গুগল ৪ সেপ্টেম্বর লিরিয়া ৩.৫ কে জেমিনি অ্যাপ এবং জেমিনি API-এ চালু করেছে। সাধারণ ব্যবহারকারীদের জন্য, এটি একটি সহজবোধ্য আপডেট: আপনি যে সংগীত শৈলী চান তা বর্ণনা করুন, মানব কণ্ঠ বা শুধুমাত্র যন্ত্রসংগীত নির্বাচন করুন, এবং একটি ছোট সঙ্গীত না হয় একটি দীর্ঘতর সম্পূর্ণ গান তৈরি করতে চান তা ঠিক করুন—সিস্টেমটি স্বয়ংক্রিয়ভাবে ফলাফল প্রদান করবে। ডেভেলপারদের এবং সৃষ্টিশীলদের জন্য, পরিবর্তনগুলি আরও নির্দিষ্ট—একই মডেলটি Google AI Studio, Google Vids এবং Flow Music-এও প্রবেশ করেছে, যা বোঝায় যে AI-সংগীত এখন শুধুমাত্র একটিওয়েবসাইটের পরীক্ষামূলক ফিচার নয়, বরং ভিডিও তৈরি, ব্র্যান্ডিং কনটেন্ট, এবং অ্যাপ ডেভেলপমেন্টের মতো বিদ্যমান কাজের প্রবাহের দিকে এগিয়ে যাচ্ছে।
এই ঘোষণার সবচেয়ে গুরুত্বপূর্ণ বিষয় হল শুধু “আরেকটি সঙ্গীত মডেল যোগ হল” নয়, বরং Google এখন জেনারেটিভ মিউজিককে একটি সম্পূর্ণ প্রোডাক্ট হিসেবে প্রস্তুত করছে। অফিসিয়ালি আপগ্রেডের মূল জোর দেওয়া হয়েছে আরও প্রকাশমূলক ভয়েস, আরও ধনী আরেঞ্জমেন্ট এবং উন্নত অডিও কোয়ালিটির উপর, যার সাথে স্টাইল এবং টেমপ্লেটের বিকল্পও প্রদান করা হয়েছে। অতীতে, অনেক সঙ্গীত জেনারেশন টুল দ্রুত মেলডি তৈরি করতে পারত, কিন্তু পুরোপুরি স্ট্রাকচার, ভয়েস কোয়ালিটি এবং সেকশনের প্রগতির ক্ষেত্রে মেশিনের ছাপ প্রকাশ পেত। Lyria 3.5-এর লক্ষ্য স্পষ্টভাবে শেষের একটি কিলোমিটার: ব্যবহারকারীদেরকে কম প্রম্পট ট্রায়ালের দিকে নিয়ে যাওয়া, এবং সরাসরি ভিডিও, রিংটন বা ব্র্যান্ড কনটেন্টের জন্য ব্যবহারযোগ্য মেটিরিয়ালগুলির দিকে।
অনুপ্রেরণামূলক খেলনা থেকে কন্টেন্ট উৎপাদন টুল পর্যন্ত
সঙ্গীত তৈরি করার প্রক্রিয়ায় একবারের অসাধারণ শ্রবণযোগ্যতা নয়, বরং স্থিতিশীলতা, নিয়ন্ত্রণযোগ্যতা এবং সময় সাশ্রয়ই গুরুত্বপূর্ণ। শর্ট ভিডিও টিমগুলির বিভিন্ন দৈর্ঘ্যের ভার্সনের মধ্যে স্যুইচ করতে হয়, ব্র্যান্ডের ক্লায়েন্টদের স্টাইলের সামঞ্জস্যতা গুরুত্বপূর্ণ, এবং ডেভেলপারদের জন্য ইন্টারফেসের স্থিতিশীলতা এবং পণ্যে একীভূতকরণের ক্ষমতা গুরুত্বপূর্ণ। Lyria 3.5 একইসাথে Gemini অ্যাপ্লিকেশন এবং API-এর সাথে সামঞ্জস্যপূর্ণ, যা ব্যক্তিগত সৃষ্টি এবং স্কেল-আপ উৎপাদনের দুটি প্রান্তকেই কভার করে। ব্যক্তিগত ব্যবহারকারীরা টেমপ্লেট ব্যবহার করে দ্রুত শুরু করতে পারেন, আর ডেভেলপারদের জন্য এই ক্ষমতা তাদের এডিটিং, মার্কেটিং বা ইন্টারঅ্যাকটিভ এনটারটেইনমেন্ট পণ্যগুলিতে একীভূত করা যায়।
