image.mjs verify-installers --json

নিরাপত্তা ও গোপনীয়তা সুরক্ষা

• স্কিলটি Codex-এর চাইল্ড প্রসেস থেকে OPENAI_API_KEY, OPENAI_BASE_URL, OPENAI_ORG_ID, OPENAI_PROJECT_ID এবং CODEX_ACCESS_TOKEN সরিয়ে দেয়।
• রেড্যাক্ট করা ডায়াগনস্টিকসে ChatGPT প্রমাণীকরণ নিশ্চিত না হওয়া পর্যন্ত জেনারেশন বন্ধ থাকে।
• কোনো OpenAI Images API এন্ডপয়েন্ট বা /v1/images অনুরোধ অন্তর্ভুক্ত নেই।
• স্কিলটি প্রমাণীকরণ ফাইল পড়ে না।
• জেনারেট করা ফাইল সক্রিয় ওয়ার্কস্পেসের মধ্যেই থাকে।
• সাবস্ক্রিপশনের সীমা পূর্ণ হলে রানার Images API-তে ফলব্যাক করে না।

স্কিল আপডেট করুন

macOS, Linux বা WSL2-এ স্থায়ী ক্লোনটি ফাস্ট-ফরোয়ার্ড করুন এবং বুটস্ট্র্যাপ পুনরায় চালান:

INSTALL_DIR="${XDG_DATA_HOME:-$HOME/.local/share}/gpt-image-skill"
git -C "$INSTALL_DIR" pull --ff-only
node "$INSTALL_DIR/gpt-image/scripts/gpt_image.mjs" \
  bootstrap --target all --yes --json

নেটিভ Windows PowerShell-এ:

$InstallDir = Join-Path $env:LOCALAPPDATA "gpt-image-skill"
git -C $InstallDir pull --ff-only
node "$InstallDir\gpt-image\scripts\gpt_image.mjs" bootstrap --target all --yes --json

উপসংহার

GPT Image Skill, ChatGPT প্রমাণীকরণ ব্যবহার করে Codex, Claude Code বা অন্য কোনো সামঞ্জস্যপূর্ণ এজেন্ট থেকে ছবি তৈরি ও সম্পাদনা করার একটি ওয়ার্কস্পেস-কেন্দ্রিক পদ্ধতি প্রদান করে। সরাসরি স্বাভাবিক ভাষার অনুরোধ দিয়ে শুরু করুন, রেফারেন্সের জন্য স্থিতিশীল স্থানীয় পাথ দিন, প্রতিটি সংশোধনের জন্য সর্বশেষ আউটপুট ব্যবহার করুন এবং স্বাধীন ধারণা বা একই অ্যাঙ্কর-ভিত্তিক ভ্যারিয়েশনের জন্য সীমাবদ্ধ ব্যাচ সংরক্ষণ করুন।

ইনস্টলেশন চুক্তি ও আরও বিস্তারিত ওয়ার্কফ্লো জানতে GPT Image Skill রিপোজিটরি দেখুন।