স্বাধীন বহুমুখী কর্মপ্রবাহ
কিভাবে একটি গ্রুপ ফটোতে মানুষের বিভিন্ন মুখ ম্যাপ করা যায়
প্রতিটি নির্বাচিত ব্যক্তিকে একটি গ্রুপ ফটোতে একটি ভিন্ন প্রতিস্থাপনের প্রতিকৃতি বরাদ্দ করুন, একটি পুনরুত্পাদনযোগ্য চার-মুখী উত্পাদন পরীক্ষা, খরচ এবং সীমা সহ।
প্রকাশিত ডেটাসেটের সঙ্গে পদ্ধতি ও সীমা মিলানো।

মূল কথা
- ভিন্ন-মুখের মোড প্রতিটি নির্বাচিত টার্গেট মুখের জন্য একটি পৃথকভাবে আপলোড করা প্রতিস্থাপন প্রতিকৃতি ম্যাপ করে; এটি একটি টাস্কে 1 থেকে 10 টি নির্বাচিত লক্ষ্য সমর্থন করে।
- প্রতিটি নির্বাচিত টার্গেটের নিজস্ব প্রতিস্থাপন প্রতিকৃতি না পাওয়া পর্যন্ত এবং ব্যবহারকারী প্রতিটি আপলোড করা মুখের জন্য অনুমতি নিশ্চিত না করা পর্যন্ত ক্রিয়াটি নিষ্ক্রিয় থাকে৷
- প্রতিটি নির্বাচিত লক্ষ্য মুখের জন্য 6 ক্রেডিট খরচ হয় (2টি মুখ = 12, 10টি মুখ = 60); টাস্কটি শুধুমাত্র অর্থপ্রদত্ত এবং ওয়াটারমার্ক বা অ্যাকাউন্ট ইমেল ছাড়াই ফলাফল তৈরি করে।
- প্রকাশিত v1 ডেটাসেটটি একটি সত্যিকারের চার-মুখের সাইক্লিক প্রোডাকশন রান, সঠিক ইনপুট এবং আউটপুট ফাইল, হ্যাশ, ডিটেক্টর বাক্স, ম্যাপিং অর্ডার, মাত্রা এবং পরিষ্কারের প্রমাণ রেকর্ড করে।
উন্মুক্ত ডেটা ও পদ্ধতি
টেবিল পুনরুৎপাদনে সংস্করণযুক্ত ফাইল ব্যবহার করুন।
1. আপলোড করার আগে ম্যাপিং চুক্তি বেছে নিন
মাল্টিপল-ফেস স্টুডিওর তিনটি আলাদা চুক্তি আছে। পেয়ার মোড ক্রস-ম্যাপ ঠিক দুটি পরিচয় ইতিমধ্যে একটি ফটোতে উপস্থিত রয়েছে৷ একই-মুখ মোড একটি প্রতিকৃতি আপলোড করে এবং সেই পরিচয়টি নির্বাচিত ব্যক্তিদের জন্য প্রয়োগ করে। ভিন্ন-মুখী মোড একটি থেকে 10টি লক্ষ্য মুখের মধ্যে নির্বাচন করে এবং প্রতিটি নির্বাচিত লক্ষ্যের জন্য একটি পৃথক প্রতিস্থাপন প্রতিকৃতির জন্য জিজ্ঞাসা করে।
ভিন্ন-মুখী মোড ব্যবহার করুন যখন ব্যক্তি A-এর উত্স X পাওয়া উচিত, ব্যক্তি B উত্স Y গ্রহণ করা উচিত এবং প্রতিটি অবশিষ্ট নির্বাচিত ব্যক্তির অন্য একটি অভিপ্রেত পরিচয় রয়েছে৷ সারি নম্বর একটি শনাক্ত করা লক্ষ্য ক্রপকে এর প্রতিস্থাপন আপলোডের সাথে সংযুক্ত করে। অনির্বাচিত ব্যক্তিদের ম্যাপিং অনুরোধ অন্তর্ভুক্ত করা হয় না.
