গুগল আই/ও সম্মেলন: সিনেমা নির্মাণের এআইসহ আরও যেসব ঘোষণা এল

প্রযুক্তির জগতে আলোড়ন তুলে গতকাল মঙ্গলবার (২০ মে) থেকে শুরু হয়েছে গুগলের বার্ষিক ডেভেলপার সম্মেলন ‘গুগল আই/ও ২০২৫ ’। প্রথম দিনেই কৃত্রিম বুদ্ধিমত্তা (এআই) নিয়ে একের পর এক চমক দেখিয়েছে গুগল, যা প্রযুক্তিপ্রেমীদের মধ্যে ব্যাপক আগ্রহ তৈরি করেছে। বিশেষ করে জেমিনির নতুন আপডেট, উন্নত ভিডিও ও ইমেজ জেনারেশন প্রযুক্তি, এজেন্টিক এআই টুলস এবং সার্চ ও কমিউনিকেশন অ্যাপ্লিকেশনে এআই একীভূতকরণের মতো বেশ কিছু দিকপাল ফিচার উন্মোচন করে।

জেমিনির নতুন সংস্করণ

গুগলের সিইও সুন্দর পিচাইয়ের উপস্থাপনায় প্রথম দিনের মূল আকর্ষণ ছিল গুগলের নিজস্ব এআই মডেল ‘জেমিনি’র আপডেট। জেমিনি ২.৫ প্রোতে নতুন ‘ডিপ থিংক’ ফিচার যোগ করা হয়েছে, যা জটিল যুক্তি বিশ্লেষণে আরও পারদর্শী। জেমিনি অ্যাপে যুক্ত হচ্ছে ‘ডিপ রিসার্চ’ ও ‘এজেন্ট মোড’-এর মতো অত্যাধুনিক সুবিধা, যা ব্যবহারকারীদের কাজকে আরও সহজ করবে। খুব শিগগিরই গুগল ড্রাইভ ও জিমেইলের সঙ্গে সংযুক্ত হবে জেমিনি এবং ওয়েব ব্রাউজিংয়ের ক্ষমতাও বাড়বে। এমনকি ম্যাক ও উইন্ডোজ ডেস্কটপেও ক্রোম ব্রাউজারে জেমিনিকে দেখা যাবে, যা কোনো পেজ সম্পর্কে প্রশ্নের উত্তর দিতে পারবে।

গুগল জানিয়েছে, বর্তমানে জেমিনি অ্যাপসের মাসে সক্রিয় ব্যবহারকারীর সংখ্যা ৪০০ মিলিয়নের বেশি।

এ সপ্তাহেই জেমিনি লাইভের ক্যামেরা ও স্ক্রিন-শেয়ারিং ফিচার আইওএস এবং অ্যান্ড্রয়েড ব্যবহারকারীদের জন্য চালু হচ্ছে। প্রজেক্ট অ্যাস্ট্রার মাধ্যমে পরিচালিত এই ফিচার ব্যবহারকারীদের জেমিনির সঙ্গে লাইভ কথোপকথনের সুযোগ দেবে, একই সঙ্গে ফোনের ক্যামেরা বা স্ক্রিন থেকে ভিডিও লাইভ স্ট্রিম করে এআই মডেলের কাছে পাঠাবে।

গুগল আরও জানিয়েছে, জেমিনি লাইভ শিগগিরই গুগল ম্যাপস, গুগল ক্যালেন্ডার এবং গুগল টাস্কসের সঙ্গে গভীর ইন্টিগ্রেশনে যাবে। এটি দিকনির্দেশনা, ইভেন্ট তৈরি ও টুডু লিস্ট তৈরির মতো কাজ করতে পারবে।

জেমিনির আরেকটি ফিচার ডিপ রিসার্চ এখন আরও উন্নত হচ্ছে। ব্যবহারকারীরা এখন তাদের নিজের ব্যক্তিগত পিডিএফ ও ছবি আপলোড করে গবেষণা রিপোর্ট তৈরির জন্য ব্যবহার করতে পারবেন।

ভিডিও নির্মাণে বিপ্লব: ভিও ৩ ও ফ্লো

প্রথম দিনের সবচেয়ে আকর্ষণীয় ঘোষণাগুলোর মধ্যে উল্লেখযোগ্য ছিল নতুন জেনারেটিভ মিডিয়া টুলস ‘ভিও ৩’ ও ‘ফ্লো’র উন্মোচন।

