PixVerse নিয়ে এল R2, তার রিয়েল-টাইম ওয়ার্ল্ড মডেলকে এগিয়ে নিচ্ছে অবস্থা ধরে রাখা, খেলার উপযোগী জগতের দিকে

AI ভিডিও তৈরি সাধারণত একবারে সম্পন্ন হওয়া একটি প্রক্রিয়া। একটি মডেল প্রম্পট গ্রহণ করে, নির্দিষ্ট একটি ক্লিপ তৈরি করে এবং থেমে যায়। পরিবর্তন করতে হলে ব্যবহারকারীকে নতুন প্রম্পট ও নতুন ক্লিপ দিয়ে আবার শুরু করতে হয়। প্রতিটি ফলাফল স্বয়ংসম্পূর্ণ ও বিচ্ছিন্ন।

রিয়েল-টাইম ওয়ার্ল্ড মডেল ভিন্নভাবে কাজ করে। ক্লিপ ফিরিয়ে দেওয়ার বদলে এটি এমন একটি জগত তৈরি করে, যা ব্যবহারকারী সেখানে থাকা অবস্থায় চলতে থাকে। জগতটিতে রিয়েল টাইমে চলাফেরা করা যায়। মডেল তৈরি করতে থাকার সময়ই নতুন ইনপুট আসে এবং পরবর্তী ঘটনাকে বদলে দেয়। প্রতিটি কাজের মাঝে জগতটি নতুন করে শুরু হয় না; বরং পুরো সময় নিজের অবস্থা ধরে রাখে এবং সেশন যত দীর্ঘ হয়, ততক্ষণ সামঞ্জস্য বজায় রাখে।

PixVerse 2026 সালের জানুয়ারিতে বিশ্বের প্রথম রিয়েল-টাইম ওয়ার্ল্ড মডেল R1 চালু করে। R1 প্রমাণ করে যে এই পদ্ধতি কার্যকর: ভিডিও নির্দিষ্ট আউটপুটের বদলে একটি অবিরাম, ইন্টারঅ্যাক্টিভ, শ্রব্য-দৃশ্য স্ট্রিমে পরিণত হতে পারে।

আজ আমরা রিয়েল-টাইম ওয়ার্ল্ড মডেলের উন্নত সংস্করণ R2 চালু করছি। এটি অনেক দীর্ঘ সেশনেও সামঞ্জস্য বজায় রাখে, সেশনের ভেতরে ঘটে যাওয়া ঘটনা মনে রাখে ও তার ধারাবাহিকতা বহন করে এবং একই চলমান জগতে টেক্সট, রেফারেন্স, অডিও ও কাজের নিয়ন্ত্রণ গ্রহণ করে।

যে জগত মনে রাখে ও সাড়া দেয়

R2-এর মূল পরিবর্তন হলো ইনপুট কী করতে পারে। সাধারণ AI ভিডিও এবং রিয়েল-টাইম তৈরির আগের সংস্করণগুলোতে ইনপুট বর্তমান মুহূর্তকে প্রভাবিত করে, তারপর সেই মুহূর্ত পেরিয়ে যায়। পরের কাজ নতুন করে শুরু হয়। জগত আগের কিছুই বহন করে না।

R2-এ ইনপুটের প্রভাব স্থায়ী হয়। একটি প্রম্পট, কাজ বা অডিও সংকেত শুধু বর্তমান ফ্রেমটিই বদলায় না। এটি জগতের চলমান অবস্থা হালনাগাদ করে এবং পরবর্তী ঘটনাগুলোকে গড়ে তোলে: পরে একটি চরিত্র কীভাবে আচরণ করবে, কোনো পরিস্থিতির কীভাবে নিষ্পত্তি হবে এবং সেশন চলতে থাকলে পরিবেশ কীভাবে বিকশিত হবে। একই সেশনের পরবর্তী সময়েও আগের কাজটির প্রভাব বজায় থাকে।

একটি জীবন্ত জগত ঘুরে দেখুন। একজন খেলোয়াড় তৈরি করা জগতে প্রবেশ করে রিয়েল টাইমে তার মধ্য দিয়ে চলাফেরা করেন, WASD কী দিয়ে চরিত্র নিয়ন্ত্রণ করেন এবং অ্যারো কী দিয়ে ক্যামেরা সরান। খেলোয়াড় এগোনোর সঙ্গে সঙ্গে প্রম্পট জগতকে বদলে দেয়, উপাদান যোগ করে এবং পরিবেশ পরিবর্তন করে। চরিত্রটি ভৌত যুক্তির বোধ নিয়ে আশপাশের সঙ্গে মিথস্ক্রিয়া করে এবং প্রতিটি ইনপুট একেবারে নতুন করে শুরু করার বদলে আগেরটির ওপর ভিত্তি করে এগোয়।