গ্রুপ ফটো অবস্থান, শরীর, পোশাক, চুল, ভঙ্গি, অভিব্যক্তি প্রসঙ্গ, ফ্রেমিং, আলো এবং পটভূমির জন্য লক্ষ্য রেফারেন্স হিসাবে রয়ে গেছে। উদ্দেশ্য সম্পাদনাটি দৃশ্যমান মুখের পরিচয়, সম্পূর্ণ মাথা, চুলের স্টাইল, শরীর বা পোশাক স্থানান্তর নয়। প্রতিটি নন-ফেস পিক্সেলের সঠিক সংরক্ষণের নিশ্চয়তা নেই।
| স্টুডিও মোড | উৎস পরিকল্পনা | লক্ষ্য নির্বাচন |
|---|---|---|
| দুটি মুখ অদলবদল করুন | নির্বাচিত দুই ব্যক্তি একে অপরের পরিচয় সরবরাহ করে | ঠিক 2 |
| নির্বাচিত ব্যক্তিদের একই মুখ | একটি আপলোড করা উৎস প্রতিকৃতি পুনরাবৃত্তি করা হয়েছে৷ | 1 থেকে 10 |
| প্রতিটি ব্যক্তির জন্য আলাদা মুখ | লক্ষ্য প্রতি একটি আপলোড করা প্রতিস্থাপন প্রতিকৃতি | 1 থেকে 10 |
2. প্রতিটি নির্বাচিত লক্ষ্যে একটি পৃথক প্রতিকৃতি ম্যাপ করুন
সাইন ইন করুন, ভিন্ন-মুখী মোড চয়ন করুন এবং 10 এমবি এর চেয়ে বড় একটি অনুমোদিত গ্রুপ ফটো আপলোড করুন৷ চার্জ করার আগে সনাক্তকরণ চলে এবং ফিরে আসা মুখগুলি দেখায়। শুধুমাত্র আপনার ইচ্ছাকৃত ব্যক্তিদের নির্বাচন করুন এবং 10টি লক্ষ্য পর্যন্ত সম্পাদনা করতে পারবেন।
প্রতিটি সংখ্যাযুক্ত লক্ষ্য সারির জন্য, একটি পরিষ্কার JPG, JPEG, PNG বা WebP প্রতিস্থাপন পোর্ট্রেট আপলোড করুন 15 MB এর বেশি নয়৷ একটি প্রতিস্থাপনের চিত্র থাকলেই একটি সারি প্রস্তুত। একটি নির্বাচন পরিবর্তন করা প্রয়োজনীয় ম্যাপিং সারি পরিবর্তন করে; কোনো নির্বাচিত সারি অসম্পূর্ণ বা সম্মতি আনচেক থাকা অবস্থায় জেনারেট অ্যাকশন নিষ্ক্রিয় থাকে।
FaceSwapAI: একটি ছবির মূল্য ৬ ক্রেডিট; একাধিক মুখ বদলে প্রতিটি নির্বাচিত লক্ষ্য মুখের জন্য ৬ ক্রেডিট লাগে; ভিডিও ও GIF-এ সার্ভার-মাপা ইনপুট সময় ঊর্ধ্বমুখী পূর্ণ সেকেন্ডে ধরে প্রতি সেকেন্ডে ৩ ক্রেডিট, সর্বনিম্ন ৯ ক্রেডিট লাগে।
| ধাপ | প্রয়োজনীয় রাষ্ট্র | কি জমা বাধা দেয় |
|---|---|---|
| 1. গ্রুপ ফটো আপলোড করুন | সাইন-ইন করা অ্যাকাউন্ট এবং 10 এমবি পর্যন্ত সমর্থিত ছবি | কোনো মুখ সনাক্ত করা হয়নি |
| 2. লক্ষ্য নির্বাচন করুন | 1 থেকে 10টি অনুমোদিত মুখ সনাক্ত করা হয়েছে৷ | কোনো নির্বাচিত লক্ষ্য নেই |
| 3. প্রতিস্থাপন যোগ করুন | প্রতিটি নির্বাচিত সারির জন্য 15 MB পর্যন্ত একটি প্রতিকৃতি | যেকোনো অসম্পূর্ণ সারি |
