ইমেজ জেনারেশন বেঞ্চমার্ক

Gemini Nano Banana 2 এবং ChatGPT Images 2.5-এর তুলনায় Meta-র Muse Image কতটা ভালো?

সাতটি মূল টেক্সট-টু-ইমেজ মূল্যায়ন, যার পরে নির্দিষ্ট উৎস ছবি এবং প্রম্পট ব্যবহার করে সাতটি ছবি-সম্পাদনা মূল্যায়ন।

মিউজ ইমেজ ১.০জেমি নাই ন্যানো ব্যানানা ২ChatGPT Images 2.5

01

টেস্ট কেস

ছয়টি লাল ট্রম্বোন

প্রম্পট (ইংরেজি থেকে অনূদিত)

প্রাথমিক অনুরোধ: একটি নীল লামার ওপর দিয়ে লাফ দিচ্ছে এমন চারটি কাঁচের কচ্ছপের ডানদিকে ছয়টি লাল ট্রম্বোন। শৈলী/মাধ্যম: পরিষ্কার, অত্যন্ত স্পষ্ট স্টুডিও ইলাস্ট্রেশন কম্পোজিশন/ফ্রেমবন্দি: একটি সুসংগত বর্গাকার দৃশ্য; প্রতিটি বস্তু সম্পূর্ণরূপে দেখান; ডানপাশের এবং ডিঙিয়ে লাফানোর সম্পর্কগুলো স্পষ্ট ও অস্পষ্টতাহীন করুন সীমাবদ্ধতা: ঠিক ছয়টি লাল ট্রম্বোন, ঠিক চারটি স্বচ্ছ কাঁচের কচ্ছপ, ঠিক একটি নীল লামা; কোনো অতিরিক্ত বস্তু নেই; কোনো লেখা, সংখ্যা, লেবেল, বর্ডার, প্যানেল বা ওয়াটারমার্ক নেই।

মিউজ ইমেজ ১.০
জেমি নাই ন্যানো ব্যানানা ২
ChatGPT Images 2.5
রায়

জেমি নাই > চ্যাটজিপিটি > মিউজ

Gemini-ই একমাত্র মডেল যা ঠিক ছয়টি ট্রম্বোন এঁকেছে। ChatGPT ছয়টি ট্রম্বোন এঁকেছে কিন্তু ভুলবশত পাঁচটি কচ্ছপ দেখিয়েছে, অন্যদিকে Muse আটটি ট্রম্বোন এবং পাঁচটি কচ্ছপ এঁকেছে।

Gemini অনুরোধ করা পরিমাণগুলো সবচেয়ে নিখুঁতভাবে মেনে চলেছে।

02

টেস্ট কেস

ভূমিকা পরিবর্তন এবং অস্বাভাবিক বৈশিষ্ট্য

প্রম্পট (ইংরেজি থেকে অনূদিত)

একটি একক প্রশস্ত সিনেমাটিক খামারের দৃশ্য তৈরি করুন যা কোলাজ না হয়েও পরিচিত ভূমিকাগুলোকে উল্টে দেয়। কেন্দ্রে, একটি সম্পূর্ণ সাদা স্পেসসুট পরা একজন মহাকাশচারী হাত ও হাঁটুতে ভর দিয়ে হামাগুড়ি দিচ্ছেন এবং ঠিক একটি বাদামী ঘোড়া মহাকাশচারীর লাইফ-সাপোর্ট ব্যাকপ্যাকের ওপর চেপে বসে আছে, যা দৃশ্যত মহাকাশচারীর পিঠে চড়ে আছে; মহাকাশচারীকে ঘোড়ায় চড়তে দেখাবেন না। বাম দিকে, একটি ছোট নীল পাখি আক্রমণাত্মকভাবে একটি খড়ের কাকতাড়ুয়াকে ভয় দেখাচ্ছে, যা হাত তুলে পেছনের দিকে হেলে পড়েছে। ডানদিকে, একটি উজ্জ্বল গোলাপি জিরাফ একটি নিচু বেড়ার পেছন থেকে দেখছে। প্রতিটি বিষয়বস্তু সম্পূর্ণ দৃশ্যমান, শারীরস্থানগতভাবে স্পষ্ট এবং স্থানিকভাবে আলাদা রাখুন; কোনো লেখা বা জলছাপ থাকবে না।

মিউজ ইমেজ ১.০
জেমি নাই ন্যানো ব্যানানা ২
ChatGPT Images 2.5
রায়

ChatGPT ≥ Gemini > Muse

ChatGPT-ই একমাত্র মডেল যা নীল পাখিটিকে সক্রিয়ভাবে কাকতাড়ুয়াকে ভয় দেখাতে দেখায়। অন্যান্য ছবিতে কাকতাড়ুয়ার পড়ে যাওয়ার দিকটি পাখির এগিয়ে আসার সাথে সামঞ্জস্যপূর্ণ নয়।

খারাপ স্থানিক পৃথকীকরণের কারণে Muse, Gemini-র পেছনে রয়েছে। Gemini-ই একমাত্র ছবি যা বিশ্বাসযোগ্য গভীরতা প্রকাশ করে।

