Xiaohongshu AI স্কিল HTML রেন্ডারিং ব্যবহার করে AI লেবেলিং নিয়ম বাইপাস করে

ফেব্রুয়ারি ২০২৬-এ, শিয়াওহোংশু একটি ঘোষণা জারি করে যে এআই দ্বারা তৈরি সংশ্লেষিত কন্টেন্ট অবশ্যই সক্রিয়ভাবে চিহ্নিত হবে, এবং চিহ্নিত না হলে কন্টেন্টটির বিতরণ সীমাবদ্ধ করা হবে। তিন মাসেরও বেশি সময় পরে, গিজাং-সোশ্যাল-কার্ড-স্কিল guizang-social-card-skill নামে একটি ওপেন-সোর্স প্রজেক্ট GitHub-এ প্রকাশিত হয়, যা শিয়াওহোংশুর 3:4 ইমেজ-অ্যান্ড-টেক্সট এবং পাবলিক নম্বরের কভার তৈরির জন্য বিশেষায়িত। এর প্রযুক্তিগত পথে একটি অস্বাভাবিক পছন্দ রয়েছে: কোনও এআই মডেল ব্যবহার না করেই ইমেজের পিক্সেলগুলি জেনারেট করা হয়, পুরো চিত্রটি HTML+CSS-এর মাধ্যমে রেন্ডার করা হয়, এবং ছবিগুলি Unsplash-এর মতো বাস্তব-ধরনের ইমেজ লাইব্রেরি থেকে অনুসন্ধান করা হয়। আউটপুটটি “এআই-জেনারেটেড ইমেজ” নয়, বরং একটি ব্রাউজার ইঞ্জিনের দ্বারা রাস্টারাইজডওয়েবপেজের স্ক্রিনশট।

এই বিকল্পটি একটি নির্দিষ্ট পরিবর্তনের সাথে মেলে। 2026 সাল থেকে, Xiaohongshu ইমেজ পিক্সেল বণ্টনের প্যাটার্ন এবং অডিও বৈশিষ্ট্য বিশ্লেষণ করে AIGC কনটেন্ট শনাক্ত করার জন্য অডিও-ভিজুয়াল শনাক্তকরণ মডেল চালু করেছে। একই সময়ে, 80 লাখেরও বেশি AI-হোস্টেড অ্যাকাউন্ট এবং 15 হাজারেরও বেশি AI-তৈরি পোস্ট বাতিল করা হয়েছে। যাদের জন্য প্রচুর পরিমাণে ইমেজ-টেক্সট কনটেন্ট তৈরির প্রয়োজন, Midjourney বা Canva AI-এর মাধ্যমে তৈরি করা ইমেজগুলির শনাক্তকরণ এবং চিহ্নিতকরণের সম্ভাবনা ধারাবাহিকভাবে বৃদ্ধি পাচ্ছে। Zang Shifu-এর Skill অন্য একটি পথ বেছেছে: AI-কে লেআউট সিদ্ধান্ত নিতে দিন, এবং চূড়ান্ত পিক্সেলগুলি রেন্ডারিং ইঞ্জিন এবং রিয়েল-ওয়ার্ল্ড ইমেজ লাইব্রেরিতে ছেড়ে দিন।

এটি একটি সচেতন প্রযুক্তিগত পথ পরিবর্তন। কিন্তু এই পরিকল্পনাটি কতটা দূর যাবে, তা নির্ভর করে প্ল্যাটফর্মের “এআই-উত্পাদিত সিনথেটিক কনটেন্ট” শব্দগুচ্ছের সংজ্ঞার নমনীয়তার উপর।

ক্যাং শিফুর আসল নাম গুইজাং, যিনি আগে guizang-ppt-skill প্রকাশ করেছিলেন, যা চিত্র-পাঠ্য বিন্যাসের জন্য একটি এআই টুল। এই social-card-skill এর লক্ষ্য আরও কেন্দ্রীয়: ছোট হালিতে 3:4 চিত্র-পাঠ্য, গুয়াংচৌয়ে 1:1 এবং 21:9 কভারের জন্য, যার রেজোলিউশন যথাক্রমে 1080×1440, 1080×1080 এবং 2100×900।

