Video Generation

Today's Stories

1. 1

   AMD Data Center রাজস্ব দ্বিগুণ, কিন্তু Nvidia ব্যবধান আরও বাড়ায়

   AMD রেকর্ড $11.54 billion রাজস্ব রিপোর্ট করেছে যেখানে ডেটা সেন্টার $6.72 billion এ দাঁড়িয়েছে যা বছরে ৭% বৃদ্ধি, এবং EPYC চিপ ৭০% এর বেশি এবং Instinct দ্বিগুণ বৃদ্ধি পেয়েছে। Nvidia তার দিকে $82 billion ত্রৈমাসিকে $75 billion ডেটা সেন্টার রাজস্ব পোস্ট করেছে, যা ৯২% বৃদ্ধি, এবং Blackwell প্রতিটি প্রধান হাইপারস্কেলারে শিপিং হচ্ছে। AMD Helios সিস্টেম (EPYC, MI450 GPU এবং Pensando নেটওয়ার্কিং সমন্বিত) গ্রাহক চাহিদা প্রদর্শন করছে যা বিক্রেতা-একমাত্র ঝুঁকি কমাতে ইন্ডাস্ট্রি খুঁজছে; তবুও Nvidia ৭৫% গ্রস মার্জিন এবং Vera Rubin প্রসেসরে দাবি করা ৩৫x উচ্চতর অনুমান থ্রুপুট সহ উল্লেখযোগ্যভাবে এগিয়ে থাকে। Nvidia CEO জেনসেন হুয়াং 2025 থেকে ক্যালেন্ডার 2027 পর্যন্ত Blackwell এবং Rubin রাজস্বে $1 trillion প্রত্যাশা করছেন।

   Anthropic Helios-এর প্রথম গিগাওয়াট 2027-তে শুরু হওয়ার সময়সূচী, এবং AMD Q3 জন্য ~$13 billion গাইডেন্স এবং 2027 জুড়ে ডেটা সেন্টার দ্বিগুণ বৃদ্ধির প্রত্যাশা পূরণ করে কিনা। Nvidia বিশ্লেষকরা চীন নীতির প্রভাব এবং 75% গ্রস মার্জিন রক্ষার ক্ষমতা পর্যবেক্ষণ করছেন।

2. 2

   এআই স্টার্টআপ চার সপ্তাহে ২ মিলিয়ন ডলারে ১১০ মিনিটের ফিচার ফিল্ম তৈরি করেছে

   কী ঘটেছে: হিগসফিল্ড এআই নামের একটি স্টার্টআপ মাত্র চার সপ্তাহে ২ মিলিয়ন ডলার বাজেটে 'দ্য কালি হিল বয়েজ' নামের ১১০ মিনিটের অ্যাকশন-কমেডি ফিল্ম তৈরি করেছে, যার অর্ধেক খরচ এআই টোকেনে ব্যয় হয়েছে। চলচ্চিত্রটি লাইসেন্সপ্রাপ্ত সেলিব্রিটি চেহারা ব্যবহার করে এবং পূর্ব লন্ডনের র‍্যাপারদের অনুসরণ করে যারা একটি সঙ্গীত ভিডিওর জন্য একটি নৌকা চুরি করে এবং অপরাধ সংঘের মধ্যে জড়িয়ে পড়ে। এটি কেন গুরুত্বপূর্ণ: এই ফিল্মটি প্রমাণ করে যে এআই ভিডিও প্রোডাকশন এখন সম্পূর্ণ দৈর্ঘ্যের চলচ্চিত্রে স্কেল করতে পারে, যা ছোট ক্লিপের বিপরীত একটি পরিবর্তন। প্রযুক্তি এখনও দৃশ্যমান ত্রুটি প্রদর্শন করে—অবাস্তব পলিশ, প্রায়শই স্পষ্ট এআই প্রজন্ম এবং অসামঞ্জস্যপূর্ণ চরিত্র প্রতিক্রিয়া—কিন্তু মানব স্ক্রিনরাইটারের সংলাপ এবং গল্পের কাঠামো ইঙ্গিত করে যে এআই টুলগুলি সৃজনশীলদের জন্য গণতান্ত্রিক, সাশ্রয়ী দীর্ঘ-ফর্ম প্রোডাকশনের দিকে এগিয়ে যাচ্ছে।

   কী পর্যবেক্ষণ করতে হবে: হিগসফিল্ড এআই বলেছে যে এটি সৃজনশীলদের জন্য স্কেলেবল এআই ওয়ার্কফ্লো প্রদান করার পরিকল্পনা করছে, যা সংস্থা ভিডিও প্রোডাকশনের খরচ এবং সময় কমাতে একটি বাজার সুযোগ দেখছে বলে ইঙ্গিত করে। ফিল্মটির মিশ্র সম্পাদন—শক্তিশালী লেখা, দৃশ্যমান প্রজন্মের নিদর্শন—প্রযুক্তি এখনও কোথায় পরিমার্জন প্রয়োজন তা দেখায়।

