মূল কনটেন্টে যান
এআই টিউটোরিয়াল

拍片哥 নারীদের পোশাকের টিউটোরিয়াল: দ্বিভাষিক AI পোশাকের ইমেজ লাইব্রেরি ও ভার্চুয়াল ট্রায়াল পরিষেবা তৈরি

এই টিউটোরিয়ালে拍片哥 নারীদের পোশাকের ইমেজ লাইব্রেরি কীভাবে চালাতে হয়, শ্রেণিবিভাগ, দ্বিভাষিক অনুসন্ধান, পোশাক সমন্বয় টেবিল ও ছবি ডাউনলোডের ফিচার কীভাবে ব্যবহার করতে হয়, এবং Docker, ক্লাউড মডেল বা স্থানীয় ComfyUI-এর মাধ্যমে ঐচ্ছিক AI ভার্চুয়াল পোশাক পরিবর্তন ব্যাকএন্ড কীভাবে যুক্ত করতে হয় তা介绍 করা হয়েছে।

পড়তে প্রায় 23 মিনিট লাগবে
拍片哥 নারীদের পোশাকের টিউটোরিয়াল: দ্বিভাষিক AI পোশাকের ইমেজ লাইব্রেরি ও ভার্চুয়াল ট্রায়াল পরিষেবা

প্রকল্প পরিচিতি

পাইপিয়ানগে নারী পোশাক (COSTUME-DB-01) একটি গাঢ় থিমের ওপেন-সোর্স AI পোশাক রেফারেন্স গ্যালারি। এতে মানুষের মুখ বা শরীর না দেখিয়ে 2:3 অনুপাতে তৈরি 1407টি AI পোশাকের ছবি রয়েছে। ফ্রন্টএন্ডটি বিল্ড ছাড়াই চলা একটি বিশুদ্ধ স্ট্যাটিক ওয়েবসাইট, যেখানে সরাসরি ব্রাউজ, অনুসন্ধান ও ফিল্টার করা যায়। ভার্চুয়াল পোশাক পরানোর সুবিধা প্রয়োজন হলে backend/-এ থাকা GoFrame v2 ব্যাকএন্ডও ডিপ্লয় করা যায়।

প্রথমে অনলাইন সংস্করণ খুলে বিনামূল্যের গ্যালারি ব্যবহার করে দেখতে পারেন। চাইলে GitHub রিপোজিটরি থেকে সোর্স কোড নিয়ে স্থানীয়ভাবে চালাতে ও নিজস্ব উন্নয়ন করতে পারেন।

পাইপিয়ানগে নারী পোশাকের চীনা মোড

প্রধান সুবিধা

  • 1407টি পোশাক সেট: বসন্ত, গ্রীষ্ম, শরৎ, শীত, অন্তর্বাস, পার্টি, সাঁতারের পোশাক ও আকর্ষণীয় পোশাকসহ 8টি শ্রেণিতে বিভক্ত।
  • চীনা ও ইংরেজি দ্বিভাষিকতা: ডিফল্টভাবে চীনা প্রদর্শিত হয়; পৃষ্ঠার উপরের ডানদিকে English বেছে নেওয়া যায়।
  • দুইমুখী কীওয়ার্ড অনুসন্ধান: “সাদা, লেস, পোশাক”-এর মতো চীনা শব্দ এবং white, lace, dress-এর মতো ইংরেজি শব্দ সমর্থিত।
  • ছবি ব্রাউজ: অসীম স্ক্রল, বড় ছবি দেখা, বাম ও ডান তীর কী দিয়ে পরিবর্তন, Esc দিয়ে বন্ধ করা এবং আসল আকারের PNG ডাউনলোডের সুবিধা রয়েছে।
  • ভার্চুয়াল পোশাক পরানোর স্টুডিও: মানুষের ছবি আপলোড করে পোশাক বেছে নিয়ে প্রিভিউ, টেনে সরানো, আকার পরিবর্তন ও ব্যাকগ্রাউন্ড অপসারণ করে কম্পোজিট করা যায়।
  • AI ভার্চুয়াল পোশাক পরিবর্তন: ঐচ্ছিক ব্যাকএন্ডের মাধ্যমে Gemini, Doubao, GPT Image, OpenAI Images-সামঞ্জস্যপূর্ণ মডেল বা স্থানীয় ComfyUI ব্যবহার করা যায়।
  • স্থানীয় গোপনীয়তা সংরক্ষণ: মডেল কনফিগারেশন বর্তমান ব্রাউজারে সংরক্ষিত থাকে; সফলভাবে তৈরি রেকর্ড IndexedDB-তে থাকে এবং ডিভাইসগুলোর মধ্যে সিঙ্ক হয় না।
  • ছবি দিয়ে একই ধরনের পোশাক খোঁজা: বড় ছবির বিবরণ ও ভার্চুয়াল পোশাক পরানোর এলাকায় Taobao ছবি অনুসন্ধান চালু করা যায়।
কীওয়ার্ড দিয়ে পোশাক অনুসন্ধান

