প্রায় সব এআই ভয়েস অ্যাসিস্ট্যান্টের স্ক্রিনে একই জিনিস দেখা যায়: একটি স্পন্দিত গোলক। তুলনামূলকভাবে কম ক্ষেত্রে, এগুলোতে একটি "টকিং হেড" বা কথা বলা মাথা থাকে, যা হলো ঠোঁট নাড়ানো কোনো ব্যক্তির একটি ভিডিও অবতার। আমি এর একটি তৃতীয় সংস্করণ তৈরি করেছি এবং এর নাম দিয়েছি আর্ট ড্যানিয়ুক: যখন এআই কথা বলে, তখন হাজার হাজার উজ্জ্বল কণা একত্রিত হয়ে আলোচিত বিষয়টির—যেমন একটি কফি কাপ, একটি সোফা, একটি ডলফিন—একটি ত্রিমাত্রিক আকৃতি তৈরি করে এবং তারপর ডেটার একটি প্রবাহ হিসেবে আবার ছড়িয়ে পড়ে। নিচে একটি লাইভ ডেমো দেওয়া হলো; আপনি এখানেই এটি স্পর্শ করতে পারেন। আপনি যদি আপনার ওয়েবসাইটের জন্য একটি এআই অ্যাসিস্ট্যান্ট বেছে নেন অথবা নিজের ভয়েস এজেন্ট তৈরি করেন এবং চান যে সেটি মনে রাখা হোক, তাহলে এই নিবন্ধটি আপনার জন্য সহায়ক হবে।
প্রবন্ধটিতেই এটি চেষ্টা করে দেখুন।
উইন্ডোর নিচের যেকোনো বস্তুতে ট্যাপ করুন অথবা ইংরেজিতে আপনার নিজের শব্দ টাইপ করুন—উদাহরণস্বরূপ, "টেলিস্কোপ" বা "গিটার"। ▶ ট্যুর বোতামটি একটি সংক্ষিপ্ত কথোপকথন চালু করে: পরিদর্শক কফি, মিষ্টি, সোফা, ঘোড়া এবং নৌকা ভ্রমণ সম্পর্কে জিজ্ঞাসা করেন; এআই (AI) উত্তর দেয় এবং কণাগুলো প্রতিটি বস্তুকে একত্রিত করে। ট্যাপ করলে একটি তরঙ্গ তৈরি হয়, সোয়াইপ করলে দৃশ্যটি ঘোরে এবং দীর্ঘক্ষণ চেপে ধরলে বস্তুটি ছড়িয়ে পড়ে, যা এটিকে পুনরায় একত্রিত করে। কোণার গোলাকার বোতামটি রঙের প্যালেট পরিবর্তন করে।
যদি উইন্ডোটি লোড না হয়, তাহলে ডেমোটি আলাদাভাবে খুলুন: vibevox.pro/stardust-demo ।
কেন একটি বল এবং একটি কথা বলা মাথার চেয়ে মুখ না থাকা ভালো?
গোলকটি কেবল এআই যা বলছে তাই দেখায়। একটি কথা বলা মাথা দেখায় কে কথা বলছে, কিন্তু এটি ব্যয়বহুল এবং সহজেই 'আনক্যানি ভ্যালি'-তে পড়ে যায়—যখন একটি স্পষ্ট অঙ্কনের চেয়ে প্রায়-মানুষের মতো একটি ছবি বেশি ভীতিকর হয়ে ওঠে। একটি মুখবিহীন অবতার কথোপকথনটি প্রকাশ করে, এবং সেটি স্মরণীয় হয়।
| বিকল্প | পরিদর্শক যা দেখে | ছবিটি কোথায় গণনা করা হয়? |
|---|---|---|
| স্পন্দিত বল | বিমূর্ত অ্যানিমেশন | ব্রাউজারে, প্রায় কোনো লোড ছাড়াই |
| মানুষের ভিডিও অবতার | কথার তালে মুখ ও ঠোঁট | ভিডিও কার্ডযুক্ত সার্ভারে সম্পূর্ণ কথোপকথনটিই একটি ভিডিও স্ট্রিম। |
| আর্ট ড্যানিউক | 3D তে কথোপকথনের বিষয় | পরিদর্শকের ব্রাউজারে, নেটওয়ার্কের মাধ্যমে — শুধু কণ্ঠস্বর এবং আইটেমটির নাম। |
দুটি শৈলী: আর্ট ড্যানিয়ুক এবং থ্রিডি স্টারস
আর্ট দানিয়ুক - একটি ডেটা ভাস্কর্য। প্রায় ১,৩১,০০০ কণা একটি গুটির মতো প্রবাহিত হয়, যার ভেতরে একটি বস্তুর জন্ম হয়, সেটি কয়েক সেকেন্ডের জন্য ভেসে থাকে এবং তারপর আবার বিলীন হয়ে যায়। প্যালেটসমূহ: "অটো" (সব রঙের ধীর মিশ্রণ), ওশান, কোরাল, নেবুলা, গার্ডেন। এর জন্য WebGL2 প্রয়োজন, যা প্রায় সব আধুনিক ফোনেই অন্তর্ভুক্ত থাকে।
ত্রিমাত্রিক তারা – নীহারিকার মধ্যে একটি সর্পিল ছায়াপথ। তারাগুলো একত্রিত হয়ে একটি ত্রিভুজাকার, আলোকিত আকৃতি তৈরি করে যা একটি বাস্তব বস্তুর মতো ঘোরে। এটি যেকোনো ফোনে কাজ করে, এবং আপনার ডিভাইসটি উপযুক্ত না হলে ART DANYUK স্বয়ংক্রিয়ভাবে এই স্টাইলে চলে যায়।
উভয় শৈলীতেই, কণাগুলো এআই-এর কণ্ঠস্বরের সাথে তাল মিলিয়ে "শ্বাস নেয়": বাক্যটি যত জোরালো হয়, ছবিটি তত উজ্জ্বল ও প্রাণবন্ত হয়ে ওঠে।
ভেতর থেকে এটা কীভাবে কাজ করে?