গুগল একটি স্বতন্ত্র ক্ষমতা হিসাবে "সংক্ষিপ্ত বা দীর্ঘতর ট্র্যাক" উল্লেখ করেছে। এটি সাধারণ মনে হলেও, এটি জেনারেটিভ সংগীতের সবচেয়ে কঠিন দিকগুলির একটির সাথে সংযুক্ত: ট্র্যাকের দৈর্ঘ্য বাড়ানোর সময়, মডেলটিকে শুধুমাত্র সুর ধরে রাখতে হবে, একইসাথে ভার্স, কোরাস, ব্রিজ এবং আবেগের পরিবর্তনগুলি পরিচালনা করতে হবে, যাতে মেশিনি পুনরাবৃত্তি এড়ানো যায়। ঘোষণাটিতে এককভাবে সর্বাধিক দৈর্ঘ্য, অঞ্চলগত পার্থক্য বা সমস্ত প্রযুক্তিগত প্যারামিটারগুলি প্রকাশ করা হয়নি, তাই এটি আরও সঠিকভাবে বলা যেতে পারে যে, ব্যবহারকারীদের এখন আরও নমনীয় দৈর্ঘ্যের বিকল্পগুলি প্রদান করা হয়েছে, যা অসীমভাবে পূর্ণাঙ্গ অ্যালবাম জেনারেট করার অনুমতি দেয়নি।
টেক্সট এবং ইমেজ জেনারেশনের তুলনায় সঙ্গীতের ক্ষেত্রে একটি অতিরিক্ত ব্যবহার সীমাবদ্ধতা রয়েছে। একটি মেলোডি কি পূর্ববর্তী কাজের সাথে খুব বেশি মিলে যাচ্ছে, কণ্ঠস্বর কি শ্রোতাদের মনে করিয়ে দিচ্ছে যে এটি একজন বাস্তব গায়ক, এবং বাণিজ্যিক প্রকল্পগুলি কি প্ল্যাটফর্মের শর্তাবলীর অধীনে ব্যবহারযোগ্য—এগুলি সবই তৈরিকারকদের নিজেদের দ্বারা যাচাই করতে হবে। Google-এর এই ঘোষণাটি শুধুমাত্র পণ্যের ক্ষমতার উপর ফোকাস করেছে, এই জটিল প্রশ্নগুলিকে “সমাধান” করেনি। তাই, আনুষ্ঠানিকভাবে ডেলিভারির আগে, টিমকে প্রম্পট, জেনারেটড ভার্সন, এবং মানব-সংশোধনের রেকর্ডগুলি সংরক্ষণ করা উচিত, এবং উচ্চ-�ুঁকিপূর্ণ মেলোডি, গানের কথা, এবং সাদৃশ্যপূর্ণ স্বরগুলির জন্য পুনরায় পরীক্ষা করা উচিত।
কন্টেন্ট ইন্ডাস্ট্রির জন্য, এই পণ্যগুলি প্রথমে শীর্ষ সঙ্গীতশিল্পীদের সৃষ্টিকে পরিবর্তন করবে না, বরং আগে কাস্টম সঙ্গীত কিনতে অক্ষম অসংখ্য দৈনন্দিন চাহিদাকে। পডকাস্ট ওপেনিং, দোকানের শর্ট ভিডিও, কোর্সের ব্যাকগ্রাউন্ড, গেম অ্যাক্টিভিটি পেজ এবং সোশ্যাল মিডিয়া বিজ্ঞাপনগুলির জন্য বড় পরিমাণে, সময়সীমা কঠোর, বাজেট সীমিত সঙ্গীতের প্রয়োজন। অতীতে তারা প্রায়শই জেনেরিক মিউজিক লাইব্রেরির উপর নির্ভরশীল ছিল; এখন, ক্রিয়েটররা নির্দিষ্ট দৃশ্য এবং রিদমের চারপাশে আরও সঠিকভাবে মিলে যাওয়া ভার্সনগুলি তৈরি করতে পারে। মূল্যটি “পেশাদার সংগীতকারদের চেয়ে ভালো” হওয়ার থেকেও বেশি, এটি প্রতিটি কন্টেন্টকে কাস্টম-এর কাছাকাছি শব্দ দিয়েছে।
প্রকৃত প্রতিযোগিতা বিতরণ এবং কপিরাইট পরিচালনায়
