আপনার অ্যাপের জন্য সঠিক AI/ML সমাধান খুঁজুন

এই নির্দেশিকাটি আপনাকে আপনার অ্যাপ্লিকেশনগুলিতে গুগলের জেনারেটিভ আর্টিফিশিয়াল ইন্টেলিজেন্স এবং মেশিন লার্নিং (AI/ML) সমাধানগুলিকে একীভূত করতে সাহায্য করার জন্য তৈরি করা হয়েছে। এটি আপনাকে উপলব্ধ বিভিন্ন আর্টিফিশিয়াল ইন্টেলিজেন্স এবং মেশিন লার্নিং সমাধানগুলির মধ্যে থেকে আপনার প্রয়োজন অনুসারে সেরাটি বেছে নিতে নির্দেশনা প্রদান করে। এই নথির লক্ষ্য হলো আপনার প্রয়োজন এবং ব্যবহারের ক্ষেত্রগুলির উপর আলোকপাত করে, কোন টুলটি কেন ব্যবহার করবেন তা নির্ধারণ করতে আপনাকে সাহায্য করা।

আপনার নির্দিষ্ট প্রয়োজনীয়তার জন্য সবচেয়ে উপযুক্ত এআই/এমএল সমাধান বেছে নিতে আপনাকে সহায়তা করার জন্য, এই নথিতে একটি সমাধান নির্দেশিকা অন্তর্ভুক্ত রয়েছে । আপনার প্রকল্পের লক্ষ্য এবং সীমাবদ্ধতা সম্পর্কে একাধিক প্রশ্নের উত্তর দেওয়ার মাধ্যমে, এই নির্দেশিকাটি আপনাকে সবচেয়ে যথাযথ সরঞ্জাম এবং প্রযুক্তির দিকে পরিচালিত করে।

এই নির্দেশিকাটি আপনার অ্যাপের জন্য সেরা এআই সমাধান বেছে নিতে সাহায্য করবে। এই বিষয়গুলো বিবেচনা করুন: ডেটার ধরন (টেক্সট, ছবি, অডিও, ভিডিও), কাজের জটিলতা (সাধারণ সারসংক্ষেপ থেকে শুরু করে বিশেষ জ্ঞান-প্রয়োজনীয় জটিল কাজ পর্যন্ত), এবং ডেটার আকার (ছোট ইনপুট বনাম বড় ডকুমেন্ট)। এটি আপনাকে আপনার ডিভাইসে Gemini Nano ব্যবহার করবেন নাকি Firebase-এর ক্লাউড-ভিত্তিক এআই (Gemini Flash, Gemini Pro, বা Imagen) ব্যবহার করবেন, সেই সিদ্ধান্ত নিতে সাহায্য করবে।

অন-ডিভাইস ইনফারেন্সের শক্তিকে কাজে লাগান

আপনার অ্যান্ড্রয়েড অ্যাপে এআই এবং এমএল ফিচার যোগ করার সময়, আপনি সেগুলো সরবরাহ করার জন্য বিভিন্ন উপায় বেছে নিতে পারেন – হয় ডিভাইসে অথবা ক্লাউড ব্যবহার করে।

জেমিনি ন্যানোর মতো অন-ডিভাইস সলিউশনগুলো কোনো অতিরিক্ত খরচ ছাড়াই ফলাফল প্রদান করে, ব্যবহারকারীর গোপনীয়তা বাড়ায় এবং নির্ভরযোগ্য অফলাইন কার্যকারিতা দেয়, কারণ ইনপুট ডেটা স্থানীয়ভাবে প্রক্রিয়াজাত করা হয়। মেসেজ সামারাইজেশনের মতো নির্দিষ্ট কিছু ব্যবহারের ক্ষেত্রে এই সুবিধাগুলো অত্যন্ত গুরুত্বপূর্ণ হতে পারে, যা সঠিক সলিউশন বেছে নেওয়ার সময় অন-ডিভাইস পদ্ধতিকে অগ্রাধিকার দেয়।

জেমিনি ন্যানো আপনাকে সরাসরি একটি অ্যান্ড্রয়েড-চালিত ডিভাইসে ইনফারেন্স চালাতে দেয়। আপনি যদি টেক্সট, ছবি বা অডিও নিয়ে কাজ করেন, তাহলে রেডিমেড সমাধানের জন্য এমএল কিট-এর জেনএআই এপিআই (GenAI APIs) দিয়ে শুরু করুন। এমএল কিট জেনএআই এপিআইগুলো জেমিনি ন্যানো দ্বারা চালিত, যা অন্তর্নিহিত সিস্টেম পরিষেবা হিসেবে এআইকোর (AICore) ব্যবহার করে এবং ডিভাইসের নির্দিষ্ট কাজের জন্য বিশেষভাবে তৈরি করা হয়েছে। এমএল কিট জেনএআই এপিআইগুলো তাদের উচ্চ-স্তরের ইন্টারফেস এবং স্কেলেবিলিটির কারণে আপনার অ্যাপগুলোকে প্রোডাকশনে নিয়ে যাওয়ার জন্য একটি আদর্শ পথ। এই এপিআইগুলো আপনাকে টেক্সট এবং ছবি উভয় ইনপুটের মাধ্যমে স্বাভাবিক ভাষার অনুরোধ পাঠাতে দেয়, যা ছবি বোঝা, সংক্ষিপ্ত অনুবাদ, নির্দেশিত সারসংক্ষেপ এবং আরও অনেক কিছুর মতো বিভিন্ন ব্যবহারের সুযোগ তৈরি করে।