টেকনিক্যাল আর্কিটেকচারে, এই স্কিলে ২৮টি লেআউট স্কেলিটন বিদ্যমান, যা দুটি ভিজুয়াল সিস্টেমে বিভক্ত: Editorial (ম্যাগাজিন স্টাইল, ১৬টি লেআউট) এবং Swiss (সুইস ইন্টারন্যাশনালিস্ট স্টাইল, ১২টি লেআউট), যার সাথে ১০টি থিম কালার প্রিসেট রয়েছে। ব্যবহারকারী যখন গন্তব্য, ভ্রমণ বা নোটের বিষয়বস্তু ইনপুট করেন, তখন AI উপযুক্ত লেআউট স্কেলিটন নির্বাচন করে, টেক্সটের অবস্থান নির্ধারণ করে, ম্যাপ লেবেলিং প্যারামিটারগুলি প্রক্রিয়া করে, এবং সমস্ত ডিজাইন সিদ্ধান্তকে HTML+CSS-এ লিখে ফেলে। Playwright রেন্ডারিং ইঞ্জিন পরবর্তী ধাপগুলি হাতে নেয়, প্রতিটি পৃষ্ঠার PNG স্ক্রিনশট তৈরি করে।

একটি ভ্রমণ ব্লগারের জন্য বিশেষভাবে উপযোগী উপাদান হল ম্যাপ মডিউল। এটি MapLibre ব্যবহার করে OpenStreetMap-এর বাস্তব টাইল লোড করে, এবং একাধিক স্থান মার্কার এবং লাইন সমর্থন করে। ব্যবহারকারীকে শুধুমাত্র শহর বা পর্যটনস্থলের নাম প্রদান করতে হয়, AI স্বয়ংক্রিয়ভাবে লেবেলযুক্ত বেসম্যাপ তৈরি করে এবং এটিকে লেআউটে এমবেড করে। এর সাথে সম্পর্কিত ইমেজ সোর্স ওয়ার্কফ্লোতে স্পষ্ট অগ্রাধিকার রয়েছে: ব্যবহারকারীর প্রদত্ত বাস্তব ছবি সর্বোচ্চ অগ্রাধিকার পায়; যদি ব্যবহারকারীর ছবি না থাকে, তবে Unsplash → Pexels → Flickr CC → Wallhaven-এর ক্রমঅনুসারে স্বয়ংক্রিয়ভাবে ছবি খুঁজে পাওয়া হয়।

প্রক্রিয়াটি সাতটি ধাপে সম্পন্ন হয়: Intake (ইনপুট গ্রহণ) → Style & Theme (শৈলী ও থিম নির্ধারণ) → Layout Selection (লেআউট নির্বাচন) → Asset Prep (সম্পদ প্রস্তুতি) → Compose & Render (সংযোজন ও রেন্ডারিং) → Deliver & Review (প্রেরণ ও পরীক্ষা) → Iterate (পুনরায় সংশোধন)। প্রতিটি ধাপ task ডিরেক্টরির .poster ফাইলে রেকর্ড করা হয়। ব্যাচ আউটপুটের জন্য node render.mjs চালানো হয়, যেখানে Playwright একটি করে রেন্ডার করে। একটি অতিরিক্ত যাচাইকরণ স্ক্রিপ্ট validate-social-deck.mjs বাস্তব ব্রাউজার পরিবেশে DOM উপাদানগুলির মাপ নেয়, যা টেক্সট ওভারফ্লো, ফন্ট সাইজের সর্বোচ্চ সীমা অতিক্রম, footer উপাদানের সংঘর্ষ ইত্যাদি লেআউট সমস্যা শনাক্ত করে।