| 4. নিশ্চিত করুন এবং জেনারেট করুন | সম্মতি এবং প্রতিটি নির্বাচিত লক্ষ্য মুখের জন্য 6 ক্রেডিট | আনচেক করা সম্মতি বা অপর্যাপ্ত ব্যালেন্স |
3. প্রকাশিত ফোর-ফেস সাইক্লিক ম্যাপিং পুনরুত্পাদন করুন
v1 গবেষণায় একটি উদ্দেশ্য-নির্মিত সিন্থেটিক চিত্র ব্যবহার করা হয়েছে যাতে ঠিক চারটি কাল্পনিক প্রাপ্তবয়স্ক এবং কোনো গ্রাহক বা জনসাধারণের পরিচয় নেই। প্রোডাকশন ডিটেক্টর চারটি অঞ্চল ফিরিয়ে দিয়েছে। এগুলি বাম থেকে ডানে বাছাই করা হয়েছিল, এবং একটি পৃথক প্রসারিত প্রতিকৃতি JPEG প্রতিটি সনাক্ত করা মুখের চারপাশে একটি নথিভুক্ত 2.4-গুণ বর্গাকার ক্রপ ব্যবহার করে উদ্ভূত হয়েছিল৷
একটি প্রোডাকশন টাস্ক তারপর একটি সাইক্লিক ম্যাপিং ব্যবহার করেছে: ব্যক্তি 2 সরবরাহকৃত লক্ষ্য 1, ব্যক্তি 3 সরবরাহকৃত লক্ষ্য 2, ব্যক্তি 4 সরবরাহকৃত লক্ষ্য 3 এবং ব্যক্তি 1 সরবরাহকৃত লক্ষ্য 4। কার্যটি প্রসেসিং থেকে সম্পূর্ণ হয়েছে, 14 জুলাই, 2026-এ কার্যকর মূল্যে একবার 13 ক্রেডিট চার্জ করা হয়েছে (একই চার-মুখের টাস্কের খরচ এখন 24 ক্রেডিট) এবং একটি 1536 × 1024 PNG ফেরত দিয়েছে। এই রানে ইনপুট এবং আউটপুট মাত্রা মিলেছে। FaceSwapAI: একটি ছবির মূল্য ৬ ক্রেডিট; একাধিক মুখ বদলে প্রতিটি নির্বাচিত লক্ষ্য মুখের জন্য ৬ ক্রেডিট লাগে; ভিডিও ও GIF-এ সার্ভার-মাপা ইনপুট সময় ঊর্ধ্বমুখী পূর্ণ সেকেন্ডে ধরে প্রতি সেকেন্ডে ৩ ক্রেডিট, সর্বনিম্ন ৯ ক্রেডিট লাগে।
সঠিক ইনপুট এবং আউটপুট PNG ফাইলগুলি উপরে ডাউনলোডযোগ্য। JSON SHA-256 হ্যাশ, ফাইলের আকার, চারটি ডিটেক্টর বক্স, চারটি প্রতিস্থাপন ক্রপ বক্স এবং হ্যাশ, ম্যাপিং অর্ডার, পর্যবেক্ষণ করা টাস্ক স্টেট, ক্রেডিট শুরু এবং শেষ করা এবং অস্থায়ী সারি কাজ, রেডিস সেশন, ব্যক্তিগত ফাইল এবং ডাটাবেস সারিগুলি সরানো হয়েছে তা নিশ্চিতকরণ উভয় রেকর্ড করে।

| লক্ষ্য অবস্থান | প্রতিস্থাপন অবস্থান | লক্ষ্য বাক্স পর্যবেক্ষণ করা হয়েছে |
|---|---|---|
| 1 | 2 | x 38 · y 276 · 171 × 232 |
| 2 | 3 | x 516 · y 364 · 160 × 208 |
| 3 | 4 | x 863 · y 270 · 161 × 231 |
| 4 | 1 | x 1247 · y 369 · 164 × 224 |
