সস্তা, দ্রুত এবং সাংস্কৃতিকভাবে সচেতন, অবতারের ভিডিও AI ভারতে স্কেলের জন্য তৈরি করা হয়েছে | টেকক্রাঞ্চ

মার্কিন যুক্তরাষ্ট্র, ইউরোপ এবং চীনের তুলনায় ভারতের এআই মডেলের উত্পাদন ধীর হয়েছে। শুধুমাত্র কয়েকটি স্টার্টআপ টেমপ্লেট প্রকাশ করছে এবং তাদের বেশিরভাগই বড় ভাষার টেমপ্লেট বা ভয়েস টেমপ্লেট। আরও উন্নয়নকে উত্সাহিত করার জন্য, সরকার ইন্ডিয়া এআই মিশন চালু করেছে, একটি মোটামুটি $1.2 বিলিয়ন উদ্যোগ যা অন্যান্য জিনিসের মধ্যে, নির্বাচিত স্টার্টআপগুলিকে তাদের মডেলগুলি সর্বজনীনভাবে প্রকাশ করার বিনিময়ে ভর্তুকিযুক্ত GPU কম্পিউটিং অ্যাক্সেস দেয়। প্রোগ্রামের জন্য নির্বাচিত 12টি স্টার্টআপের মধ্যে একটি, Avataar AI, Varya নামে একটি নতুন ভিডিও মডেল চালু করেছে যা স্থানীয় প্রেক্ষাপট বোঝার জন্য তৈরি করা হয়েছে, যেমন বিভিন্ন উত্সব, খাবার এবং পোশাক চিহ্নিত করা।

পিক XV-ব্যাকড স্টার্টআপ, যা ই-কমার্সের জন্য ভিডিও সরঞ্জাম তৈরির উপর দৃষ্টি নিবদ্ধ করে, স্ক্র্যাচ থেকে ভারিয়া তৈরি করেনি। এটি Wan 2.2 দিয়ে শুরু হয়েছিল, আলিবাবা দ্বারা প্রকাশিত একটি সর্বজনীনভাবে উপলব্ধ ভিডিও জেনারেশন মডেল, এবং পাতন নামক একটি কৌশল ব্যবহার করেছিল, যা মূলত মডেলের ক্ষমতাগুলিকে একটি দ্রুত সংস্করণে সংকুচিত করে যা অবতারের নির্দিষ্ট ব্যবহারের ক্ষেত্রে অপ্টিমাইজ করা হয়েছে৷ ফলাফল হল একটি মডেল যা Wan 2.2 এর 50 এর পরিবর্তে চারটি ধাপে চলে, 10 গুণ দ্রুত এবং খরচের একটি অংশে ভিডিও তৈরি করে৷

এটিকে সুনির্দিষ্ট ভাষায় বলতে: একটি NVIDIA H200 GPU ব্যবহার করে, Varya Wan 2.2-এর 1,230 সেকেন্ডের তুলনায় 45 সেকেন্ডে একটি 5-সেকেন্ডের 720p ক্লিপ রেন্ডার করতে পারে।

ভারিয়ার সবচেয়ে আকর্ষণীয় দিকটি হতে পারে এর দাম। কোম্পানি তার হোস্ট করা পরিষেবাতে ভিডিওর প্রতি সেকেন্ডে ₹0.48 ($0.005) চার্জ করার পরিকল্পনা করেছে, যা Veo, Kling, Luma এবং Runway-এর মতো মডেলগুলির তুলনায় অনেক সস্তা, যা সাধারণত প্রতি সেকেন্ডে $0.10 বা তার বেশি চার্জ করে। এটি প্রায় 20 গুণের মূল্যের পার্থক্য।