- এটি একটি এআই টুল। মডেলটি একটি ইংরেজি নাম—যেমন, "coffee cup"—সহ show_visual ("বস্তু দেখাও") ফাংশনটি কল করে এবং কথা বলতে থাকে। কণ্ঠস্বরটি কখনও ছবির জন্য অপেক্ষা করে না: এটি একটি আলাদা, ক্ষুদ্র ডেটা চ্যানেল।
- ১,৩৫৯টি মডেলের একটি লাইব্রেরি। খাদ্য, আসবাবপত্র, প্রাণী, উদ্ভিদ, পরিবহন, সরঞ্জাম, প্রসাধনী, গহনা, ইলেকট্রনিক্স এবং খেলাধুলা। সমস্ত সোর্স মডেল একটি বিনামূল্যের CC0 লাইসেন্সের অধীনে রয়েছে, এবং আমি সেগুলোকে ২-১০ কিলোবাইটের পয়েন্ট ক্লাউডে রূপান্তর করেছি। প্রতিটি মডেল প্রথমবার ব্যবহারের সময় ডাউনলোড হয় এবং তারপর আপনার ব্রাউজারে ক্যাশ হয়ে যায়।
- নিরাপত্তা ব্যবস্থা। এআই মডেলগুলো মাঝে মাঝে কোনো টুলকে কল করতে "ভুলে যায়"। তাই, উত্তর দেওয়ার দেড় সেকেন্ড পর, লাইটওয়েট মডেলটি ভিজিটরের বাক্য এবং উত্তরের শুরু থেকে স্বয়ংক্রিয়ভাবে আইটেমটি বেছে নেয়। এটি অভিবাদন, হালকা আলাপ এবং লোকজনকে এড়িয়ে যায়।
- ক্যামেরা। পরিদর্শক পণ্যটি ক্যামেরার দিকে তাক করে "শনাক্ত করুন" বোতামে ক্লিক করতে পারেন। এআই (AI) পণ্যটির নাম দেবে এবং কণাগুলো এর আকৃতি তৈরি করবে।
কল চলাকালীন পরিদর্শক কী দেখতে পান?
- কলটি সংযুক্ত হওয়ার সময়, কণাগুলো VibeVox লেখাটি তৈরি করে, এবং আপনার প্রকল্পে তা আপনার ব্র্যান্ডের নাম হয়ে ওঠে।
- এআইটি হ্যালো বলে, আর কণা-মেঘটি তার কণ্ঠস্বরের তালে তালে শ্বাস নেয়: একটি বিরতি — ছবিটি মিলিয়ে যায়, বাক্যটি জীবন্ত হয়ে ওঠে।
- কথোপকথনটি সেই বিষয়ে পৌঁছালো — কণাগুলো তার আকৃতিতে জড়ো হয়ে তাকে ধরে রাখে যতক্ষণ না এআই কথা বলে, এবং তারপর আবার ছড়িয়ে পড়ে।
- সোয়াইপ করে চিত্রটি ঘোরানো যায় এবং দীর্ঘক্ষণ চেপে ধরে ভাঙা যায়, ফলে উত্তরের জন্য অপেক্ষা করাটা একটা খেলায় পরিণত হয়।
- উপরের রিংটোন বারের স্লাইডারটি ব্যবহার করে ভলিউম নিয়ন্ত্রণ করা হয় এবং ক্যামেরা যেকোনো সময় চালু বা বন্ধ করা যায়।
এআই পরামর্শদাতা পরিদর্শকের ভাষায় উত্তর দেয়। অনুবাদক ছাড়া একটি বহুভাষিক ওয়েবসাইট নিয়ে আমার প্রবন্ধে আমি আলোচনা করেছি, কীভাবে ওয়েবসাইটটিকেই বহুভাষিক করা যায় যাতে এটি সার্চ ইঞ্জিনগুলোর কাছে দৃশ্যমান হয়।
ব্যবসার ক্ষেত্রে এটি কোথায় কাজে লাগে?