3. 3

   ডেভেলপার pagedMark তৈরি করেছেন, যা নিজের তৈরি ছবি থেকে AI ওয়াটারমার্ক সরায়

   কী ঘটেছে: একজন ডেভেলপার pagedMark তৈরি করেছেন, এটি একটি টুল যা AI প্রোভিনেন্স মার্কার—দৃশ্যমান লেবেল এবং অদৃশ্য পিক্সেল-এম্বেডেড ওয়াটারমার্ক উভয়ই—ছবি এবং ভিডিও থেকে সরিয়ে দেয়। টুলটি ছবিগুলো পুনর্জন্ম করে অদৃশ্য চিহ্নগুলি দূর করে, যখন ভিজ্যুয়াল সাদৃশ্য বজায় রাখার চেষ্টা করে এবং বর্তমানে ছবির জন্য ChatGPT, gpt-image API, Z-Image Turbo এবং Nano Banana থেকে ওয়াটারমার্ক সমর্থন করে, এবং ভিডিওর জন্য Sora, Veo, Seedance, Hailuo এবং Kling থেকে দৃশ্যমান মার্ক এবং মেটাডেটা সমর্থন করে। কেন এটি গুরুত্বপূর্ণ: AI-তৈরি সামগ্রী ক্রমবর্ধমানভাবে মেটাডেটা এবং এম্বেডেড সিগন্যাল বহন করে (যেমন SynthID ওয়াটারমার্ক) যা এর উৎপত্তি চিহ্নিত করে। যারা নিজেদের AI-তৈরি উপাদান নিয়ে কাজ করেন, তাদের জন্য এই চিহ্নগুলো কর্মপ্রবাহ জটিল করতে পারে—স্ক্রিনশট মতো সহজ অপসারণ পদ্ধতি পিক্সেল-স্তরের মার্কার দূর করে না। pagedMark এই সমস্যার সমাধান করে প্রভাবিত সামগ্রী পুনর্জন্ম করে, যদিও ব্যবহারকারীদের জানতে হবে যে আউটপুট আসলটি থেকে আলাদা হতে পারে (মুখ, পাঠ্য এবং ছোট বিবরণ পরিবর্তিত হতে পারে)।

   যা দেখতে হবে: টুলটি Apple Silicon Mac-এ 8 GB এবং 16 GB মেমরি সহ পরীক্ষা করা হয়েছে, মেমরি-সচেতন প্রক্রিয়াকরণ অন্তর্নির্মিত রয়েছে নিম্ন-স্পেক মেশিনগুলিতে সম্পদ সীমাবদ্ধতা পরিচালনা করতে।

4. 4

   একটি LLM কি সম্পূর্ণ দৈর্ঘ্যের চলচ্চিত্র একাই তৈরি করতে পারে?

   কী ঘটেছে: LessWrong-এ একটি পোস্ট এই প্রশ্ন উত্থাপন করে যে একটি বড় ভাষা মডেল (LLM)—একটি AI সিস্টেম যা পাঠ্য বোঝে এবং তৈরি করে—মানুষের হস্তক্ষেপ ছাড়াই স্বাধীনভাবে একটি সম্পূর্ণ দৈর্ঘ্যের চলচ্চিত্র তৈরি করতে পারে কিনা। কেন এটি গুরুত্বপূর্ণ: এই প্রশ্নটি সৃজনশীল উৎপাদনে বর্তমান AI সক্ষমতার সীমানা অন্বেষণ করে, এবং পাঠ্য-ভিত্তিক AI সিস্টেমগুলি জটিল, দীর্ঘস্থায়ী সৃজনশীল কাজগুলি পরিচালনা করতে পারে কিনা তা স্পর্শ করে যেগুলির জন্য আখ্যান সামঞ্জস্য, গঠন এবং একটি চলচ্চিত্রের সময়কাল জুড়ে ক্রমাগত আউটপুট প্রয়োজন।

   লক্ষ্য রাখার বিষয়: প্রশ্নটি নিজেই খোলা থাকে; পোস্টটি এটিকে একটি সমাধানকৃত অনুসন্ধান হিসাবে নয় বরং একটি অনুসন্ধান হিসাবে উপস্থাপন করে, চলচ্চিত্র উৎপাদনে LLM-এর প্রযুক্তিগত এবং সৃজনশীল সীমাবদ্ধতা সম্পর্কে আলোচনার আমন্ত্রণ জানায়।

