প্রকাশিত: ২১ নভেম্বর, ২০২৪
জেমিনি এপিআই ডেভেলপার প্রতিযোগিতায় অসংখ্য অসাধারণ সাবমিশনের পর, আমরা সেরা ওয়েব অ্যাপ্লিকেশন হিসেবে ViddyScribe-কে বিজয়ী হিসেবে নির্বাচন করেছি।
ভিডিস্ক্রাইব একটি উৎকৃষ্ট উদাহরণ যে, কীভাবে জেমিনি যেকোনো ভিডিওর জন্য দৃষ্টি প্রতিবন্ধী ব্যক্তিদের উপযোগী করে অডিও বিবরণ তৈরি করার মাধ্যমে ইউটিউবে এবং সম্ভবত এর বাইরেও ভিডিওগুলোকে আরও সহজলভ্য করে তুলতে সাহায্য করতে পারে।
বৈশিষ্ট্য এবং জেমিনির ক্ষমতা
ভিডিস্ক্রাইব একটি ব্যবহারকারী-কেন্দ্রিক অ্যাপ্লিকেশন তৈরি করেছে। যদিও ট্রান্সক্রিপ্ট এবং অডিও বর্ণনা তৈরির জন্য ইতিমধ্যেই বেশ কিছু সমাধান বিদ্যমান, ভিডিস্ক্রাইব একটি নির্দিষ্ট ব্যবহারকারী গোষ্ঠীর জন্য—অর্থাৎ দৃষ্টি প্রতিবন্ধী ব্যক্তিদের জন্য—দ্রুত ফলাফল এবং একটি মনোরম ব্যবহারকারী অভিজ্ঞতা উভয়কেই প্রাধান্য দিয়ে একটি আউটপুট তৈরিতে অগ্রাধিকার দিয়েছে।
এই দর্শকদের জন্য অতিরিক্ত বিবরণ যোগ করতে ভিডিওতে ম্যানুয়াল টীকা যোগ করা অনেক বেশি সময়সাপেক্ষ এবং প্রায়শই উপেক্ষিত হয়। ViddyScribe, Gemini-র সাহায্যে একটি কাস্টম সমাধান তৈরি করেছে যা একটি টেক্সট ফাইলে কিছু যথেচ্ছ ফ্রেম বিবরণ যোগ করার চেয়েও ব্যাপক পরিসরে কাজ করে।
সেরা ফলাফল পেতে ViddyScribe প্রম্পট ইঞ্জিনিয়ারিং ব্যবহার করেছে এবং Gemini 1.5 Pro-এর জন্য প্রশ্নের ভাষা ও শৈলী তৈরি করেছে। এই প্রম্পটটি চিন্তার শৃঙ্খল পদ্ধতি ব্যবহার করে নিম্নলিখিত অনুরোধটি করেছে:
- ভিডিওটির উদ্দেশ্য ও প্রেক্ষাপট।
- ভিডিও-ভিত্তিক বিশ্লেষণ ও নির্দেশিকা ব্যবহার করে বিশেষভাবে তৈরি অডিও বিবরণ।
- একটি অনুমানযোগ্য এবং সামঞ্জস্যপূর্ণ বিন্যাসের জন্য টাইমস্ট্যাম্প এবং বিবরণ নতুনভাবে সাজানো হয়েছে।
কেন আমরা ViddyScribe বেছে নিলাম
আমরা ViddyScribe বেছে নিয়েছি কারণ এটি একজন ব্যবহারকারীর বাস্তব সমস্যার একটি চমৎকার সমাধান ছিল।
যদিও তারা বাজারে অডিও বর্ণনা প্রদানকারী অন্যান্য অ্যাপ্লিকেশন খুঁজে পেয়েছিলেন, তারা অনুভব করেছিলেন যে বধির এবং দৃষ্টি প্রতিবন্ধী ব্যক্তিদের চাহিদা সম্পূর্ণরূপে বোঝা হয়নি। এই ডেভেলপাররা এই ধরনের প্রতিবন্ধকতা সম্পন্ন প্রকৃত ব্যক্তিদের সাথে কাজ করে একটি অডিও বর্ণনা অ্যাপ্লিকেশনে তাদের ঠিক কী প্রয়োজন তা নির্ধারণ করেছেন।
প্রতিবন্ধী ব্যক্তিদের অভিজ্ঞতা ব্যাপকভাবে ভিন্ন হতে পারে এবং কখনও কখনও তাদের একাধিক চাহিদাও থাকতে পারে। এছাড়াও, অডিও বর্ণনা এই ভিডিওগুলোকে নিউরোডাইভারজেন্ট ব্যক্তিদের এবং যারা ভিডিও দেখার পরিবর্তে ট্রান্সক্রিপ্ট পড়তে পছন্দ করেন, তাদের কাছেও সহজলভ্য করে তুলতে পারে।
ভবিষ্যতে ডেভেলপাররা কীভাবে ViddyScribe-কে আরও উন্নত করে এর দর্শক ও সক্ষমতা প্রসারিত করবে, তা দেখার জন্য আমরা অধীর আগ্রহে অপেক্ষা করছি।
অন্তর্নির্মিত এআই এপিআই দিয়ে নির্মাণ চালিয়ে যান
ভিডিস্ক্রাইব ছিল জেমিনি দিয়ে আপনার তৈরি করা অনেকগুলো চমৎকার অ্যাপ্লিকেশনের মধ্যে একটি।
আমরা বিল্ট-ইন এআই তৈরি করছি: ওয়েব প্ল্যাটফর্ম এপিআই এবং ব্রাউজার ফিচার, যা লার্জ ল্যাঙ্গুয়েজ মডেল (এলএলএম)-সহ বিভিন্ন এআই মডেলকে সরাসরি ব্রাউজারে একীভূত করার জন্য ডিজাইন করা হয়েছে।
শক্তিশালী ওয়েবসাইট, ওয়েব অ্যাপ্লিকেশন এবং ক্রোম এক্সটেনশন তৈরি শুরু করতে উপলব্ধ এপিআইগুলো সম্পর্কে জানুন।
আপনি যা তৈরি করেন তা আমাদের সাথে @ChromiumDev- এ শেয়ার করুন অথবা লিঙ্কডইন-এ Chrome for Developers-এর সাথে শেয়ার করুন।