এই মেকানিজমের ডিজাইন লক্ষ্য স্পষ্ট: এটি ডিফিউশন মডেলের মতো মুক্ত কিন্তু অপ্রতিরোধ্য হওয়ার পরিবর্তে টাইপোগ্রাফি সফটওয়্যারের মতো সঠিকভাবে নিয়ন্ত্রণযোগ্য হতে চায়। এর দাম হলো সৃজনশীলতার স্বাধীনতা 28টি গ্রিডে সীমাবদ্ধ হয়ে পড়ে। ব্যক্তিগত ফটোগ্রাফির শৈলী, হাতে আঁকা উপাদান বা অনিয়মিত কলাজের উপর নির্ভরশীল ক্রিয়েটরদের জন্য, এই লেআউটের কাঠামোগুলি দক্ষতা বৃদ্ধির পরিবর্তে ডিজাইনের সীমাবদ্ধতা প্রদান করে।

CLI সংস্করণের জন্য Playwright এবং Node পরিবেশ ইনস্টল করা প্রয়োজন এবং Claude Code বা Codex-এর API অ্যাক্সেস প্রয়োজন। অ-ডেভেলপারদের জন্য একটি ওয়েবভিত্তিক ইন্টারফেসও রয়েছে xiaohongshu.guizang.ai, কিন্তু CLI সংস্করণের সাথে এর ফাংশনালিটির তুলনা এখনও প্রকাশিত হয়নি। ডেভেলপারদের দ্বারা X-এ পোস্ট করা কয়েকটি টুইট এবং পুনরাবৃত্তি আপডেটকৃত README-এ দেখানো হয়েছে যে এই প্রকল্পটি এখনও দ্রুত বিকাশাধীন।

ছোট হোঁকা এআই কন্টেন্ট ডিটেকশন লজিক, পাবলিক তথ্য এবং টেকনিক্যাল ডকুমেন্টেশনের ভিত্তিতে বিশ্লেষণ করলে, এটি মূলত অডিও-ভিজুয়াল রিকগনিশন মডেলের উপর নির্ভরশীল। এই মডেলটি ছবির পিক্সেল বণ্টনের নিয়মকে বিশ্লেষণ করে বুঝতে চেষ্টা করে যে কন্টেন্টটি AI-জেনারেটেড মডেল থেকে আসছে কি না। ডিফিউশন মডেল এবং GAN-এরা ইমেজ জেনারেট করার সময় পিক্সেল লেভেলে নির্দিষ্ট পরিসংখ্যানগত বৈশিষ্ট্য রেখে যায়, যা ক্যামেরা সেনসর দ্বারা ধরা পড়া প্রাকৃতিক আলো-ছায়া, লেন্স ডিসটরশন, এবং নয়েজ মডেলের সাথে পার্থক্যযুক্ত। অডিও-ভিজুয়াল রিকগনিশন মডেলের ট্রেনিংয়ের লক্ষ্যই হলো এই পরিসংখ্যানগত অসামঞ্জস্যতা শনাক্ত করা।

স্কিল এর এভয়েড লজিক একটি গুরুত্বপূর্ণ পার্থক্যের উপর ভিত্তি করে: এটি আউটপুট করা ইমেজের পিক্সেলগুলি যেকোনো জেনারেটিভ মডেল থেকে আসে না। HTML রেন্ডারিং ইঞ্জিন CSS স্টাইলকে রাস্টারাইজ করে, যার ফলে পিক্সেল ডিস্ট্রিবিউশনের বৈশিষ্ট্যগুলি ব্রাউজার ইন্টারফেসের স্ক্রিনশট বা ডেস্কটপ টাইপসেটিং সফটওয়্যারের আউটপুটের সাথে বেশি মিলে। ফটোগুলি Unsplash-এর মতো ইমেজ লাইব্রেরির বাস্তব ফটোগ্রাফির সামগ্রী থেকে আসে, যেগুলি ক্যামেরা দিয়ে তোলা এবং ম্যানুয়ালি পোস্ট-প্রোডাস্ট করা হয়, যার মধ্যে ডিফিউশন মডেলের ট্রেস নেই।

