Krea, একটি স্টার্টআপ বিল্ডিং সৃজনশীল AI টুল, Krea 2 (K2), প্রকাশ করেছে, একটি ওপেন-ওয়েট টেক্সট-টু-ইমেজ ফাউন্ডেশন মডেলের একটি পরিবার যা কোম্পানি বলেছে যে কৃত্রিম বিশ্লেষণ লিডারবোর্ডে সেরা 10 ইমেজ জেনারেটরের মধ্যে রয়েছে এবং স্বাধীন ল্যাব থেকে মডেলগুলির মধ্যে দ্বিতীয়। 23 জুন, 2026-এ প্রকাশিত একটি প্রযুক্তিগত প্রতিবেদনে বিশদভাবে প্রকাশিত রিলিজটি, দুটি মডেল চেকপয়েন্ট এবং একটি অনুমতিমূলক লাইসেন্স সহ জাহাজ যা সম্প্রদায়কে সূক্ষ্ম সুর করতে এবং এর উপরে তৈরি করতে আমন্ত্রণ জানায়।

একটি একক পালিশ ডিফল্ট আউটপুটের জন্য অপ্টিমাইজ করে এমন অনেক সাম্প্রতিক ইমেজ মডেলের বিপরীতে, Krea সৃজনশীল অন্বেষণের ধারণার চারপাশে Krea 2 ডিজাইন করেছে, একটি বিস্তৃত ভিজ্যুয়াল ডিস্ট্রিবিউশনকে প্রকাশ করেছে যা ব্যবহারকারীরা একটি সংকীর্ণ নান্দনিকতাকে বাধ্য করার পরিবর্তে নেভিগেট করতে পারে। For more context on this story, see our ongoing latest AI developments.

বিভিন্ন প্রয়োজনের জন্য দুটি চেকপয়েন্ট

Krea 2 রিলিজে দুটি স্বতন্ত্র চেকপয়েন্ট রয়েছে। প্রথম, K2 Raw, একটি নিরবচ্ছিন্ন বেস মডেল যা ফাইন-টিউনিং এবং প্রশিক্ষণ-পরবর্তী গবেষণার উদ্দেশ্যে তৈরি করা হয়েছে, যা ডেভেলপারদের মানিয়ে নেওয়ার জন্য একটি পরিষ্কার ভিত্তি দেয়। দ্বিতীয়টি, K2 টার্বো, একটি নির্দেশিকা- এবং টাইমস্টেপ-ডিস্টিল মডেল যা দ্রুত, কয়েক-ধাপে জেনারেশনের জন্য তৈরি করা হয়েছে, সৃজনশীল কর্মপ্রবাহের চাহিদা যে ধরনের দ্রুত পুনরাবৃত্তি।

একটি গবেষণা-বান্ধব বেস এবং একটি গতি-অপ্টিমাইজড বৈকল্পিক উভয়ই অফার করা একটি বাস্তবসম্মত বিভাজন প্রতিফলিত করে। গবেষক এবং টিঙ্কাররা পরীক্ষা করার জন্য কাঁচা মডেল পান, যখন উত্পাদন ব্যবহারকারীরা একটি দ্রুত চেকপয়েন্ট পায় যা গতির জন্য গুণমানের পথে সামান্য ত্যাগ করে।

এআই-জেনারেটেড প্রশিক্ষণ ডেটার বিরুদ্ধে একটি ইচ্ছাকৃত অবস্থান

ক্রিয়ার প্রযুক্তিগত প্রতিবেদনে সবচেয়ে আকর্ষণীয় দাবিগুলির মধ্যে একটি হল প্রশিক্ষণের ডেটা সম্পর্কিত। দলটি বলেছে যে এটি তার প্রাক-প্রশিক্ষণ মিশ্রণে কোনও এআই-উত্পন্ন চিত্র ব্যবহার করেনি। যদিও সিন্থেটিক ডেটা এবং পাতন মডেলের ক্ষমতা অর্জনের জন্য জনপ্রিয় শর্টকাট হয়ে উঠেছে, Krea খুঁজে পেয়েছে যে AI-উত্পন্ন চিত্রগুলির একটি ছোট অনুপাতও মডেলের আউটপুট বিতরণে পক্ষপাতিত্ব প্রবর্তন করেছে।

যুক্তিটি সোজা: কৃত্রিম চিত্রগুলি একটি মডেলের শেখার জন্য সহজ হতে থাকে, যা কার্যকরভাবে গুণমানের উপর একটি কৃত্রিম সিলিং আরোপ করে। নীতি প্রয়োগ করার জন্য, Krea অফ-দ্য-শেল্ফ ফিল্টারগুলির উপর নির্ভর না করে, তার ডেটাসেট থেকে AI-উত্পাদিত চিত্রগুলিকে ফিল্টার করার জন্য বিশেষভাবে ইন-হাউস ক্লাসিফায়ার তৈরি করেছে।

