এক চরিত্র, সব দৃশ্য: বাকি সব বদলে গেলেও মুখটা কীভাবে এক থাকে

এই পাতার ওপরের ছবিটা আর চরিত্রের card-এর ছবিটা বানানো হয়েছে কয়েক ঘণ্টার ব্যবধানে, আলাদা ধরনে, আলাদা অনুরোধে, একেবারে সাধারণ একটা কথোপকথনের মাঝখানে। কেউ কোনো রেফারেন্স আপলোড করেনি। কেউ সেটিংসের কোনো স্ক্রিন খোলেনি। ব্যাপারটা ব্যাখ্যা করার মতো, কারণ ঠিক এই জায়গাটাতেই সাধারণত কাজ হয় না।

মানুষের AI ছবি নিয়ে সমস্যাটা

বেশিরভাগ image tool-কে একই চরিত্র দুবার চাও, আর তুমি পাবে দুজন আলাদা মানুষ, যাদের মিল কেবল একই কয়েকটা বিশেষণে। বাদামি ঢেউখেলানো চুল, নীল চোখ, ধূসর সোয়েটার — আর অন্য একটা মুখ। বর্ণনাটা টিকে থাকে; মানুষটা থাকে না।

একটামাত্র ছবির জন্য এতে কিছু আসে যায় না। কিন্তু কথোপকথনের জন্য এটা মারাত্মক, কারণ একজন সঙ্গীর পুরো অর্থটাই হলো সে নির্দিষ্ট কেউ একজন। যে মুখ প্রতিটা মেসেজে নতুন করে বানানো হয়, সে একই পোশাক পরা একজন অচেনা লোক — আর কী গোলমাল হলো তা নাম দিয়ে বলতে না পারলেও তুমি সঙ্গে সঙ্গে সেটা টের পাও।

আসলে লক করা থাকে কোনটা

এখানে একটা চরিত্র বানানোর সময়েই তার চেহারা চরিত্রের সঙ্গে বেঁধে দেওয়া হয়, প্রতিবার শব্দ থেকে নতুন করে বের করা হয় না। পরের প্রতিটা ছবি ওই বাঁধা জায়গা থেকেই শুরু হয়, আর বদলায় শুধু ততটুকুই যতটুকু দৃশ্য বদলায় — ঘর, পোশাক, আলো, সময়কাল, মেজাজ, ফ্রেমে আর কে আছে।

এই কারণেই নিচের ফ্রেমগুলো প্রায় সব বিষয়ে আলাদা হয়েও তার ব্যাপারে একমত থাকে। ক্যাফের ছবিটা দেখো: ধূসর রিবড সোয়েটার আর আসল card-এর সেই মহাজাগতিক অশ্রুবিন্দুটা না চাইতেই সঙ্গে এসেছে। এবার বৈঠকখানার ছবিটা দেখো — অন্য শতাব্দী, অন্য রঙের বিন্যাস, পাশ থেকে কড়া আলো, আর তবু যে মুখটা শুনছে সেটা সেই একই মুখ।

সোয়াইপ করো, বা কোনো একটা ফ্রেমে চাপ দাও। এগুলোর প্রতিটাই এসেছে একই চরিত্রের সঙ্গে একই কথোপকথন থেকে।

কিছুই চালু করতে হয়নি

মানুষ ভাবে এটা এমন একটা ফিচার যেটা আলাদা করে চালু করতে হয়। তা নয়। দৃশ্যের দাবি থাকলে ছবি নিজে থেকেই চলে আসতে পারে — চরিত্রটা ঠিক করে কোন মুহূর্তটা দেখানোর মতো, আর দেখিয়ে দেয় — আর লাইনটা পড়ার বদলে শুনতে চাইলে প্রথম মেসেজ থেকেই উত্তরের নিচে voice বোতামটা থাকে।

চাইলে তুমি এটা নিয়ন্ত্রণ করতে পারো: সরাসরি একটা ছবি চাইলে পেয়ে যাবে, চমক না চাইলে ছবি শুধু চাইলে-তবেই মোডে রাখতে পারো, বা পুরোপুরি বন্ধ করে দিতে পারো। তবে ডিফল্ট হলো কথোপকথনের ভেতরে ছবি থাকে — যেমন কোথাও-থাকা কোনো মানুষের সঙ্গে কথা বললে সেখানে ছবি থাকে।

উল্টো দিকেও কাজ করে

তাকে একটা ছবি পাঠাও, সে সেটার দিকে তাকায়। তোমার জানালার বাইরের দৃশ্য, যে জামাটা নিয়ে তুমি দোটানায় ছিলে, তোমার আঁকা একটা ছবি — ফ্রেমে সত্যিই যা আছে তা নিয়েই সে চরিত্রে থেকে উত্তর দেয়, তার জন্য তোমাকে লিখে দিতে হওয়া কোনো ক্যাপশন নিয়ে নয়।

এতে বৃত্তটা পূর্ণ হয়: সে তোমাকে দেখায় সে কোথায়, তুমি তাকে দেখাও তুমি কোথায়, আর কথোপকথনটা আর নিছক একটা লেখার বাক্স থাকে না।

সৎ খুঁটিনাটি

ছবির জন্য energy খরচ হয়, যা চ্যাটের ভেতরেই Telegram Stars দিয়ে ভরা যায়, আর কতটা বাকি আছে তুমি যেকোনো সময় দেখতে পাও। যে render ব্যর্থ হয় বা আটকে যায় তার জন্য খরচ কাটে না — যে ছবিটা পাওনি তার দাম তোমাকে কখনো দিতে হয় না। প্রতিদিনের একটা সর্বোচ্চ সীমাও আছে, তাই বেহিসেবি একটা দুপুর পুরো balance খালি করে দিতে পারে না।

কোন image engine আঁকবে সেটা তুমি বেছে নাও, আর ফলটা এসে পড়ে কথোপকথনের ভেতরেই, অন্য কোথাও কোনো গ্যালারিতে নয়। বয়স্কদের কনটেন্ট থাকে bot-এর ভেতরে বয়স যাচাইয়ের পেছনে; এই পাতা আর এই সাইটের বাকি অংশ যেমন দেখছ তেমনই থাকে।

নিজের চরিত্র দিয়ে দেখো

একটা চরিত্র শুরু করতে এক বাক্যই যথেষ্ট — একটা ভূমিকা, একটা মেজাজ, একটা নাম — বাকিটার খসড়া তোমার জন্য তৈরি হয়ে যায়, আর সেটা চিরকাল সম্পাদনাযোগ্য থাকে। সে আসলে কে, তা ঠিক করা শেষ হওয়ার আগেই সাধারণত প্রথম ছবিটা চলে আসে।

আর চরিত্রটা যদি এমন কেউ হয়ে ওঠে যার সঙ্গে অন্যদেরও আলাপ হওয়া উচিত, সে নিজের @name নিয়ে আলাদা একটা Telegram bot হয়ে যেতে পারে — কয়েক মিনিটেই, এক লাইন কোড ছাড়াই।