গত দুই দিনে MiniMax H3-এর জেনারেশন ফলাফল প্রযুক্তি মহলে ব্যাপক মনোযোগ আকর্ষণ করেছে
অনেক নির্মাতাই প্রথম সুযোগে পরীক্ষায় যোগ দিয়েছেন, এটি দিয়ে চমকপ্রদ AI ভিডিও তৈরি করার চেষ্টা করছেন
তবে খুব দ্রুত সবাই একটি নির্মম বাস্তবতা বুঝতে পেরেছেন:
H3 মডেলটির প্রম্পটের ফরম্যাট নিয়ে কঠোর শর্ত রয়েছে এবং প্রম্পটের নির্ভুলতার প্রতিও এর চাহিদা বেশ বেশি
যদিও গত রাতে না ঘুমিয়ে আমি MiniMax H3 প্রম্পট লেখার একটি বিস্তারিত টিউটোরিয়াল লিখেছি
তবুও প্রতিক্রিয়া দেখে বোঝা যাচ্ছে, অনেকেই এখনো লিখতে পারছেন না; সেই দীর্ঘ প্রম্পট লেখা সত্যিই বেশ ঝামেলার
আসলে, আমার পর্যবেক্ষণ অনুযায়ী (এটি কিছুটা একপেশে, তাই বেশি কঠোর হবেন না), MiniMax H3 প্রম্পটের ফরম্যাট নিয়ে শর্ত না দিলেও ম্যানজু নাটকের নতুন নির্মাতারা ভালো প্রম্পট লিখতে পারতেন না
সবচেয়ে বেশি সমস্যা হয় সেখানে, যেখানে মনে কোনো ধারণা আছে, কিন্তু ক্যামেরার গতিবিধি, চরিত্রের কর্মকাণ্ড এবং ক্যামেরার ভাষাকে কীভাবে নির্ভুলভাবে শব্দে প্রকাশ করতে হবে তা জানা নেই
ভালো দৃশ্য পাওয়ার আশায় সবাই এখনো অভ্যাসবশত প্রম্পটে “সিনেমাটিক অনুভূতি, অতিবাস্তব, শীর্ষস্থানীয়画মান, অভূতপূর্ব দৃষ্টিকোণ”-এর মতো ফাঁপা বিশেষণ ভরে দেন
কিন্তু ভিডিও জেনারেশন মডেলের কাছে এসব বিমূর্ত শব্দের কোনো অর্থ নেই
ভিডিও মডেলের প্রকৃত প্রয়োজন হলো একটি স্পষ্ট পরিচালকের শট তালিকা:
দৃশ্যটি কোথায়, মূল চরিত্র কে, কী শারীরিক কাজ ঘটছে, ক্যামেরা কীভাবে এগোবে-পিছোবে বা দুলবে, আলো-ছায়া কীভাবে বদলাবে এবং দৃশ্যের গতি কীভাবে এগোবে
MiniMax H3-এর অফিসিয়াল প্রম্পট নির্দেশিকাটি মন দিয়ে পড়লে দেখতে পাবেন, এর চাহিদা আসলে অতিরিক্ত নয়; মূলত পরিচালকের শট তালিকাকে ঘিরেই তৈরি
শুধু বিভিন্ন রেফারেন্স উপাদান ব্যবহারের ক্ষেত্রে কিছু বাধ্যতামূলক নিয়ম রয়েছে
এই সমস্যার সমাধানে কেউ GitHub-এ একটি অত্যন্ত মূল্যবান প্লাগইন প্রকল্প প্রকাশ করেছেন:
ComfyUI-Fantastic-MiniMaxH3-PromptBuilder
>
এই প্লাগইনটি MiniMax H3-এর প্রম্পট লেখার চাহিদা অনুযায়ী তৈরি করা হয়েছে
এর লক্ষ্য হলো নির্মাতাদের আন্দাজ ও বারবার পরীক্ষা-নিরীক্ষা থেকে মুক্ত করে, ভিডিও মডেল যেভাবে সবচেয়ে ভালোভাবে বুঝতে পারে সেই যুক্তি অনুসারে কাঠামোবদ্ধভাবে MiniMax H3-এর ফরম্যাট-সম্মত পেশাদার প্রম্পট তৈরি করতে সাহায্য করা