কিন্তু এই পার্থক্যটি কেবল তখনই প্রযোজ্য যখন প্ল্যাটফর্মের “এআই জেনারেটেড কম্পোজিট কনটেন্ট” এর সংজ্ঞা ঠিক “এআই মডেল দ্বারা জেনারেটেড পিক্সেল” এই সীমানায় সীমাবদ্ধ থাকে। শিয়াওহোঁ এর অফিসিয়াল ঘোষণায় “এআই জেনারেটেড কম্পোজিট কনটেন্ট” এই প্রকাশটি ব্যবহার করা হয়েছে, যার মূল পাল্লা খুব সংকীর্ণ নয়। একবার প্ল্যাটফর্ম সংজ্ঞাটিকে “এআই-সহায়িত ডিজাইনেড প্রোগ্রাম-জেনারেটেড রেন্ডারিং আউটপুট”-এর দিকে বিস্তারিত করলে, অথবা HTML-এর রাস্টারাইজড ছবির ব্রাউজার রেন্ডারিং বৈশিষ্ট্যগুলিকে চিহ্নিতকরণ মডেলের ট্রেনিং সেটের অন্তর্ভুক্ত করলে, এই পদ্ধতির বর্তমান প্রযুক্তিগত সুবিধা অদৃশ্য হয়ে যাবে।

প্ল্যাটফর্মের একটি বিস্তৃত সংজ্ঞার প্রযুক্তিগত ভিত্তি এবং শাসনের উদ্দেশ্য রয়েছে। অডিও-ভিজুয়াল শনাক্তকরণ মডেলটি নিয়মিত পুনরায় বিকাশ হচ্ছে। যদি প্রশিক্ষণ ডেটাতে বহু এইচটিএমএল রেন্ডার করা ছবি এবং এআই-জেনারেটেড ছবির তুলনামূলক নমুনা অন্তর্ভুক্ত করা হয়, তাহলে মডেলটি “ব্রাউজার ফন্ট রেন্ডারিংয়ের সাবপিক্সেল অ্যান্টিঅ্যালিয়াসিং বৈশিষ্ট্য” এবং “জিএএন-এর লেখা উৎপাদনের সময় অনিয়মিত পিক্সেল ব্লক” চিনতে শিখতে পারবে। বর্তমানে কোনও প্রকাশিত তথ্য নেই যা বোঝায় যে জিআইএক্সএস এই দিকে প্রশিক্ষণ শুরু করেছে, তবে মডেলের ক্ষমতার সীমানা থেকে, এই বিস্তারটি প্রযুক্তিগতভাবে বৈধ।

ছোট প্রোগ্রাম হোস্টিংয়ের সাথে সম্পর্কিত সামঞ্জস্যতা উপাদানগুলি আরও মনোযোগ দেওয়া প্রয়োজন। এখন পর্যন্ত কোনও অফিসিয়াল ডকুমেন্টে এই স্কিলটি মডেল রেজিস্ট্রেশন নম্বর যুক্ত করেছে বা সংশ্লিষ্ট সামঞ্জস্যতা নিবন্ধন সম্পন্ন করেছে তা দেখা যায়নি। যদি প্ল্যাটফর্মটি কনটেন্ট রিভিউ প্রক্রিয়ায় আউটপুট টুলচেইনের ট্রেসবিলিটির প্রয়োজনীয়তা যোগ করে, তবে রেজিস্ট্রেশন তথ্যের অভাব নতুন ব্লকিং পয়েন্ট হয়ে উঠতে পারে।

সোশ্যাল মিডিয়ার জন্য ছবি তৈরির টুলগুলি পর্যবেক্ষণ করলে দেখা যায় যে এগুলি তিনটি ভিন্ন প্রযুক্তিগত পথে বিভক্ত হচ্ছে। প্রতিটি পথের ভিন্ন ভিন্ন অনুমোদন ঝুঁকির কাঠামো রয়েছে।