03

টেস্ট কেস

আয়নার জ্যামিতি, হাত এবং গয়না

প্রম্পট (ইংরেজি থেকে অনূদিত)

আয়নার জ্যামিতি এবং হাত পরীক্ষা করার জন্য ডিজাইন করা একটি আলোকচিত্রতুল্য বর্গাকার প্রসাধন দৃশ্য তৈরি করুন। একজন মহিলা একটি বড় উলম্ব আয়নার দিকে মুখ করে তার আসল বাম হাতটি তুলছেন, যার তালু কাচের দিকে; তার প্রতিফলনটি আয়নার ডানদিকে দেখা যেতে হবে এবং একই তালু দেখাতে হবে। তার আসল বাম হাতে ঠিক তিনটি আংটি রয়েছে—তর্জনীতে লাল পাথর, মধ্যমায় সাধারণ সোনা, অনামিকায় নীল পাথর—যেখানে কেবল তার আসল ডান কব্জিতে একটি রূপালী ব্রেসলেট রয়েছে। আয়নার বাম দিকে একটি সবুজ কাপ এবং ডানদিকে একটি লাল কাপ রাখুন; তাদের প্রতিফলিত অবস্থানগুলি বিপরীত হতে হবে। আসল হাতে মোট দশটি প্রাকৃতিক আঙুল, ধারাবাহিক প্রতিফলিত হাত দেখান, কোনো অতিরিক্ত গহনা, লেখা বা জলছাপ থাকবে না।

মিউজ ইমেজ ১.০
জেমি নাই ন্যানো ব্যানানা ২
ChatGPT Images 2.5
রায়

মিউজ > জেমিনি > চ্যাটজিপিটি

Muse উভয় হাতের জন্যই নির্দেশাবলী নিখুঁতভাবে অনুসরণ করেছে।

Gemini বাম হাতটি তোলে না, এবং এটি সমস্ত গয়না ডান হাতে রাখে।

ChatGPT-এর ডানদিকে একটি অতিরিক্ত হাত রয়েছে, যা অস্বাভাবিক এবং ভীতিকর

04

টেস্ট কেস

টাইপোগ্রাফি, ডায়াক্রিটিক্স এবং একটি বাঁকানো বেসলাইন

প্রম্পট (ইংরেজি থেকে অনূদিত)

একটি নিরবচ্ছিন্ন লাল ইটের দেয়ালের ওপর একটি আলোকচিত্রতুল্য স্ট্রিট-আর্ট ছবি তৈরি করুন। ওপরের কেন্দ্রের অংশ জুড়ে, বড় সাদা ব্লক অক্ষরে নিখুঁতভাবে বানান করে বড় হাতের বাক্যাংশ "BE EXCELLENT TO EACH OTHER" আঁকুন। এর নিচে, একটি স্পষ্টভাবে বাঁকানো টার্কোয়েজ বেসলাইনের ওপর, উভয় অ্যাকসেন্ট, এম ড্যাশ, ছোট হাতের অক্ষর এবং বিস্ময়সূচক চিহ্ন ঠিক রেখে "Crème brûlée — déjà vu!" লিখুন। ডানদিকে, একটি কালো টাক্সেডো এবং লাল বো টাই পরা একটি সবুজ এলিয়েনের গ্রাফিতি অন্তর্ভুক্ত করুন। অগ্রভাগে বাম দিকের ফুটপাথে একটি হলুদ ফায়ার হাইড্র্যান্ট এবং একদম ডানদিকে ঠিক "eXit 7½" লেখা একটি ছোট পোস্টার রাখুন। অন্য কোনো পাঠযোগ্য লেখা, পুনরাবৃত্ত অক্ষর, জলছাপ বা কোলাজ প্যানেল থাকবে না।

মিউজ ইমেজ ১.০
জেমি নাই ন্যানো ব্যানানা ২
ChatGPT Images 2.5
রায়

ChatGPT > Muse > Gemini

ChatGPT হুবহু প্রয়োজনীয়তাগুলি অনুসরণ করে।

Muse ভুল অ্যাকসেন্ট ব্যবহার করেছে, "brûlée" শব্দটি "û" দিয়ে লিখেছে।

Gemini বাম দিকে একটি রাস্তা এবং ডান দিকে একটি দেয়ালের কোণ তৈরি করেছে, যা অনুরোধ করা একক ধারাবাহিক দেয়ালের বিপরীত।

05

টেস্ট কেস

রান্নাঘরের কাজকর্ম এবং গভীর পটভূমি

প্রম্পট (ইংরেজি থেকে অনূদিত)

