মিডজার্নি, ডাল-ই নাকি ফ্লাক্স: হাতের ছবি আর সাইনবোর্ডের লেখা কোনটি সবচেয়ে নিখুঁত আঁকে?

ভাবুন, আপনার ছোট ব্যবসার জন্য একটি দোকানের সাইনবোর্ড বানাতে হবে। আপনি এআইকে লিখে দিলেন: “একটি সবুজ সাইনবোর্ড, যাতে সাদা অক্ষরে লেখা ‘চা ঘর’।” কিছুক্ষণ পর ছবি এলো—সুন্দর সবুজ বোর্ড, কিন্তু লেখাটি এলোমেলো, বানান ভুল। এমন অভিজ্ঞতা অনেকের হয়। কারণ, ছবি বানানোর টুলগুলো একেকটি একেক ধরনের কাজে বেশি ভালো।

মিডজার্নি, ডাল-ই আর ফ্লাক্স—তিনটিই টেক্সট-টু-ইমেজ এআই। অর্থাৎ, আপনি লিখে দেন, তারা ছবি আঁকে। কিন্তু তিনটির শেখার ধরন আলাদা। কেউ বেশি ভালো ত্বকের গঠন ও আলো ফোটায়, কেউ সহজ কথায় বোঝে, আবার কেউ হাতের আঙুল ও লেখা নিখুঁত আঁকে।

ছবি বানানোর ভেতরের কাজটি আসলে কী?

যখন আপনি লিখেন “একটি বিড়াল জানালার পাশে বসে আছে”, তখন কম্পিউটার প্রথমে এলোমেলো রঙিন বিন্দুর একটি ঝাপসা ছবি নেয়। এরপর ধাপে ধাপে সেই বিন্দুগুলো সাজিয়ে, আপনার লেখা বর্ণনার সঙ্গে মিলিয়ে, একটি পরিষ্কার ছবি তৈরি করে। এই পুরো প্রক্রিয়াটিকে বলা হয় ডিফিউশন (Diffusion)—অর্থাৎ ছড়িয়ে থাকা বিন্দু থেকে ছবি ফুটিয়ে তোলা।

তিনটি টুলই এই পদ্ধতিতে কাজ করে, তবে তাদের প্রশিক্ষণের নমুনা আলাদা। মিডজার্নি বেশি শিখেছে শিল্পকর্ম, সিনেমার দৃশ্য ও আলোর খেলা থেকে। ডাল-ই শিখেছে মানুষের কথাবার্তা ও দৈনন্দিন বর্ণনা থেকে। আর ফ্লাক্স শিখেছে জ্যামিতিক নিখুঁততা ও লেখার অক্ষর থেকে।

হাত, লেখা আর আলো—কোনটি কোথায় এগিয়ে?

মানুষের হাত আঁকা এআইয়ের জন্য সবচেয়ে কঠিন কাজ। কারণ, আঙুলের সংখ্যা, ভাঁজ ও অবস্থান—সব মিলিয়ে জটিল। ফ্লাক্স এই জায়গায় সবচেয়ে ভালো। তার আঁকা হাতে সাধারণত আঙুল ঠিক সংখ্যায় থাকে এবং স্বাভাবিক দেখায়। মিডজার্নিও ভালো, তবে মাঝে মাঝে আঙুল বেশি বা কম হয়ে যায়।

সাইনবোর্ড, টি-শার্ট বা লোগোর লেখা আঁকতেও ফ্লাক্স এগিয়ে। কারণ, সে অক্ষরের গঠন আলাদা করে শিখেছে। মিডজার্নি সুন্দর ছবি আঁকে, কিন্তু লেখা প্রায়ই এলোমেলো করে ফেলে। ডাল-ই লেখা কিছুটা ভালো ফোটায়, তবে জটিল বাক্যে ভুল করতে পারে।

আলো, ছায়া ও ত্বকের গঠনে মিডজার্নি সবচেয়ে নিখুঁত। সিনেমার মতো উষ্ণ আলো, কাপড়ের ভাঁজ বা মানুষের মুখের স্বাভাবিকতা—এসব ফোটাতে সে দক্ষ। ডাল-ই সহজে বোঝে, কিন্তু ছবি কিছুটা সাধারণ লাগতে পারে। ফ্লাক্স মাঝামাঝি—ভালো, তবে মিডজার্নির মতো নাটকীয় নয়।

সহজে ব্যবহার করা যায় কোনটি?

ডাল-ই সরাসরি চ্যাটজিপিটি (ChatGPT) চ্যাটের ভেতরে ব্যবহার করা যায়। আপনি বাংলায় লিখতে পারেন, আবার বলতে পারেন “একটু বদলাও” বা “আরও উজ্জ্বল করো”। মিডজার্নি ও ফ্লাক্স আলাদা ওয়েবসাইটে ব্যবহার করতে হয়, তবে তাদের নিয়ন্ত্রণ বেশি।

• মিডজার্নি: শিল্পী ও ফটোগ্রাফারদের পছন্দ—আলো, ত্বক ও আবহাওয়া ফোটাতে সেরা।
• ডাল-ই: নতুনদের জন্য সহজ—চ্যাটে বাংলায় লিখেই ছবি বানানো যায়।
• ফ্লাক্স: হাত, আঙুল ও সাইনবোর্ডের লেখা নিখুঁত চাইলে ভালো।

তাহলে কোনটি বেছে নেবেন?

আপনার কাজ যদি হয় সিনেমার পোস্টার, বইয়ের প্রচ্ছদ বা শিল্পকর্ম—তাহলে মিডজার্নি। যদি দরকার হয় দ্রুত, সহজে ছবি বানানো—তাহলে ডাল-ই। আর যদি দরকার হয় হাতের আঙুল, সাইনবোর্ডের লেখা বা লোগো নিখুঁত—তাহলে ফ্লাক্স।

তবে মনে রাখবেন, কোনো টুলই শতভাগ নিখুঁত নয়। ছবি বানানোর পর ভালো করে দেখে নিন—হাতের আঙুল ঠিক আছে কি না, লেখা পড়া যাচ্ছে কি না, আলো স্বাভাবিক লাগছে কি না। দরকার হলে আবার লিখে বদলে নিন। এআই আপনার সহকারী, চূড়ান্ত বিচারক নয়।