এআই মডেল সরাসরি ছবি তৈরি করে। এই পথটি হল Canva AI-এর 2026 সালের এপ্রিলে চালু করা Magic Design ফিচার, যা টেক্সট প্রম্পট থেকে এআই ভিজুয়াল উপাদান সহ ডিজাইন তৈরি করে। Midjourney, DALL·E ইত্যাদি মডেলগুলি দ্বারা তৈরি ছবিগুলিও এই শ্রেণীভুক্ত। প্রশ্নটি স্পষ্ট: এই ছবিগুলি হল অডিও-ভিজুয়াল শনাক্তকরণ মডেলের প্রধান শনাক্তকরণ লক্ষ্য। Canva-এর প্রতিক্রিয়া হল শনাক্তকরণকে এড়ানোর বদলে স্বচ্ছতা প্রচার করা। ছোট লালে, AI মডেল দ্বারা তৈরি পোস্টগুলিকে লেবেলযুক্ত করা হলে কি রিকমেন্ডেশন ওজন কমে যায়, তার জন্য কোনও পাবলিক ডেটা নেই, তবে “অনপরিচিত AI কনটেন্টের বিতরণ সীমাবদ্ধকরণ”-এর প্ল্যাটফর্মের বিবৃতি ইতিমধ্যেই একটি নির্ধারিত নীতি। প্রতিবার ডিফিউশন মডেলের ভার্সন আপডেটে, পিক্সেলের পরিসংখ্যানগত বৈশিষ্ট্যগুলির পরিবর্তন হতে পারে, এবং সংশ্লিষ্ট ডিটেকশন মডেলগুলিও সমসাময়িকভাবে আপডেট হয়, যার ফলে ক্রিয়েটরদের সামনে একটি চলমান লক্ষ্য।

API টেমপ্লেট ইঞ্জিন রেন্ডারিং। ব্যানারবেয়ার এই রুটের একটি উদাহরণ। ব্যবহারকারীরা ডিজাইনারে টেমপ্লেট তৈরি করে, REST API এর মাধ্যমে JSON ডেটা পাঠিয়ে লেয়ার ভেরিয়েবলগুলি পরিবর্তন করে, সার্ভার-সাইডে PNG বা JPG আউটপুট রেন্ডার করা হয়। এর কোরও “প্রোগ্রাম-বেসড রেন্ডারিং” — “মডেল-জেনারেটেড পিক্সেল” নয়, এবং আউটপুটে ডিফিউশন মডেলের কোনও ছাপ থাকে না। জাংশিফু Skill-এর সাথে পার্থক্য: Bannerbear-এর টেমপ্লেটগুলি মানুষের ডিজাইনের উপর নির্ভরশীল, AI লেআউট সিদ্ধান্তে অংশগ্রহণ করে না; জাংশিফু Skill-এ Claude HTML-এর সরাসরি পড়া-লেখা করে, এবং লেআউট বাছাইয়ের অধিকার AI-এর হাতে। Bannerbear-এর সমাধানের ঝুঁকি অন্যভাবে: অসংখ্য অ্যাকাউন্ট একই টেমপ্লেট, একই কালার প্যালেট, একই ফন্ট ব্যবহার করে গ্রাফিকস তৈরি করলে, যদিও প্রতিটি ছবি AI-জেনারেটেড না, প্ল্যাটফর্ম-স্তরে “প্রোগ্রামম্যাটিক ব্যাচ-প্রোডাকশন” মডেল-রিকগনিশনটি ট্রিগার হয়। স্প্যাম-ডিটেকশন নিয়মগুলির ট্রিগারিংয়ের শর্তগুলি AI-ডিটেকশনের সমান নয়, তবে ব্যাচ-অপারেশনকারীদের জন্য, ফলাফলটি একই: ডিস্ট্রিবিউশন-সীমাবদ্ধতা।