Lyria 3.5 কে শুধুমাত্র একটি স্বতন্ত্র ল্যাব পণ্য হিসেবে রাখার চেয়ে এটিকে Gemini-এ একীভূত করা আরও গুরুত্বপূর্ণ। Gemini-এর কাছে ইতিমধ্যেই ব্যবহারকারী প্রবেশাধিকার রয়েছে, Google Vids অফিস ভিডিওর সাথে সংযুক্ত, AI Studio ডেভেলপারদের জন্য সেবা প্রদান করে, এবং Flow Music আরও পেশাদার সৃষ্টিশীলদের জন্য। মডেলের ক্ষমতা এই প্রবেশাধিকারগুলির মাধ্যমে একটি বিতরণ নেটওয়ার্ক হিসেবে কাজ করে, যাতে ব্যবহারকারীদেরকে মডেলের নামটি বুঝতে হয়না, তারা তাদের পূর্ববর্তী কাজগুলিতেই সঙ্গীত উৎপাদন ব্যবহার করতে পারে। ফলস্বরূপ, AI পণ্যগুলির প্রতিযোগিতা “কার নমুনা সবচেয়ে ভালো শোনায়”-এর চেয়ে “কে সঠিক পরিস্থিতিতে দ্রুততমভাবে ডেলিভারি দিতে পারে”-এর দিকে সরে গিয়েছে।
যত বেশি বিতরণ করা হয়, তত বেশি প্রশাসনিক চাপ। সঙ্গীত হল এমন একটি কনটেন্ট টাইপ যেখানে গানের কথা, সুর, রেকর্ডিং, কণ্ঠস্বরের চিত্র এবং পারফরম্যান্স স্টাইল যথাক্রমে ভিন্ন ভিন্ন অধিকারের সাথে সংযুক্ত হতে পারে। ব্যবসায়িক ব্যবহারকারীদের জন্য “প্ল্যাটফর্ম জেনারেশনকে অনুমতি দেয়” কে “যেকোনো পরিস্থিতিতেই ব্যবসায়িকভাবে ব্যবহারযোগ্য” এর সমান হিসাবে ধরা উচিত নয়। নিরাপদ পদ্ধতি হলো, প্রথমে বর্তমান অঞ্চল এবং আপনার অ্যাকাউন্টের সেবা শর্তাবলী পড়ুন, তারপর চূড়ান্ত আউটপুটের জন্য মানবিকভাবে পরীক্ষা-নিরীক্ষা করুন; পরিচিত শিল্পী, ইতিমধ্যেই প্রকাশিত গান বা গ্রাহকের ব্র্যান্ডের ক্ষেত্রে, আরও কঠোরভাবে অভ্যন্তরীণ মানদণ্ড অনুসরণ করা উচিত।
শিল্পের দৃষ্টিকোণ থেকে, লিরিয়া 3.5 মিউজিক ক্ষমতাকে বিশ্বব্যাপী জেমিনি ব্যবহারকারী এবং ডেভেলপারদের হাতে পৌঁছে দেবে, যা জেনারেটিভ মিউজিকের সরবরাহ বাড়াবে, কিন্তু এর মানে পারম্পরিক সঙ্গীতের মূল্য সমান হয়ে যাবে না। বরং, যখন মৌলিক ব্যাকগ্রাউন্ড মিউজিক সস্তা হয়ে যায়, তখন পরিষ্কারভাবে চিহ্নিতকরণযোগ্য সৃষ্টি, বিশ্বস্ত চরিত্রের প্রকাশ এবং স্পষ্ট লাইসেন্সিং চেইন আরও মূল্যবান হয়ে উঠতে পারে। মডেলটি খসড়া, ভ্যারিয়েন্ট এবং কম-ঝুঁকিপূর্ণ ব্যাকগ্রাউন্ড মিউজিকের জন্য উপযুক্ত, যখন মানুষই সিদ্ধান্ত নেবেন যে কোনও কাজটি কেন অস্তিত্ব পেয়েছে, এটি কী প্রকাশ করবে এবং কখন জেনারেশনটি বন্ধ করতে হবে।
অতএব, এই আপডেটটিকে গুগলের জেনারেটিভ মিডিয়া পণ্যকরণের একটি পদক্ষেপ হিসাবে দেখা যেতে পারে: মডেলগুলি এখন কেবলমাত্র কয়েক দশকের টেকনিক্যাল ডেমো দেওয়ার সীমায় সীমাবদ্ধ নয়, বরং এগুলি এখন এম্বেড, রিইউজ এবং ডেলিভার করা যায় এমন কনটেন্টের দায়িত্ব নিচ্ছে। এটি কি ক্রিয়েটরদের জন্য একটি সাধারণ টুল হয়ে উঠবে, তা নির্ভর করবে বাস্তব প্রকল্পগুলিতে এর স্থিতিশীলতা, খরচ, অডিট মেকানিজম এবং ব্যবহারকারীর ফিডব্যাকের উপর। অফিসিয়ালভাবে নিশ্চিত করা হয়েছে যে Lyria 3.5 এখন সংশ্লিষ্ট পণ্য এবং API-এ অন্তর্ভুক্ত; বাজারের চূড়ান্ত গ্রহণযোগ্যতা হবে এটির বাস্তব ওয়ার্কফ্লোতে কতটা সময় বাঁচানো হয়েছে এবং কতটা rework-এর পরিমাণ কমিয়েছে।