ইমেজেন (টেক্সট-টু-ইমেজ মডেল)

ইমেজেন হৈছে গুগল ডিপমাইণ্ডদ্বাৰা বিকশিত টেক্সট-টু-ইমেজ মডেলসমূহৰ এটা শৃংখল। ২০২৩ এপ্ৰিলত ডিপমাইণ্ডৰ সৈতে একত্ৰীকৰণ হোৱাৰ আগলৈকে ইয়াক গুগল ব্ৰেইনৰদ্বাৰা বিকশিত কৰা হৈছিল।^১ ইমেজেনৰ প্ৰধান ব্যৱহাৰ হৈছে টেক্সট প্ৰম্প্টৰপৰা ছবি সৃষ্টি কৰা, যি Stability AI-ৰ ষ্টেবল ডিফিউজন, OpenAI-ৰ DALL-E, বা মিডজাৰ্নিৰ দৰে। এই মডেলটোৰ মূল সংস্কৰণ প্ৰথমে ২০২২ চনৰ মে’ মাহত প্ৰকাশিত এখন বৈজ্ঞানিক প্ৰবন্ধত আলোচনা কৰা হৈছিল।^২ এই সঁজুলিয়ে উচ্চ-মানৰ ছবি সৃষ্টি কৰে আৰু গুগল একাউণ্ট থকা সকলো ব্যৱহাৰকাৰীৰ বাবে জিমিনি (চাটবট), ImageFX, আৰু Vertex AI-ৰ জৰিয়তে উপলব্ধ হয়।^৩

ইতিহাস

ইমেজেনৰ প্ৰথম সংস্কৰণ ২০২২ চনৰ মে’ মাহত প্ৰকাশিত এটা প্ৰবন্ধত পেশ কৰা হৈছিল। ইয়াত প্ৰাকৃতিক ভাষাৰপৰা উচ্চ-মানৰ ছবি সৃষ্টি কৰাৰ ক্ষমতা আছিল।^২ দ্বিতীয় সংস্কৰণ ইমেজেন ২ ২০২৩ চনৰ ডিচেম্বৰত মুক্তি পায়।^৪ ইয়াৰ বিশেষ বৈশিষ্ট্য আছিল টেক্সট আৰু লোগো সৃষ্টি।^৫ ইমেজেন ৩ ২০২৪ চনৰ আগষ্টত মুক্তি পায়।^৬ গুগলে দাবী কৰিছিল যে নতুন সংস্কৰণত ছবিৰ বিস্তাৰিত আৰু আলোকৰ মান উন্নত কৰা হৈছে।^৭ ২০২৫ চনৰ ২০ মে’ তাৰিখে Google I/O 2025-ত ইমেজেন ৪ মুক্তি পায়।^৮

প্ৰযুক্তি

ইমেজেনে দুটা মুখ্য প্ৰযুক্তি ব্যৱহাৰ কৰে। প্ৰথমটো হৈছে ট্ৰান্সফৰ্মাৰ-ভিত্তিক বৃহৎ ভাষা মডেল, বিশেষকৈ T5, যাৰদ্বাৰা টেক্সট বুজি লয় আৰু ইমেজ সংশ্লেষণৰ বাবে এনক’ড কৰে। দ্বিতীয়টো হৈছে স্তৰভিত্তিক ডিফিউজন মডেল, যাৰদ্বাৰা উচ্চ-মানৰ ছবি সৃষ্টি হয়। ই তিনিটা পৰ্যায়ত ছবি সৃষ্টি কৰে: প্ৰথমে 64x64, তাৰপাছত 256x256 আৰু শেষত 1024x1024লৈ আপস্কেল কৰা হয়।^২

ক্ষমতা

ইমেজেনে টেক্সট প্ৰম্প্টৰপৰা ফটো-বাস্তৱ ছবি সৃষ্টি কৰিব পাৰে।^৩ ই বিভিন্ন ধৰণৰ শৈলী সৃষ্টি কৰিব পাৰে, যেনে সিনেমাটিক, 35mm ফিল্ম, ইলাষ্ট্ৰেচন, আৰু সুৰ্ৰিয়েল। আন টেক্সট-টু-ইমেজ মডেলৰ দৰে য়ো মানুহৰ আঙুলি, লিখনী, এম্বিগ্ৰাম আৰু টাইপোগ্ৰাফীৰ ক্ষেত্ৰত অসুবিধা ভোগে।

মডেলটোৱে পাঁচটা অনুপাতত ছবি সৃষ্টি কৰিব পাৰে: 9:16, 3:4, 1:1, 4:3, আৰু 16:9। লগতে, ই আগতে সৃষ্টি কৰা ছবিসমূহ প্ৰম্প্ট সম্পাদনা কৰি পুনৰ উন্নত কৰিবও পাৰে।^৭

বাহ্যিক সংযোগ

• ইমেজেন ৱেবছাইট