প্রথম ধাপ: স্ট্যাটিক ফ্রন্টএন্ড চালান

ফ্রন্টএন্ড মূলত index.html, data.js ও assets/ নিয়ে গঠিত। কোনো নির্ভরতা ইনস্টল বা বিল্ড চালানোর প্রয়োজন নেই। রিপোজিটরি সংগ্রহ করার পর প্রকল্পের মূল ডিরেক্টরিতে যেকোনো স্ট্যাটিক ফাইল সার্ভার চালান।

Python ব্যবহার করে

python3 -m http.server 3000

Node.js ব্যবহার করে

npx serve -l 3000 .

এরপর http://localhost:3000 ঠিকানায় যান। আধুনিক ব্রাউজারে সরাসরি index.html খোলা যায়, তবে সম্পূর্ণ ইন্টারঅ্যাকশন পরীক্ষা করার জন্য স্থানীয় HTTP সার্ভিসের মাধ্যমে চালানো সাধারণত বেশি উপযোগী।

গ্যালারি ব্রাউজ, শ্রেণি ফিল্টার, দ্বিভাষিক অনুসন্ধান, বড় ছবি দেখা এবং মৌলিক পোশাক পরানোর স্টুডিওর জন্য API Key প্রয়োজন নেই এবং ব্যাকএন্ড ডিপ্লয় করাও বাধ্যতামূলক নয়। আসল আকারের PNG-এর মোট পরিমাণ 1GB-এর বেশি হওয়ায় সেগুলো রিপোজিটরিতে রাখা হয়নি; ডাউনলোড বোতাম মূল সাইটের রিসোর্সে নিয়ে যাবে।

দ্বিতীয় ধাপ: পোশাক ব্রাউজ ও অনুসন্ধান করুন

  1. শ্রেণি বেছে নিন: বসন্ত, গ্রীষ্ম, শরৎ, শীত ইত্যাদি শ্রেণি ব্যবহার করে ব্রাউজের পরিসর ছোট করুন।
  2. কীওয়ার্ড লিখুন: অনুসন্ধান বক্সে চীনা বা ইংরেজি পোশাকের বৈশিষ্ট্য লিখলে ফলাফল তাৎক্ষণিকভাবে আপডেট হবে।
  3. ভাষা বদলান: উপরের ডানদিকের ভাষা বোতাম ব্যবহার করে চীনা ও ইংরেজি ইন্টারফেসের মধ্যে পরিবর্তন করুন।
  4. বড় ছবি দেখুন: পোশাকের বিবরণ খোলার পর কীবোর্ডের বাম ও ডান তীর কী দিয়ে পাশের ছবি দেখা যায়; Esc চাপলে বন্ধ হবে।
  5. ডাউনলোড বা একই ধরনের পোশাক খুঁজুন: প্রয়োজনে আসল আকারের ডাউনলোড লিংক ব্যবহার করুন অথবা Taobao ছবি অনুসন্ধান খুলুন।

ওয়েবসাইট URL প্যারামিটারের মাধ্যমে নির্দিষ্ট ভাষা ও অনুসন্ধান অবস্থা শেয়ার করাও সমর্থন করে:

?lang=en
?q=lace
?lang=en&q=white

lang-এর মান zh বা en হতে পারে এবং q প্রাথমিক অনুসন্ধান শব্দ নির্ধারণ করে।

ইংরেজি মোড

তৃতীয় ধাপ: মৌলিক ভার্চুয়াল পোশাক পরানোর স্টুডিও ব্যবহার করুন

ফ্রন্টএন্ডে ভার্চুয়াল পোশাক পরানোর সুবিধা খুলে প্রথমে গ্যালারি থেকে একটি রেফারেন্স পোশাক বেছে নিন, তারপর একটি মানুষের ছবি আপলোড করুন। মৌলিক স্টুডিও অনলাইন প্রিভিউ, টেনে সরানো, আকার পরিবর্তন ও ব্যাকগ্রাউন্ড অপসারণ করে কম্পোজিট করা সমর্থন করে এবং কোনো বড় মডেল ব্যবহার করে না। পোশাককে মানবদেহের আকৃতির সঙ্গে আরও স্বাভাবিকভাবে মানিয়ে নিতে AI পোশাক পরিবর্তনের ব্যাকএন্ড ডিপ্লয় করতে হবে।

