ডি-আইডি কি?
D-ID হল একটি অবতার-ভিডিও এবং ভিজ্যুয়াল-এজেন্ট প্ল্যাটফর্ম যা একটি ব্রাউজার স্টুডিও, মোবাইল অ্যাপ্লিকেশন, ইন্টিগ্রেশন, API এবং SDK-এর মাধ্যমে উপলব্ধ। এটি পাঠ্য বা অডিও থেকে একটি ফটো অ্যানিমেট করতে পারে, স্টক বা ব্যক্তিগত উপস্থাপকদের সাথে ভিডিও তৈরি করতে পারে, ঠোঁট সিঙ্ক এবং ভয়েস ক্লোনিংয়ের সাথে বিদ্যমান ফুটেজ অনুবাদ করতে পারে এবং একটি LLM এবং জ্ঞান বেস দ্বারা সমর্থিত ইন্টারেক্টিভ অবতার তৈরি করতে পারে।
এর বর্তমান প্রযুক্তিগত পরিসরের মধ্যে রয়েছে V2 ফটো অবতার, V3 স্টক এবং তাত্ক্ষণিক ভিডিও অবতার, V4 এক্সপ্রেসিভ অবতার, 30টিরও বেশি অনুবাদ আউটপুট ভাষা, বিভিন্ন প্রদানকারীর কণ্ঠস্বর, ক্যানভা এবং পাওয়ারপয়েন্ট ইন্টিগ্রেশন এবং ফ্রন্ট-এন্ড এম্বেড। একটি লাইভ এজেন্ট একটি মাইক্রোফোনের মাধ্যমে শুনতে, সংস্থার জ্ঞান পুনরুদ্ধার করতে, WebRTC বা LiveKit-এর মাধ্যমে একটি অবতারের সাথে কথা বলতে এবং বিশ্লেষণের জন্য কথোপকথন রপ্তানি করতে পারে।
এই পৃষ্ঠতল বিভিন্ন তথ্য প্রবাহ আছে. একটি একমুখী প্রশিক্ষণ ভিডিও, ক্রমাগত ব্যক্তিগত অবতার, ক্লোন করা ভয়েস, অনুবাদিত সাক্ষাত্কার এবং সর্বদা গ্রাহক-মুখী এজেন্টের একটি সাধারণ অনুমোদন শেয়ার করা উচিত নয়।
অবতার গুণমান, অনুবাদ এবং এজেন্ট নিরাপত্তা
কথা বলা-অবতারের গুণমান উৎস মুখ, রেজোলিউশন, ভঙ্গি, ক্রপ, আন্দোলন, অডিও, উচ্চারণ, ভাষা এবং লক্ষ্য শৈলীর উপর নির্ভর করে। ঠোঁট সিঙ্ক এবং অভিব্যক্তি প্ররোচক দেখাতে পারে যখন এখনও অপ্রাকৃতিক বোধ করে। মুখের নিদর্শন, চোখ এবং মুখের গতি, হাত, ব্র্যান্ডের চিহ্ন, সময়, উচ্চারণ, সাবটাইটেলের নির্ভুলতা এবং কর্মক্ষমতা স্পিকারের উদ্দেশ্যমূলক আবেগকে পরিবর্তন করে কিনা তা পরীক্ষা করুন।
আউটপুট ভাষা প্রতি ভিডিও অনুবাদ চার্জ এবং উৎস ভয়েস ক্লোন করতে পারেন. প্রজন্মের আগে প্রুফরিড নাম, পরিসংখ্যান, দাবি, নিয়ন্ত্রিত পদ, সম্মানসূচক এবং সাংস্কৃতিক বাক্যাংশ। বর্তমান তুলনা স্ব-পরিষেবা অনুবাদিত ভিডিওগুলিকে ট্রায়ালের বাইরে পাঁচ মিনিটের মধ্যে সীমাবদ্ধ করে, যখন এন্টারপ্রাইজ 30 মিনিট পর্যন্ত সমর্থন করে। শুধুমাত্র এন্টারপ্রাইজ একটি প্যাকেজ বৈশিষ্ট্য হিসাবে প্রুফরিডিং তালিকাভুক্ত করে, তাই অন্যান্য ক্রেতাদের তাদের নিজস্ব ভাষাগত QA প্রয়োজন।