কোম্পানী তথ্য মানের উপর একটি বিপরীত দৃষ্টিভঙ্গি নিয়েছে. উচ্চ নান্দনিক স্কোরগুলির জন্য আক্রমনাত্মকভাবে ফিল্টার করার পরিবর্তে, যা ইচ্ছাকৃতভাবে ঝাপসা, দানাদার, বা অপ্রচলিত ছবিগুলিকে সরিয়ে দিতে পারে যা বৈধ শৈল্পিক পছন্দগুলিকে প্রতিনিধিত্ব করে, Krea বৈচিত্র্য এবং বিস্তৃত ডোমেন কভারেজের জন্য যুক্তি দিয়েছিল। ফলাফল, এটি বলে, শুধুমাত্র প্রচলিত সুন্দর চিত্রগুলিতে প্রশিক্ষিত সিস্টেমগুলির তুলনায় একটি বিস্তৃত অভিব্যক্তিপূর্ণ পরিসরের একটি মডেল।

আর্কিটেকচার এবং ট্রেনিং পাইপলাইন

Krea 2 একটি ট্রান্সফরমার আর্কিটেকচারের উপর নির্মিত যার চূড়ান্ত নকশা প্রতিবেদনে নথিভুক্ত বিস্তৃত বিমোচন অধ্যয়নের মাধ্যমে নির্বাচিত হয়েছিল। বিকল্প পরীক্ষা করার পর, দলটি টেক্সট এনকোডার হিসেবে গেটেড সিগময়েড অ্যাটেনশন, একটি SwiGLU MLP এবং Qwen 3 VL সহ গ্রুপড-কোয়ারি অ্যাটেনশন (GQA) স্থির করে। পজিশনাল এনকোডিং 3D অক্ষীয় রোটারি এম্বেডিং ব্যবহার করে এবং অটোএনকোডার Qwen ইমেজ VAE এবং FLUX 2 AE-কে একত্রিত করে।

প্রশিক্ষণ একটি বহু-পর্যায়ের পাঠ্যক্রম অনুসরণ করে। প্রাক-প্রশিক্ষণ 256px, 512px, এবং 1024px রেজোলিউশন পর্যায়গুলির মধ্য দিয়ে অগ্রসর হয়েছে, উচ্চ রেজোলিউশনে উচ্চ-বিশ্বস্ততা প্রজন্মকে তীক্ষ্ণ করার আগে দক্ষতার সাথে মূল ক্ষমতাগুলি তৈরি করতে কম-রেজোলিউশনের কাজে কম্পিউটের সিংহভাগ উৎসর্গ করে। একটি মধ্যপ্রশিক্ষণ পর্যায় বিরল এবং দীর্ঘ-টেইল ধারণাগুলির কভারেজ সংরক্ষণের জন্য শব্দার্থিক ক্লাস্টারিং এবং পুনরুদ্ধার-ভিত্তিক কৌশলগুলি ব্যবহার করে বিস্তৃত প্রাক-প্রশিক্ষণ বিতরণ এবং উচ্চ-মানের তত্ত্বাবধানকৃত ফাইন-টিউনিং বিতরণকে সেতু করে।

প্রজন্মকে অনুসন্ধানমূলক এবং পরিচালনাযোগ্য করে তোলা

Krea মডেলগুলিকে কীভাবে প্রশিক্ষিত করা হয় এবং কীভাবে ব্যবহারকারীরা প্রকৃতপক্ষে অভিপ্রায় প্রকাশ করে তার মধ্যে একটি অবিরাম ব্যবধান চিহ্নিত করেছে। প্রশিক্ষণের সময়, মডেলরা সমৃদ্ধ, ঘন ক্যাপশন থেকে শিখে। অনুমান করার সময়, ব্যবহারকারীরা প্রায়ই একটি দৃশ্যকে সুনির্দিষ্টভাবে বর্ণনা করার পরিবর্তে সংক্ষিপ্ত, অস্পষ্ট প্রম্পট বা মেজাজ বা রেফারেন্স চিত্রের দিকে ইঙ্গিত টাইপ করে।

সেই ব্যবধান বন্ধ করতে, Krea 2 জাহাজ দুটি সিস্টেম সহ। প্রথমটি হল একটি প্রম্পট এক্সপেন্ডার, ওপেন-সোর্স বৃহৎ ভাষার মডেলগুলির উপরে একটি দুই-পর্যায়ের তত্ত্বাবধানে সূক্ষ্ম-টিউনিং এবং শক্তিবৃদ্ধি শেখার পাইপলাইনের মাধ্যমে প্রশিক্ষিত, যা ব্যবহারকারীর অভিপ্রায়কে ওভাররাইট না করেই সহজ প্রম্পটগুলিকে সমৃদ্ধ ভিজ্যুয়াল দিকনির্দেশে ম্যাপ করে। দ্বিতীয়টি হল একটি স্টাইল-রেফারেন্স সিস্টেম যা ব্যবহারকারীদের ন্যূনতম বিষয়বস্তু ফাঁস সহ এক বা একাধিক রেফারেন্স চিত্রের স্টাইল বা মেজাজ ইনজেক্ট করতে দেয়, যা শৈলীর শক্তি এবং ওজনযুক্ত মিশ্রণের উপর সূক্ষ্ম-দানাযুক্ত নিয়ন্ত্রণ সরবরাহ করে।