একটি পেশাদার স্টেইনলেস-স্টীল রান্নাঘরের ভেতরে একটি গভীর-ফোকাস সিনেমাটিক ছবি তৈরি করুন। কেন্দ্রভাগের একদম সামনে, একজন শেফ তার ডান হাতে একটি কালো চিমটা ধরে ঠিক দুটি স্টেক থাকা একটি প্যানের ওপর রেখেছেন, আর তার বাম হাতটি প্যানের হাতল ধরে আছে। বাম দিকে, একজন সস-শেফ একটি কাচের পাত্রে লাল টমেটো, সবুজ পাতা এবং হলুদ ক্যাপসিকাম ঝাঁকাচ্ছেন। পটভূমিতে, ঠিক তিনজন কর্মী আলাদাভাবে সবজি কাটছেন, খাবার সাজাচ্ছেন এবং একটি ওভেন খুলছেন। তাদের ওপরে বাম থেকে ডানে আকারে ক্রমশ ছোট হয়ে আসা চারটি তামার প্যান ঝুলিয়ে দিন। সার্ভিস পাসের ওপরে থাকা একটি অর্ডার টিকিটে স্পষ্টভাবে লেখা থাকবে "TABLE 7"। সঠিক হাত দেখান এবং কোনো অতিরিক্ত কর্মী বা লেখা থাকবে না।

মিউজ ইমেজ ১.০
জেমি নাই ন্যানো ব্যানানা ২
ChatGPT Images 2.5
রায়

জেমি নাই > মিউজ > চ্যাটজিপিটি

Gemini স্থানিক গভীরতার সবচেয়ে শক্তিশালী অনুভূতি তৈরি করে এবং অর্ডারের টিকিটটি একটি যুক্তিসঙ্গত স্থানে রাখে।

Muse একটি অবিশ্বাস্য ত্রিমাত্রিক স্থান তৈরি করেছে, এবং ওভেন খোলা কর্মীটিকে সামনের শেফের সাথে মিশে গেছে বলে মনে হচ্ছে।

ChatGPT-এর থ্রিডি (3D) স্পেস সবচেয়ে অবাস্তব। প্যানগুলোকে শেফের সমান দূরত্বে মনে হলেও সেগুলো সাধারণ আকারের চেয়ে অনেক ছোট। ছবির বাম এবং ডান দিক ভিন্ন গভীরতা নির্দেশ করে (বাম দিক দেখে যা মনে হয়, ৩ জন কর্মী তারচেয়েও অনেক পেছনে রয়েছে)।

06

টেস্ট কেস

স্বচ্ছতা, আড়াল এবং আলোকসজ্জা

প্রম্পট (ইংরেজি থেকে অনূদিত)

একটি ম্যাট ধূসর মেঝের ওপর একটি ভৌতিকভাবে বিশ্বাসযোগ্য স্টুডিও স্থিরচিত্র তৈরি করুন। একটি চকচকে লাল গোলকের পেছনে কিন্তু একটি হলুদ শঙ্কুর সামনে একটি স্বচ্ছ কাচের ঘনক রাখুন। গোলকটি আংশিকভাবে ঘনকটিকে ঢেকে রাখে এবং ঘনকটি আংশিকভাবে শঙ্কুটিকে ঢেকে রাখে, তবে সব অবয়ব স্পষ্টভাবে চেনা যায়। ঘনকের ভেতরে উলম্বভাবে ঠিক দুটি নীল মার্বেল ঝুলিয়ে দিন। একদম বামে, সামনে থেকে পেছনে একটি লাইনে তিনটি ছোট রূপালী পিরামিড সাজান। একদম ডানদিকে, সংযুক্ত না করে একটি চেইনের মতো চারটি সবুজ রিং একটির ওপর আরেকটি রাখুন। ওপরের বাম দিক থেকে সবকিছুর ওপর আলো ফেলুন যাতে প্রতিটি ছায়া নিচে এবং ডানদিকে পড়ে। কোনো লেখা বা অতিরিক্ত আকৃতি থাকবে না।

মিউজ ইমেজ ১.০
জেমি নাই ন্যানো ব্যানানা ২
ChatGPT Images 2.5
রায়

মিউজ = চ্যাটজিপিটি > জেমিনি

Muse বেশ ভালো কাজ করেছে তবে লাল গোলকটি উভয় পাশেই প্রতিফলন দেখাচ্ছে, যা ভুলভাবে ডানদিকে একটি দ্বিতীয় আলোর উৎসের ইঙ্গিত দেয়।

ChatGPT-এরও একটি অনুরূপ সমস্যা রয়েছে, যদিও দ্বিতীয় আলোর উৎসের সমস্যাটি এতে কম প্রকট। অন্যদিকে, এটির কিউব বা ঘনকটি আরও বেশি বিকৃত।

Gemini-তে কেবল তিনটি আংটি রয়েছে, এবং কাঁচের ঘনকটির ভেতরের মার্বেলগুলোতে অবাস্তব প্রতিফলন দেখা যাচ্ছে।

07

টেস্ট কেস

বহুভাষিক নাইট-মার্কেটে উপাদানের সঠিক সংযোজন

প্রম্পট (ইংরেজি থেকে অনূদিত)