প্ল্যাটফর্ম-বান্ধব জেনারেশন। Pin Generator পিন্টারেস্টের জন্য ডিজাইন করা হয়েছে, যা প্ল্যাটফর্মের অ্যালগরিদমের পছন্দের সাথে মানানসই পিন ছবি স্বয়ংক্রিয়ভাবে তৈরি করে। এই পথের মূল বিষয় হলো এড়িয়ে যাওয়া নয়, বরং সম্পূর্ণরূপে সামঞ্জস্যপূর্ণ হওয়া—আকার, দৃশ্যমান শৈলী, পোস্টিং গতি সবই প্ল্যাটফর্মের নিয়মের সাথে মিলিয়ে নেওয়া হয়। এর সুবিধা হলো রিভিউ ঝুঁকি সবচেয়ে কম, কিন্তু তার অসুবিধাও স্পষ্ট: টুলটির ক্ষমতা শুধুমাত্র প্ল্যাটফর্মের নিয়মের সাথে বাঁধা। পিন্টারেস্ট যদি অ্যালগরিদম পরিবর্তন করে বা তৃতীয়-পক্ষের API-এর অনুমতি সীমিত করে, তবে টুলটি সরাসরি কাজ করবে না। ক্যাংশিফুশির Skill-এর সঙ্গে তুলনা করলে, আগেরটি প্ল্যাটফর্ম-বিশেষ টুল, আর পরেরটি একটি ক্রস-প্ল্যাটফর্ম জেনেরিক সমাধান। প্ল্যাটফর্ম-বিশেষটি আরও 안전, কিন্তু আরও ভঙ্গুর; ক্রস-প্ল্যাটফর্মটি আরও নমনীয়, কিন্তু আরও 복잡—এটি AI টুলসের領域ে পুনঃপুনঃ দেখা যাওয়া একটি trade-off।

তিনটি পথের ঝুঁকির গঠন ভিন্ন। AI চিত্র সবচেয়ে স্বাধীন, কিন্তু প্রতিবার আপডেটে নতুন ডিটেকশন মডেলের সাথে মানিয়ে নিতে হয়। টেমপ্লেট ইঞ্জিন সবচেয়ে স্থিতিশীল, কিন্তু স্প্যাম নিয়মের কারণে ভুলভাবে ট্রিগার হতে পারে। HTML রেন্ডারিং এই দুটির মধ্যে অবস্থিত: লেআউট AI-এর দ্বারা ফ্লেক্সিবলভাবে নিয়ন্ত্রিত হয়, পিক্সেলগুলি ব্রাউজার এবং রিয়েল-ওয়ার্ল্ড মেটিরিয়ালের উপর ছেড়ে দেওয়া হয়, যাতে "AI-জেনারেটেড পিক্সেল" ডিটেকশনকে এড়ানো যায়, কিন্তু প্ল্যাটফর্মের সেমান্টিক্স-স্তরের নিয়মের বিস্তারকে মোকাবিলা করা যায় না।

28টি লেআউট ফ্রেমওয়ার্ক ম্যাগাজিন স্টাইল এবং সুইস স্টাইল দুটি প্রধান ভিজুয়াল সিস্টেমকে কভার করে। ম্যাপ রুট, টাইমলাইন এবং একাধিক দিনের ইটিনারেরি প্রদর্শনের প্রয়োজন থাকা ভ্রমণ ব্লগারদের জন্য এই সিস্টেমটি খুবই উপযুক্ত। ম্যাপ লেবেলিং এবং ইটিনারেরি লাইনগুলি এই নোটগুলির মূল তথ্য, এবং লেআউট ফ্রেমওয়ার্কগুলি এই তথ্যগুলিকে স্ট্রাকচারাইজড করে, একইসাথে লেআউটের পেশাদারিত্ব বজায় রাখে।

কিন্তু শাওঝোংশুর কনটেন্ট ইকোসিস্টেম ভ্রমণের গাইডলাইনের চেয়ে অনেক বেশি সমৃদ্ধ। পোশাকের নোটগুলি ব্যক্তিগত ফটোগ্রাফির স্টাইল এবং রংয়ের টোনের উপর নির্ভর করে, মেকআপ রিভিউয়ের জন্য উচ্চ-রেজোলিউশন মাইক্রোফটোগ্রাফি এবং পণ্যের তুলনামূলক ছবি প্রয়োজন, এবং লাইফস্টাইল-সংক্রান্ত কনটেন্টগুলিতে বহু-ছবি কলাজ এবং হাতে লেখা নোটগুলি প্রচুর ব্যবহার করা হয়। এই কনটেন্ট টাইপগুলির “লেআউট” হল তথ্যের সংগঠিত উপস্থাপনা নয়, বরং ব্যক্তিগত সৌন্দর্য এবং আবেগের প্রকাশ। 28টি লেআউট স্কেলিটন এই পরিস্থিতিতে টুল নয়, বরং সীমাবদ্ধতা।