গল্পকে রূপ দিন। জগতটি এমন একটি কাহিনি গড়ে তুলতে পারে, যা খেলোয়াড়ের কাজ অনুযায়ী বদলে যায়। ক্রিয়েটর Xiaolongbao-র R2-ভিত্তিক ইন্টারঅ্যাক্টিভ চলচ্চিত্র গেম Zero Mark-এ একটি প্রাণী পথ আটকে উপহার চায়। তাকে ড্রাগন বা পাতা দিলে সত্যিই ভিন্ন প্রতিক্রিয়া পাওয়া যায়। আগে থেকে লেখা পথ অনুসরণ করার বদলে ইনপুট অনুযায়ী গল্প শাখায় বিভক্ত হয় এবং মডেল প্রতিটি ফলাফল সরাসরি তৈরি করে।

Zero Mark-এ একই সাক্ষাৎ দুটি পথে এগোয়: প্রাণীটিকে ড্রাগন দেওয়া ও পাতা দেওয়া থেকে ভিন্ন প্রতিক্রিয়া তৈরি হয়, যা সরাসরি তৈরি করা হয়।

Zero Mark-এ একই মুখোমুখি সাক্ষাৎ দুটি পথে এগোয়: প্রাণীটিকে একটি ড্রাগন দেওয়া আর একটি পাতা দেওয়ার ফলে ভিন্ন প্রতিক্রিয়া দেখা যায়, যা সরাসরি সেই মুহূর্তেই তৈরি হয়।

প্রেক্ষাপট অনুযায়ী সাড়া দেওয়া চরিত্র। এই জগতের চরিত্ররা খেলোয়াড়কে বুঝতে পারে এবং গল্পের সঙ্গে তাল মিলিয়ে সাড়া দিতে পারে। নির্মাতা Jade Wu-এর R2-তে তৈরি একটি ইন্টারঅ্যাকটিভ গল্পে খেলোয়াড়রা Eve নামের একটি চরিত্রের সঙ্গে কথা বলে। সে পুরো কথোপকথনজুড়ে নিজের পরিচয় ও স্মৃতি ধরে রাখে, সূত্র প্রকাশ করে এবং কাহিনি এগিয়ে নিয়ে যায়। তার উত্তর, অভিব্যক্তি ও নড়াচড়ায় এ পর্যন্ত হওয়া কথোপকথন এবং গল্পের বর্তমান অবস্থান—দুটিই প্রতিফলিত হয়। বারবার নতুন করে শুরু করার বদলে সে বহু কথার আদানপ্রদানজুড়ে একই পরিচয় বজায় রাখে। ফলে তাকে পূর্বলিখিত সংলাপের একটি নন-প্লেয়ার চরিত্রের চেয়ে এমন একজন বলে মনে হয়, যে আপনাকে চেনে এবং কী ঘটছে তা বুঝতে পারে।

পরিসর বাড়ানোর সমস্যা এবং R2-এর উত্তর

একটি নির্দিষ্ট ভিডিও ক্লিপ তৈরির সময় মডেল একটি প্রম্পট এবং পূরণ করার জন্য নির্দিষ্ট সময়সীমা পায়। কিন্তু চলতে থাকা একটি জগতের এমন কোনো সীমা নেই। তাকে কোনো ব্যাঘাত ছাড়াই একসঙ্গে একাধিক কাজ অবিরাম করে যেতে হয়:

সময়ের সঙ্গে সামঞ্জস্য বজায় রাখা। চরিত্র, স্থান এবং জগতের নিয়ম একই থাকতে হবে। চলার সময় প্রতি অতিরিক্ত সেকেন্ডে মূল অবস্থা থেকে বিচ্যুত হওয়ার আরেকটি সুযোগ তৈরি হয়।
তৈরি হওয়ার মাঝেই ইনপুট গ্রহণ করা। মডেল চিন্তা করার জন্য থামতে পারে না। জগত চলমান থাকা অবস্থায় নতুন নিয়ন্ত্রণ নির্দেশ আসে, আর না থেমেই সেগুলো অন্তর্ভুক্ত করতে হয়।
মনে রাখা এবং সংশোধন করা। ইতিমধ্যে যা ঘটেছে, মডেলকে তা সঙ্গে নিয়ে এগোতে হবে। দীর্ঘ সেশনে ছোট ছোট ত্রুটি জমে গেলে সেগুলো বাড়িয়ে না তুলে সংশোধন করতে হবে।
সবকিছু সরাসরি সেই মুহূর্তেই করা। সাড়া দেওয়ার বিলম্ব এতটাই কম রাখতে হবে, যাতে অভিজ্ঞতাটি ইন্টারঅ্যাকটিভ বলে মনে হয়।

