লাইটট্রিক্সের নতুন এআই মডেল দ্রুত ভিডিও নির্মাণে বিপ্লব আনছে
লাইটট্রিক্স তাদের সর্বশেষ কৃত্রিম বুদ্ধিমত্তা (AI) মডেলের মাধ্যমে দ্রুত ভিডিও তৈরির নতুন মাত্রা স্থাপন করছে। প্রতিষ্ঠানটি দাবি করেছে, তাদের সদ্য প্রকাশিত LTX-2 ফাউন্ডেশন মডেল আগের তুলনায় অনেক দ্রুতগতিতে কনটেন্ট তৈরি করতে পারে—এমনকি প্লেব্যাক স্পিডেরও চেয়ে দ্রুত। তাছাড়া, এটি রেজোলিউশন ও মানের ক্ষেত্রেও নতুন মানদণ্ড স্থাপন করেছে।
এই ওপেন-সোর্স LTX-2 মডেল মাত্র পাঁচ সেকেন্ডে ছয়-সেকেন্ডের স্টাইলাইজড, হাই-ডেফিনিশন ভিডিও তৈরি করতে পারে, গুণমানের কোনো হ্রাস ছাড়াই। ফলে নির্মাতারা আগের তুলনায় অনেক দ্রুত পেশাদার মানের ভিডিও তৈরি করতে পারবেন।
তবে গতি-ই একমাত্র বিষয় নয় যা LTX-2-কে অন্যদের থেকে আলাদা করে তুলেছে। এটি অডিও ও ভিডিও সিন্থেসিসকে একত্রে সংযুক্ত করেছে, এবং যদি ব্যবহারকারীরা কয়েক সেকেন্ড বেশি অপেক্ষা করতে রাজি থাকেন, তবে তারা ৪কে রেজোলিউশন ও ৪৮ ফ্রেম-পার-সেকেন্ড (fps) পর্যন্ত মান উন্নত করতে পারবেন। আরও ভালো খবর হলো—এই সফটওয়্যারটি সাধারণ গ্রেডের GPU-তেও চালানো যায়, ফলে কম্পিউটিং খরচ ব্যাপকভাবে কমে আসে।
ডিফিউশন মডেলের বিকাশ
LTX-2 একটি ডিফিউশন মডেল, যা প্রথমে “নয়েজ” বা এলোমেলোতা যোগ করে এবং ধীরে ধীরে সেই নয়েজ কমিয়ে প্রশিক্ষিত ভিডিও ডেটার মতো ফলাফল তৈরি করে।
লাইটট্রিক্স এই প্রক্রিয়াকে দ্রুততর করেছে, যাতে সৃষ্টিকর্তারা প্রায় তাৎক্ষণিকভাবে লাইভ প্রিভিউ দেখতে পারেন এবং ধারণাগুলো আরও দ্রুত পরীক্ষা করতে পারেন। এই মডেল একইসঙ্গে অডিও তৈরি করতেও সক্ষম—তা হোক সাউন্ডট্র্যাক, সংলাপ বা পরিবেশগত শব্দ—ফলে সৃজনশীল প্রক্রিয়া অনেক সহজ হয়।
আগে নির্মাতাদের আলাদাভাবে অডিও তৈরি করে ভিডিওর সঙ্গে জোড়া লাগাতে হতো এবং সিঙ্ক্রোনাইজেশনে সময় ব্যয় করতে হতো। গুগলের Veo মডেলগুলো ইতিমধ্যেই সিঙ্কড সাউন্ড জেনারেশনের জন্য প্রশংসিত, আর LTX-এর নতুন সক্ষমতা দেখায় যে লাইটট্রিক্সের প্রযুক্তিও এখন অত্যাধুনিক পর্যায়ে পৌঁছেছে।
পেশাদারদের জন্য নমনীয়তা
লাইটট্রিক্স এখনও নির্মাতাদের জন্য নানা অপশন রাখছে। এর প্রধান প্ল্যাটফর্ম LTX Studio মূলত পেশাদারদের জন্য, যারা সর্বোচ্চ মানের ভিডিও তৈরির জন্য কিছুটা সময় ছাড় দিতে রাজি। এই সামান্য ধীর প্রক্রিয়ায় তারা নেটিভ ৪কে রেজোলিউশন এবং সর্বোচ্চ ৪৮ fps-এ সিনেমাটিক মানের ভিডিও তৈরি করতে পারবেন।
এই প্ল্যাটফর্মটি নানা সৃজনশীল কন্ট্রোল দেয়—যেমন পোজ ও ডেপথ কন্ট্রোল, ভিডিও-টু-ভিডিও জেনারেশন, এবং রেন্ডারিং অপশন—যার বিস্তারিত শীঘ্রই প্রকাশ করা হবে।
