স্টেবল ডিফিউশন কী, কীভাবে এটি ইনস্টল এবং ব্যবহার করবেন

স্থিতিশীল বিস্তারের মাধ্যমে তৈরি ছবি

স্থিতিশীল ব্যাপন সম্পর্কে জানতে এবং এই পদ্ধতিটি কীভাবে ব্যবহার করতে হয় তা শিখতে এটি একটি নির্দেশিকা ।

উপরের ছবিটি স্টেবল ডিফিউশন ব্যবহার করে তৈরি করা হয়েছে। এটি নিম্নলিখিত টেক্সট (প্রম্পট) থেকে তৈরি করা হয়েছে।

স্কাইক্র্যাপার সহ শহরের স্কাইলাইন, স্ট্যানিস্লাভ সিডোরভের লেখা, ডিজিটাল আর্ট, অতি বাস্তবসম্মত, অতি বিস্তারিত, ফটোরিয়ালিস্টিক, 4k, চরিত্র ধারণা, নরম আলো, ব্লেড রানার, ভবিষ্যতবাদী

স্টেবল ডিফিউশন হল একটি টেক্সট-টু-ইমেজ মেশিন লার্নিং মডেল। কৃত্রিম বুদ্ধিমত্তার একটি গভীর শিক্ষণ মডেল যা আমাদের ইনপুট বা ইনপুট হিসাবে রাখা টেক্সট থেকে ছবি তৈরি করতে দেয়।

এটি এই স্টাইলের প্রথম মডেল বা প্রথম টুল নয়, বর্তমানে ডাল-ই ২, মিডজার্নি, গুগল ইমেজ নিয়ে অনেক আলোচনা হচ্ছে, তবে এটি যা উপস্থাপন করে তার কারণে এটি সবচেয়ে গুরুত্বপূর্ণ। স্টেবল ডিফিউশন একটি ওপেন সোর্স প্রকল্প, তাই যে কেউ এটি ব্যবহার এবং পরিবর্তন করতে পারে। ভার্সন ১.৪-এ আমাদের একটি 4G .cpxt ফাইল রয়েছে যেখানে সম্পূর্ণ পূর্ব-প্রশিক্ষিত মডেলটি এসেছে, এবং এটি একটি সত্যিকারের বিপ্লব।

এতটাই যে, প্রকাশের মাত্র ২-৩ সপ্তাহের মধ্যেই আমরা PhotoShop, GIMP, Krita, WordPress, Blender ইত্যাদির জন্য প্লাগইন খুঁজে পাই। ছবির সাথে আসা প্রায় প্রতিটি টুলই Stable Diffusion ব্যবহার করছে, এমনকি Midjourney-এর মতো প্রতিযোগীরাও তাদের টুল উন্নত করার জন্য এটি ব্যবহার করছে। কিন্তু এটি কেবল টুল তৈরি করতেই ব্যবহৃত হয় না, বরং আমরা ব্যবহারকারী হিসেবে এটি আমাদের পিসিতে ইনস্টল করতে পারি এবং স্থানীয়ভাবে ছবি পেতে এটি চালাতে পারি।

কারণ ওপেন সোর্স হওয়ার অর্থ এই নয় যে এটি আগেরগুলোর তুলনায় কম শক্তিশালী। এটা সত্যিই একটা আশ্চর্যের বিষয়। আমার কাছে এখন এটিই সেরা টুল যা আমরা যেকোনো প্রজেক্টের জন্য আমাদের ছবি তৈরি করতে ব্যবহার করতে পারি।

স্টেবল ডিফিউশন ইনস্টল এবং ব্যবহারের উপায়

এটি ব্যবহারের বিভিন্ন উপায় আছে। এখন আমি ২টি সুপারিশ করছি। যদি আপনার কম্পিউটারে প্রয়োজনীয় শক্তি থাকে, অর্থাৎ প্রায় ৮ গিগাবাইট র‍্যাম সহ একটি গ্রাফিক্স কার্ড থাকে, তাহলে এটি আপনার কম্পিউটারে ইনস্টল করুন। যদি আপনার হার্ডওয়্যার যথেষ্ট শক্তিশালী না হয় তবে গুগল কোলাব ব্যবহার করুন, এখনই আমি অল্ট্রিন ব্যবহার করার পরামর্শ দিচ্ছি, কারণ এটি একটি গ্রাফিকাল ইন্টারফেস সহ আসে এবং ব্যবহার করা সহজ।

বিস্তারিত ধাপে ।

আলট্রিনের কোলাব

যদি আপনার কম্পিউটার যথেষ্ট শক্তিশালী না হয় (8Gb RAM সহ GPU) অথবা আপনি যদি কিছু ইনস্টল না করেই এর সমস্ত বৈশিষ্ট্য সহ এটি চেষ্টা করে দেখতে চান তবে আমি এই বিকল্পটি সুপারিশ করব।

আরো দেখুন  জিএলএম ৫.২ এআই কোডিং: এজেন্টিক ডেভেলপমেন্টের পুনঃসংজ্ঞায়নকারী ওপেন-ওয়েট মডেল

আমি এটি সুপারিশ করছি কারণ এটিতে একটি খুব আরামদায়ক গ্রাফিক্যাল ইন্টারফেস রয়েছে যেখানে ছবি নিয়ন্ত্রণের জন্য অনেক বিকল্প এবং অন্যান্য মডেল টুল যেমন ইমেজ টু ইমেজ এবং আপস্কেল রয়েছে।

মডেল এবং ফলাফল সংরক্ষণের জন্য আমরা অলট্রাইনের তৈরি গুগল কোলাব এবং গুগল ড্রাইভ ব্যবহার করি।

এটা সম্পূর্ণ বিনামূল্যে । আমি পুরো প্রক্রিয়াটির একটি ভিডিও দিয়েছি, যা আপনারা দেখতেই পাবেন, খুবই সহজ।

পিসিতে ইনস্টল করুন

পিসি থেকে এটি ইনস্টল করার জন্য আপনি এর গিটহাব, https://github.com/CompVis/stable-diffusion- এ দেওয়া নির্দেশাবলী অনুসরণ করতে পারেন, অথবা এর গ্রাফিক্যাল ইন্টারফেসযুক্ত সংস্করণটি ব্যবহার করতে পারেন যা আমার অনেক বেশি পছন্দ https://github.com/AUTOMATIC1111/stable-diffusion-webui। আর উইন্ডোজ এবং লিনাক্সে এটি ইনস্টল করার জন্য আপনি এই এক্সিকিউটেবলটি ব্যবহার করতে পারেন: Stable Diffusion UI v2।

আপনি ইতিমধ্যেই জানেন যে এটি সুচারুভাবে কাজ করার জন্য আপনার একটি শক্তিশালী GPU প্রয়োজন যার মধ্যে ন্যূনতম 8Gb RAM থাকতে হবে। আপনি এটিকে CPU টানতে পারেন, তবে এটি অনেক ধীর এবং এটি আপনার কাছে থাকা প্রসেসরের উপরও নির্ভর করবে। তাই যদি আপনার যন্ত্রপাতি পুরানো হয় তবে আপনাকে Stable Diffusion ব্যবহার করার জন্য Colab বা অন্য কোনও পেমেন্ট পদ্ধতি ব্যবহার করতে হবে।

আপনার পিসিতে এটি থাকার সুবিধা হল এটি ব্যবহার করা অনেক দ্রুত, আপনাকে কিছু ইনস্টল বা কনফিগার করতে হবে না, কেবল একবার করলেই যথেষ্ট, তারপর থেকে সবকিছু অনেক দ্রুত।

এছাড়াও, এটি আমার এত পছন্দের আরেকটি কারণ হল আমি এটিকে অন্যান্য স্ক্রিপ্টের সাথে একীভূত করতে পারি এবং তৈরি করা ছবিগুলিকে সরাসরি কাজের কর্মপ্রবাহে সন্নিবেশ করিয়ে সুবিধা নিতে পারি, যা একটি অত্যন্ত গুরুত্বপূর্ণ বিষয়।

অফিসিয়াল কোলাব ডিফিউজার

এটি উপরে আমি যে Colab-এর সুপারিশ করেছি তার সাথে অনেকটাই মিল, এটি প্রায় একই রকম কাজ করে, আপনাকে মডেলটি আপলোড করতে হবে না, তবে এতে গ্রাফিক্যাল ইন্টারফেস নেই এবং যেকোনো বিকল্প পরিবর্তন করতে আপনাকে কোড ব্লকের বিকল্পগুলি পরিবর্তন করতে হবে এবং আমাদের যা প্রয়োজন তা সামঞ্জস্য করতে সেগুলিকে পরিবর্তন করতে হবে।

এছাড়াও, আমরা ইমেজ টু ইমেজ অপশনটি ব্যবহার করতে পারি না, যা খুবই আকর্ষণীয়।

আপনি এই লিঙ্ক থেকে এটি অ্যাক্সেস করতে পারেন: https://colab.research.google.com/github/huggingface/notebooks/blob/main/diffusers/stable_diffusion.ipynb

আমাদের কাছে প্রাপ্তবয়স্কদের ছবির জন্য একটি ফিল্টার আছে, বিখ্যাত NSFW, কিন্তু আপনি এই কোড ব্যবহার করে এটি নিষ্ক্রিয় করতে পারেন, অর্থাৎ, ডকুমেন্টে একটি সেল তৈরি করে

def dummy_checker(images, **kwargs): return images, False
http://pipe.safety_checker = dummy_checker

তোমাকে এটিকে ঘরের ঠিক পরে রাখতে হবে।

pipe = pipe.to("cuda")

এবং এটি চালান

Colab স্টেবল ডিফিউশন ইনফিনিটি

এই কোলাবে আমরা ইনফিনিটি টুল ব্যবহার করতে পারি, যা আমাদের ছবি সম্পূর্ণ করতে সাহায্য করে। বিদ্যমান ছবি থেকে কন্টেন্ট তৈরি করুন। একটি বাস্তব পাস।

আরো দেখুন  গুগল কোলাব

https://colab.research.google.com/github/lkwq007/stablediffusion-infinity/blob/master/stablediffusion_infinity_colab.ipynb#scrollTo=lVLSD0Dh0i-L

স্টেবল ডিফিউশন সহ ড্রিমবোথ

এটি হল গুগলের ড্রিমবোথের স্টেবল ডিফিউশনের বাস্তবায়ন যা একজন ব্যক্তির কয়েকটি ছবি থেকে, ডেমোতে দেখানো মুখের সাথে ব্যক্তিগতকৃত ফলাফল পেতে সাহায্য করে।

ছবি কাস্টমাইজ করার একটি অসাধারণ উপায়

https://github.com/XavierXiao/Dreambooth-Stable-Diffusion

অন্যান্য কোলাব

তুমি তো কোলাবে কীভাবে কাজ করতে হয় তা ইতিমধ্যেই জানো, আচ্ছা, আমি তোমার জন্য অন্যগুলো রেখে যাচ্ছি যেগুলো আমি খুঁজে বের করছি যাতে তুমি তোমার সবচেয়ে পছন্দেরটি ব্যবহার করতে পারো। এমনকি যদি তুমি চাও, তুমি একটি কপি তৈরি করতে পারো এবং তোমার পছন্দ অনুযায়ী এটি পরিবর্তন করে তোমার নিজস্ব সংস্করণ তৈরি করতে পারো।

এর অফিসিয়াল ওয়েবসাইট থেকে

এটি ব্যবহার করার একটি সহজ উপায় হলো, OpenAI-তে Dall-e 2 ব্যবহার করার মতোই, কিন্তু প্ল্যাটফর্মটি ব্যবহার করলে পরিষেবাটির জন্য অর্থ প্রদান করতে হয়। https://stability.ai/

হাগিংফেস থেকে

এটি কীভাবে কাজ করে তা দেখার জন্য এটি দ্রুত পরীক্ষা করা এবং কিছু ছবি তোলার জন্য একটি আকর্ষণীয় বিকল্প, তবে আমরা যদি এটি সম্পর্কে সিরিয়াস হতে চাই তবে অনেকগুলি বিকল্প ব্যবহার করব।

https://huggingface.co/spaces/stabilityai/stable-diffusion

AWS অথবা কোনও ক্লাউড পরিষেবা ব্যবহার করা

স্টেবল ডিফিউশন মডেলটি ক্লাউডে হার্ডওয়্যারে চালানোর মাধ্যমে ব্যবহার করা যেতে পারে, একটি ক্লাসিক পরিষেবা হল Amazon এর AWS। এই মুহূর্তে আমি বিভিন্ন অ্যালগরিদমের সাথে কাজ করার জন্য EC2 ইন্সট্যান্স দিয়ে পরীক্ষা করছি। আমি আপনাকে বলব এটি কেমন।

অন্যান্য পেমেন্ট পরিষেবা

স্টক ফটোতে বাস্তবায়ন থেকে শুরু করে এমন ওয়েবসাইট যা আমাদের API-এর সাথে একীভূত করার অনুমতি দেয়, এমন অনেক এবং আরও অনেক কিছু আবির্ভূত হচ্ছে। এই মুহূর্তে এটি আমার দৃষ্টি আকর্ষণ করেছে, যদিও ব্যক্তিগতভাবে আমি বিনামূল্যের পরিষেবাগুলি ব্যবহার করতে যাচ্ছি।

দ্রুত প্রকৌশলের জন্য সরঞ্জাম

ইঞ্জিনিয়ারিং প্রম্পট হল সেই অংশ যা প্রম্পটের জেনারেশনকে বোঝায়, অর্থাৎ, সেই বাক্যাংশ যা দিয়ে আমরা মডেলটিকে ফিড করি যাতে এটি আমাদের ছবি তৈরি করে। এটি কোনও তুচ্ছ বিষয় নয় এবং দুর্দান্ত ফলাফল পেতে আপনাকে এটি কীভাবে ব্যবহার করতে হয় তা খুব ভালভাবে জানতে হবে।

শেখার জন্য একটি অত্যন্ত কার্যকরী উপকরণ হলো শব্দকোষ , যেখানে আমরা ছবি এবং তাদের ব্যবহৃত নির্দেশিকা, মূলভাব এবং নির্দেশনা মাপকাঠি দেখতে পাই।

আপনার চারপাশে ব্রাউজ করলে আপনি জানতে পারবেন যে আপনি যে ধরণের ফলাফল খুঁজছেন তা পেতে প্রম্পটে কী ধরণের উপাদান বরাদ্দ করতে হবে।

মতামত দিন