“ভারত একটি ভিডিও-প্রথম বাজার। আমরা ভারতের সমস্ত বৃহৎ গ্রাহক ইন্টারনেট পণ্য জুড়ে এটি দেখতে পাই: ভিডিও টেক্সট বিট করে। বর্তমান এআই ভিডিও মডেলগুলি ভারতে জনসংখ্যা-স্কেল ব্যবহারের জন্য অত্যন্ত ব্যয়বহুল। যদি ভিডিও AI ছাত্র, শিক্ষক, এসএমই, নির্মাতা, ব্যবসা এবং উপযোগী প্রতিষ্ঠানের কাছে পৌঁছাতে থাকে, তাহলে খরচ নাটকীয়ভাবে কমতে হবে। “ভারতীয় AI আনলকারের জন্য খরচ হল সবচেয়ে বড়। টেকক্রাঞ্চ।

ইমেজ এবং ভিডিও জেনারেশন মডেলগুলি প্রায়ই সাংস্কৃতিক সূক্ষ্মতা মিস করে এবং স্টেরিওটাইপিক্যাল বা জেনেরিক আউটপুট তৈরি করে, একটি সমস্যা টেকক্রাঞ্চ আগে রিপোর্ট করেছে। Avataar AI বলে যে এটি খাদ্য, পোশাক, স্থাপত্য এবং উত্সবগুলির মতো সাংস্কৃতিক সূক্ষ্মতাগুলি সনাক্ত করতে ভারিয়াকে প্রশিক্ষণ দেওয়ার জন্য কিউরেটেড ডেটা ব্যবহার করেছে।

ভারিয়াকে ভারতের AI Kosh পোর্টালে একটি ওপেন ওয়েট মডেল হিসেবে প্রকাশ করা হবে, ভারত সরকারের সেন্ট্রালাইজড রিপোজিটরি সর্বজনীনভাবে উপলব্ধ AI মডেল এবং ডেটাসেটের জন্য, এর প্রশিক্ষণ ডেটা সহ, যার অর্থ বিকাশকারীরা তাদের নিজস্ব প্রয়োজন অনুযায়ী সেগুলি হোস্ট বা পরিবর্তন করতে পারে। Avataar তার এন্টারপ্রাইজ গ্রাহকদের জন্য টেমপ্লেটটি উপলব্ধ করার পরিকল্পনা করেছে এবং বলে যে এটি Higgsfield এবং Adobe Firefly এর মতো ভিডিও সরঞ্জামগুলির সাথে অংশীদারিত্বের জন্য উন্মুক্ত। যে কেউ এখন তাদের ওয়েবসাইটে টেক্সট প্রম্পট বা রেফারেন্স ইমেজ ব্যবহার করে এটি পরীক্ষা করতে পারে।

ভারিয়া চালু করা ভারতের এআই উচ্চাকাঙ্ক্ষার একটি মূল প্রতিশ্রুতি প্রতিফলিত করে। শিল্পের অভিজ্ঞরা উল্লেখ করেছেন যে ভারত মৌলিক মডেলগুলিতে প্রতিযোগিতা না করে অ্যাপ্লিকেশন এবং একটি শক্তিশালী বিকাশকারী বাস্তুতন্ত্র তৈরি করে AI-তে তার চিহ্ন তৈরি করতে পারে। এবং সেই বাস্তববাদের একটি কারণ রয়েছে: কম্পিউটিং শক্তির অভাব এবং সীমিত মানের ডেটার প্রাপ্যতার কারণে বিশ্বব্যাপী প্রতিদ্বন্দ্বীদের তুলনায় ভারতে মডেলের বিকাশ ধীর হয়েছে।

ভারতের এআই মিশন সেই ব্যবধানটি বন্ধ করার জন্য একটি বৃহত্তর সরকারী চাপের অংশ। গত বছর, এটি AI মডেলগুলি তৈরি করতে এবং তাদের সাশ্রয়ী কম্পিউটিং সরবরাহ করতে Avataar AI সহ 12টি স্টার্টআপ নির্বাচন করেছে। এই বছরের শুরুর দিকে, আইটি মন্ত্রী অশ্বিনী বৈষ্ণব বলেছিলেন যে ভারতের লক্ষ্য 2028 সালের মধ্যে 200 বিলিয়ন ডলার AI বিনিয়োগ আকর্ষণ করা এবং ছয় মাসের মধ্যে তার GPU ক্ষমতা দ্বিগুণেরও বেশি।