AI ইমেজ জেনারেশনের মাধ্যমে ব্যবহারকারীর এনগেজমেন্ট বাড়ানো

আপনার অ্যাপে কাস্টম ছবি যোগ করলে তা ব্যবহারকারীর অভিজ্ঞতাকে উল্লেখযোগ্যভাবে উন্নত ও পছন্দমতো করে তুলতে এবং ব্যবহারকারীর এনগেজমেন্ট বাড়াতে পারে। এই পোস্টে Firebase AI Logic-এর মাধ্যমে ইমেজ জেনারেশনের দুটি নতুন ক্ষমতা এক্সপ্লোর করা হয়েছে: বিশেষ Imagen এডিটিং ফিচার, যা বর্তমানে প্রিভিউতে আছে এবং Gemini 2.5 Flash Image (অন্য নাম "Nano Banana")-এর সাধারণ উপলভ্যতা, যা প্রাসঙ্গিক বা কথোপকথনমূলক ইমেজ জেনারেশনের জন্য ডিজাইন করা হয়েছে। 

Firebase AI Logic-এর মাধ্যমে তৈরি করা ছবি দিয়ে ব্যবহারকারীর এনগেজমেন্ট বুস্ট করা

কাস্টম ব্যবহারকারীর প্রোফাইল অবতার তৈরি করতে বা মূল স্ক্রিন ফ্লোতে সরাসরি পছন্দমতো ভিজ্যুয়াল অ্যাসেট ইন্টিগ্রেট করতে, ইমেজ জেনারেশন মডেল ব্যবহার করা যেতে পারে।  

যেমন, Imagen নতুন এডিটিং ফিচার (ডেভেলপার প্রিভিউতে) অফার করে। আপনি এখন একটি মাস্ক আঁকতে এবং মাস্ক করা এলাকার মধ্যে পিক্সেল তৈরি করতে ইনপেন্টিং ব্যবহার করতে পারেন। এছাড়াও, মাস্কের বাইরে পিক্সেল জেনারেট করার জন্য আউটপেন্টিং উপলভ্য।   

Imagen-এ ইনপেন্টিংয়ের সুবিধা আছে, যার মাধ্যমে ছবির শুধু একটি অংশ জেনারেট করা যায়। 

অন্যদিকে, Gemini 2.5 Flash Image (অন্য নাম Nano Banana), প্রাসঙ্গিক ছবি তৈরি করতে, Gemini মডেলের বর্ধিত বিশ্ব জ্ঞান এবং যুক্তি প্রয়োগ করার ক্ষমতা ব্যবহার করতে পারে, যা ব্যবহারকারীর বর্তমান ইন-অ্যাপ অভিজ্ঞতার সাথে সামঞ্জস্যপূর্ণ ডায়নামিক ইলাস্ট্রেশন তৈরি করার জন্য আদর্শ।   

আপনার অ্যাপের সাথে প্রাসঙ্গিক ডাইনামিক ইলাস্ট্রেশন তৈরি করতে Gemini 2.5 Flash Image ব্যবহার করুন। 

সবশেষে, কথোপকথনের মাধ্যমে এবং একাধিকবার ছবি এডিট করার সুবিধা ব্যবহারকারীদের ন্যাচারাল ল্যাঙ্গুয়েজ ব্যবহার করে ফটো এডিট করতে দেয়।

স্বাভাবিক ভাষা ব্যবহার করে ছবি এডিট করতে Gemini 2.5 Flash Image ব্যবহার করুন।

আপনার অ্যাপ্লিকেশনে AI ইন্টিগ্রেট করা শুরু করার সময়, AI নিরাপত্তা সম্পর্কে জানা গুরুত্বপূর্ণ। আপনার অ্যাপ্লিকেশনের নিরাপত্তা সংক্রান্ত ঝুঁকি মূল্যায়ন করা, নিরাপত্তা সংক্রান্ত ঝুঁকি কমানোর জন্য অ্যাডজাস্টমেন্ট বিবেচনা করা, আপনার ব্যবহারের ক্ষেত্রে উপযুক্ত নিরাপত্তা পরীক্ষা করা এবং ব্যবহারকারীর মতামত নেওয়া ও কন্টেন্ট মনিটর করা বিশেষভাবে গুরুত্বপূর্ণ।