>
এই টুল থাকলে নির্মাতাদের আর বিরক্তিকর প্যারামিটার ফরম্যাট নিয়ে মাথা ঘামাতে হবে না
যেমন
আপনি যদি সরাসরি প্রম্পট ইনপুট বক্সে “একজন মেয়ে শহরে হাঁটছে” লেখেন, তাহলে Minimax H3-এর তৈরি ফলাফলে অনেক অনিশ্চয়তা থাকবে (আমার আগের পরীক্ষামূলক নিবন্ধটি参考 করতে পারেন)
কিন্তু PromptBuilder দিয়ে কাঠামোবদ্ধ করার পর প্রম্পটটি স্বয়ংক্রিয়ভাবে সম্পূর্ণ ও পুনর্গঠিত হয়ে হবে:
“রাতে নিয়ন আলোয় জড়ানো শহরের রাস্তা, এক তরুণী একা হাঁটছে, ক্যামেরা ধীরে ধীরে তাকে অনুসরণ করে এগোচ্ছে, ভেজা মাটিতে নিয়ন স্ট্রিটলাইটের প্রতিফলন পড়ছে, শীতল টোনের সিনেমাটিক আলো-ছায়া, পুরো দৃশ্যে শান্ত ও বিষণ্ন আবহ।”
সবচেয়ে গুরুত্বপূর্ণ বিষয় হলো, এটি Minimax H3-এর ফরম্যাটের নিয়ম অনুযায়ী প্রম্পট আউটপুট দেবে
>
প্রকল্পের ঠিকানা: https://github.com/Adudeguyman/ComfyUI-Fantastic-MiniMaxH3-PromptBuilder
এবার তো বেশ সুবিধা হলো, তাই না?
কারণ বর্তমানে Minimax H3 ব্যবহারের পথে দুটি বাধাই আছে: হার্ডওয়্যার + প্রম্পট
হার্ডওয়্যারের সমস্যার সমাধান অনেক আগেই ক্লাউড কম্পিউটার করে দিয়েছে
48G VRAM-এর 4090 এটি অনায়াসে চালাতে পারে; 5 সেকেন্ডের ভিডিও তৈরি করতে প্রায় 2.5 মিনিট সময় লাগে। আর অপ্টিমাইজ করা কোয়ান্টাইজড সংস্করণের সঙ্গে একটি অ্যাক্সিলারেটর ব্যবহার করলে সহজেই 1 মিনিটের মধ্যে নামিয়ে আনা যায়
এছাড়া দামও অত্যন্ত কম।仙宫云-এ 48G VRAM-এর 4090 ব্যবহার করতে প্রতি ঘণ্টায় মাত্র 2.59 ইউয়ান লাগে; ইমেজ ব্যবহারের খরচ (সাধারণত প্রতি ঘণ্টায় 2 মাও) ধরলেও মোট 3 ইউয়ানের কম
তাত্ত্বিকভাবে এক ঘণ্টায় অন্তত 30টি 5 সেকেন্ডের ভিডিও তৈরি করা যায়, প্রতি সেকেন্ডে সর্বোচ্চ 2 ফেন খরচ; এই দামে বাঁধাকপি বিক্রেতারাও আপনাকে মূল্যযুদ্ধ করার অভিযোগে রিপোর্ট করবে
>
আপনি যদি নতুন ব্যবহারকারী হন, আমার আমন্ত্রণ লিঙ্ক দিয়ে নিবন্ধন করলে বিনামূল্যে ট্রায়াল ক্রেডিটও পাবেন, কোনো খরচ ছাড়াই শুরু করতে পারবেন
আমন্ত্রণ লিঙ্ক: https://www.xiangongyun.com/register/KBAYTG
আরও বড় কথা, এ তো কেবল শুরু; Minimax H3 সবে ওপেন সোর্স হয়েছে
বিশেষজ্ঞদের অসাধারণ কৌশলগুলো এখনো সামনে আসেনি
তবে আমি আশা করি Flux3 ওপেন সোর্স হওয়ার পর Minimax H3-এর মতো এত জটিল প্রম্পটের নিয়ম চালু করবে না। ব্যবহারকারীদের জন্য এটি সত্যিই অত্যন্ত কষ্টকর।