প্রকল্প সম্পর্কে

Duix.Avatar হল Duix.com-এর একটি বিনামূল্যে এবং ওপেন-সোর্স AI অ্যাভাটার প্রকল্প। এটি Windows এবং Ubuntu সিস্টেমের জন্য ডিজাইন করা একটি সম্পূর্ণ অফলাইন ভিডিও সিন্থেসিস টুল, যা ব্যবহারকারীর চেহারা এবং কণ্ ক্লোন করে টেক্সট এবং কণ্ঠ ইনপুট দ্বারা পরিচালিত ডিজিটাল মানব ভিডিও তৈরি করে। মূল বৈশিষ্ট্যগুলি হল: - AI অ্যালগরিদম ব্যবহার করে মুখের বৈশি্ট্য ধারণ এবং কণ্ঠের বৈশি্ট্য পুনরুৎপাদনের মাধ্যমে সুনির্দিষ্ট চেহারা এবং কণ্ঠ ক্লোনিং। - টেক্সট এবং কণ্ঠ-চালিত ভার্চুয়াল অ্যাভাটার, যা প্রাকৃতিক ভাষা প্রক্রিয়াকরণ ব্যহার করে টেক্সটকে কথায় রূপান্তর করে এবং অ্যাভাটারের অভিব্যক্তি এবং কর্মকাণ্ড পরিচালনা করে। - সিঙ্ক্রোনাইজড অডিও-ভিডিও লিপ-সিঙ্কিং সহ দক্ষ ভিডিও সিন্থেসিস। - আটটি ভাষার জন্য বহু-ভাষা সমর্থন: English, Japanese, Korean, Chinese, French, German, Arabic, এবং Spanish। মূল সুবিষয়গুলির মধ্যে রয়েছে গোপনীয়তা সুরক্ষার জন্য সম্পূর্ণ অফলাইন পরিচালনা, ব্যবহারকারী-বান্ধব ইন্টারফেস, এবং একাধিক মডেল আমদানির সমর্থন। প্রকল্পটি Docker-ভিত্তিক ডেপ্লয়মেন্ট ব্যবহার করে তিনটি প্রধান Docker image (fun-asr, fish-speech-ziming, এবং duix.avatar) সহ। হার্ডওয়্যার প্রয়োজনীয়তার মধ্যে রয়েছে NVIDIA graphics card (প্রস্তাবিত RTX 4070), 32GB RAM, এবং 100GB-এর বেশি ফ্রি ডিস্ক স্পেস। এটি Windows 10 এবং Ubuntu 22.04 উভয় ইনস্টলেশনকে সমর্থন করে। প্রকল্পটি মডেল ট্রেনিং, অডিও সিন্থেসিস, এবং ভিডিও সিন্থেসিসের জন্য ওপেন API প্রদান করে, যা স্থানীয়ভাবে HTTP endpoints এর মাধ্যমে অ্যাক্সেযোগ্য। এটি ব্যবসায়িক ব্যবহারকারীদের জন্য একটি পৃথক বাণিজ্যিক API পরিষেবাও প্রদান করে, যাদের এন্টারপ্রাইজ-স্তরের SLA নিশ্চয়তা প্রয়োজন। প্রকল্পটি ASR এর জন্য fun-asr এবং TTS এর জন্য fish-speech-ziming ব্যহার করার কথা স্বীকার করে। এটি বি্বব্যাপী বিনামূল্যে বাণিজ্যিক ব্যবহারকে সমর্থন করে, যেখানে 100,000 ব্যবহারকারী বা $10 মিলিয়ন বার্ষিক রাজস্ব ছাড়িয়ে যাওয়া এন্টারপ্রাইজদের একটি বাণিজ্যিক লাইসেন্স চুক্তি প্রয়োজন।