এই চাহিদাগুলোর পেছনে আরও গভীর একটি টানাপোড়েন রয়েছে। কোনো মডেলকে রিয়েল-টাইমে কাজ করার মতো দ্রুত করার প্রচলিত উপায় হলো সেটিকে সরল করা। আর সেটিকে আরও সক্ষম করার প্রচলিত উপায় হলো সেটিকে আরও ভারী ও ধীর করা। গতি ও সক্ষমতা একে অপরের বিপরীতে টানে। এই ক্ষেত্রের প্রচলিত সিস্টেম তৈরির পদ্ধতি সমস্যাটিকে আরও বাড়ায়: আলাদা আলাদা প্রশিক্ষণ ধাপের একটি দীর্ঘ শৃঙ্খলে প্রতিটি ধাপ পরের ধাপের হাতে কাজ তুলে দেয়, আর প্রতিটি হস্তান্তরে মান ও স্থিতিশীলতা ক্ষয় হয়।

R2-এর উত্তর হলো গতি ও সক্ষমতার মধ্যে একটিকে বেছে নেওয়ার বাধ্যবাধকতা সরিয়ে একই ভিত্তির ওপর নির্মিত দুটি ধাপে কাজ ভাগ করা। Omni Causal AR হলো সক্ষমতার ইঞ্জিন, যা ক্রমাগত প্রশিক্ষিত একটি মূল কাঠামোর মতো কাজ করে। এটি একটি একক কার্যকারণভিত্তিক মডেল গড়ে তোলে, যা আরও বেশি ডেটা, আরও নানা ধরনের ইনপুট, আরও বেশি কাজ এবং আরও দীর্ঘ সময়সীমাজুড়ে শিখতে থাকে। ফলে হস্তান্তরের মাধ্যমে সক্ষমতা ক্ষয় হওয়ার বদলে এক জায়গাতেই তা ক্রমশ বৃদ্ধি পায়।

এরপর রিয়েল-টাইম ত্বরণ স্তর আলাদা একটি দ্রুত মডেল শূন্য থেকে প্রশিক্ষণ দেওয়ার বদলে সেই একই মডেলকে সংকুচিত করে সরাসরি চালানোর উপযোগী করে তোলে। ফলে সক্ষমতা বাড়াতে আর গতি বিসর্জন দিতে হয় না।

প্রতিটি হস্তান্তরে মান ক্ষয় হয় এমন প্রচলিত বহু-ধাপের প্রশিক্ষণ প্রক্রিয়াকে R2 যেভাবে রিয়েল-টাইম ব্যবহারের জন্য সংকুচিত একটি একক, ক্রমাগত প্রশিক্ষিত মডেল দিয়ে প্রতিস্থাপন করে।

এই দুটি ধাপকে ঘিরে রয়েছে নির্দিষ্ট লক্ষ্যভিত্তিক কিছু প্রকৌশলগত সিদ্ধান্ত, যা সক্ষমতার প্রতিটি উন্নতি রিয়েল-টাইম পণ্য পর্যন্ত পৌঁছে দেয়। পূর্ণাঙ্গ PixVerse R2 প্রযুক্তিগত প্রতিবেদন-এ আর্কিটেকচার ও মূল্যায়নের বিস্তারিত রয়েছে।

PixVerse-এর সহপ্রতিষ্ঠাতা ও প্রধান নির্বাহী কর্মকর্তা Changhu Wang বলেন, “বৃহৎ ভাষা মডেল দেখিয়েছে যে পরিসর বাড়ানো সক্ষমতা অর্জনের একটি নির্ভরযোগ্য পথ। R2 হলো আমাদের প্রমাণ যে রিয়েল-টাইম বিশ্ব মডেলও একই ধরনের পথে এগোতে পারে: সঠিক আর্কিটেকচার থাকলে একটি মডেল রিয়েল-টাইম মিথস্ক্রিয়া বজায় রেখেই আরও সক্ষম হতে পারে। সময়ের সঙ্গে এভাবেই একটি সৃষ্টির সরঞ্জাম এমন এক পরিবেশে পরিণত হয়, যেখানে মানুষ প্রবেশ করতে পারে এবং নিজের মতো গড়ে তুলতে পারে।”