বাম থেকে ডানে তিনটি স্টল সহ একটি ধারাবাহিক ফটোরেয়ালিস্টিক নৈশ বাজারের দৃশ্য তৈরি করুন। নীল বইয়ের স্টলের সাদা সাইনবোর্ডে লেখা থাকবে “LIBROS”; লাল চা-এর স্টলের ক্রিম রঙের সাইনবোর্ডে লেখা থাকবে “茶”; সবুজ রুটির স্টলের কালো সাইনবোর্ডে লেখা থাকবে “خبز”। শুধুমাত্র মাঝের স্টলটির উপরে ঠিক পাঁচটি লাল লণ্ঠন ঝুলিয়ে দিন। এর বামহাতি বিক্রেতা বাম হাতে ধরা একটি রূপালী কেটলি থেকে নীল, সাদা, তারপর হলুদ ক্রমানুসারে সাজানো কাপে চা ঢালছেন। সামনে, বাম দিকে একটি দাগযুক্ত কুকুর এবং ডান দিকে একটি ডোরাকাটা বিড়ালের মাঝখানে একটি বেগুনি কোট পরা শিশুকে রাখুন। সমস্ত লিপি, সংখ্যা, রঙ এবং সংযোজন হুবহু বজায় রাখুন; অন্য কোনো পাঠযোগ্য লেখা থাকবে না।

মিউজ ইমেজ ১.০
জেমি নাই ন্যানো ব্যানানা ২
ChatGPT Images 2.5
রায়

ChatGPT = Muse = Gemini

সবগুলো মডেলই একটি নৈশবাজারের ব্যস্ত, বাস্তবসম্মত পরিবেশ ফুটিয়ে তুলেছে।

Gemini সঠিকভাবে লণ্ঠনগুলোকে মাঝের স্টলের উপরে রেখেছে, যেখানে Muse এবং ChatGPT সেগুলোকে স্টলের ভেতরে রেখেছে।

However, Gemini also introduces readable words on the right, contrary to the instruction.

ইমেজ সম্পাদনা

উৎস ছবি + প্রম্পট

08

একটি জটিল দৃশ্য থেকে বস্তু সরানো হচ্ছে

প্রম্পট (ইংরেজি থেকে অনূদিত)

মূল ছবি হিসেবে ছবি A ব্যবহার করে তা সম্পাদনা করুন। শুধুমাত্র মাঝের ফোরগ্রাউন্ডে থাকা বড় কালো সাইকেলটি সরিয়ে ফেলুন: রূপালী হ্যান্ডেলবার, কালো স্যাডেল, কালো চেইন গার্ড এবং উজ্জ্বল রূপালী সামনের ফেন্ডারসহ সাইকেলটি। এটি যে অংশগুলোকে ঢেকে রেখেছে—এর পেছনে থাকা সবুজ সাইকেল, রঙ করা ইটের দেয়াল, মর্টার লাইন, গ্রাফিতির স্ট্রোক, কার্ব এবং ফুটপাথের পাথর—সেগুলোকে এমনভাবে পুনর্গঠন করুন যেন সেগুলোকে ধারাবাহিক এবং বাস্তবসম্মত মনে হয়। অন্যান্য প্রতিটি সাইকেল, প্রতিটি অবশিষ্ট গ্রাফিতি চিহ্ন, ক্রপ, ক্যামেরা পজিশন, সূর্যালোক, ছায়া, টেক্সচার এবং ছবির গ্রেইন অপরিবর্তিত রাখুন। কোনো বস্তু, লেখা, অস্পষ্টতা (blur), চাকার স্পোকের পুনরাবৃত্তি বা স্পষ্ট রিটাচিং প্যাচ যোগ করবেন না। ছবি A-এর মতো একই ল্যান্ডস্কেপ ফ্রেমিং এবং অ্যাসপেক্ট রেশিও ফেরত দিন।

মিউজ ইমেজ ১.০
জেমি নাই ন্যানো ব্যানানা ২
ChatGPT Images 2.5
রায়

মিউজ > চ্যাটজিপিটি > জেমিনি

Muse সঠিকভাবে অনুমান করেছে যে মাঝের অবশিষ্ট সাইকেলটির সামনের চাকাটি রূপালী রঙের হওয়া উচিত, যা এটিকে ChatGPT-এর চেয়ে সামান্য এগিয়ে রাখে।

ChatGPT গ্রাফিতির নিচের অংশ জুড়ে একটি অস্বাভাবিক ফাঁকও রেখে গেছে।

Gemini বাইসাইকেলটি সরাতে সম্পূর্ণ ব্যর্থ হয়েছে।

09

উপাদান অনুযায়ী নির্বাচনী পুনঃরঙকরণ

প্রম্পট (ইংরেজি থেকে অনূদিত)

