অ্যাপলের নতুন পদ্ধতিতে ভিডিও বানানো এখন দ্রুত ও সাশ্রয়ী
অ্যাপলের গবেষকরা একটি নতুন পদ্ধতি উদ্ভাবন করেছেন যা টেক্সট-টু-ভিডিও জেনারেশনের গতি বাড়িয়ে তুলবে। এই পদ্ধতিতে অপ্রয়োজনীয় গণনা বাদ দিয়ে ভিডিও তৈরির সময় উল্লেখযোগ্যভাবে কমিয়ে আনা সম্ভব। ফলে ভিডিও জেনারেশন মডেলগুলো আরও কার্যকর ও সহজলভ্য হয়ে উঠবে।
অ্যাপলের গবেষকরা একটি নতুন পদ্ধতি উদ্ভাবন করেছেন যা টেক্সট-টু-ভিডিও জেনারেশনের গতি বাড়িয়ে তুলবে। এই পদ্ধতিতে অপ্রয়োজনীয় গণনা বাদ দিয়ে ভিডিও তৈরির সময় উল্লেখযোগ্যভাবে কমিয়ে আনা সম্ভব। ফলে ভিডিও জেনারেশন মডেলগুলো আরও কার্যকর ও সহজলভ্য হয়ে উঠবে।
অ্যাপলের গবেষকরা টেক্সট-টু-ভিডিও জেনারেশনের গতি বাড়ানোর জন্য একটি নতুন পদ্ধতি ঘোষণা করেছে। এই পদ্ধতির নাম Calibrated Sparse Attention যা ভিডিও তৈরির সময় অপ্রয়োজনীয় কিছু গণনা বাদ দিয়ে কাজ করে। ফলে ভিডিও জেনারেশন প্রক্রিয়া আগের চেয়ে অনেক দ্রুত সম্পন্ন হবে এবং মানের কোনো তারতম্য হবে না।
সাম্প্রতিক বছরগুলোতে ডিফিউশন মডেলগুলো ভিডিও জেনারেশনের ক্ষেত্রে অসাধারণ ফলাফল দেখিয়েছে। তবে এই মডেলগুলো চালাতে প্রচুর সময় ও শক্তির প্রয়োজন হয়। অ্যাপলের গবেষকরা দেখেছেন যে টোকেন-টু-টোকেন সংযোগের একটি উল্লেখযোগ্য অংশ বিভিন্ন ইনপুটে নগণ্য স্কোর তৈরি করে। এই প্যাটার্নগুলো প্রায়ই একই ধরনের হয়, তাই এই গণনাগুলো বাদ দিলেও চূড়ান্ত ফলাফলে কোনো প্রভাব পড়ে না।
গবেষণাপত্রে বলা হয়েছে যে ট্রান্সফরমার-ভিত্তিক বড় মডেলগুলোতে স্প্যাটিওটেম্পোরাল অ্যাটেনশন প্রক্রিয়াই মূল বাধা। এই প্রক্রিয়ায় প্রতিটি টোকেন অন্য সব টোকেনের সাথে সম্পর্ক স্থাপন করে, যা অত্যন্ত সময়সাপেক্ষ। অ্যাপলের নতুন পদ্ধতি এই অপ্রয়োজনীয় সম্পর্কগুলো চিহ্নিত করে সেগুলো এড়িয়ে যায়। এতে করে প্রতিটি ধাপে যে পরিমাণ গণনা হয়, তা অনেক কমে যায়।
এই পদ্ধতির সবচেয়ে বড় সুবিধা হলো এটি বিদ্যমান মডেলগুলোর সাথে সহজেই মানিয়ে নেওয়া যায়। কোনো অতিরিক্ত হার্ডওয়্যার বা বিশেষ সেটআপের প্রয়োজন নেই। ফলে ডেভেলপাররা চাইলে তাদের নিজস্ব ভিডিও জেনারেশন মডেলগুলোতে এই পদ্ধতি প্রয়োগ করে গতি বৃদ্ধি করতে পারবে। অ্যাপল জানিয়েছে যে এই পদ্ধতিতে ভিডিওর কোয়ালিটি প্রায় অপরিবর্তিত থাকে, তবে রানটাইম উল্লেখযোগ্যভাবে কমে যায়।
বাংলাদেশের প্রযুক্তি খাতের জন্য এই খবরটি বিশেষভাবে তাৎপর্যপূর্ণ। স্থানীয় ডেভেলপার ও স্টার্টআপরা যারা কনটেন্ট তৈরি বা ভিডিও এডিটিং অ্যাপ নিয়ে কাজ করছে, তারা এই পদ্ধতি ব্যবহার করে তাদের প্রোডাক্ট আরও দ্রুত ও সাশ্রয়ী করতে পারবে। ফ্রিল্যান্সারদের জন্যও এটি সুবিধাজনক হবে, কারণ তারা কম সময়ে বেশি কাজ সম্পন্ন করতে পারবে। শিক্ষার্থী ও গবেষকদের জন্যও এটি গবেষণার নতুন দিক উন্মোচন করবে।
এই গবেষণা প্রমাণ করে যে ভিডিও জেনারেশন মডেলগুলোর কার্যকারিতা বাড়ানোর এখনও অনেক সুযোগ রয়েছে। অ্যাপলের এই পদ্ধতি ভবিষ্যতে আরও উন্নত ও দ্রুত ভিডিও জেনারেশন টুল তৈরিতে সহায়ক হবে। সাধারণ ব্যবহারকারীরাও এর ফলে উপকৃত হবে, কারণ দ্রুত ভিডিও তৈরির মাধ্যমে তারা আরও সহজে নিজেদের আইডিয়া বাস্তবায়ন করতে পারবে।
আরও পড়ুন
এই সংবাদটি আন্তর্জাতিক সূত্রের তথ্য অবলম্বনে AI-সহায়তায় বাংলায় উপস্থাপন ও বাংলাদেশের প্রেক্ষাপটে সম্পাদিত। মূল তথ্যের জন্য নিচের সূত্র দেখুন।
মূল প্রতিবেদন: Apple ML Research
সোর্স দেখুন ↗মন্তব্য০
লোড হচ্ছে...