ব্ল্যাক ফরেস্ট ল্যাবস FLUX 3 প্রকাশ করেছে, একটি মাল্টিমডাল ফাউন্ডেশন মডেল যেটি কোম্পানি বলে যে যৌথভাবে ছবি, ভিডিও এবং অডিও থেকে শেখে ভৌত জগতের একক উপস্থাপনা তৈরি করতে। 23 জুলাই, 2026-এ ঘোষণা করা হয়েছে, এবং এখন প্রারম্ভিক অ্যাক্সেসে উপলব্ধ, FLUX 3 মডেল-বাই-মডালিটি পদ্ধতির থেকে একটি উল্লেখযোগ্য স্থাপত্য প্রস্থানের প্রতিনিধিত্ব করে যা জেনারেটিভ AI, ধ্বসে পড়া ছবি তৈরি, নেটিভ সাউন্ড সহ ভিডিও তৈরি এবং এমনকি রোবট নিয়ন্ত্রণকে একটি ইউনিফাইড সিস্টেমে প্রাধান্য দিয়েছে।
উৎপাদক মিডিয়া স্পেসে তীব্র প্রতিযোগিতার একটি মুহুর্তে লঞ্চটি এসেছে, যেখানে রানওয়ে, ওপেনএআই-এর সোরা এবং গুগলের ভিও সহ খেলোয়াড়রা উচ্চ-মানের এবং আরও সক্ষম ভিডিও মডেল তৈরি করার জন্য দৌড়াচ্ছে। FLUX 3 একটি মৌলিকভাবে ভিন্ন ভিত্তি নিয়ে এই প্রতিযোগিতায় প্রবেশ করেছে: যে প্রতিটি মিডিয়া টাইপের জন্য পৃথক মডেল একটি কৃত্রিম সীমাবদ্ধতা। আমাদের চলমান AI শিল্প কভারেজ জেনারেটিভ মিডিয়া ল্যান্ডস্কেপের অংশ হিসেবে এর অগ্রগতি পর্যবেক্ষণ করা হচ্ছে।
বাস্তবতার একীভূত মডেল
রিলিজের সাথে একটি ব্লগ পোস্টে, ব্ল্যাক ফরেস্ট ল্যাবগুলি একাধিক পদ্ধতিতে একটি একক মডেলকে প্রশিক্ষণের জন্য তাত্ত্বিক প্রেরণা তুলে ধরেছে। সংস্থাটি যুক্তি দিয়েছিল যে কোনও একক পদ্ধতি - ছবি, ভিডিও বা অডিও - বাস্তবতার সম্পূর্ণ বিবরণ প্রদান করে না। প্রতিটি একই অন্তর্নিহিত ভৌত জগতের একটি অভিক্ষেপ, বিভিন্ন সেন্সর দ্বারা বন্দী, প্রতিটি প্রক্রিয়ায় তথ্য হারায়।
চিত্রগুলি নির্দিষ্ট সময়ে স্থানিক কাঠামো ক্যাপচার করে। ভিডিওগুলি সময়ের মাত্রা পুনরুদ্ধার করে এবং সাময়িক গতিশীলতা এবং শারীরিক আইন প্রকাশ করে। অডিও যান্ত্রিক ঘটনা এবং ধ্বনিবিদ্যার মধ্যে কার্যকারণ সম্পর্ক প্রকাশ করে যা একা দৃষ্টি সনাক্ত করতে পারে না। ভাষা এই উপলব্ধিগুলিকে লক্ষ্য, বিমূর্ততা এবং নির্দেশাবলীর সাথে সংযুক্ত করে, কোম্পানি লিখেছে।
একযোগে এই সব থেকে শেখার মাধ্যমে, মডেলের পারস্পরিক সীমাবদ্ধতা একা কোনো একক পদ্ধতির চেয়ে বেশি তথ্য প্রদান করে। ধ্বনিকে প্রভাবের সাথে মেলাতে হবে, গতিকে ভর মানতে হবে, ভবিষ্যৎকে অতীত থেকে অনুসরণ করতে হবে। পদ্ধতিগুলি পৃথক হওয়া বন্ধ করে এবং একটি অন্তর্নিহিত বাস্তবতার প্রমাণ হতে শুরু করে।
FLUX 3 হল কোম্পানির প্রথম মডেল যা সম্পূর্ণরূপে এই নীতির উপর নির্মিত, যাকে Black Forest Labs বলে সেল্ফ-ফ্লো — মাল্টিমোডাল জেনারেশন এবং একই অন্তর্নিহিত আর্কিটেকচারের মধ্যে দক্ষতার সাথে সারিবদ্ধ করার একটি পদ্ধতি।