প্রযুক্তিগত সীমাবদ্ধতাগুলিও বাস্তব। বর্তমানে 1080×1440 (Xiaohongshu 3:4), 2100×900 (WeChat Official Account 21:9) এবং 1080×1080 (WeChat Official Account 1:1) এই তিনটি আকার সমর্থিত। ডাওয়েন 9:16 ভার্টিক্যাল কভার এবং B 站 16:9 হরিজন্টাল কভার সমর্থিত নয়। গ্যালারি Unsplash এবং Pexels-এর উপর নির্ভরশীল, যেখানে উপাদানগুলি উচ্চ মানের ফটোগ্রাফির প্রতি ঝোঁক রাখে, যা ভ্রমণ, প্রকৃতি এবং শহরের স্থাপত্যের জন্য উপযুক্ত। তবে খাবারের ক্লোজ-আপ, কসমেটিকসের স্টাইলিং এবং পোশাকের আইটেমগুলির মতো ভার্টিক্যাল কনটেন্টের জন্য প্রচুর উপাদান Unsplash এবং Pexels-এর মধ্যে সীমিত। ব্যবহারকারী-প্রাধান্যযুক্ত কৌশলটি এই সমস্যা কিছুটা কমাতে পারে, যদি ক্রিয়েটরদের নিজস্ব প্রচুর বাস্তব-পরিস্থিতির ছবির সঞ্চয় থাকে।

ভেরিফিকেশন মেকানিজম একটি দ্বিধাবদ্ধ অস্ত্র। validate-social-deck.mjs প্রিন্ট করার আগে লেআউটের ত্রুটি বন্ধ করে দেয়, যার ফলে ১০০ বার ব্যাচ রেন্ডারিংয়ে কোনো ভুল হয় না। এটি প্রতিদিন কয়েকটি ছবি আপলোড করার প্রয়োজনীয়তা থাকা অপারেশনাল পরিস্থিতিতে দক্ষতা নিশ্চিত করে। কিন্তু এর মানে এটিও, যেকোনো পূর্বনির্ধারিত লেআউট নিয়মের সাথে মেলে না এমন ডিজাইনকে স্ক্রিপ্ট অস্বীকার করবে। স্ট্যান্ডার্ড লেআউটে একটি তির্যক টেক্সট ডেকোরেশন বা কাস্টম মার্জিন যোগ করতে চাইলে, ক্রিয়েটরদের Canva-এর মতো সহজেই ড্র্যাগ-অ্যান্ড-ড্রপ করে সমন্বয় করার পরিবর্তে HTML এবং CSS সোর্সকোডটি সরাসরি সম্পাদনা করতে হবে।

স্থানীয়ভাবে ডিপ্লয় করার বাধা হল আরেকটি স্তর। Playwright এবং Node স্ক্রিপ্ট চালানোর ক্ষমতা থাকা ক্রিয়েটররা লেআউট ফ্রেমওয়ার্ক এবং রেন্ডারিং স্ক্রিপ্টে কাস্টমাইজেশন করতে পারেন। তবে বেশিরভাগ ছোট হোঁকা ব্লগারদের জন্য শুধুমাত্রওয়েবভিত্তিক ইন্টারফেসের কিছু ফিচারই প্রাপ্য। এই দুই ধরনের ব্যবহারকারীদের মধ্যে এই স্কিল থেকে প্রাপ্ত বাস্তব মূল্যের ব্যবধান অনেক বড়। ওপেন-সোর্স প্রজেক্টের মূল ব্যবহারকারীদের সমষ্টি হল যারা ট্রাই-অ্যান্ড-এরর করতে ইচ্ছুক এবং প্রযুক্তিগতভাবে সক্ষম, যাদের “এক-ক্লিক-ইমেজ”-এর চাহিদা নয়।

