Z-Imageবিনামূল্যে অনলাইন AI ইমেজ এডিটর এবং জেনারেটর

Z-Image একটি শক্তিশালী AI মডেল যা ফটোরিয়েলিস্টিক ইমেজ জেনারেশন, চাইনিজ এবং ইংরেজি উভয় টেক্সটের নির্ভুল রেন্ডারিং এবং দ্বিভাষিক নির্দেশনার শক্তিশালী মেনে চলার ক্ষমতা রাখে। এটি মাত্র ৮টি ধাপে প্রতিযোগী বা তার চেয়ে বেশি পারফরম্যান্স অর্জন করে।

Z-Image একটি স্কেলেবল সিঙ্গেল-স্ট্রিম DiT (S3-DiT) আর্কিটেকচার ব্যবহার করে যা টেক্সট, ভিজ্যুয়াল সিমান্টিক টোকেন এবং ইমেজ VAE টোকেনকে সিকোয়েন্স স্তরে একীভূত করে একটি একীভূত ইনপুট স্ট্রিম হিসাবে। এটি ডুয়াল-স্ট্রিম পদ্ধতির তুলনায় প্যারামিটার দক্ষতা সর্বাধিক করে।

Z-Image এন্টারপ্রাইজ-গ্রেড H800 GPU-তে সাব-সেকেন্ড অনুমান লেটেন্সি অফার করে। NVIDIA A10 GPU-তে, বেশিরভাগ জেনারেশন মাত্র ৯টি ধাপে সর্বোচ্চ ২ সেকেন্ড সময় নেয়। RTX 3090/4090 এর মতো ভোক্তা GPU-তে, এটি প্রায় ২-৩ সেকেন্ড সময় নেয়, যখন মধ্য-পরিসরের কার্ড ৪-৫ সেকেন্ড সময় নেয়।

হ্যাঁ, Z-Image চাইনিজ এবং ইংরেজি টেক্সট নির্ভুলভাবে রেন্ডার করতে পারে যখন মুখের বাস্তবতা এবং সামগ্রিক নান্দনিক রচনা সংরক্ষণ করে। এটি শক্তিশালী রচনামূলক দক্ষতা এবং টাইপোগ্রাফির অনুভূতি প্রদর্শন করে, এমনকি ছোট ফন্ট সাইজের চ্যালেঞ্জিং পরিস্থিতিতেও।

প্রম্পট এনহান্সার একটি গঠিত যুক্তি চেইন ব্যবহার করে যুক্তি এবং সাধারণ জ্ঞান ইনজেক্ট করে, মডেলকে 'মুরগি-এবং-খরগোশ সমস্যা' এর মতো জটিল কাজ বা ক্লাসিক্যাল চাইনিজ কবিতা ভিজ্যুয়ালাইজ করতে সক্ষম করে। এটি এমনকি অস্পষ্ট নির্দেশনা থেকেও অন্তর্নিহিত উদ্দেশ্য অনুমান করতে পারে।

Alibaba AI Arena-তে Elo-ভিত্তিক মানব পছন্দ মূল্যায়ন অনুযায়ী, Z-Image অন্যান্য শীর্ষস্থানীয় মডেলের বিরুদ্ধে অত্যন্ত প্রতিযোগিতামূলক পারফরম্যান্স দেখায়, যখন ওপেন-সোর্স মডেলগুলির মধ্যে অত্যাধুনিক ফলাফল অর্জন করে।