'লিওনার্দো দ্য ভিঞ্চি জানতে পারলে কবরেও নড়েচড়ে বসবেন।' তার আঁকা কিংবদন্তি ছবি 'মোনালিসা' চোখ-মুখ নাড়িয়ে গান করছে। এই অসম্ভবকে সম্ভব করে তুলেছে মাইক্রোসফটের নতুন কৃত্রিম বুদ্ধিমত্তার (এআই) অ্যাপ। এই ভিডিও ভাইরাল হতেই নেট নাগরিকদের মধ্যে সাড়া পড়ে গিয়েছে। তা দেখেই সোশ্যাল মিডিয়া এক্স পরিবারের এক সদস্য ওই মন্তব্য করেছেন।
একজন পেশাদার র্যাপ সঙ্গীত শিল্পীর মতোই ছবির মোনালিসা গান করছে। আর সেটাই সম্ভব করে তুলেছে মাইক্রোসফট। তাদের নতুন এআই অ্যাপ ভিএএসএ-ওয়ান এই কাজ করে দেখিয়েছে। এতে শুধু মোনালিসাই নয়, যে কোনও স্থিরচিত্রকে কথা বলানো যায়। যা দেখে আপাতভাবে মনে হবে জীবন্ত মানুষই কথা বলছে।
মাইক্রোসফটের অফিসিয়াল ওয়েবসাইটে মোনালিসার এই র্যাপ সঙ্গীতের ভিডিও প্রকাশ করা হয়েছে। সঙ্গে সঙ্গে তা ভাইরাল হয়ে গিয়েছে। এ পর্যন্ত ৭০ লক্ষ মানুষ এটা দেখেছেন। প্রতি মুহূর্তে সংখ্যাটি বৃদ্ধি পাচ্ছে সংক্রমণের মতো। শুধু দেখেই ক্ষান্ত হচ্ছেন না নেট নাগরিকরা। তাদের দেয়াল লিখনে ভরে গিয়েছে সামাজিক যোগাযোগমাধ্যম।
একজন লিখেছেন, মোনালিসার ক্লিপ দেখে আমি তো হেসে গড়িয়েই পড়ে গিয়েছি মাটিতে। কেউ লিখেছেন, মোনালিসার র্যাপিং পাপারাৎজি ইজ ওয়াইল্ড। মজা করে একজন লিখেছেন, দ্য ভিঞ্চি মাটির নীচেও গড়াগড়ি খাবেন দেখলে। এছাড়াও কেউ লিখেছেন, দিস ইজ ক্রেজি ম্যান। অন্যজনের জবাব দ্য ভিঞ্চি যদি একবার দেখতে পেতেন!
মাইক্রোসফটের তরফে বলা হয়েছে, ভাসা হল যে কোনও ছবিকে কার্যত রক্তমাংসের মানুষের মতো জীবন্ত করে দেখানোর একটি কারিগরি। প্রিমিয়ার মডেলের ভাসা ওয়ান কেবলমাত্র ঠোঁটের নড়াচড়া করাতে পারে। তার সঙ্গে তাল মিলিয়ে কণ্ঠস্বরকে জোড়া দেয়া যেতে পারে। যাতে মাথা দোলানো দেখা যাবে। সাধারণের কাছে এই অ্যাপ কবে নাগাদ আসতে পারে? এর জবাবে কর্তৃপক্ষ বলেছে, অনলাইন ডেমো ভার্সন চালুর কোনও ইচ্ছা আমাদের নেই। যতক্ষণ না আমরা এই প্রোডাক্টের দায়িত্বশীল ব্যবহার এবং আইন মেনে ব্যবহারের বিষয়ে নিশ্চিত হতে পারছি, ততক্ষণ এটা বাজারে ছাড়া হবে না।Microsoft just dropped VASA-1. This AI can make single image sing and talk from audio reference expressively. Similar to EMO from Alibaba 10 wild examples: 1. Mona Lisa rapping Paparazzi pic.twitter.com/LSGF3mMVnD
— Min Choi (@minchoi) April 18, 2024