লাইটট্রিক্সের সহ-প্রতিষ্ঠাতা ও সিইও জিভ ফারবম্যান বলেন, “LTX-2 আমাদের তৈরি সবচেয়ে পরিপূর্ণ ও শক্তিশালী ক্রিয়েটিভ এআই ইঞ্জিন—যা একত্র করেছে সিঙ্ক্রোনাইজড অডিও-ভিডিও, ৪কে মান, নমনীয় ওয়ার্কফ্লো এবং অভাবনীয় দক্ষতা।”
তিনি আরও বলেন, “এটি কোনো পরীক্ষামূলক প্রজেক্ট নয়—এটি ভিডিও জেনারেশনে প্রকৃত এক যুগান্তকারী অগ্রগতি।”
একটি গুরুত্বপূর্ণ মাইলস্টোন
LTX-2 প্রকাশের মাধ্যমে লাইটট্রিক্স দেখিয়েছে যে তারা এআই ভিডিও প্রযুক্তির একেবারে শীর্ষে অবস্থান করছে। এটি পূর্ববর্তী LTXV মডেলগুলোর ধারাবাহিকতায় এসেছে, যেগুলো ইতিমধ্যেই শিল্পে নতুন দিগন্ত উন্মোচন করেছিল।
গত জুলাইয়ে কোম্পানির LTXV-2B ও LTXV-13B মডেল দীর্ঘ-দৈর্ঘ্যের ভিডিও তৈরিতে প্রথম সক্ষমতা আনে, যা সর্বোচ্চ ৬০ সেকেন্ড পর্যন্ত আউটপুট দিতে পারত। এতে ব্যবহারকারীরা লাইভ ভিডিও চলাকালীন সময়ে নতুন প্রম্পট যোগ করে “ডিরেক্টেড” ভিডিও প্রোডাকশন করতে পারতেন।
LTXV-13B ইতিমধ্যেই ছিল অন্যতম শক্তিশালী ভিডিও তৈরির মডেল। মে মাসে এটি প্রথমবারের মতো মাল্টি-স্কেল রেন্ডারিং সাপোর্ট দেয়, যার মাধ্যমে ব্যবহারকারীরা ধাপে ধাপে আরও রঙ ও বিস্তারিত যোগ করে ভিডিওকে উন্নত করতে পারতেন—যেমন অ্যানিমেটররা হাতে লেয়ার যোগ করেন।
এই মডেলটি Getty ও Shutterstock-এর লাইসেন্সকৃত ডেটায় প্রশিক্ষিত, ফলে কপিরাইট সমস্যা থেকেও মুক্ত।
লাইটট্রিক্স আরও একটি ডিস্টিলড সংস্করণ প্রকাশ করেছে, যা ডিফিউশন প্রক্রিয়াকে সরল ও দ্রুত করেছে—মাত্র ৪-৮ ধাপে কনটেন্ট তৈরি সম্ভব। এটি LoRA সাপোর্ট করে, ফলে ব্যবহারকারীরা নিজেদের পছন্দমতো স্টাইল-টিউন করা কনটেন্ট তৈরি করতে পারেন।
উদ্ভাবনী বিলিং ও অ্যাক্সেস
আগের মডেলগুলোর মতোই, LTX-2 ও ওপেন-সোর্স লাইসেন্সে প্রকাশিত হবে, যা আলিবাবার Wan2 সিরিজের বিকল্প হতে পারে। লাইটট্রিক্স জোর দিয়েছে যে এটি সত্যিকারের ওপেন-সোর্স—অর্থাৎ মডেলের ওজন (weights), ডেটাসেট ও টুলিংসহ সবকিছুই GitHub-এ প্রকাশ করা হবে।
বর্তমানে LTX Studio এবং API-এর মাধ্যমে এটি ব্যবহার করা যাচ্ছে, আর ওপেন-সোর্স সংস্করণটি নভেম্বরে প্রকাশিত হবে।
যারা পেইড API ব্যবহার করতে চান, তাদের জন্য লাইটট্রিক্সের ফ্লেক্সিবল প্রাইসিং আছে—
- HD ভিডিও (৫ সেকেন্ডে): প্রতি সেকেন্ড $0.04
- Pro সংস্করণ: প্রতি সেকেন্ড $0.07
- Ultra সংস্করণ (৪কে, ৪৮fps, পূর্ণ অডিও): প্রতি সেকেন্ড $0.12
রেজোলিউশন অনুযায়ীও দাম পরিবর্তিত হবে—৭২০p, ১০৮০p, ২কে, বা ৪কে বেছে নেওয়া যাবে।
লাইটট্রিক্সের দাবি, এর মডেলের দক্ষতার কারণে এই দাম প্রতিদ্বন্দ্বী মডেলগুলোর তুলনায় ৫০% পর্যন্ত কম, ফলে বড় প্রজেক্টেও এটি অর্থনৈতিকভাবে টেকসই এবং দ্রুততর। ওপেন-সোর্স সংস্করণ প্রকাশের পর সাধারণ GPU-তেও এটি চালানো যাবে।