ভিজ্যুয়াল এজেন্ট বৃহত্তর ঝুঁকি যোগ করে। সিস্টেমটি মাইক্রোফোন ইনপুট, স্পিচ-টু-টেক্সট, এলএলএম রিজনিং, আরএজি ডকুমেন্টস, টিটিএস এবং অবতার রেন্ডারিং একত্রিত করতে পারে; ঐচ্ছিক ElevenLabs ইন্টিগ্রেশন কথোপকথন পাইপলাইন অন্য প্রদানকারীকে অর্পণ করে। জ্ঞানের উত্স সীমাবদ্ধ করুন, গোপনীয়তা এবং প্রম্পট-ইনজেকশন সামগ্রী সরান, প্রত্যাখ্যান সংজ্ঞায়িত করুন, অসমর্থিত প্রশ্নগুলি পরীক্ষা করুন, ক্যাপ টুলস এবং ক্রিয়াকলাপ, এজেন্টকে AI হিসাবে লেবেল করুন, মাইক্রোফোনের সম্মতি পান, একটি মানব হ্যান্ডঅফ প্রকাশ করুন এবং রপ্তানি করা প্রতিলিপি পর্যালোচনা করুন।
বর্তমান স্টুডিও মূল্য এবং ক্রেডিট
বার্ষিক পৃষ্ঠাটি 14 দিন এবং তিন মিনিটের জন্য $0 এ ট্রায়াল দেখায়, দশ মাসিক মিনিটের জন্য লাইট $56/বছর ($4.70 মাসিক সমতুল্য), 15-এর জন্য $191/বছর ($16 সমতুল্য) প্রো-এ, এবং $1,293/বছরে ($108 সমতুল্য) এ অ্যাডভান্সড, 100 মিনিটের জন্য কাস্টমাইজড বা কাস্টমাইজড এন্টারপ্রাইজ বিজ্ঞাপন দেখানো হয়। সহযোগিতা, SSO, পেশাদার পরিষেবা এবং দ্রুত প্রক্রিয়াকরণ। বার্ষিক প্ল্যানগুলি প্রিপেইড তবে ক্রেডিটগুলি একটি বার্ষিক পুলের পরিবর্তে মাসিক আসে৷
ট্রায়াল এবং লাইট ব্যক্তিগত ব্যবহারের লাইসেন্স বহন করে। Pro বাণিজ্যিক ব্যবহার, প্রিমিয়াম ভয়েস, একটি ভয়েস ক্লোন, সাবটাইটেল এবং একটি এআই ওয়াটারমার্ক যোগ করে। উন্নত আরও ব্যক্তিগত অবতার এবং ক্লোন যোগ করে এবং একটি কাস্টম লোগোর অনুমতি দেয়। সাহায্য বলছে শুধুমাত্র এন্টারপ্রাইজ সম্পূর্ণরূপে ওয়াটারমার্ক মুছে ফেলতে পারে; কাস্টম লোগো এবং অপসারণের মধ্যে পার্থক্য নিশ্চিত করুন। ট্রায়াল একটি পূর্ণ-স্ক্রীন ওয়াটারমার্ক, লাইট একটি ডি-আইডি চিহ্ন এবং প্রো একটি জেনেরিক এআই চিহ্ন ব্যবহার করে।