- একটি কফি শপ বা পেস্ট্রি শপ – একজন পরামর্শদাতা এসপ্রেসো ও ডেজার্ট নিয়ে কথা বলেন, এবং অতিথি একটি কাপ ও একটি কাপকেক দেখেন।
- ফার্নিচার স্টোর - "ছোট অ্যাপার্টমেন্টের জন্য কমপ্যাক্ট সোফা" লেখাটি সাথে সাথেই স্ক্রিনের সোফায় পরিণত হয়।
- পর্যটন ও ভ্রমণ - ডলফিনের সাথে নৌকা ভ্রমণ হয়ে ওঠে ডলফিন, এবং বুকিং হয়ে যায় একটি ঝুড়ি।
- লাইব্রেরিতে প্রসাধনী, সরঞ্জাম এবং ইলেকট্রনিক্স সামগ্রী—যেমন লিপস্টিক, স্ক্রুড্রাইভার ও হেডফোন—বিক্রির একটি দোকান রয়েছে।
- প্রদর্শনী ও শোকেস - একটি স্ক্রিন যা দর্শনার্থীদের জিজ্ঞাসিত বিষয়গুলো প্রদর্শন করে এবং লোকজনকে এর চারপাশে জড়ো করে।
আমার ই-কমার্স এজেন্ট বিষয়ক বিশ্লেষণে আমি দেখিয়েছি, গ্রাহকদের অর্ডার করতে পথনির্দেশকারী একটি এআই এজেন্ট কীভাবে একটি সাধারণ চ্যাটবট থেকে আলাদা।
আপনার ওয়েবসাইটে এটি কীভাবে যুক্ত করবেন?
আপনার একজন তৈরি পরামর্শক, সম্পূর্ণ ওয়েবসাইট, নাকি শুধু গ্রাফিক্স প্রয়োজন, তার উপর নির্ভর করে তিনটি বিকল্প রয়েছে।
| যা প্রয়োজন | কীভাবে পাবেন |
|---|---|
| ভয়েস এবং থ্রিডি ভিউ সহ একটি তৈরি এআই পরামর্শক | VibeVox উইজেট - সেটিংসে, "3D figures" অথবা ART DANYUK এবং অ্যাসিস্ট্যান্টের ভয়েস নির্বাচন করুন। |
| একটি অন্তর্নির্মিত এআই সহকারী সহ একটি ওয়েবসাইট | 1001site AI: অল-ইনক্লুসিভ প্ল্যান - প্রতি মাসে €45, মাসের প্রোমো কোড ব্যবহার করলে প্রথম মাস - €25 |
| আপনার ভয়েস এআই-এর জন্য শুধু গ্রাফিক্স | গিটহাবে স্টারডাস্ট ইঞ্জিন: ব্যক্তিগত প্রকল্পের জন্য বিনামূল্যে, কোম্পানির জন্য বাণিজ্যিক লাইসেন্স |
আপনার 1001site অ্যাকাউন্টে এআই অ্যাসিস্ট্যান্ট কীভাবে সক্রিয় এবং কনফিগার করতে হয়, তা নলেজ বেস- এ বর্ণনা করা হয়েছে।
ডেভেলপারদের জন্য, মডেল সেটিংসে একটি টুল এবং ব্রাউজারে মাত্র এক লাইনের মাধ্যমেই সংযোগটি করা যায় — Gemini Live, OpenAI Realtime, ElevenLabs, LiveKit, এবং Pipecat-এর উদাহরণ Stardust রিপোজিটরিতে রয়েছে।
আপনি যদি এরকম একজন এআই কনসালটেন্ট পেতে চান কিন্তু নিজে থেকে বিষয়টি বুঝতে না চান, তাহলে আমাকে Telegram @GuruAppSheet- এ মেসেজ করুন: আমি আপনার ক্যাটালগের জন্য একটি এজেন্ট তৈরি করে দেব এবং আপনার প্রোডাক্টগুলো ব্যবহার করে আপনাকে একটি ডেমো দেখাব।