ছবি আপলোডের সময় ফ্রন্টএন্ড দীর্ঘতম বাহু স্বয়ংক্রিয়ভাবে 2048 পিক্সেলে ছোট করে এবং WebP-তে রূপান্তরকে অগ্রাধিকার দেয়; 0.90 থেকে 0.75 মানের ধাপ ব্যবহার করে কমপ্রেস করে।

চতুর্থ ধাপ: Docker দিয়ে AI পোশাক পরিবর্তনের ব্যাকএন্ড ডিপ্লয় করুন

ব্যাকএন্ড backend/-এ রয়েছে। হোস্ট মেশিনে Go কম্পাইল পরিবেশ ইনস্টল না করার জন্য Docker Compose ব্যবহার করার পরামর্শ দেওয়া হয়।

cp backend/.env.example backend/.env
docker compose up -d

backend/.env সম্পাদনা করে ব্যবহারের পরিকল্পনা করা মডেলের কী প্রবেশ করান। সার্ভিস চালু হলে ডিফল্টভাবে http://localhost:8000-এ শোনে। ফ্রন্টএন্ডও যদি localhost বা 127.0.0.1 দিয়ে খোলা হয়, এটি স্বয়ংক্রিয়ভাবে http://127.0.0.1:8000-এ সংযোগের চেষ্টা করবে।

Docker Run ব্যবহার করে

cd backend
docker build -f manifest/docker/Dockerfile -t costume-tryon .
docker run -d --name costume-tryon -p 8000:8000 -e ARK_API_KEY="আপনার Doubao ArkKey" -e OPENAI_API_KEY="sk-আপনার OpenAIKey" costume-tryon

Docker ব্যবহার না করে

Windows ব্যবহারকারীরা backend/restart.bat চালাতে পারেন। Go ইনস্টল করা থাকলে সরাসরি চালু করাও যায়:

cd backend
export ARK_API_KEY="আপনার Key"
go run main.go

Windows PowerShell-এ পরিবেশ ভেরিয়েবলের লিখনরীতি হলো $env:ARK_API_KEY="আপনার Key"।

পঞ্চম ধাপ: পোশাক পরিবর্তনের মডেল কনফিগার করুন

মডেল কনফিগারেশন ফাইল backend/manifest/config/config.yaml-এ রয়েছে; টেমপ্লেট হলো config.example.yaml। প্রতিটি মডেলের জন্য প্রোটোকল, API Key, পরিবেশ ভেরিয়েবলের নাম, Base URL ও প্রকৃত মডেলের নাম আলাদাভাবে নির্ধারণ করা যায়।

llm:
  models:
    gpt-image:
      provider: openai
      envKey: "OPENAI_API_KEY"
      baseURL: "https://api.openai.com/v1"
      model: "gpt-image-2"

    doubao:
      provider: doubao
      envKey: "ARK_API_KEY"
      baseURL: "https://ark.cn-beijing.volces.com/api/v3"
      model: "doubao-seedream-3-0-t2i-250415"

    gemini:
      provider: gemini
      envKey: "GEMINI_API_KEY"
      baseURL: "https://generativelanguage.googleapis.com/v1beta"
      model: "gemini-3.1-flash-image"

কনফিগারেশনের apiKey-এর চেয়ে পরিবেশ ভেরিয়েবলের অগ্রাধিকার বেশি। Tongyi Wanxiang, Zhipu CogView, SiliconFlow ইত্যাদি OpenAI Images প্রোটোকল-সামঞ্জস্যপূর্ণ সার্ভিস যুক্ত করতে provider: openai সহ একটি মডেল অংশ যোগ করে সংশ্লিষ্ট Base URL ও মডেলের নাম লিখুন; অ্যাডাপ্টেশন কোড পরিবর্তনের প্রয়োজন নেই।

ষষ্ঠ ধাপ: ফ্রন্টএন্ডকে ব্যাকএন্ডের সঙ্গে যুক্ত করুন

ফ্রন্টএন্ড নিচের অগ্রাধিকার অনুযায়ী AI পোশাক পরিবর্তনের সার্ভিস খোঁজে:

  1. সেটিংস সেন্টারে সংরক্ষিত “ব্যাকএন্ড API ঠিকানা”।
  2. পৃষ্ঠা লোড হওয়ার আগে সেট করা গ্লোবাল ভেরিয়েবল window.AI_API_URL।
  3. URL-এর tryon প্যারামিটার।
  4. স্থানীয়ভাবে ফ্রন্টএন্ড访问 করার সময় http://127.0.0.1:8000-এ ফিরে যাওয়া।

সবচেয়ে সহজ উপায় হলো পৃষ্ঠার উপরের ডানদিকে সেটিংস সেন্টার খুলে http://localhost:8000 প্রবেশ করানো। নিচের শেয়ার ঠিকানাটিও ব্যবহার করা যায়:

https://আপনার ফ্রন্টএন্ড ঠিকানা/?tryon=http://localhost:8000

সেটিংস সেন্টারে প্রোটোকল, মডেলের নাম, Base URL, API Key এবং আলাদা ব্যাকএন্ড অ্যাক্সেস Token সংরক্ষণ করা যায়। ব্যক্তিগত মডেল কনফিগারেশন শুধু বর্তমান ব্রাউজারে সংরক্ষিত থাকে; তৈরির সময় একবারের অনুরোধের সঙ্গে সাময়িকভাবে ব্যাকএন্ডে পাঠানো হয়, ব্যাকএন্ডের ডেটাবেস, কনফিগারেশন ফাইল বা ব্যবসায়িক লগে লেখা হয় না। শেয়ার করা ডিভাইস ব্যবহার শেষে স্থানীয় কনফিগারেশন মুছে ফেলা উচিত।

স্থানীয় ComfyUI অফলাইন পোশাক পরিবর্তন

কম্পিউটারে স্বতন্ত্র গ্রাফিক্স কার্ড থাকলে বা স্থানীয় নেটওয়ার্কে ComfyUI হোস্ট থাকলে API Key ছাড়াই স্থানীয় সমাধান ব্যবহার করা যায়। প্রকল্পটি Qwen-Image-Edit-2511 Int8, 4 ধাপের Lightning LoRA এবং MiniMax H3 ওয়ার্কফ্লো সমর্থন করে; পছন্দের ওয়ার্কফ্লো প্রস্তুত না থাকলে H3-এ ফিরে যেতে পারে।

  1. ComfyUI চালু করুন; ডিফল্ট ঠিকানা http://127.0.0.1:8188।
  2. backend/README.MD অনুসারে Qwen-Image-Edit-2511 মডেল ও Lightning LoRA রাখুন।
  3. ComfyUI মডেল অংশ ও ওয়ার্কফ্লো ফাইল কনফিগার করুন।
  4. ওয়েবপৃষ্ঠার সেটিংস সেন্টারে “ComfyUI স্থানীয়” বেছে নিয়ে সংযোগ সফল হলে সংরক্ষণ করুন।
comfyui:
  provider: comfyui
  baseURL: "http://127.0.0.1:8188"
  model: "qwen-image-edit-2511"
  workflowPath: "workflows/comfyui_qwen_image_edit_2511_api.json"

উন্নত কৌশল ও প্রোডাকশন ডিপ্লয়মেন্টের পরামর্শ

উপযুক্ত মডেল সমাধান বেছে নিন

  • ComfyUI: স্থানীয় গ্রাফিক্স কার্ড আছে, গোপনীয়তাকে গুরুত্ব দেন এবং API খরচ এড়াতে চান এমন ব্যবহারকারীদের জন্য উপযোগী।
  • Gemini: README-তে Nano Banana 2, অর্থাৎ gemini-3.1-flash-image-কে ক্লাউডের প্রস্তাবিত ডিফল্ট সমাধান হিসেবে উল্লেখ করা হয়েছে।
  • Doubao Seedream: চীনের অভ্যন্তরীণ নেটওয়ার্কে ব্যবহারযোগ্য সমাধান প্রয়োজন এমন ব্যবহারকারীদের জন্য উপযোগী।
  • GPT Image 2: OpenAI Images প্রোটোকল ব্যবহার করে; সামঞ্জস্যপূর্ণ তৃতীয় পক্ষের মধ্যবর্তী ঠিকানাও কনফিগার করা যায়।