নেটিভ অডিও সহ ভিডিও জেনারেশন
FLUX 3 এর সবচেয়ে তাৎক্ষণিকভাবে আকর্ষণীয় ক্ষমতা হল এটি একটি একক প্রজন্মের পাসে সিঙ্ক্রোনাইজ করা নেটিভ অডিওর সাথে 20 সেকেন্ড পর্যন্ত ভিডিও তৈরি করার ক্ষমতা। এটি বেশিরভাগ বিদ্যমান ভিডিও মডেল থেকে এটিকে আলাদা করে, যা নীরব ফুটেজ তৈরি করে যা আলাদাভাবে তৈরি করা অডিওর সাথে যুক্ত করা আবশ্যক।
কোম্পানির মতে, FLUX 3-এর ভিডিও আউটপুট মানুষের মুখের অভিব্যক্তি ক্যাপচার, শারীরিক ঘটনাগুলির সাথে শব্দ যুক্ত করা এবং বহুভাষিক ক্ষমতা সমর্থন করার ক্ষেত্রে বিশেষভাবে শক্তিশালী। এই ক্ষমতাগুলিকে কয়েক মিনিট স্থায়ী ক্রম তৈরি করতে একত্রিত করা যেতে পারে, যেখানে ভিজ্যুয়াল রেফারেন্সগুলি সমস্ত দৃশ্যে অক্ষরগুলি সামঞ্জস্যপূর্ণ থাকে তা নিশ্চিত করতে সহায়তা করে।
প্রশিক্ষণের সময় পরিচালিত প্রাথমিক মানবিক মূল্যায়নে, FLUX 3কে 77% তুলনার মধ্যে Runway Gen-4.5 এর চেয়ে এবং 93% তুলনার মধ্যে Luma Ray 3.2-এর উপরে অগ্রাধিকার দেওয়া হয়েছিল। নতুন প্রতিযোগীদের বিপরীতে, এটিকে 69% পর্যন্ত Grok Imagine Video, 60%-এ Kling v3 Pro, এবং Seedance 2.0 এবং Gemini Omni Flash 52% পর্যন্ত পছন্দ করা হয়েছে।
কোম্পানি সতর্ক করেছে যে এই ফলাফলগুলি প্রাথমিক এবং প্রাথমিক অ্যাক্সেস পর্বে আরও উন্নতি প্রত্যাশিত৷
ছবি এবং টেক্সট রেন্ডারিং
ভিডিওর বাইরে, FLUX 3 বিভিন্ন ধরণের শৈলী, আকৃতির অনুপাত এবং রেজোলিউশন জুড়ে চিত্রগুলিকে সংশ্লেষিত এবং সম্পাদনা করতে পারে। ব্ল্যাক ফরেস্ট ল্যাবগুলি জটিল প্রম্পটগুলি পরিচালনা করার এবং চিত্রগুলির মধ্যে সঠিক পাঠ্য তৈরি করার ক্ষেত্রে পূর্ববর্তী ফ্লুক্স সংস্করণগুলির তুলনায় উল্লেখযোগ্য উন্নতির রিপোর্ট করেছে - জেনারেটিভ ইমেজ মডেলগুলির জন্য একটি অবিরাম চ্যালেঞ্জ৷
FLUX 3 ইমেজ ক্ষমতার জন্য একটি প্রাথমিক অ্যাক্সেস পর্ব ভিডিও প্রকাশের পরের সপ্তাহগুলিতে খোলা হবে, কোম্পানি জানিয়েছে।
শারীরিক AI এর একটি সেতু
সম্ভবত FLUX 3 এর সবচেয়ে অপ্রচলিত দিক হল রোবোটিক্সে এর সম্প্রসারণ। মডেলের বিশ্ব বোঝা অ্যাকশন ভবিষ্যদ্বাণী পর্যন্ত প্রসারিত, কোম্পানি ব্যাখ্যা করেছে, ফিজিক্যাল AI-তে দুটি রুট নেওয়া: সরাসরি FLUX 3-এ নেটিভ অ্যাকশন ভবিষ্যদ্বাণীকে একীভূত করা, এবং সীমিত টাস্ক-নির্দিষ্ট ডেটার সাথে ফাইন-টিউন করা বিশেষ অ্যাকশন মডেলগুলির ভিত্তি হিসাবে পূর্বপ্রশিক্ষিত ভিডিও ব্যাকবোন ব্যবহার করা।