ভিও ৩: গুগলের এই অত্যাধুনিক এআই মডেল শুধু টেক্সট প্রম্পট থেকে উচ্চমানের ভিডিওই তৈরি করবে না, বরং এতে স্বয়ংক্রিয়ভাবে অডিও, সংলাপ এমনকি ঠোঁট মেলানোর ক্ষমতাও থাকবে। এটি ভিডিও তৈরিতে এক নতুন মাত্রা যোগ করবে।

ফ্লো: এটি একটি নতুন এআইভিত্তিক চলচ্চিত্র নির্মাণের টুল, যা নির্মাতাদের জন্য ডিজাইন করা হয়েছে। ভিও, ইমেজেন ও জেমিনির মতো গুগলের সবচেয়ে উন্নত এআই মডেলগুলোর ওপর ভিত্তি করে তৈরি ‘ফ্লো’ তৈরি হয়েছে। এটি চলচ্চিত্র নির্মাতাদের টেক্সট প্রম্পট থেকে দৃশ্য, চরিত্র এবং চলচ্চিত্রের অন্যান্য উপাদান তৈরি করতে সহায়তা করবে।

ইমেজেন ৪ এআই ইমেজ জেনারেটর

শিগগিরই ইমেজেন ৪-এর এমন একটি সংস্করণ উন্মোচন করবে গুগল, যা ইমেজেন ৩-এর তুলনায় ১০ গুণ পর্যন্ত দ্রুত কাজ করতে সক্ষম হবে। গুগলের দাবি অনুযায়ী, ইমেজেন ৪ ছবি সূক্ষ্ম বিষয়গুলো আরও ভালোভাবে ফুটিয়ে তুলতে পারবে। যেমন: কাপড়ের বুনট, পানির ফোঁটা, প্রাণীর লোম ইত্যাদি। এটি ফটোরিয়ালিস্টিক বা বাস্তব এবং বিমূর্ত—দুই ধরনের স্টাইলেই ছবি তৈরি করতে পারে। এতে বিভিন্ন অ্যাসপেক্ট রেশিওতে এবং সর্বোচ্চ ২কে রেজল্যুশন পর্যন্ত ছবি তৈরি করা যায়।

ভিও ৩ এবং ইমেজেন ৪—উভয়ই ব্যবহৃত হবে ফ্লো নামের ভিডিও টুলে।

গুগল এআই সাবস্ক্রিপশন

গুগল দুটি সাবস্ক্রিপশন প্ল্যান—‘গুগল এআই প্রো’ ও নতুন ‘গুগল এআই আলট্রা’ ঘোষণা করেছে। এগুলো ব্যবহারকারীদের উন্নত জেমিনি ফিচারের অ্যাকসেস দেবে।

জেমিনি আলট্রা বর্তমানে শুধু যুক্তরাষ্ট্রে চালু হয়েছে। গুগলের দাবি অনুযায়ী, এটি তাদের কৃত্রিম বুদ্ধিমত্তা-চালিত অ্যাপ ও পরিষেবাসমূহ ব্যবহারের ক্ষেত্রে ‘সর্বোচ্চ স্তরের অ্যাকসেস’ প্রদান করে। এ পরিষেবাটির মাসিক সাবস্ক্রিপশন ফি ২৪৯ দশমিক ৯৯ ডলার। এটি মূলত গুগলের প্রিমিয়াম এআই পরিষেবাগুলোর একটি পূর্ণাঙ্গ প্যাকেজ, যা পেশাদার ব্যবহারকারীদের লক্ষ্য করে তৈরি।

জেমিনি আলট্রা সাবস্ক্রিপশনের মাধ্যমে ভিডিও জেনারেটর ভিও ৩ এবং ভিডিও এডিটিং অ্যাপ ফ্লো ব্যবহার করা যাবে। এ ছাড়া এই প্যাকেজের আওতায় রয়েছে জেমিনি ২.৫ প্রো ডিপ থিংক মোড নামের একটি শক্তিশালী এআই ফিচার। তবে এটি এখনো চালু হয়নি।

জেমিনি আলট্রা ব্যবহারকারীরা নোটবুকএলএম প্ল্যাটফর্মে আরও বেশি ব্যবহারসীমা পাবেন, যা গবেষণা ও তথ্য পেতে সাহায্য করবে। এ ছাড়া এই প্যাকেজের সাবস্কাইবাররা হুইস্ক নামের গুগলের ইমেজ এডিটিং অ্যাপেও বাড়তি সুবিধা উপভোগ করতে পারবেন। এটি ছবি রিমিক্স বা পরিবর্তনে ব্যবহৃত হয়।