পাবলিক নেটওয়ার্কের নিরাপত্তা সীমা সক্রিয় করুন

ব্যাকএন্ড পাবলিক নেটওয়ার্কে প্রকাশ করার সময় শুধু ডিফল্ট সার্ভিস উন্মুক্ত করা উচিত নয়। প্রকল্পে Bearer Token প্রমাণীকরণ, নির্দিষ্ট CORS হোয়াইটলিস্ট, টোকেন-বাকেট রেট লিমিটিং, দৈনিক কোটা এবং গ্লোবাল ও একক সত্তার সমসাময়িক অনুরোধ নিয়ন্ত্রণ রয়েছে। README-তে দেওয়া ডিফল্ট মান হলো প্রতি মিনিটে 10টি অনুরোধ, প্রতিদিন 100টি অনুরোধ, গ্লোবাল 2টি সমসাময়িক অনুরোধ এবং একক সত্তার 1টি সমসাময়িক অনুরোধ। নির্দিষ্ট প্রোডাকশন কনফিগারেশনের জন্য backend/DEPLOY.md দেখুন।

ব্যাকএন্ড কেবল JPEG, PNG এবং WebP-এর প্রকৃত ছবির কনটেন্ট গ্রহণ করে। একক ছবির সর্বোচ্চ সীমা 8 MiB, আর দুটি ছবির সম্মিলিত সর্বোচ্চ সীমা 16 MiB; ছবির প্রতিটি মাত্রা 256 থেকে 8192 পিক্সেলের মধ্যে হতে হবে এবং মোট পিক্সেল ২ কোটি অতিক্রম করা যাবে না। এই সীমাগুলো জাল ফাইল, কোড ইনজেকশন এবং ডিকম্প্রেশনজনিত পিক্সেল বোমার ঝুঁকি কমাতে ব্যবহৃত হয়।

স্থানীয় ডেটা ও গোপনীয়তার সীমারেখা বোঝা

সফল AI পোশাক পরিবর্তনের ফলাফল বর্তমান ব্রাউজারের IndexedDB-তে সংরক্ষিত হবে। এগুলো দেখা, ডাউনলোড, একে একে মুছে ফেলা অথবা সব একসঙ্গে পরিষ্কার করা যায়। রেকর্ড আপলোড করা হয় না এবং স্বয়ংক্রিয়ভাবে অন্য ডিভাইসে সিঙ্কও হয় না। ব্যক্তিগত Base URL ডিফল্টভাবে localhost, অভ্যন্তরীণ নেটওয়ার্ক এবং সংরক্ষিত ঠিকানায় নির্দেশ করা নিষিদ্ধ করে, যাতে উন্মুক্ত ব্যাকএন্ডকে অভ্যন্তরীণ নেটওয়ার্কের অনুরোধের প্রক্সি হিসেবে ব্যবহার করা না যায়।

পোশাকের ডেটা সম্প্রসারণ

গ্যালারির ডেটা data.js-এ সংরক্ষিত থাকে। প্রতিটি রেকর্ডে id, カテゴリ, キーワード, サムネ, 画像 এবং 原寸 থাকে। মূল ডেটার সঙ্গে সামঞ্জস্যের জন্য এই জাপানি ক্ষেত্রের নামগুলো অপরিবর্তিত রাখা হয়েছে; ফ্রন্টএন্ড স্বয়ংক্রিয়ভাবে শ্রেণি ও কীওয়ার্ডকে চীনা বা ইংরেজিতে স্থানীয়করণ করে। ডেটা সম্প্রসারণের সময় বিদ্যমান ক্ষেত্রের কাঠামো এবং ছবির পথের নিয়ম অনুসরণ করতে হবে।

উপসংহার

拍片哥女装 একটি ব্যবহার-প্রস্তুত দ্বিভাষিক AI পোশাক-রেফারেন্স গ্যালারি হিসেবে কাজ করতে পারে, আবার একাধিক মডেলভিত্তিক ভার্চুয়াল ট্রাই-অন প্রকল্পের ফ্রন্টএন্ড ও ব্যাকএন্ড ভিত্তি হিসেবেও ব্যবহার করা যায়। প্রথমবার ব্যবহারের সময় শুধু স্ট্যাটিক ফ্রন্টএন্ড চালু করলেই হবে; প্রকৃত AI পোশাক পরিবর্তনের প্রয়োজন হলে, চাহিদা অনুযায়ী Docker ক্লাউড মডেল অথবা ComfyUI স্থানীয় সমাধান বেছে নিন। প্রকল্পটি MIT License-এর অধীনে প্রকাশিত, তাই বাণিজ্যিক ব্যবহার, পরিবর্তন, ইন্টিগ্রেশন এবং বিতরণ অনুমোদিত; তবে প্রয়োজনীয় লাইসেন্স ঘোষণা সংরক্ষণ করতে হবে এবং মনে রাখতে হবে, গ্যালারির সব ছবি AI-নির্মিত ধারণাভিত্তিক পোশাকের নকশা, বাস্তব ব্র্যান্ডের পণ্যের ছবি নয়।