একজন ছোট হোঁয়াংশু ভ্রমণ ব্লগারের সামনে তিনটি বিকল্প: মিডজার্নি ব্যবহার করে আইলাস্ট্রেশন স্টাইলের এট্রিপ গ্রাফিক তৈরি করা, যা মার্কিং এবং ডিপ্রিয়ারিটাইজেশনের ঝুঁকি নেয়; ব্যানারবিয়ার ব্যবহার করে টেমপ্লেট সেটআপ করে প্রতিদিন ব্যাচ ডেটা ইনপুট করা, যা টেমপ্লেটের সমানতা জনিত স্প্যাম-বিরোধী ঝুঁকি নেয়; অথবা জাংশিফুর Skill ব্যবহার করে AI-কে লেআউট বাছাই করতে দিয়ে HTML-এর মাধ্যমে ইমেজ রেন্ডার করা, যা প্ল্যাটফর্মের “সিনথেটিক কনটেন্ট”-এর সংজ্ঞা প্রসারিত হওয়ার ঝুঁকি নেয়। কোনো নিরাপদ পথ নেই, শুধু বিভিন্ন ঝুঁকির সংমিশ্রণ আছে।

এই প্যাটার্নটি একটি বার্তা প্রেরণ করছে: প্ল্যাটফর্ম এবং এআই টুলগুলির মধ্যে প্রতিদ্বন্দ্বিতা শুরু হয়েছে। প্রতিবার প্ল্যাটফর্ম ডিটেকশন মডেল আপডেট করে, কিছু টুলের টেকনোলজি বোনাস পিরিয়ড শেষ হয়ে যায়। প্রতিবার নতুন টুলগুলি একটি বাইপাস খুঁজে পায়, প্ল্যাটফর্মটি আবার তার কৌশল সামঞ্জস্য করে। এটি একটি স্থিতিশীল অবস্থায় অভিসারী প্রক্রিয়া নয়। HTML রেন্ডারিং সমাধানের কার্যকারিতা নির্ভর করছে শিয়ানহুয়ানের অডিও-ভিজুয়াল শনাক্তকরণ মডেলটি “ডিফিউশন মডেলের পিক্সেল ফিচার”-এর উপরই ফোকাস করতে থাকবে, নাকি “সমস্ত নন-নেটিভ ফটোগ্রাফি পিক্সেল”-এও বিস্তৃতি ঘটাবে।

কন্টেন্ট ক্রিয়েটরদের জন্য, "এআই সহায়তা" এবং "এআই প্রতিস্থাপন" এর মধ্যে পার্থক্য করা ব্যবহারিকভাবে গুরুত্বপূর্ণ। প্ল্যাটফর্মের মনোভাব স্পষ্ট: এআইকে সৃজনশীলতার বিস্তারক হিসেবে উৎসাহিত করা হচ্ছে, কিন্তু নিম্নমানের পরিমাণগত উৎপাদনের জন্য এআই দ্বারা মানুষকে প্রতিস্থাপন করা হবে না। জংশিফু স্কিলে, এআই কন্টেন্ট তৈরির পরিবর্তে লেআউট সিদ্ধান্ত নেয়, ছবিগুলি বাস্তবে তোলা হয়েছে, এবং লেআউটটি মানুষের ডিজাইনারদের দ্বারা পূর্বনির্ধারিত হাড়। এটি ঠিক "এআই সহায়তা" এর পরিসরে পড়ে। যাদের লেখা থেকে ছবি পর্যন্ত সমস্তই জেনারেটিভ মডেল দ্বারা তৈরি করা হয়, সেগুলিই প্ল্যাটফর্মের স্পষ্টভাবে দমনের লক্ষ্য।

এই পৃথকীকরণটি কি প্ল্যাটফর্মের অনুমোদনের কার্যকরী মানদণ্ড হয়ে উঠবে, তা এখনও অনিশ্চিত। তবে টুল ডেভেলপাররা ইতিমধ্যেই এই সংজ্ঞার প্রতিক্রিয়ায় প্রযুক্তিগত বিকল্প ব্যবহার করছেন।