মূল ছবি হিসেবে ছবি A ব্যবহার করে তা সম্পাদনা করুন। শুধুমাত্র গাড়ির দৃশ্যমান লাল রঙ করা বাইরের ধাতব প্যানেলগুলি—যার মধ্যে রয়েছে দরজা, সামনের ফেন্ডার, হুডের প্রান্ত, পেছনের কোয়ার্টার প্যানেল এবং ছাদের লাইনের ওপরে থাকা ছোট লাল উঁচু বডি প্যানেল—একটি গাঢ় ব্রিটিশ রেসিং গ্রিন মেটালিক রঙে পরিবর্তন করুন। নতুন রঙের মধ্যে মূল প্যানেলের জোড়া, হাইলাইট এবং গাছের প্রতিফলন বজায় থাকতে হবে। বাদামী ভিনাইল ছাদ, ক্রোম ট্রিম, আয়না, কাচ, কালো রাবার, দরজার হ্যান্ডেল, লক, অ্যান্টেনা, ব্যাজ, ভেতরের অংশ, চালক, ফুলের তোড়া বা ব্যাকগ্রাউন্ডের রঙ পরিবর্তন বা নতুন ডিজাইন করবেন না। গাড়ির মডেল বা জ্যামিতি পরিবর্তন করবেন না। মূল ক্রপ, ডেপথ অফ ফিল্ড, আলোকসজ্জা এবং অ্যাসপেক্ট রেশিও ঠিক রাখুন; কোনো লেখা, লোগো বা বস্তু যোগ করবেন না।

মিউজ ইমেজ ১.০
জেমি নাই ন্যানো ব্যানানা ২
ChatGPT Images 2.5
রায়

মিউজ = জেমিনি > চ্যাটজিপিটি

Muse র্যাঞ্চেরো ব্যাজে অনাকাঙ্ক্ষিত শার্পনিং প্রয়োগ করে, তবে ঘাসের বিষয়ে এটির প্রতিফলন মূল ছবির প্রতি আরও বিশ্বস্ত।

Gemini ঘাসের ছায়া শার্প বা স্পষ্ট করলেও ব্যাজটিকে অপরিবর্তিত রেখেছে।

ChatGPT রানচেরো (Ranchero) ব্যাজটিকে অতিরিক্ত শার্প করেছে এবং ছায়াতেও অতিরিক্ত শার্পনিং প্রয়োগ করেছে, তাই এটি শেষ স্থানে রয়েছে।

10

কাঠামোগত বা টেক্সটের পরিবর্তন ছাড়াই গ্লোবাল রিলাইটিং

প্রম্পট (ইংরেজি থেকে অনূদিত)

মূল ছবি হিসেবে ছবি A ব্যবহার করে তা সম্পাদনা করুন। দৃশ্যটিকে মেঘলা দিনের আলো থেকে বৃষ্টির ঠিক পরের বাস্তবসম্মত 'ব্লু আওয়ার'-এ পরিবর্তন করুন। আকাশকে একটি পরিষ্কার গাঢ় কোবাল্ট-নীল গোধূলিতে পরিণত করুন; ভেতরের ও ক্যানোপির নিচের উষ্ণ আলো জ্বালিয়ে দিন; সেই উষ্ণ আলো এবং বিদ্যমান বেগুনি স্টেশন ব্যান্ডের সূক্ষ্ম প্রতিফলন ইতোমধ্যে ভেজা ফুটপাথে পড়তে দিন। ঠিক একই ক্যামেরা পজিশন, ওয়াইড-অ্যাঙ্গেল পারসপেক্টিভ, ভবনের জ্যামিতি, ক্যানোপি, স্তম্ভ, প্রবেশপথ, ফুটপাথের বিন্যাস, বেগুনি ব্যান্ড এবং পাঠযোগ্য সাদা "Woolwich" শব্দটি হুবহু বজায় রাখুন। প্রতিটি বিদ্যমান ব্যক্তি, বোলার্ড, পোস্টার এবং সাইন বোর্ডকে তার মূল অবস্থানে রাখুন এবং কোনো কিছু যোগ বা অপসারণ করবেন না। কোনো লেখা পুনরায় লিখবেন না, অনুবাদ করবেন না বা নিজের থেকে তৈরি করবেন না। বাস্তবসম্মত ডাইনামিক রেঞ্জ বজায় রাখুন—কোনো নিয়ন ফ্যান্টাসি লুক নয়—এবং একই ল্যান্ডস্কেপ ফ্রেমিং ও অ্যাসপেক্ট রেশিও ফেরত দিন।

মিউজ ইমেজ ১.০
জেমি নাই ন্যানো ব্যানানা ২
ChatGPT Images 2.5
রায়

জেমি নাই > মিউজ > চ্যাটজিপিটি

তিনটি মডেলই ভেজা মেঝের দৃশ্য তৈরি করার সময় অস্বাভাবিক ক্যামেরার কোণ, দৃষ্টিকোণ এবং টেক্সট দারুণভাবে বজায় রাখতে পেরেছে।

Gemini-ই একমাত্র মডেল যা সঠিক আলোকসম্পাত ব্যবহার করেছে, কারণ Muse এবং ChatGPT উভয়ই এমন কিছু ল্যাম্প তৈরি করেছে যা মূল ছবিতে ছিল না।

ChatGPT-এর বাতিগুলো বেমানান, এবং এটি বাম দিকের গাছে একটি অতিরিক্ত বাতি তৈরি করেছে, তাই এটি শেষ স্থানে রয়েছে।

11

একটি সাজানো ঘরে হুবহু পণ্য স্থানান্তর

প্রম্পট (ইংরেজি থেকে অনূদিত)