4. ভিজ্যুয়াল-গুণমানের দাবি থেকে পৃথক যাচাইকৃত টাস্ক আচরণ
এই রানটি যাচাই করে যে বর্তমান ব্রাউজার/API চুক্তিটি একটি প্রদত্ত টাস্কে চারটি স্বতন্ত্র উৎস থেকে লক্ষ্য ম্যাপিং বহন করতে পারে, যে পাবলিক ডিটেক্টর চারটি উত্স অঞ্চল খুঁজে পেয়েছে, যে কাজটি সম্পন্ন হয়েছে এবং সঠিক আউটপুট ফাইলটি পরিদর্শন করা যেতে পারে৷ দৃশ্যমান ফলাফলটি পাঠকদের প্রতিটি অবস্থান প্রকাশিত চক্র অনুযায়ী পরিবর্তিত হয়েছে কিনা তা পরীক্ষা করতে দেয়।
এটি একটি সর্বজনীন পরিচয়-নির্ভুলতা স্কোর, গড় সাফল্যের হার বা অন্য ছবির গ্যারান্টি স্থাপন করে না। সনাক্তকারীর সাফল্য পরিচয় পরিমাপ নয়। ম্যাচিং ডাইমেনশন প্রমাণ করে না যে প্রতিটি নন-ফেস পিক্সেল অপরিবর্তিত। একটি সিন্থেটিক দৃশ্য প্রোফাইল, ক্ষুদ্র পটভূমির মুখ, বাধা, গতির অস্পষ্টতা, অস্বাভাবিক আলো বা মানুষের চেহারার সম্পূর্ণ পরিসীমা উপস্থাপন করতে পারে না।
প্রথম চেষ্টা চালানোও তথ্যপূর্ণ: শক্তভাবে কাটা ডিটেক্টর থাম্বনেইল আপস্ট্রিম পরিষেবাকে একটি উত্স প্রত্যাখ্যান করেছে। সফল রানে 2.4-গুণ বড় পোর্ট্রেট ক্রপ ব্যবহার করা হয়েছে, একটি অত্যন্ত টাইট ফেস চিপের পরিবর্তে একটি সম্পূর্ণ, পরিষ্কার প্রতিস্থাপন প্রতিকৃতি আপলোড করার জন্য পণ্য নির্দেশিকাগুলির সাথে মেলে।
5. গ্রুপটিকে একটি ইনপুট হিসাবে বিবেচনা করার পরিবর্তে প্রতিটি উত্স-টার্গেট জোড়া উন্নত করুন
প্রতিটি সারি স্বাধীনভাবে বিচার করুন। একটি তীক্ষ্ণ উত্স এখনও একটি ক্ষুদ্র, কোণ বা বাধা লক্ষ্যের জন্য একটি দুর্বল মিল হতে পারে। প্রতিটি প্রতিস্থাপন প্রতিকৃতিতে একটি সম্পূর্ণ মুখ, দরকারী মাথার কোণ, প্রাকৃতিক বিবরণ এবং সামঞ্জস্যপূর্ণ আলো পছন্দ করুন। স্ক্রিনশট, কোলাজ, ভারী ফিল্টার, মুখোশ, মুখ জুড়ে হাত এবং চরম ফসল এড়িয়ে চলুন।
প্রজন্মের পর, প্রতিটি ব্যক্তির জন্য পরিচয় সাদৃশ্য, লক্ষ্য অভিব্যক্তি এবং দৃষ্টি, গাল এবং চোয়ালের সীমানা, চুল এবং কানের একীকরণ এবং আশেপাশের দৃশ্য সংরক্ষণের তুলনা করুন। যদি একটি সারি দুর্বল হয়, তবে সমস্ত অপরিবর্তিত ইনপুট পুনরায় জমা দেওয়ার পরিবর্তে সেই উত্স বা লক্ষ্য শর্তটি পরিবর্তন করুন৷ একটি সম্পূর্ণ কিন্তু দৃশ্যত দুর্বল ফলাফল প্রদানকারীর ব্যর্থতার থেকে আলাদা।