5. 5

   OpenAI-র নেতৃত্বের সংকট: টিকে থাকার প্রশ্ন উঠেছে

   কী ঘটেছে: OpenAI ২০২৬ সালের ১০ আগস্ট ৮৫২ বিলিয়ন ডলারের স্ব-অর্থায়িত টেন্ডার অফার বন্ধ করেছে, এবং তার কয়েক দিনের মধ্যেই প্রধান পরিচালক Brad Lightcap (১১ আগস্ট) এবং প্রধান রাজস্ব কর্মকর্তা Denise Dresser (১৩ আগস্ট) চলে গেছেন। CNBC রিপোর্ট করেছে যে ২০২৬ সালে কমপক্ষে এক ডজন সিনিয়র নেতা প্রস্থান করেছেন, যার মধ্যে নৈতিকতা এবং নিরাপত্তা বিভাগের প্রধানরাও রয়েছেন। কেন এটি গুরুত্বপূর্ণ: Ed Zitron-র নিউজলেটার দাবি করে যে OpenAI-র বার্ষিক চলমান হার ৪০ বিলিয়ন ডলার (মোটামুটি ২০২৫ সালের দ্বিগুণ) বৃদ্ধি হ্রাস লুকিয়ে রাখে, যখন ২০৩০ সালের মধ্যে পরিকল্পিত কম্পিউট ব্যয় ৭৫০ বিলিয়ন ডলার ৮০০ বিলিয়ন ডলারের উপরে বাধ্যবাধকতা বৃদ্ধি করে—এমন একটি ফাঁক যা তিনি বলেন প্রতি বছর ১০০ বিলিয়ন থেকে ২০০ বিলিয়ন ডলার সংগ্রহ করা প্রয়োজন, যা তিনি "প্রায় অসম্ভব" বলে অভিহিত করেছেন। OpenAI প্রেসিডেন্ট Greg Brockman জবাব দিয়েছেন যে প্রস্থানগুলি একটি স্পটলাইটে থাকা কোম্পানির জন্য উল্লেখযোগ্য নয় এবং জুলাইতে মাসিক চলমান হার ২০% বৃদ্ধি পেয়েছে, ৩২% ব্যবসায়িক-গ্রাহক বৃদ্ধি সহ।

   যা লক্ষ্য করতে হবে: OpenAI তার ১ ট্রিলিয়ন ডলার লক্ষ্য মূল্যায়নে বা তার কাছাকাছি IPO নথি দাখিল করবে কিনা (CEO Sam Altman এর নিচে কিছু কে "non-starter" বলে অভিহিত করেছেন), Microsoft বাণিজ্যিক শর্তাবলী পুনরায় আলোচনা করবে কিনা, এবং এন্টারপ্রাইজ রাজস্ব ভোক্তা রাজস্ব অতিক্রম করা চালিয়ে যাবে কিনা—OpenAI-র এন্টারপ্রাইজ ব্যবসা সর্বশেষ ত্রৈমাসিকে প্রথমবারের মতো ভোক্তার উপরে গেছে।

6. 6

   মার্কেটারদের জন্য ২০২৬ সেরা এআই ইমেজ ও ভিডিও টুল

   কী ঘটেছে: মার্কেটারদের জন্য একাধিক ফরম্যাট তৈরির কাজে Getimg.ai এর মতো একীভূত প্ল্যাটফর্ম ব্যবহার করা সুবিধাজনক, কারণ এটি বিভিন্ন টুল ব্যবহারের ঝামেলা কমায়। Getimg.ai ইমেজ, ভিডিও, সঙ্গীত, কণ্ঠস্বর এবং সাউন্ড ইফেক্ট তৈরি এবং সম্পাদনা একটি কর্মক্ষেত্রে করে; ইমেজ এবং ভিডিও আপস্কেলিং, স্মার্ট রিসাইজিং, পটভূমি অপসারণ এবং প্রতিস্থাপন অন্তর্ভুক্ত। কেন এটি গুরুত্বপূর্ণ: ছোট দল সম্পদ সরানোর জন্য সেগুলি তৈরি করার চেয়ে বেশি সময় হারায়। একটি একীভূত প্ল্যাটফর্ম এক সাবস্ক্রিপশনে একাধিক মডেল অ্যাক্সেস করতে দেয়, যা আলাদা অ্যাকাউন্ট এবং প্রক্রিয়া পরিচালনা দূর করে। Getimg প্রতিটি ক্রেডিট স্তরকে প্রকৃত আউটপুটে রূপান্তরিত করে—উদাহরণস্বরূপ Entry পরিকল্পনায় ৩,০০০ ক্রেডিট প্রায় ২০০টি FLUX.2 ইমেজ বা ১০টি Kling ভিডিওর সমান।

   দেখার বিষয়: Kling ৩.০ Curious Refuge-এর ২০২৬ মডেল পরীক্ষায় মোট ৮.১ এবং ভিজ্যুয়াল নির্ভুলতায় ৮.৪ স্কোর করেছে, যা এই ক্ষেত্রে সর্বোচ্চ। বার্ষিক বিলিং ২০% সাশ্রয় প্রদান করে। ইমেজ, ভিডিও, অডিও তৈরির জন্য বিশুদ্ধ সিনেমাটিক কাজে Runway এবং Luma গভীর বৈশিষ্ট্য প্রদান করে; Adobe বা Canva-এর মধ্যে ইতিমধ্যে কাজ করা দলগুলি অনুমোদন কর্মপ্রবাহে থাকা প্রায়শই জয়ী হয়।