মূল ঘর হিসেবে ছবি A এবং শুধুমাত্র আসবাবপত্রের রেফারেন্স হিসেবে ছবি B ব্যবহার করুন। ছবি A-তে, পিছনের মাঝখানে, দুটি উজ্জ্বল পিছনের জানালার মাঝে এবং নীল সোফার আংশিক পিছনে অবস্থিত সংকীর্ণ হালকা-সবুজ কাপড়ে মোড়ানো আর্মচেয়ারটি ছবি B-এর হুবহু নীল-এবং-সোনালী আর্মচেয়ার দিয়ে প্রতিস্থাপন করুন। ছবি B-এর বৈশিষ্ট্যযুক্ত বর্গাকার নীল ব্যাক ও সিট, সোনালী কারুকাজ করা কাঠের ফ্রেম, খোলা হাতল, ঝালর এবং সরু পা রক্ষা করুন। এটিকে মূল চেয়ারের মেঝের অবস্থান এবং দেখার কোণে বিশ্বাসযোগ্য স্কেলে বসান; উষ্ণ জানালার আলো, মেঝের স্পর্শ ছায়া, পার্সপেক্টিভ এবং যেকোনো স্বাভাবিক প্রান্তের আচ্ছাদন মেলান। নীল সোফা, কফি টেবিল, গালিচা, বিল্ট-ইন জানালার আসন, ল্যাম্প, জানালা, ঝাড়বাতি, কাঠের দেয়াল বা ছবি A-এর অন্য কোনো অংশ পরিবর্তন করবেন না। ছবি B-এর ধূসর মিউজিয়াম ব্যাকগ্রাউন্ড রাখবেন না। ছবি A-এর মূল ল্যান্ডস্কেপ ফ্রেম এবং অ্যাসপেক্ট রেশিও ফেরত দিন; কোনো অতিরিক্ত আসবাবপত্র, পাঠ্য বা কোলাজ বর্ডার থাকবে না।

মিউজ ইমেজ ১.০
জেমি নাই ন্যানো ব্যানানা ২
ChatGPT Images 2.5
রায়

মিউজ > জেমিনি = চ্যাটজিপিটি

Muse-ই একমাত্র মডেল যা পরিবর্তিত চেয়ারটিকে তার মূল ওরিয়েন্টেশনে রেখেছে, যেখানে বাকি দুটি এটিকে ডানদিকে অনেক বেশি ঘুরিয়ে দিয়েছে।

12

তিনটি রেফারেন্সের সাথে পরিচয়, কাঠামো ও টেক্সচারের সংযোজন

প্রম্পট (ইংরেজি থেকে অনূদিত)

কঠোর ভূমিকা-নির্ধারণ সহ তিনটি রেফারেন্স ব্যবহার করে একটি বর্গাকার, বাস্তবসম্মত এডিটরিয়াল স্টুডিও প্রতিকৃতি তৈরি করুন। ছবি A-এর সেই একই ধূসর ডোরাকাটা বিড়ালটিকে ছবি B-এর অবিকল উইং চেয়ারে সোজা হয়ে বসে থাকতে এবং সামান্য বাম দিকে তাকাতে দিন। বিড়ালের মুখ, সবুজ-হলুদ চোখ, কপালের কালো ডোরা, ধূসর রঙের পশমের কোট, কানের আকার এবং দীর্ঘ বলয়যুক্ত লেজ অপরিবর্তিত রাখুন। ছবি B-এর উঁচু ডানাযুক্ত পিঠ, গোলাকার হাতল, চওড়া আসন, বাঁকানো সামনের পা এবং নীচের কালো ক্রসবারগুলো ঠিক রাখুন, তবে শুধুমাত্র এর গৃহসজ্জার কাপড়টিকে ছবি C-এর সঠিক 'স্ট্রবেরি থিফ' টেক্সটাইল দিয়ে প্রতিস্থাপন করুন: নেভি গ্রাউন্ড, প্রতিসম থ্রাশ পাখি, লাল স্ট্রবেরি, নীল পাতা এবং গোলাপি ফুল, এমন একটি স্কেলে যেখানে চেয়ার জুড়ে অন্তত দুটি সম্পূর্ণ পাখি দৃশ্যমান হয়। একটি নির্বিঘ্ন উষ্ণ-ধূসর স্টুডিওর পটভূমি এবং উপরের বাম দিক থেকে নরম আলো ব্যবহার করুন যার স্পর্শের ছায়া সামঞ্জস্যপূর্ণ হয়। ছবি A থেকে গাছপালা বা মাটি, ছবি B থেকে আর্কাইভাল ব্যাকড্রপ, বা ছবি C থেকে চারকোনা কাপড়ের টুকরো কপি করবেন না। কোনো কলার, কস্টিউম, অতিরিক্ত প্রাণী, অতিরিক্ত আসবাবপত্র, পাঠ্য, বর্ডার বা কোলাজ প্যানেল থাকবে না।