নিয়মিত ভিডিও এবং অনুবাদ ব্যবহার সাধারণত একটি ক্রেডিটকে 15 সেকেন্ড পর্যন্ত বিবেচনা করে। প্রতিটি অনুবাদিত ভাষা একটি পৃথক আউটপুট। এজেন্ট প্রতিক্রিয়া প্রতি 15-সেকেন্ডের ব্যবধানে 0.5 ক্রেডিট খরচ করে এবং ব্যালেন্স শেষ হয়ে গেলে থামে। এজেন্ট ট্রাফিক তাই ব্যবহার ভিত্তিক; মডেল, বক্তৃতা, জ্ঞান এবং বহিরাগত-প্রদানকারী চার্জ প্রযোজ্য হতে পারে। "আনলিমিটেড প্রথম মাস" যুক্তিসঙ্গত-ব্যবহারের সীমা সাপেক্ষে এবং উৎপাদন অনুমান চালানো উচিত নয়।
সম্মতি, বায়োমেট্রিক্স, সাদৃশ্য এবং প্রকাশ
ডি-আইডির বায়োমেট্রিক নীতিতে বলা হয়েছে যে অবতার তৈরি, কথা বলা ছবি, ভয়েস ক্লোনিং, ভিডিও-টু-ভিডিও অনুরোধ এবং পরিচয় যাচাইকরণ মুখের জ্যামিতি, ল্যান্ডমার্ক, ভয়েসপ্রিন্ট, গাইট এবং অন্যান্য বায়োমেট্রিক বৈশিষ্ট্যগুলি বের করতে পারে। এটি যাচাই বা সংযম প্রদানকারীদের সাথে বায়োমেট্রিক তথ্য শেয়ার করতে পারে। নীতি বলে যে এই তথ্যগুলি পণ্যগুলিকে উন্নত করতে বা তাদের AI মডেলগুলিকে প্রশিক্ষণের জন্য ব্যবহার করা হয় না এবং প্রযোজ্য ধরে রাখার সময়কালের শেষে ধ্বংস হয়ে যায়।
প্রতিটি শনাক্তযোগ্য বিষয় থেকে নির্দিষ্ট, অবহিত এবং প্রত্যাহারযোগ্য অনুমতি পান। কোন মুখ এবং ভয়েস ক্যাপচার করা হবে, একটি পুনঃব্যবহারযোগ্য ক্লোন তৈরি করা হয়েছে কিনা, সঠিক উদ্দেশ্য এবং চ্যানেল, অঞ্চল, বাণিজ্যিক ব্যবহার, সম্পাদনা, অনুবাদ, সময়কাল, প্রাপক, বিক্রেতা, ধারণ, মুছে ফেলা এবং প্রত্যাহারের প্রভাবগুলি বলুন৷ একটি পাবলিক ইমেজ বা সাধারণ রেকর্ডিং সম্মতি স্বয়ংক্রিয়ভাবে নতুন বক্তৃতা সংশ্লেষিত সম্মতি নয়।
কন্টেন্ট এবং মেটাডেটাতে সিন্থেটিক উপস্থাপকদের লেবেল করুন যেখানে ব্যবহারিক, এবং প্ল্যাটফর্ম, বিজ্ঞাপন, নির্বাচন, ভোক্তা-সুরক্ষা, শ্রম, প্রচার এবং বায়োমেট্রিক আইন অনুসরণ করুন। কোনো প্রকৃত ব্যক্তিকে কখনই কোনো পণ্যকে সমর্থন করতে, কোনো দাবি করতে, পরামর্শ দিতে বা কোনো ইভেন্টে অংশগ্রহণ করতে দেখাবেন না যা তারা অনুমোদন করেনি।
ধারণ, নিরাপত্তা, এবং API অপারেশন