বিশ্ব মডেল থেকে খেলার উপযোগী গেম

R2 গবেষণার প্রদর্শনী পেরিয়ে এমন এক পর্যায়ে পৌঁছেছে, যার ওপর বাস্তব পণ্য তৈরি করা যায়। July 2026-এ প্রথম চালু হওয়া PixVerse Game Engine এখন R2-তে চলে।

September 2026-এ Tech in Asia Conference-এ PixVerse-এর রিয়েল-টাইম গেম ইঞ্জিন উপস্থাপন করছেন PixVerse Games-এর প্রধান Chow Li।

সেপ্টেম্বরে Tech in Asia Conference-এ উপস্থাপনার সময় PixVerse-এর গেম বিভাগের প্রধান Chow Li একে গেম কী হতে পারে, সেই ধারণার পরিবর্তন হিসেবে তুলে ধরেন। চরিত্র, জগত এবং খেলোয়াড়ের নেওয়া সিদ্ধান্ত—যে উপাদানগুলো ঐতিহ্যগতভাবে একটি গেমকে গেম করে তুলেছে—সেগুলো আর আগে থেকে তৈরি স্থির উপকরণ হিসেবে থাকে না। খেলোয়াড় এখন কী চায় তা বলতে পারে এবং সেটি ঘটতে দেখতে পারে। অভিজ্ঞতাটি আগে থেকে রচিত হওয়ার বদলে খেলার মধ্য দিয়েই রূপ নেয়। জগত তৈরি করা এবং তাতে খেলা একই কাজে পরিণত হয়।

September 2026-এ সিঙ্গাপুরে Google AI App Day-এর একটি প্যানেল আলোচনায় বক্তব্য রাখছেন PixVerse-এর সহপ্রতিষ্ঠাতা ও প্রেসিডেন্ট Jaden Xie।

সিঙ্গাপুরে Google AI App Day-এর একটি প্যানেল আলোচনায় সহপ্রতিষ্ঠাতা ও প্রেসিডেন্ট Jaden Xie ভিডিও মডেলের অগ্রগতিকে পরবর্তী প্রজন্মের গোড়া থেকেই AI-নির্ভর গেমের একটি শক্তিশালী চালিকাশক্তি হিসেবে তুলে ধরেন। Jaden বলেন, “জুলাইয়ে বেটা উন্মুক্ত করার পর থেকে নির্মাতারা আমাদের বিশ্ব মডেলের ওপর যা তৈরি করছেন, সেটাই রোমাঞ্চকর। আমরা বিশ্বাস করি, আমাদের ভিডিও মডেল আরও বেশি নির্মাতাকে তাঁদের ধারণা বাস্তবে রূপ দিতে সক্ষম করবে।”

উপলব্ধতা

এই জগতগুলোর একটি সংগ্রহ এখন world.pixverse.video-এ ঘুরে দেখার জন্য উন্মুক্ত।

PixVerse সম্পর্কে

PixVerse একটি বৈশ্বিক AI ভিডিও তৈরির প্ল্যাটফর্ম, যার ওপর 177+ দেশের 150 মিলিয়নেরও বেশি ব্যবহারকারী আস্থা রাখেন। সম্পূর্ণ নিজস্বভাবে তৈরি একগুচ্ছ মালিকানাধীন মডেলের মাধ্যমে PixVerse যে কাউকে প্রম্পট, ছবি বা ক্লিপ থেকে চলচ্চিত্রমানের ভিডিও তৈরি করার ক্ষমতা দেয়। January 2026-এ PixVerse বিশ্বের প্রথম রিয়েল-টাইম বিশ্ব মডেল R1 চালু করে, যা ভিডিওকে অসীম, অবিরাম ও ইন্টারঅ্যাকটিভ ধারায় রূপান্তরিত করে। সেই ভিত্তির ওপর দাঁড়িয়ে R2 রিয়েল-টাইম বিশ্ব মডেলের পরিসর বাড়ায়, যাতে আরও দীর্ঘ ও সামঞ্জস্যপূর্ণ সেশন চালানো যায়। এশিয়া ও যুক্তরাষ্ট্রজুড়ে ছড়িয়ে থাকা দল নিয়ে PixVerse 2023 সালে প্রতিষ্ঠিত হয়, মানুষের ভাবপ্রকাশের সর্বজনীন ভাষা হিসেবে ভিডিওকে গড়ে তোলার অঙ্গীকার নিয়ে। March 2026-এ PixVerse তার Series C অর্থায়ন পর্ব সম্পন্ন করে ইউনিকর্নের মর্যাদা অর্জন করে। আরও তথ্যের জন্য pixverse.ai দেখুন।