কোনো ফলাফলের রেজোলিউশন, প্রক্রিয়াকরণের সময়, সাদৃশ্য বা প্রান্তের গুণমানের নিশ্চয়তা নেই। প্রস্তুতি পরীক্ষক ফাইল-স্তরের ঝুঁকি প্রকাশ করতে পারে, তবে এটি একটি নির্দিষ্ট ম্যাপিংয়ের জন্য মালিকানা প্রদানকারীর ফলাফলের পূর্বাভাস দিতে পারে না।
6. খরচ, প্রদত্ত আউটপুট এবং ধরে রাখা যাচাই করুন
FaceSwapAI: একটি ছবির মূল্য ৬ ক্রেডিট; একাধিক মুখ বদলে প্রতিটি নির্বাচিত লক্ষ্য মুখের জন্য ৬ ক্রেডিট লাগে; ভিডিও ও GIF-এ সার্ভার-মাপা ইনপুট সময় ঊর্ধ্বমুখী পূর্ণ সেকেন্ডে ধরে প্রতি সেকেন্ডে ৩ ক্রেডিট, সর্বনিম্ন ৯ ক্রেডিট লাগে।
একটি নতুন উৎপন্ন মাল্টিপল-ফেস ফলাফলে ওয়াটারমার্ক বা অ্যাকাউন্ট ইমেল কোনোটিই থাকে না। আমাদের দিকের কোনো সমস্যায় টাস্ক ব্যর্থ হলে এর ক্রেডিট স্বয়ংক্রিয়ভাবে একবার ফেরত দেওয়া হয়। একটি সফল ভিজ্যুয়াল ফলাফল স্বয়ংক্রিয়ভাবে ফেরতযোগ্য নয় শুধুমাত্র কারণ একটি ইনপুট একটি দুর্বল উপমা তৈরি করেছে৷
আপলোড করা এবং তৈরি করা টাস্ক ফাইলগুলি 24 ঘন্টা পরে মুছে ফেলার জন্য নির্ধারিত হয় এবং আগে অদৃশ্য হয়ে যেতে পারে; আপস্ট্রিম-প্রদানকারী নীতিগুলিও প্রযোজ্য। উপলব্ধ থাকাকালীন একটি অনুমোদিত ফলাফল ডাউনলোড করুন এবং উত্স অধিকার, সম্মতি এবং চূড়ান্ত অনুমোদন নিয়ন্ত্রিত প্রকল্প সঞ্চয়স্থানে রাখুন।
7. প্রতিটি উৎস এবং লক্ষ্য পরিচয়ের জন্য অনুমতি নিন
শুধুমাত্র আপনার মালিকানাধীন মিডিয়া ব্যবহার করুন বা সম্পাদনা করার জন্য অনুমোদিত, এবং প্রতিটি শনাক্তযোগ্য উত্স এবং লক্ষ্য ব্যক্তির কাছ থেকে সম্মতি প্রাপ্ত করুন৷ একটি গ্রুপ টাস্ক অনেক ভিন্ন পরিচয় জড়িত হতে পারে; একজন ব্যক্তির জন্য অনুমতি বাকি সারি কভার না. পণ্য চেকবক্স আপনার নিশ্চিতকরণ রেকর্ড করে কিন্তু অন্য কারো জন্য অনুমতি তৈরি করে না।
যখন দর্শকরা এটিকে একটি বাস্তব ঘটনা, দল, সম্পর্ক, অনুমোদন বা বিবৃতি বলে ভুল করতে পারে তখন সম্পাদনাটি প্রকাশ করুন৷ প্রতারণামূলক ছদ্মবেশ, হয়রানি, অ-সম্মতিমূলক অন্তরঙ্গ চিত্র, অবৈধ কার্যকলাপ বা অপ্রাপ্তবয়স্কদের জড়িত বিষয়বস্তুর জন্য স্বাধীন ম্যাপিং ব্যবহার করবেন না। একটি আরও বিশ্বাসযোগ্য বহু-ব্যক্তি আউটপুট আরও সতর্ক প্রসঙ্গ প্রয়োজন, কম নয়।
অনুমোদিত মিডিয়ায় তালিকাটি প্রয়োগ করবেন?
এই নির্দেশিকা যে প্রশ্নগুলোর উত্তর দেয়
আমি কি একটি গ্রুপ ফটোতে প্রতিটি ব্যক্তির জন্য আলাদা মুখ বরাদ্দ করতে পারি?
হ্যাঁ। ভিন্ন-মুখী মোড চয়ন করুন, 1 থেকে 10টি সনাক্ত করা লক্ষ্য নির্বাচন করুন এবং প্রতিটি নির্বাচিত সারির জন্য একটি পৃথক প্রতিস্থাপন প্রতিকৃতি আপলোড করুন।
আমি একটি টাস্কে কতগুলি প্রতিস্থাপনের পোর্ট্রেট ম্যাপ করতে পারি?
ব্রাউজারটি 10টি নির্বাচিত টার্গেট ফেসের প্রতিটির জন্য একটি প্রতিস্থাপন সমর্থন করে৷ প্রজন্ম সক্ষম হওয়ার আগে প্রতিটি নির্বাচিত লক্ষ্যের একটি প্রতিস্থাপন থাকতে হবে।
চারটি বা 10টি মুখের ম্যাপিং করতে কি একাধিক মুখের বেশি খরচ হয়?
FaceSwapAI: একটি ছবির মূল্য ৬ ক্রেডিট; একাধিক মুখ বদলে প্রতিটি নির্বাচিত লক্ষ্য মুখের জন্য ৬ ক্রেডিট লাগে; ভিডিও ও GIF-এ সার্ভার-মাপা ইনপুট সময় ঊর্ধ্বমুখী পূর্ণ সেকেন্ডে ধরে প্রতি সেকেন্ডে ৩ ক্রেডিট, সর্বনিম্ন ৯ ক্রেডিট লাগে।
প্রকাশিত চার-মুখী ফলাফল কি উৎপাদনে উত্পন্ন হয়েছিল?
হ্যাঁ। v1 JSON সঠিক ইনপুট এবং আউটপুট হ্যাশ, ডিটেক্টর এবং ক্রপ বক্স, সাইক্লিক ম্যাপিং, টাস্ক স্টেট পর্যবেক্ষণ, 14 জুলাই, 2026-এর মূল্যে 13-ক্রেডিট ব্যালেন্স পরিবর্তন (30 থেকে 17) এবং একটি উত্পাদন চালানোর জন্য অস্থায়ী-ডেটা ক্লিনআপ রেকর্ড করে। FaceSwapAI: একটি ছবির মূল্য ৬ ক্রেডিট; একাধিক মুখ বদলে প্রতিটি নির্বাচিত লক্ষ্য মুখের জন্য ৬ ক্রেডিট লাগে; ভিডিও ও GIF-এ সার্ভার-মাপা ইনপুট সময় ঊর্ধ্বমুখী পূর্ণ সেকেন্ডে ধরে প্রতি সেকেন্ডে ৩ ক্রেডিট, সর্বনিম্ন ৯ ক্রেডিট লাগে।
চার মুখের অধ্যয়ন কি আমার ছবির জন্য একই মানের গ্যারান্টি দেয়?
না। এটি একটি সিন্থেটিক উৎপাদন চালানোর নথিভুক্ত করে। সনাক্তকরণ, পরিচয়ের সাদৃশ্য, সীমানা, মাত্রা এবং প্রদানকারীর আচরণ অন্যান্য উত্স এবং লক্ষ্য চিত্রগুলির জন্য পৃথক হতে পারে।
একটি প্রদত্ত ম্যাপ করা ফলাফলে কি একটি ওয়াটারমার্ক বা আমার ইমেল অন্তর্ভুক্ত থাকবে?
না। মাল্টিপল-ফেস আউটপুটে ওয়াটারমার্ক বা অ্যাকাউন্ট ইমেল কোনোটিই থাকে না। টাস্ক ফাইল 24 ঘন্টা পরে মুছে ফেলার জন্য নির্ধারিত হয়.