Imagen বা Gemini: বেছে নেওয়ার দায়িত্ব আপনার 

Gemini 2.5 Flash Image ("Nano Banana") এবং Imagen-এর মধ্যে পার্থক্য হল তাদের প্রাথমিক ফোকাস এবং উন্নত ক্ষমতা। Gemini 2.5 Flash Image, বৃহত্তর Gemini পরিবারের মধ্যে একটি ইমেজ মডেল হিসেবে, কথোপকথনমূলক ছবি এডিটিং, একাধিক ইটারেশন জুড়ে প্রসঙ্গ এবং সাবজেক্টের ধারাবাহিকতা বজায় রাখা এবং প্রাসঙ্গিক ভিজ্যুয়াল তৈরি করতে বা দীর্ঘ টেক্সট সিকোয়েন্সের মধ্যে সঠিক ভিজ্যুয়াল এম্বেড করতে "বিশ্বের জ্ঞান এবং যুক্তি" ব্যবহার করার ক্ষেত্রে পারদর্শী। 

Imagen হল Google-এর বিশেষ ইমেজ জেনারেশন মডেল, যা আরও বেশি ক্রিয়েটিভ কন্ট্রোলের জন্য ডিজাইন করা হয়েছে। এটি অত্যন্ত ফটোরিয়েলিস্টিক আউটপুট, আর্টিস্টিক বিবরণ, নির্দিষ্ট স্টাইল এবং তৈরি করা ছবির অ্যাস্পেক্ট রেশিও বা ফর্ম্যাট নির্দিষ্ট করার জন্য স্পষ্ট কন্ট্রোল প্রদান করে।

আপনার অ্যাপে এগুলি কীভাবে ব্যবহার করবেন তা দেখে নেওয়া যাক।
 

Imagen-এর মাধ্যমে ইনপেন্টিং 

কয়েক মাস আগে, আমরা Imagen-এর জন্য নতুন এডিটিং ফিচার প্রকাশ করেছি। Imagen এখন ছবি তৈরি করার জন্য প্রোডাকশন রেডি হলেও, এডিটিং ফিচার এখনও ডেভেলপার প্রিভিউতে আছে।

Imagen এডিটিং ফিচারের মধ্যে ইনপেন্টিং এবং আউটপেন্টিং, মাস্ক-ভিত্তিক ছবি এডিটিং ফিচার অন্তর্ভুক্ত। এই নতুন ফিচারের সাহায্যে ব্যবহারকারীরা পুরো ছবি আবার জেনারেট না করেই ছবির নির্দিষ্ট অংশ পরিবর্তন করতে পারবেন। এর অর্থ হল, আপনি নিজের ছবির সেরা অংশগুলি সংরক্ষণ করতে পারবেন এবং শুধুমাত্র যে অংশ পরিবর্তন করতে চান সেটিই পরিবর্তন করতে পারবেন।

কোনও ছবিতে নির্দিষ্ট পরিবর্তন করতে এবং ছবির বাকি অংশ অক্ষত রাখার গ্যারান্টি দিতে Imagen এডিটিং ফিচার ব্যবহার করুন

মূল ছবির মূল উপাদান এবং সামগ্রিক অখণ্ডতা বজায় রেখে এবং শুধুমাত্র মাস্কের মধ্যে থাকা অংশটি পরিবর্তন করে এই পরিবর্তনগুলি করা হয়।

Imagen-এর মাধ্যমে ইনপেন্টিং প্রয়োগ করতে, প্রথমে এডিটিং ফিচার কাজ করে এমন নির্দিষ্ট Imagen মডেল imagen-3.0-capability-001 ইনিশিয়ালাইজ করুন:

// Copyright 2025 Google LLC.
// SPDX-License-Identifier: Apache-2.0
val editingModel =
        Firebase.ai(backend = GenerativeBackend.vertexAI()).imagenModel(
            "imagen-3.0-capability-001",
            generationConfig = ImagenGenerationConfig(
                numberOfImages = 1,
                aspectRatio = ImagenAspectRatio.SQUARE_1x1,
                imageFormat = ImagenImageFormat.jpeg(compressionQuality = 75),
            ),
        )

সেখান থেকে, ইনপেন্টিং ফাংশনটি সংজ্ঞায়িত করুন:

// Copyright 2025 Google LLC.
// SPDX-License-Identifier: Apache-2.0

val prompt = "remove the pancakes and make it an omelet instead"

suspend fun inpaintImageWithMask(sourceImage: Bitmap, maskImage: Bitmap, prompt: String, editSteps: Int = 50): Bitmap {
        val imageResponse = editingModel.editImage(
            referenceImages = listOf(
                ImagenRawImage(sourceImage.toImagenInlineImage()),
                ImagenRawMask(maskImage.toImagenInlineImage()),
            ),
            prompt = prompt,
            config = ImagenEditingConfig(
                editMode = ImagenEditMode.INPAINT_INSERTION,
                editSteps = editSteps,
            ),
        )
        return imageResponse.images.first().asBitmap()
    }

আপনি এডিট করার জন্য sourceImage, maskImage ও প্রম্পট এবং এডিট করার জন্য কতগুলি ধাপ পারফর্ম করতে হবে তা প্রদান করেন।

Android AI Sample ক্যাটালগে Imagen এডিটিং স্যাম্পেল-এ আপনি এটি অ্যাকশনে দেখতে পাবেন!

এছাড়াও, Imagen আউটপেন্টিং সাপোর্ট করে যা আপনাকে মডেলকে মাস্কের বাইরে পিক্সেল তৈরি করতে দেয়। এছাড়াও, আপনি কোনও ছবির স্টাইল পরিবর্তন করতে বা ছবিতে কোনও সাবজেক্ট আপডেট করতে Imagen-এর ছবি কাস্টমাইজ করার সুবিধা ব্যবহার করতে পারেন। Android ডেভেলপার ডকুমেন্টেশন থেকে এই বিষয়ে আরও জানুন।

Gemini 2.5 Flash Image-এর মাধ্যমে কথোপকথনমূলক ইমেজ জেনারেশন

Gemini 2.5 Flash Image-এর মাধ্যমে ছবি এডিট করার একটি উপায় হল মডেলের মাল্টি-টার্ন চ্যাট করার ক্ষমতা ব্যবহার করা।

প্রথমে, মডেলটি চালু করুন:

// Copyright 2025 Google LLC.
// SPDX-License-Identifier: Apache-2.0

val model = Firebase.ai(backend = GenerativeBackend.googleAI()).generativeModel(
    modelName = "gemini-2.5-flash-image",
    // Configure the model to respond with text and images (required)
    generationConfig = generationConfig {
        responseModalities = listOf(ResponseModality.TEXT,
        ResponseModality.IMAGE)
    }
)

উপরে বর্ণিত মাস্ক-ভিত্তিক Imagen পদ্ধতির মতো ফলাফল পেতে, আমরা Gemini 2.5 Flash Image-এর সাথে কথোপকথন শুরু করতে chat API ব্যবহার করতে পারি।

// Copyright 2025 Google LLC.
// SPDX-License-Identifier: Apache-2.0

// Initialize the chat
val chat = model.startChat()


// Load a bitmap
val source = ImageDecoder.createSource(context.contentResolver, uri)
val bitmap = ImageDecoder.decodeBitmap(source)


// Create the initial prompt instructing the model to edit the image
val prompt = content {
    image(bitmap)
    text("remove the pancakes and add an omelet")
}

// To generate an initial response, send a user message with the image and text prompt
var response = chat.sendMessage(prompt)

// Inspect the returned image
var generatedImageAsBitmap = response
    .candidates.first().content.parts.filterIsInstance<ImagePart>().firstOrNull()?.image

// Follow up requests do not need to specify the image again
response = chat.sendMessage("Now, center the omelet in the pan")
generatedImageAsBitmap = response
    .candidates.first().content.parts.filterIsInstance<ImagePart>().firstOrNull()?.image

আপনি Android AI স্যাম্পেল ক্যাটালগে Gemini Image Chat স্যাম্পেল-এ এটি অ্যাকশনে দেখতে পারেন এবং Android ডকুমেন্টেশন-এ এই সম্পর্কে আরও পড়তে পারেন।

উপসংহার

Imagen ও Gemini 2.5 Flash Image, দু'টিই শক্তিশালী ক্ষমতা প্রদান করে। এর ফলে, আপনার নির্দিষ্ট ব্যবহারের ক্ষেত্রে নির্ভর করে, অ্যাপ পছন্দমতো সাজিয়ে নেওয়া ও ব্যবহারকারীর এনগেজমেন্ট বাড়ানোর জন্য আদর্শ ইমেজ জেনারেশন মডেল বেছে নিতে পারবেন।