MiniMax H3: এক মডেলেই ভিডিও, ছবি, লেখা ও স্টেরিও অডিও — 2K ভিডিও বানানোর সুযোগ
চীনের প্রযুক্তি প্রতিষ্ঠান MiniMax তাদের নতুন omni-modal মডেল H3 প্রকাশ করেছে। এটি একই সাথে ভিডিও, ছবি, লেখা ও অডিও পড়তে এবং 2K রেজোলিউশনে স্টেরিও সাউন্ডসহ 15 সেকেন্ডের ক্লিপ তৈরি করতে পারে। এই মডেল মাল্টিমিডিয়া তৈরিতে নতুন দিগন্ত খুলে দেবে বলে ধারণা করা হচ্ছে।
চীনের প্রযুক্তি প্রতিষ্ঠান MiniMax তাদের নতুন omni-modal মডেল H3 প্রকাশ করেছে। এটি একই সাথে ভিডিও, ছবি, লেখা ও অডিও পড়তে এবং 2K রেজোলিউশনে স্টেরিও সাউন্ডসহ 15 সেকেন্ডের ক্লিপ তৈরি করতে পারে। এই মডেল মাল্টিমিডিয়া তৈরিতে নতুন দিগন্ত খুলে দেবে বলে ধারণা করা হচ্ছে।
চীনের প্রযুক্তি প্রতিষ্ঠান MiniMax তাদের নতুন omni-modal মডেল MiniMax H3 প্রকাশ করেছে। এটি একটি সাধারণ টেক্সট-টু-ভিডিও মডেল নয়। MiniMax একে 'জেনারেল-পারপাস মাল্টিমোডাল জেনারেশন মডেল' হিসেবে বর্ণনা করেছে। এই মডেল লেখা, ছবি, ভিডিও এবং অডিওকে একীভূত কনটেক্সট হিসেবে পড়তে পারে। তারপর এটি নেটিভ স্টেরিও সাউন্ডসহ ভিডিও তৈরি করে।
MiniMax H3-এর সবচেয়ে বড় বৈশিষ্ট্য হলো এটি 2K রেজোলিউশনে ভিডিও তৈরি করতে পারে। ব্যবহারকারীরা 4 থেকে 15 সেকেন্ডের ক্লিপ তৈরি করতে পারবেন। এখানে সময়ের দৈর্ঘ্য পূর্ণসংখ্যা (integer) হিসেবে নির্ধারণ করা যায়। অর্থাৎ 5 সেকেন্ড, 10 সেকেন্ড বা 15 সেকেন্ডের মতো নির্দিষ্ট দৈর্ঘ্যের ভিডিও বানানো যাবে। আগের মডেলগুলোর তুলনায় এই মডেল ভিডিওর সাথে স্বাভাবিক স্টেরিও অডিও তৈরি করতে পারে। ফলে ভিডিওতে সংলাপ বা পরিবেশের শব্দ অনেক বেশি বাস্তবসম্মত হবে।
এই মডেলের মূল শক্তি হলো এর omni-modal ক্ষমতা। সাধারণ AI ভিডিও মডেলগুলো শুধু টেক্সট থেকে ভিডিও তৈরি করে। কিন্তু MiniMax H3 একাধিক ফরম্যাটের তথ্য একসাথে প্রসেস করতে পারে। যেমন একটি ছবি এবং একটি অডিও ক্লিপ দিলে এটি সেগুলোর ভিত্তিতে একটি ভিডিও তৈরি করতে পারবে। এছাড়া এটি টেক্সট, ছবি, ভিডিও এবং অডিওকে একীভূত কনটেক্সট হিসেবে ব্যবহার করে। এর ফলে কনটেন্ট তৈরির প্রক্রিয়া অনেক সহজ এবং দ্রুত হয়।
টেকনিক্যাল দিক থেকে MiniMax H3 আগের মডেলগুলোর তুলনায় অনেক উন্নত। এটি একই সাথে ভিডিও এবং অডিও জেনারেট করতে পারে। আগে আলাদাভাবে ভিডিও তৈরি করে পরে অডিও যোগ করতে হতো। এখন এই মডেল এক ধাপেই দুইটি কাজ করে দেয়। এতে কনটেন্ট নির্মাতাদের সময় বাঁচবে। বিশেষ করে ইউটিউব, টিকটক বা ফেসবুকের জন্য ভিডিও তৈরি করেন এমন নির্মাতারা এই সুবিধা পাবেন।
বাংলাদেশের ডেভেলপার, ফ্রিল্যান্সার এবং কনটেন্ট নির্মাতাদের জন্য MiniMax H3 একটি গুরুত্বপূর্ণ হাতিয়ার হতে পারে। স্থানীয় নির্মাতারা এখন কম খরচে উচ্চমানের ভিডিও তৈরি করতে পারবেন। যেমন একটি গল্প বা স্ক্রিপ্ট লিখে দিলেই মডেলটি সেটির ভিত্তিতে ভিডিও এবং অডিও তৈরি করে দেবে। এতে করে অ্যানিমেশন বা বিজ্ঞাপনী ভিডিও তৈরির খরচ অনেক কমে যাবে। শিক্ষার্থী এবং গবেষকরা এই প্রযুক্তি ব্যবহার করে নতুন শিক্ষামূলক কনটেন্ট তৈরি করতে পারবেন। তবে এই প্রযুক্তি ব্যবহারের জন্য পর্যাপ্ত হার্ডওয়্যার বা GPU প্রয়োজন হবে।
বিশেষজ্ঞরা মনে করছেন, MiniMax H3 ভিডিও জেনারেশনের ক্ষেত্রে একটি বড় পরিবর্তন আনবে। কারণ এটি শুধু ভিডিও নয়, সাথে অডিওও তৈরি করে। ফলে AI দিয়ে সম্পূর্ণ মাল্টিমিডিয়া কনটেন্ট তৈরি করা সম্ভব হবে। তবে এখনও এই মডেলটি কবে নাগাদ সাধারণ ব্যবহারকারীদের জন্য উন্মুক্ত হবে তা জানা যায়নি। তবুও এই প্রযুক্তি ভবিষ্যতে কনটেন্ট তৈরির পদ্ধতি বদলে দিতে পারে বলে ধারণা করা হচ্ছে।
আরও পড়ুন
এই সংবাদটি আন্তর্জাতিক সূত্রের তথ্য অবলম্বনে AI-সহায়তায় বাংলায় উপস্থাপন ও বাংলাদেশের প্রেক্ষাপটে সম্পাদিত। মূল তথ্যের জন্য নিচের সূত্র দেখুন।
মূল প্রতিবেদন: MarkTechPost
সোর্স দেখুন ↗মন্তব্য০
লোড হচ্ছে...