এই সাবস্ক্রিপশনের মাধ্যমে ক্রোম ব্রাউজারে জেমিনি চ্যাটবট ব্যবহারের সুযোগ দেওয়া হবে। এ ছাড়া গুগলের প্রজেক্ট মেরিনার প্রযুক্তি দ্বারা চালিত কিছু ‘এজেন্টিক’ টুলস ব্যবহারের সুযোগও থাকছে।

সবচেয়ে বড় সুবিধাগুলোর মধ্যে রয়েছে ইউটিউব প্রিমিয়াম এবং গুগল ড্রাইভ, গুগল ফটোস ও জিমেইল মিলিয়ে মোট ৩০ টেরাবাইট স্টোরেজ, যা পেশাদার ব্যবহারকারীদের জন্য অত্যন্ত কার্যকর।

অ্যান্ড্রয়েড এক্সআর

স্মার্ট গ্লাস ও হেডসেটের জন্য অ্যান্ড্রয়েড এক্সআর প্ল্যাটফর্মে জেমিনি এআই নিয়ে আসা হচ্ছে, যা লাইভ অনুবাদ এবং নেভিগেশনের মতো সুবিধা দেবে।

ওয়্যারেবল ওস ৬

স্মার্টওয়াচের জন্য নতুন ইউআই ডিজাইনসহ এই অপারেটিং সিস্টেমের ঘোষণা করা হয়েছে।

প্রজেক্ট আস্ট্রা

একটি সর্বজনীন এআই সহকারীর জন্য গুগলের দূরদর্শী প্রকল্প, যেখানে লাইভ ভাষা অনুবাদের মতো ক্ষমতা প্রদর্শিত হয়েছে।

প্রজেক্ট মেরিনার

প্রজেক্ট মেরিনার গুগলের একটি পরীক্ষামূলক এআই এজেন্ট, যা ওয়েবসাইট ব্রাউজ ও ব্যবহার করতে পারে। গুগল বলছে, এটি এখন প্রায় এক ডজন কাজ একসঙ্গে করতে সক্ষম।

ব্যবহারকারীরা এখন কোনো ওয়েবসাইটে না গিয়েও গুগলের এআই এজেন্টকে দিয়ে বেসবল গেমের টিকিট কেনা বা অনলাইনে বাজার করার মতো কাজ করাতে পারবেন। শুধু চ্যাট করলেই এজেন্ট সেই ওয়েবসাইটে গিয়ে কাজটি করে দেবে।

স্টিচ

স্টিচ হলো একটি এআই টুল, যা ওয়েব ও মোবাইল অ্যাপের ফ্রন্টএন্ড ডিজাইন তৈরি করতে সাহায্য করে। এটি কয়েকটি শব্দ বা একটি ছবি থেকেই এইচটিএমএল ও সিএসএস মার্কআপসহ প্রয়োজনীয় ইউআই এলিমেন্ট তৈরি করতে পারে।

বিম ৩ডি টেলিকনফারেন্সিং

আগে যার নাম ছিল স্টারলাইন, সেই প্রযুক্তি এখন বিম নামে পরিচিত। এটি সফটওয়্যার ও হার্ডওয়্যারের সমন্বয়ে তৈরি, যেখানে ছয়টি ক্যামেরা ও একটি কাস্টম লাইট ফিল্ড ডিসপ্লে ব্যবহৃত হয়, যা একজনকে এমনভাবে ভিডিও কলে অংশগ্রহণ করতে দেয়, যেন তিনি একই রুমে উপস্থিত।

ওয়্যার ওএস ৬

ওয়্যার ওএস ৬-এ নতুন ইউনিফায়েড ফন্ট আনা হয়েছে, যা অ্যাপগুলোর টাইলসকে আরও পরিপাটি ও পরিচ্ছন্ন চেহারা দেবে। এ ছাড়া পিক্সেল ওয়াচে আসছে ডায়নামিক থিমিং, যার মাধ্যমে অ্যাপের রংগুলো ওয়াচ ফেইসের সঙ্গে স্বয়ংক্রিয়ভাবে মিলিয়ে যাবে।

গুগল প্লে

গুগল প্লে স্টোরে অ্যান্ড্রয়েড ডেভেলপারদের জন্য নতুন কিছু টুল যোগ করা হয়েছে। যেমন: সাবস্ক্রিপশন ম্যানেজমেন্ট সহজ করার জন্য উন্নত ব্যবস্থা

ব্যবহারকারীদের পছন্দ অনুযায়ী টপিক-ভিত্তিক পেজ, যেমন সিনেমা ও টিভি শো নিয়ে (শুধু যুক্তরাষ্ট্রে) অডিও স্যাম্পল দিয়ে অ্যাপ কনটেন্ট সম্পর্কে আগাম ধারণা দেওয়া।