মিউজ ইমেজ ১.০
জেমি নাই ন্যানো ব্যানানা ২
ChatGPT Images 2.5
রায়

ChatGPT > Muse > Gemini

ChatGPT প্রম্পটের সবচেয়ে নিখুঁত উত্তর তৈরি করেছে।

ChatGPT ফলাফলের চেয়ারটি মূল চেয়ারের ধুলোবালি ও জীর্ণ রূপটি বজায় রেখেছে।

Muse চেয়ারের ওরিয়েন্টেশন এবং বিশদ বিবরণ নিখুঁতভাবে সংরক্ষণ করেছে, তবে এর রঙটি খুব উজ্জ্বল।

Gemini-এর একই রকম অতিরিক্ত উজ্জ্বল রঙ রয়েছে, এবং এটি চেয়ারটিকে ক্যামেরার দিকে ভুলভাবে ঘুরিয়ে দেয়, তাই এটি শেষ স্থানে রয়েছে।

13

আমার মেয়েকে হোক্কাইডোর একটি স্কি পাহাড়ে রাখুন

প্রম্পট (ইংরেজি থেকে অনূদিত)

মূল গন্তব্যের ছবি হিসেবে ছবি B এবং আমার মেয়ের পরিচয়ের রেফারেন্স হিসেবে শুধুমাত্র ছবি A ব্যবহার করুন। ছবি B-এর বরফাবৃত স্কি ঢালে ছবি A-এর একই কম বয়সী মেয়েকে বসিয়ে একটি বিশ্বাসযোগ্য পারিবারিক ভ্রমণের ছবি তৈরি করুন, যেখানে হোক্কাইডোর মাউন্ট ইওতেই, দিগন্ত, স্কি রান এবং নীল শীতকালীন আকাশ হুবহু সংরক্ষিত থাকবে। সামনের বামভাগে তার পুরো শরীর দেখান, ক্যামেরার দিকে স্বাভাবিকভাবে হাসছে, বয়সোপযোগী লাল স্কি জ্যাকেট, নেভি স্নো ট্রাউজার্স, কালো গ্লাভস, সাদা স্কি বুট এবং একটি ক্রিম রঙের বোনা টুপি পরা যা তার মুখ পুরোপুরি দৃশ্যমান রাখে। তার বুটের নিচে দুটি শিশু-আকারের স্কি সমান্তরালভাবে এবং প্রতিটি হাতে একটি করে পোল দিন। পর্বতের আলো, ক্যামেরার উচ্চতা, স্কেল, কনকনে ঠান্ডা বাতাস, বরফের স্পর্শ ছায়া এবং প্রতিফলিত নীল আলো মেলান। তার বয়স, মুখ, চোখের রঙ, চুলের রেখা এবং চেনা অভিব্যক্তি বজায় রাখুন; তাকে প্রাপ্তবয়স্ক বা কৃত্রিম সুন্দর করবেন না। পর্বতের সিলুয়েট পরিবর্তন করবেন না, ভবন যোগ করবেন না, লেখা আবিষ্কার করবেন না, মানুষ ডুপ্লিকেট করবেন না বা কোলাজ তৈরি করবেন না। ছবি B-এর ল্যান্ডস্কেপ ফ্রেম এবং অ্যাসপেক্ট রেশিও বজায় রাখুন।

মিউজ ইমেজ ১.০
জেমি নাই ন্যানো ব্যানানা ২
ChatGPT Images 2.5
রায়

ChatGPT > Gemini > Muse

তিনটি মডেলই একটি বিশ্বাসযোগ্য স্কি করার ছবি তৈরি করেছে এবং মেয়েটির পরিচিত পরিচয় ধরে রেখেছে। তবে, বুট এবং স্কি সঠিকভাবে রেন্ডার করতে তারা সবাই সমস্যার সম্মুখীন হয়েছে।

মেয়েটির মুখে পরিষ্কারভাবে আঁকা স্কি এবং প্রাকৃতিক ছায়ার জন্য ChatGPT জিতেছে। যদিও স্কির পেছনের অংশটি স্পষ্টতই অনেক ছোট।

Gemini-এর স্কি-এর পেছনের অংশ রেন্ডার করতে সমস্যা হয়, পাশাপাশি ডানদিকের লাঠিটি বামদিকেরটির চেয়ে অনেক লম্বা

Muse-এর স্কি জোড়া রেন্ডার করতেও সমস্যা হয়, তাছাড়াও মেয়েটির মুখের চারপাশের ছায়াটি অস্বাভাবিক

14

আমার পুরোনো প্রেমিকাকে নতুন একজনের সাথে বদলে দিন

প্রম্পট (ইংরেজি থেকে অনূদিত)