একসাথে, এই উপাদানগুলি Krea 2 কে একটি অনুসন্ধানী মাধ্যম হিসাবে পুনরায় সংজ্ঞায়িত করে। একটি একক উত্তর ফেরত দেওয়ার পরিবর্তে, মডেলটি সম্ভাবনার একটি স্থান উন্মোচন করার জন্য ডিজাইন করা হয়েছে এবং ব্যবহারকারীদের পাঠ্য এবং চিত্র-ভিত্তিক নিয়ন্ত্রণ উভয়ই ব্যবহার করে এটির মধ্য দিয়ে যাওয়ার জন্য ব্যবহারিক উপায় দেওয়ার জন্য ডিজাইন করা হয়েছে।

প্রকৃত সত্তার জ্ঞান সংরক্ষণ করা

যেকোন ইমেজ জেনারেটরের জন্য একটি সূক্ষ্ম কিন্তু গুরুত্বপূর্ণ ক্ষমতা হল পরিচিত সত্তা, মানুষ, স্থান এবং বস্তুগুলিকে বিশ্বস্তভাবে উপস্থাপন করার ক্ষমতা যা ব্যবহারকারীরা কেবল নাম দ্বারা উল্লেখ করতে পারে। Krea উদ্বিগ্ন যে স্ট্যান্ডার্ড স্যাম্পলিং পদ্ধতিগুলি দুর্ঘটনাক্রমে ডেটা কিউরেশনের সময় বিরল বা গুরুত্বপূর্ণ ধারণাগুলি ফেলে দিতে পারে।

এটি প্রতিরোধ করার জন্য, দলটি ইংরেজি উইকিপিডিয়ার উপরে PageRank চালায়, র্যাঙ্ক অনুসারে নিবন্ধের শীর্ষ 90 শতাংশ ধরে রাখে, অর্থপূর্ণভাবে চিত্রিত করা যায় না এমন ধারণাগুলিকে ফিল্টার আউট করে, এবং তারপর তার ক্যাপশন ডেটাসেট জুড়ে কভারেজ যাচাই করে, সেই চিত্রগুলিকে অগ্রাধিকার দেয় যার ক্যাপশনগুলি বিরল ধারণাগুলিকে উল্লেখ করে৷ দলটি পরে নিশ্চিত করেছে যে প্রাথমিক ডেটাসেটে উপস্থিত কোনও ধারণা চূড়ান্ত প্রশিক্ষণের নমুনা থেকে সম্পূর্ণভাবে বাদ দেওয়া হয়নি।

ইমেজ এআই এর জন্য একটি প্রতিযোগিতামূলক ওপেন ফ্রন্টিয়ার

Krea 2 এর আগমন একটি ভিড় ওপেন-ওয়েট ইমেজ জেনারেশন ল্যান্ডস্কেপকে তীব্র করে তোলে। কোম্পানিটি তার মডেলটিকে কৃত্রিম বিশ্লেষণ টেক্সট-টু-ইমেজ লিডারবোর্ডে "শীর্ষ 10-এর মধ্যে" এবং "স্বতন্ত্র ল্যাব থেকে মডেলগুলির মধ্যে দ্বিতীয় স্থান" হিসাবে অবস্থান করে, একটি দাবি যে, যদি এটি বৃহত্তর সম্প্রদায়ের যাচাইয়ের অধীনে থাকে, তাহলে K2 কে সবচেয়ে শক্তিশালী প্রকাশ্যে উপলব্ধ ইমেজ জেনারেটরগুলির মধ্যে একটি করে তুলবে৷

প্রযুক্তিগত প্রতিবেদন, যা প্রায় 12,000 শব্দ চালায় এবং ডেটা কিউরেশন নীতিগুলি থেকে বিতরণ করা প্রশিক্ষণ অবকাঠামো পর্যন্ত সমস্ত কিছুর বিশদ বিবরণ দেয়, এটি একটি কৌশলগত উদ্দেশ্যেও কাজ করে। একটি প্রতিযোগিতামূলক মডেলের পিছনের পদ্ধতি প্রকাশ করে, Krea মুক্ত গবেষণা সম্প্রদায়ে বিশ্বাসযোগ্যতার মুদ্রা যাচাই, প্রজনন এবং উন্নতিকে আমন্ত্রণ জানাচ্ছে।

স্রষ্টা এবং ডেভেলপারদের জন্য, আপশট হল একটি সক্ষম, প্রকাশ্যে লাইসেন্সপ্রাপ্ত ইমেজ মডেল যা একটি একক নিরাপদ ডিফল্টের উপর সৃজনশীল পরিসরকে অগ্রাধিকার দেয়। Hugging Face-এ উপলব্ধ ওজন এবং GitHub-এর কোড সহ, Krea 2 যে কেউ তাদের নিজস্ব শর্তে একটি অত্যাধুনিক ইমেজ জেনারেটর তৈরি করতে, সূক্ষ্ম সুর করতে বা কেবল পরীক্ষা-নিরীক্ষা করতে চায় তাদের জন্য বাধা কম করে।

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →