প্রকল্পের সারমর্ম

এটি Coze (Kouzi) প্ল্যাটফর্ম দিয়ে AI ওয়ার্কফ্লো নির্মাণ, GPT-image2 মডেল মিলিয়ে এক ক্লিকে উচ্চমানের বাণিজ্যিক অ্যাপ্লিকেশন ছবি তৈরির টিউটোরিয়াল। মূল হলো Coze-এর নোড-ভিত্তিক সংগঠনের মাধ্যমে ইনপুট (পণ্যের ছবি/চাহিদার কপি) থেকে আউটপুট (লাইভ সেলিং ছবি, ই-কমার্স বিস্তারিত পেজ, সফটওয়্যার অপারেশন দ্রুত গাইড ছবি ইত্যাদি) পর্যন্ত সম্পূর্ণ স্বয়ংক্রিয় ছবি তৈরি, ই-কমার্স, কনটেন্ট সৃষ্টি ইত্যাদি দৃশ্যের ভিজ্যুয়াল মেটেরিয়াল উৎপাদন দক্ষতা অনেক বাড়ায়।

মূল পদ্ধতি ও প্রক্রিয়া

• Coze প্ল্যাটফর্মে নতুন ওয়ার্কফ্লো (workflow) তৈরি, নাম ইংরেজিতে, ভিজ্যুয়াল সংগঠন ইন্টারফেসে প্রবেশ, বাম থেকে ডানে নোড চেইন নির্মাণ
• শুরু নোড (Start) সেট: ছবির ধরন অনুযায়ী ইনপুট ভেরিয়েবল নির্ধারণ — পণ্যের ছবি (file/image ধরন), প্রচার কপি (string), চরিত্রের নাম (string), ছবির অনুপাত ইত্যাদি
• "স্ট্রিং টু লিস্ট" নোড (string to list) যোগ: শুরু নোডের ছবির ভেরিয়েবল অ্যারে ফরম্যাটে রূপান্তর, কারণ GPT-image2 প্লাগইনে ছবির লিংক অ্যারে ইনপুট হিসেবে লাগে
• "বড় মডেল নোড" (LLM) যোগ করে টেক্সট-টু-ইমেজ প্রম্পট তৈরি: Doubao 2.0mini ইত্যাদি হালকা মডেল বাছাই, সিস্টেম প্রম্পটে চরিত্র ও আউটপুট ফরম্যাট নির্ধারণ, ব্যবহারকারী প্রম্পটে শুরু নোডের কপি, চরিত্র, ছবির ভেরিয়েবল উল্লেখ, একইসাথে টাইমআউট 600 সেকেন্ডে বাড়িয়ে বিচ্ছিন্নতা প্রতিরোধ
• "GPT-image2" প্লাগইন নোড যোগ: সবচেয়ে শক্তিশালী ছবির মডেল বাছাই, বড় মডেলের আউটপুট প্রম্পট prompt হিসেবে, শুরু নোডের API key প্রমাণীকরণ হিসেবে, অনুপাত 9:16 বা 16:9 সেট, রেফারেন্স ছবি হিসেবে আগে রূপান্তরিত অ্যারে ভেরিয়েবল বাছাই
• "সিলেক্টর নোড" (if-else) যোগ করে ব্যাকআপ প্রসেসিং: প্রধান প্লাগইন ছবি তৈরি করেছে কিনা যাচাই (আউটপুট খালি নয়), সফল হলে সরাসরি আউটপুট, ব্যর্থ হলে ব্যাকআপ প্লাগইন (একই কনফিগারেশনের কপি) চালু করে আবার তৈরি, একক ব্যর্থতায় সম্পূর্ণ ওয়ার্কফ্লো বিচ্ছিন্ন হওয়া এড়ানো
• "ভেরিয়েবল এগ্রিগেটর নোড" (aggregator) যোগ: প্রধান প্লাগইন ও ব্যাকআপ প্লাগইনের আউটপুট URL একত্রিত, খালি নয় এমন মান চূড়ান্ত আউটপুট হিসেবে, তারপর শেষ নোড (End)-এ সংযোগ
• "ট্রায়াল রান" ক্লিক করে পরীক্ষা: সত্যিকারের পণ্যের ছবির URL, কপি, চরিত্রের নাম ও API key পূরণ, প্রায় 1-2 মিনিট চালানোর পর তৈরি ছবির ফল দেখুন, ইফেক্ট অনুযায়ী প্রম্পট বা প্লাগইন কনফিগারেশন সমন্বয়

আয়ের মডেল ও উল্লিখিত ফলাফল

টিউটোরিয়ালে সরাসরি নির্দিষ্ট আয়ের তথ্য উল্লেখ নেই, বরং GPT-image2-এর বাণিজ্যিক প্রয়োগে মূল্যতে জোর: এক ক্লিকে লাইভ সেলিং ছবি, Amazon ই-কমার্স বিস্তারিত পেজ, সফটওয়্যার অপারেশন দ্রুত গাইড ছবি, খাবারের ম্যাপ, নতুনদের ফাঁদ এড়ানোর গাইড ইত্যাদি উচ্চমানের ছবি তৈরি। এই ছবি সরাসরি ই-কমার্স বিস্তারিত পেজ, সামাজিক মাধ্যম কনটেন্ট, টিউটোরিয়ালের ছবি ইত্যাদি দৃশ্যে ব্যবহার করা যায়, ডিজাইন খরচ বাঁচায় (একক ডিজাইন ফি প্রায় 50-200 ইউয়ান), এবং কনটেন্টের ক্লিক রেট ও রূপান্তর বাড়ায়। ব্যাচে ছবি তৈরি করে ডিজাইন এজেন্সি, নলেজ পেইড (ওয়ার্কফ্লো টেমপ্লেট বিক্রি) ইত্যাদি আয়ের পথে ব্যবহার করা যায়।

শর্ত ও প্রস্তুতি

• ডিভাইস: কম্পিউটার (Windows/Mac প্রস্তাবিত, ব্রাউজারে Coze প্ল্যাটফর্ম অপারেশনের জন্য)
• টুল: Coze (Kouzi) প্ল্যাটফর্ম অ্যাকাউন্ট (ফ্রি নিবন্ধন), GPT-image2 প্লাগইনের API Key (OpenAI থেকে নিতে হবে, পেইড, তবে শুরুতে ফ্রি কোটা আছে), Doubao বড় মডেল (ফ্রি কোটা নির্মাণ ও পরীক্ষার জন্য যথেষ্ট)
• দক্ষতা: মৌলিক LLM প্রম্পট লেখার ক্ষমতা; ওয়ার্কফ্লো/ফ্লোচার্ট ধারণা বোঝা (নোড, ভেরিয়েবল, ইনপুট-আউটপুট); সহজ প্লাগইন কনফিগারেশন পড়তে ও ডিবাগ করতে পারা; প্রোগ্রামিং ভিত্তি লাগে না
• পুঁজি: Coze প্ল্যাটফর্ম ফ্রি; GPT-image2 API-এর কিছু খরচ আছে (প্রতি ছবি হিসাবে, প্রায় 0.01-0.05 মার্কিন ডলার/ছবি), পরীক্ষার পর্যায়ে খরচ অত্যন্ত কম

মূল ধাপের সারসংক্ষেপ

1. Coze অফিসিয়াল ওয়েবসাইট খুলুন, লগইনের পর ওয়ার্কফ্লো ম্যানেজমেন্ট পেজে প্রবেশ, "নতুন ওয়ার্কফ্লো" ক্লিক, ইংরেজি নাম (যেমন shop_image_gen) ও বর্ণনা পূরণ, ভিজ্যুয়াল এডিটরে প্রবেশ
2. শুরু নোড কনফিগার: তিনটি ভেরিয়েবল যোগ — product_image (ধরন file/image, বাধ্যতামূলক), prompt_text (string, প্রচার কনটেন্টের বর্ণনা), character_name (string, চরিত্রের ডাকনাম) ও api_key (string, প্রমাণীকরণের জন্য)
3. শুরু নোডের পরে "string to list" নোড যোগ: product_image ভেরিয়েবল পাস, আউটপুট array(string) ধরন বাছাই, পরবর্তী প্লাগইনের জন্য
4. বড় মডেল নোড যোগ: Doubao 2.0mini মডেল বাছাই, সিস্টেম প্রম্পটে পূর্বনির্ধারিত টেমপ্লেট লিখুন (যেমন "তুমি একজন ই-কমার্স ডিজাইন বিশেষজ্ঞ, ব্যবহারকারীর দেওয়া পণ্যের ছবি ও প্রচার কপি অনুযায়ী একটি পেশাদার টেক্সট-টু-ইমেজ প্রম্পট তৈরি করো..."), শুরু নোডের prompt_text ও character_name ব্যবহারকারী প্রম্পটে পূরণ, ছবি ভিজ্যুয়াল বোঝার ইনপুট হিসেবে (string ধরন, অ্যারে নয়), টাইমআউট 600 সেকেন্ড সেট
5. GPT-image2 প্লাগইন যোগ: "GPT image2 ছবি তৈরি" প্লাগইন সার্চ ও বাছাই, সবচেয়ে শক্তিশালী মডেল বাছাই (যেমন dall-e-3), প্যারামিটার কনফিগার: api_key শুরু নোড উল্লেখ, prompt বড় মডেলের আউটপুট উল্লেখ, রেফারেন্স ছবি string to list-এর আউটপুট উল্লেখ (অ্যারে ফরম্যাট), অনুপাত 9:16 বা 16:9 বাছাই, সিঙ্ক মোডে "সিঙ্ক" বাছাই
6. সিলেক্টর নোড যোগ: শর্ত "GPT-image2 প্লাগইনের আউটপুট URL খালি নয়", সত্য হলে ভেরিয়েবল এগ্রিগেটর নোডে, মিথ্যা হলে GPT-image2 প্লাগইনের একটি কপি (একই কনফিগারেশন) ব্যাকআপ হিসেবে, আবার তৈরি চেষ্টা
7. ভেরিয়েবল এগ্রিগেটর নোড যোগ: প্রধান প্লাগইনের আউটপুট ও ব্যাকআপ প্লাগইনের আউটপুট একত্রিত, "group_1" বা উপলব্ধ গ্রুপ ফিল্ড বাছাই, প্রথম খালি নয় এমন মান নিন, শেষ নোডের আউটপুটে সংযোগ
8. "ট্রায়াল রান" ক্লিক, পরীক্ষার তথ্য পূরণ (যেমন পণ্যের ছবির লিংক, কপি "গ্রীষ্মের ফ্লোরাল ড্রেস, সীমিত সময়ের ছাড়", চরিত্র "Trump"), 1-2 মিনিট চালানোর অপেক্ষা, তৈরি লাইভ সেলিং ছবির ইফেক্ট দেখুন, ইফেক্ট অনুযায়ী প্রম্পট বা প্লাগইন কনফিগারেশন সমন্বয় করে সেভ ও প্রকাশ