গুগল ডিপমাইন্ডের ভিও ৩.১ (Veo 3.1) আপডেট: পেশাদার নিয়ন্ত্রণ এবং নেটিভ ভার্টিক্যাল ভিডিওর নতুন দিগন্ত

১৩ জানুয়ারি, ২০২৬ তারিখে গুগল ডিপমাইন্ড তাদের অত্যাধুনিক ভিডিও জেনারেশন মডেল 'ভিও ৩.১' (Veo 3.1)-এর জন্য একটি বড় ধরণের ফিচার আপডেটের ঘোষণা দিয়েছে। এই আপডেটের মূল আকর্ষণ হলো "ইনগ্রেডিয়েন্টস টু ভিডিও" (Ingredients to Video) টুলসেট, যা নির্মাতাদের রেফারেন্স ইমেজ থেকে সিনেমাটিক মোশন তৈরির ক্ষেত্রে পেশাদার পর্যায়ের সূক্ষ্মতা প্রদান করবে। এই প্রযুক্তির মাধ্যমে সৃজনশীল ব্যক্তিরা এখন তাদের কল্পনাকে আরও বাস্তবসম্মতভাবে পর্দায় ফুটিয়ে তুলতে পারবেন।

বর্তমান সময়ের মোবাইল-নির্ভর কন্টেন্ট ব্যবহারের চাহিদাকে গুরুত্ব দিয়ে ভিও ৩.১-এ এখন নেটিভ ৯:১৬ ভার্টিক্যাল সাপোর্ট যুক্ত করা হয়েছে। এর ফলে ইউটিউব শর্টসের মতো প্ল্যাটফর্মগুলোর জন্য সরাসরি উচ্চমানের ফুল-স্ক্রিন কন্টেন্ট তৈরি করা সম্ভব হবে। আগে হরিজন্টাল বা আড়াআড়ি ফুটেজ ক্রপ করে ভার্টিক্যাল করার কারণে যে রেজোলিউশন বা গুণমান হারানোর ভয় থাকত, এই নতুন ফিচারের মাধ্যমে সেই সমস্যার স্থায়ী সমাধান করা হয়েছে।

উচ্চমানের প্রোডাকশন স্ট্যান্ডার্ড বা মান বজায় রাখতে গুগল এতে উন্নত ৪কে (4K) আপস্কেলিং প্রযুক্তি অন্তর্ভুক্ত করেছে। এই বৈশিষ্ট্যটি ভিডিওর টেক্সচার এবং অতি সূক্ষ্ম ডিটেইলগুলোকে আরও নিখুঁতভাবে ফুটিয়ে তোলে। এর ফলে এআই-জেনারেটেড ক্লিপগুলো এখন কেবল ছোট পর্দার জন্য নয়, বরং পেশাদার কাজের প্রয়োজনে বড় পর্দার প্রদর্শনীর জন্যও সম্পূর্ণ উপযোগী হয়ে উঠেছে।

এই আপডেটের অন্যতম প্রধান স্তম্ভ হলো আইডেন্টিটি এবং স্টাইলিস্টিক কনসিস্টেন্সি বা শৈল্পিক ধারাবাহিকতার ক্ষেত্রে এক অভাবনীয় সাফল্য। উন্নত "ইনগ্রেডিয়েন্টস টু ভিডিও" ফ্রেমওয়ার্ক এখন নির্মাতাদের জন্য আরও বহুমুখী নিয়ন্ত্রণ ব্যবস্থা নিয়ে এসেছে, যা ভিডিও তৈরির প্রতিটি ধাপে সৃজনশীল স্বাধীনতা নিশ্চিত করে।

• ট্রিপল-ইমেজ রেফারেন্সিং: ব্যবহারকারীরা এখন একটি ভিডিও তৈরির জন্য তিনটি পর্যন্ত রেফারেন্স ইমেজ প্রদান করতে পারবেন। যেমন—একটি নির্দিষ্ট চরিত্র, একটি নির্দিষ্ট পরিবেশ এবং একটি বিশেষ ভিজ্যুয়াল স্টাইল। এটি নিশ্চিত করে যে এআই বিভিন্ন দৃশ্যে চরিত্রের অবয়ব বা সাদৃশ্য নিখুঁতভাবে বজায় রাখছে।
• ফার্স্ট অ্যান্ড লাস্ট ফ্রেম কন্ট্রোল: এই শক্তিশালী নতুন ক্ষমতার মাধ্যমে নির্মাতারা একটি ভিডিওর ঠিক শুরুর এবং শেষ বিন্দু নির্ধারণ করে দিতে পারবেন। ভিও ৩.১ তখন এই দুটি স্থির চিত্রের মধ্যে একটি নিরবচ্ছিন্ন এবং সিনেমাটিক ট্রানজিশন বা রূপান্তর তৈরি করবে, যা পুরো ক্লিপের ভিজ্যুয়াল লজিক বজায় রাখে।
• সিন এক্সটেনশন: দীর্ঘ বর্ণনামূলক কাহিনী বা ন্যারেটিভ তৈরির সুবিধার্থে এই মডেলটি এখন ভিডিওর দৈর্ঘ্য বৃদ্ধি করতে পারে। এটি পূর্ববর্তী ক্লিপের শেষ ফ্রেমের ওপর ভিত্তি করে নতুন সেগমেন্ট তৈরি করে, যা দৃশ্য এবং গতির মধ্যে চমৎকার ধারাবাহিকতা নিশ্চিত করে।

ভিও ৩.১ এখন পেশাদার সিনেমাটোগ্রাফি কমান্ডগুলো আরও নির্ভুলভাবে বুঝতে এবং কার্যকর করতে সক্ষম। ব্যবহারকারীরা এখন "ডলি-ইন", "প্যান" বা "সিনেমাটিক লাইটিং"-এর মতো কারিগরি নির্দেশনার মাধ্যমে ভিডিওর দৃশ্যপট নিয়ন্ত্রণ করতে পারবেন। এটি ভিডিও নির্মাণের প্রক্রিয়াকে একজন দক্ষ সিনেমাটোগ্রাফারের হাতের ছোঁয়ার মতো জীবন্ত করে তোলে।

দৃশ্যমান উৎকর্ষের পাশাপাশি, ভিও ৩.১ এখন ভিডিওর সাথে পুরোপুরি সামঞ্জস্যপূর্ণ অডিও বা শব্দ তৈরি করতে পারে। এর মধ্যে রয়েছে পারিপার্শ্বিক শব্দ (Ambient sounds), সাউন্ড ইফেক্টস (SFX) এবং পরীক্ষামূলক লিপ-সিংকিং সুবিধা। এই সমন্বিত অডিও-ভিজ্যুয়াল অভিজ্ঞতা দর্শকদের এক নিমগ্ন এবং বাস্তবসম্মত সিনেমাটিক অনুভূতি প্রদান করবে।

ভিও ৩.১-এর এই নতুন ফিচারগুলো গুগলের বিশাল ইকোসিস্টেম জুড়ে একীভূত করা হচ্ছে। ব্যবহারকারীরা জেমিনি অ্যাপ এবং ফ্লো (Flow) ফিল্মমেকিং প্ল্যাটফর্মের মাধ্যমে এই সুবিধাগুলো গ্রহণ করতে পারবেন। এছাড়া এন্টারপ্রাইজ বা প্রাতিষ্ঠানিক ব্যবহারকারীদের জন্য জেমিনি এপিআই এবং ভার্টেক্স এআই-এর মাধ্যমে এই প্রযুক্তি উন্মুক্ত করা হয়েছে।

নিরাপত্তা এবং স্বচ্ছতা নিশ্চিত করতে ভিও ৩.১ দ্বারা তৈরি সমস্ত কন্টেন্টে 'সিন্থআইডি' (SynthID) ডিজিটাল ওয়াটারমার্ক এম্বেড বা যুক্ত করা থাকবে। এছাড়া ভিডিওর সত্যতা যাচাইয়ের জন্য ব্যবহারকারীরা যেকোনো ভিডিও জেমিনি অ্যাপে আপলোড করে পরীক্ষা করতে পারবেন যে সেটি গুগলের এআই টুল ব্যবহার করে তৈরি করা হয়েছে কি না। এই পদক্ষেপটি কৃত্রিম বুদ্ধিমত্তার দায়িত্বশীল ব্যবহারের ক্ষেত্রে একটি গুরুত্বপূর্ণ মাইলফলক।