মূল ছবি হিসেবে ছবি A ব্যবহার করুন। স্কুটারে থাকা লোকটির পিছনে বসে থাকা প্রাপ্তবয়স্ক মহিলাকে কেবল ছবি B-এর প্রাপ্তবয়স্ক মহিলা দ্বারা প্রতিস্থাপন করুন। নতুন মহিলার চেনা মুখ, চোখ, নাক, মুখ, গায়ের রঙ এবং দীর্ঘ কালো চুল রক্ষা করুন, তবে তাকে স্বাভাবিকভাবে মূল যাত্রীর বসার ভঙ্গি, আকার এবং দৃষ্টির সাথে খাপ খাইয়ে নিন। তাকে অবশ্যই মূল যাত্রীর ক্রিম রঙের কার্ডিগান এবং বেইজ রঙের স্কার্ট পরতে হবে এবং একই ভঙ্গিতে বিশ্বাসযোগ্য হাতের সাহায্যে একই টুইন-লেন্স ক্যামেরা ধরে রাখতে হবে। ছবি B-এর শঙ্কুযুক্ত টুপি, লাল স্কার্ফ, পতাকা, রাস্তা বা ব্যাকগ্রাউন্ড আনবেন না। লোকটিকে সম্পূর্ণরূপে অপরিবর্তিত রাখুন—তার মুখ, চুল, নীল ডোরার শার্ট, হাত এবং রাইডিং ভঙ্গি সহ—এবং ছবি A থেকে স্কুটার, ক্রোম র্যাক, নুড়িপাথর, ল্যান্ডমার্ক বিল্ডিং, গেট, গাছপালা, সাইন, ছায়া, ক্রপ এবং ডেপথ অফ ফিল্ড বজায় রাখুন। বিদ্যমান দুপুরের সূর্যালোক এবং স্পর্শ ছায়াসমূহ মেলান যাতে এটিকে একটি সম্পাদনাহীন ভ্রমণ আলোকচিত্র বলে মনে হয়। অন্য কোনো ব্যক্তি বা বস্তুর পরিবর্তন করবেন না, গয়না বা লেখা যোগ করবেন না, অঙ্গ-প্রত্যঙ্গ ডুপ্লিকেট করবেন না, মুখ ঝাপসা করবেন না বা কোলাজ তৈরি করবেন না। ছবি A-এর ল্যান্ডস্কেপ অ্যাসপেক্ট রেশিও বজায় রাখুন।

মিউজ ইমেজ ১.০
জেমি নাই ন্যানো ব্যানানা ২
ChatGPT Images 2.5
রায়

জেমি নাই > চ্যাটজিপিটি > মিউজ

Gemini এবং ChatGPT উভয়ই মুখ বদলানোর কাজ বেশ ভালো করেছে। তবে দুটি ছবিতেই ত্বকের রং কৃত্রিম লাগছে। Gemini এগিয়ে থাকবে কারণ এটিতে মেয়েটি নিচের দিকে তাকিয়ে আছে, যা মূল ভঙ্গিমার সাথে বেশি সামঞ্জস্যপূর্ণ।

Muse দ্বিতীয় প্রতিকৃতির মুখটি পরিবর্তন করতে সম্পূর্ণ ব্যর্থ হয়েছে, তাই এটি পুরোপুরি ব্যর্থ।

চূড়ান্ত গণনা

কোন ইমেজ মডেলটি জেতে?

বিষয়টি সহজ রাখার জন্য, আমরা প্রতিটি প্রথম স্থান অর্জনের জন্য তিন পয়েন্ট (টাই হলে ভাগ করা হবে) এবং দ্বিতীয় স্থান অর্জনের জন্য এক পয়েন্ট দিয়ে থাকি।

টেক্সট-টু-ইমেজ বিজয়ী

ChatGPT Images 2.5

ChatGPT Images 2.5 ৯.৫ পয়েন্ট পেয়ে জেনারেটিং সেকশনে জয়ী হয়েছে, যা ৯ পয়েন্ট পাওয়া Gemini Nano Banana 2 এবং ৭.৫ পয়েন্ট পাওয়া Muse Image 1.0-এর চেয়ে এগিয়ে।

ইমেজ-সম্পাদনা বিজয়ীগণ

Muse Image 1.0 এবং Gemini Nano Banana 2

Muse Image 1.0 এবং Gemini Nano Banana 2 প্রতিটিতে ৯.৫ পয়েন্ট পেয়ে সম্পাদনায় যৌথভাবে জয়ী হয়েছে, যা ৯ পয়েন্ট পাওয়া ChatGPT Images 2.5-এর চেয়ে সামান্য এগিয়ে।

সামগ্রিক বিজয়ী

ChatGPT Images 2.5 এবং Gemini Nano Banana 2

ChatGPT Images 2.5 এবং Gemini Nano Banana 2 উভয়ই ১৮.৫ পয়েন্ট পেয়ে যৌথভাবে সামগ্রিক জয় লাভ করেছে। Muse Image 1.0 ১৭ পয়েন্ট নিয়ে খুব কাছাকাছি থেকে শেষ করেছে।

নিজে চেষ্টা করে দেখুন

AI-এর সাহায্যে ছবি তৈরি ও সম্পাদনা করুন

এই ইমেজ মডেলগুলোকে ব্যবহার করা আরও সহজ করতে আমরা কিছু নির্দিষ্ট প্রম্পট নির্বাচন করেছি - দেখুন কীভাবে

ছবি তৈরি অন্বেষণ করুন