ব্ল্যাক ফরেস্ট ল্যাবগুলি মিমিক রোবোটিক্সের সাথে অংশীদারিত্ব করেছে, যেটি প্রথম কোম্পানিগুলির মধ্যে ছিল যারা FLUX 3-এ প্রথম দিকে অ্যাক্সেস পেয়েছে৷ একসাথে তারা FLUX-mimic তৈরি করেছে, একটি ভিডিও-অ্যাকশন মডেল যা FLUX 3 ব্যাকবোনকে মিমিকের দক্ষতার সাথে কৌশলী ম্যানিপুলেশনের জন্য রোবট শেখার দক্ষতার সাথে যুক্ত করেছে৷ কোম্পানির মতে, সিস্টেমটি ইতিমধ্যেই অডি-তে প্রকৃত উৎপাদন কাজগুলিতে পরীক্ষা করা হচ্ছে।
এটি একটি উল্লেখযোগ্য অভিন্নতার প্রতিনিধিত্ব করে: বিনোদন সামগ্রী তৈরি করতে ব্যবহৃত একই অন্তর্নিহিত প্রযুক্তি উত্পাদন পরিবেশে শারীরিক রোবট নিয়ন্ত্রণের জন্য প্রয়োগ করা হচ্ছে। কোম্পানীর থিসিস হল যে ফিজিক্যাল এআই এবং কন্টেন্ট তৈরি একই ভিত্তির উপর চলে, কারণ উভয়ের জন্য একটি মডেলের প্রয়োজন হয় যা বুঝতে পারে কিভাবে বস্তুগুলিকে একত্রিত করে, কীভাবে জিনিসগুলি নড়াচড়া করে এবং কীভাবে শারীরিক ঘটনাগুলি শব্দ উৎপন্ন করে।
প্রতিযোগিতা এবং বাজারের অবস্থান
লঞ্চটি ব্ল্যাক ফরেস্ট ল্যাবস - ব্যাপকভাবে ব্যবহৃত FLUX ইমেজ জেনারেশন মডেলগুলির পিছনে বার্লিন-ভিত্তিক স্টার্টআপ - জেনারেটিভ এআই স্পেসে আরও উচ্চাকাঙ্ক্ষী প্রতিযোগী হিসাবে অবস্থান করে৷ যদিও রানওয়ের মতো কোম্পানিগুলি ভিডিও এবং ওপেনএআই টেক্সট এবং মাল্টিমোডাল চ্যাটবটগুলিতে সংক্ষিপ্তভাবে ফোকাস করেছে, ব্ল্যাক ফরেস্ট ল্যাবগুলি বাজি ধরেছে যে ভিজ্যুয়াল, অডিটরি এবং ফিজিক্যাল ডোমেন জুড়ে সত্যিকারের একীভূত মডেল বিশেষ বিকল্পগুলির চেয়ে বেশি সক্ষম প্রমাণিত হবে৷
কোম্পানী বলেছে যে এটি ইতিমধ্যেই পরবর্তী প্রজন্মের মডেলগুলিতে কাজ করছে, একই মডেলে উপলব্ধিগত, কর্ম এবং ভাষার পূর্বাভাসকে একীভূত করার লক্ষ্য নিয়ে। আগামী সপ্তাহ এবং মাসগুলিতে, এটি একই অন্তর্নিহিত মাল্টিমডাল ফ্লো ম্যাচিং আর্কিটেকচার থেকে তৈরি অতিরিক্ত ক্ষমতাগুলি রোল আউট করবে, প্রতিটি প্রতিক্রিয়া এবং নিরাপত্তা পরীক্ষার জন্য প্রাথমিক অ্যাক্সেসের পর্যায় অনুসরণ করবে।
FLUX 3 এখন ভিডিও জেনারেশনের জন্য প্রারম্ভিক অ্যাক্সেসে উপলব্ধ, ইমেজ এবং অতিরিক্ত ক্ষমতা ক্রমবর্ধমানভাবে রোল আউট করে।
এআই থেকে এগিয়ে থাকুন
ছবি, ভিডিও, অডিও এবং রোবোটিক্সের প্রতি FLUX 3-এর একীভূত পদ্ধতি কীভাবে জেনারেটিভ এআই মডেলগুলি ডিজাইন করা হচ্ছে তার একটি উল্লেখযোগ্য পরিবর্তন চিহ্নিত করে৷ জেনারেটিভ মিডিয়া রেস এবং কৃত্রিম বুদ্ধিমত্তা জুড়ে সাম্প্রতিক উন্নয়ন সম্পর্কে আরও জানতে, আমাদের ব্রেকিং এআই নিউজ কভারেজ অনুসরণ করুন।
আরও এআই খবর পড়ুন →