গোপনীয়তা নীতি বলে যে অ-স্থায়ী API অ্যাপ্লিকেশন ডেটা 24 ঘন্টার মধ্যে AWS সেটিংসের মাধ্যমে স্বয়ংক্রিয়ভাবে মুছে ফেলা হয়, 72 ঘন্টার মধ্যে এজেন্ট পণ্য ডেটা এবং 14 দিনের মধ্যে অন্তর্দৃষ্টি ডেটা। ব্যবহারকারী যতক্ষণ না মুছে দেয় ততক্ষণ পর্যন্ত একটি 'স্থির' পতাকা এনক্রিপ্ট করা ডেটা ধরে রাখে। একটি অবতার বজায় রাখার জন্য প্রয়োজনীয় বায়োমেট্রিক টেমপ্লেটগুলি প্রয়োজনীয় বা আইনত অনুমোদিত সময় পর্যন্ত দীর্ঘস্থায়ী হতে পারে। এগুলি স্বতন্ত্র ঘড়ি; প্রতিটি নথি।
সম্পূর্ণ করা API ইনপুটগুলিকে যেখানে সম্ভব স্পষ্টভাবে মুছুন, ডিফল্টরূপে স্থির এড়িয়ে চলুন, অব্যবহৃত অবতার এবং ক্লোনগুলি সরান, কথোপকথন-রপ্তানি ধারণ সেট করুন এবং ব্যাকআপ এবং সাবপ্রসেসরগুলি যাচাই করুন৷ ডি-আইডি বলে যে প্রসেসিং বা মুছে ফেলার অপেক্ষায় থাকা অ্যাপ্লিকেশনিক ডেটা মডেল প্রশিক্ষণের জন্য অ্যাক্সেস করা হয় না এবং অন্যথায় তার বর্ণিত নীতির বাইরে ব্যাক আপ করা হয় না; অর্ডার ফর্মে এন্টারপ্রাইজের প্রতিশ্রুতি নিশ্চিত করুন।
API শংসাপত্রগুলি মৌলিক প্রমাণীকরণের মাধ্যমে বাহিত একটি ব্যবহারকারীর নাম/পাসওয়ার্ড জোড়া ব্যবহার করে। এগুলিকে শুধুমাত্র একটি সার্ভার বা গোপন পরিচালকে সংরক্ষণ করবেন না, ব্রাউজার কোড বা পাবলিক রিপোজিটরিতে কখনই নয়৷ কীগুলি ঘোরান, ব্যয়ের সতর্কতা সেট করুন, এম্বেড ডোমেনগুলিকে সীমাবদ্ধ করুন, ক্লায়েন্ট কীগুলিকে সুরক্ষিত করুন, রেট-সীমা সেশনগুলি, আপলোড এবং ইউআরএলগুলিকে যাচাই করুন, অপ্রত্যাশিত প্রজন্মের উপর নজর রাখুন এবং লাইভ এজেন্টদের জন্য একটি কিল সুইচ প্রদান করুন৷
রায়
ডি-আইডি একটি একক কথা বলা ফটো থেকে স্থানীয় উপস্থাপক লাইব্রেরি এবং রিয়েল-টাইম এআই ইন্টারফেসে একটি বিস্তৃত পথ অফার করে। স্টুডিও অ্যাক্সেসযোগ্য, যখন API এবং SDK একই ভিজ্যুয়াল স্তরকে প্রোগ্রামযোগ্য করে তোলে।
এর উপযুক্ততা অনুমোদন এবং শাসনের চেয়ে অভিনবত্বের উপর কম নির্ভর করে। সঠিক বাণিজ্যিক এবং জলছাপ অধিকার, পরীক্ষা ভাষা এবং ভিজ্যুয়াল গুণমান সহ একটি পরিকল্পনা চয়ন করুন, সিন্থেটিক পরিচয় সুস্পষ্ট করুন, দানাদার মুখ এবং ভয়েস সম্মতি পান, অধ্যবসায় হ্রাস করুন, প্রতিটি কী সুরক্ষিত করুন এবং লাইভ উত্তর তত্ত্বাবধান করুন। যখন এই নিয়ন্ত্রণগুলি অনুপস্থিত থাকে, তখন একটি বিশ্বাসযোগ্য অবতার একটি উৎপাদন শর্টকাটের পরিবর্তে একটি দায় হয়ে ওঠে৷
