বাইটダン্স এমন এআই সিস্টেম তৈরি করছে যা স্পেশিয়াল অ্যাওয়ারনেস সহ রিয়েল-টাইমে ভিডিও তৈরি করতে পারে। টিকটকের মাতৃকোম্পানি রিয়েল-টাইম ইন্টারঅ্যাকটিভ ভিডিও এবং 3D-অ্যাওয়্যার জেনারেশনকে ২০২৬-এর জন্য একটি প্রধান এআই অগ্রাধিকার হিসেবে গড়ে তুলেছে।
টেকনিক্যাল বিল্ডিং ব্লকস
বাইটডান্সের সীড গবেষণা দল ধারাবাহিকভাবে রিলিজ করছে। ফেব্রুয়ারি ২০২৬-এ সীড্যান্স ২.০ চালু হয়, যার ফোকাস ছিল পদার্থবিদ্যাভিত্তিক মাল্টিমোডাল জেনারেশন। তারপর ৩১ জুলাই সীড্যান্স ২.৫ চালু হয়, যা ৩০ সেকেন্ডের একক-পাস অডিও-ভিডিও ক্লিপ, উন্নত স্পেশিয়াল কন্ট্রোল এবং 3D মোশন প্ল্যানিংয়ের জন্য ক্লে-রেন্ডার রেফারেন্সিং সিস্টেমের মাধ্যমে আরও এগিয়ে যায়।
আগস্ট ২৪-এর প্রায় সময়ে প্রকাশিত একটি arXiv পেপারে অটোরিগ্রেসিভ অ্যাডভারসারিয়াল পোস্ট-ট্রেনিং, বা AAPT-এর কথা উল্লেখ করা হয়েছে। পেপারে বর্ণিত মডেলটি ২৪ ফ্রেম প্রতি সেকেন্ডে ভিডিও তৈরি করতে পারে, কম ল্যাটেন্সির সাথে, মিনিটের পরিসরের সামঞ্জস্যপূর্ণ আউটপুট উৎপাদন করে।
সিডেন্স 2.5-এর আগে, বাইটডান্স ইতিমধ্যে হেলিওস নামক একটি ওপেন-ওয়েট মডেল প্রকাশ করেছিল, যা একটি একক GPU-এ মিনিটের ভিডিওর জন্য প্রায় 19.5 ফ্রেম প্রতি সেকেন্ড অর্জন করেছিল। হেলিওস মার্চ 2026-এ প্রকাশিত হয়েছিল।
ইন্টারেক্টিভ নিয়ন্ত্রণগুলিও প্যাকেজের অংশ। সিস্টেমগুলি পোজ এবং ক্যামেরা ইনপুট গ্রহণ করে, যা ভার্চুয়াল মানুষ তৈরির মতো অ্যাপ্লিকেশনগুলিকে সক্ষম করে যেখানে ব্যবহারকারীরা শুধুমাত্র প্রম্পট দেওয়ার পরিবর্তে আউটপুট নির্দেশ করতে পারেন।
ওয়ার্ল্ড মডেল এবং জেনি 3 বেঞ্চমার্ক
২০২৬ সালের জুনে, বাইটডান্স বিশ্ব মডেলগুলিকে একটি শীর্ষস্থানীয় এআই ফোকাস হিসেবে উন্নীত করে। উল্লিখিত লক্ষ্য হল গুগল-এর জেনিয়া 3-এর সাথে মাপামাপি করা, যা ইন্টারঅ্যাকটিভ বিশ্ব সিমুলেশনের জন্য একটি বেঞ্চমার্ক।
বাইটダン্স এই প্রচেষ্টার পিছনে গুরুতর অর্থ বিনিয়োগ করছে। বিশ্ব মডেলের জন্য ট্রেনিং ডেটা বাজেট এখন আট অঙ্কের আরএমবি-এ পৌঁছেছে।
কোম্পানির মাল্টিমিডিয়া ল্যাব একইসাথে ভলিউমেট্রিক কন্টেন্টের জন্য 4D এবং 6DoF (ছয়টি স্বাধীনতা মাত্রা) স্পেশিয়াল ভিডিও পাইপলাইন কমার্শিয়ালাইজ করছে। এই সিস্টেমগুলি লাইভ এবং অন-ডিমান্ড স্পেশিয়াল অভিজ্ঞতা উভয়কেই হ্যান্ডেল করে, যার বাস্তবায়নের প্রগতি 2025 এর শেষের দিক থেকে 2026 পর্যন্ত লক্ষ্য করা হয়েছে।