প্রচলিত মেশিন লার্নিংয়ের কাজগুলোর জন্য, আপনার নিজস্ব কাস্টম মডেল প্রয়োগ করার স্বাধীনতা রয়েছে। আপনার ডেভেলপমেন্ট প্রক্রিয়াকে সহজ করতে আমরা এমএল কিট (ML Kit) , মিডিয়াপাইপ (MediaPipe) , লাইটআরটি (LiteRT) -এর মতো শক্তিশালী টুল এবং গুগল প্লে (Google Play) -এর ডেলিভারি ফিচার সরবরাহ করি।

যেসব অ্যাপ্লিকেশনের জন্য অত্যন্ত বিশেষায়িত সমাধানের প্রয়োজন হয়, সেগুলোর জন্য আপনি আপনার নিজস্ব কাস্টম মডেল ব্যবহার করতে পারেন, যেমন জেমা (Gemma) বা আপনার নির্দিষ্ট ব্যবহারের জন্য বিশেষভাবে তৈরি অন্য কোনো মডেল। LiteRT-এর মাধ্যমে আপনার মডেলটি সরাসরি ব্যবহারকারীর ডিভাইসে চালান, যা সর্বোত্তম পারফরম্যান্সের জন্য পূর্ব-পরিকল্পিত মডেল আর্কিটেকচার সরবরাহ করে।

আপনি অন-ডিভাইস এবং ক্লাউড মডেল উভয়কে কাজে লাগিয়ে একটি হাইব্রিড সলিউশন তৈরির কথাও বিবেচনা করতে পারেন।

মোবাইল অ্যাপগুলো সাধারণত চ্যাট কথোপকথন বা ব্লগ আর্টিকেলের মতো ছোট টেক্সট ডেটার জন্য স্থানীয় মডেল ব্যবহার করে। তবে, বড় ডেটা সোর্সের (যেমন পিডিএফ) জন্য বা যখন অতিরিক্ত তথ্যের প্রয়োজন হয়, তখন আরও শক্তিশালী জেমিনি মডেলসহ একটি ক্লাউড-ভিত্তিক সমাধান আবশ্যক হতে পারে।

উন্নত জেমিনি মডেলগুলিকে একীভূত করুন

অ্যান্ড্রয়েড ডেভেলপাররা ফায়ারবেস এআই লজিক এসডিকে (Firebase AI Logic SDK ) ব্যবহার করে তাদের অ্যাপ্লিকেশনগুলিতে গুগলের উন্নত জেনারেটিভ এআই ক্ষমতা, যার মধ্যে শক্তিশালী জেমিনি প্রো (Gemini Pro), জেমিনি ফ্ল্যাশ (Gemini Flash), এবং ইমাজেন (Imagen) মডেলগুলি অন্তর্ভুক্ত, সংহত করতে পারেন। এই এসডিকে-টি বৃহত্তর ডেটার চাহিদা মেটানোর জন্য ডিজাইন করা হয়েছে এবং এই উচ্চ-কার্যক্ষমতাসম্পন্ন, মাল্টিমোডাল এআই মডেলগুলিতে অ্যাক্সেস সক্ষম করার মাধ্যমে বর্ধিত ক্ষমতা ও অভিযোজনযোগ্যতা প্রদান করে।

Firebase AI Logic SDK-এর সাহায্যে ডেভেলপাররা ন্যূনতম প্রচেষ্টায় গুগলের এআই মডেলগুলিতে ক্লায়েন্ট-সাইড কল করতে পারেন। Gemini Pro এবং Gemini Flash-এর মতো এই মডেলগুলি ক্লাউডে ইনফারেন্স চালায় এবং অ্যান্ড্রয়েড অ্যাপগুলিকে ছবি, অডিও, ভিডিও এবং টেক্সট সহ বিভিন্ন ধরণের ইনপুট প্রসেস করতে সক্ষম করে। Gemini Pro জটিল সমস্যার সমাধান এবং ব্যাপক ডেটা বিশ্লেষণে পারদর্শী, অন্যদিকে Gemini Flash সিরিজটি উন্নত গতি এবং বেশিরভাগ কাজের জন্য যথেষ্ট বড় একটি কনটেক্সট উইন্ডো প্রদান করে।

কখন ঐতিহ্যবাহী মেশিন লার্নিং ব্যবহার করতে হবে

যদিও জেনারেটিভ এআই টেক্সট, ছবি এবং কোডের মতো কন্টেন্ট তৈরি ও সম্পাদনার জন্য উপযোগী, বাস্তব জগতের অনেক সমস্যাই প্রচলিত মেশিন লার্নিং (এমএল) কৌশল ব্যবহার করে আরও ভালোভাবে সমাধান করা যায়। এই প্রতিষ্ঠিত পদ্ধতিগুলো পূর্বাভাস, শ্রেণিবিন্যাস, শনাক্তকরণ এবং বিদ্যমান ডেটার মধ্যেকার প্যাটার্ন বোঝার মতো কাজগুলোতে পারদর্শী, এবং প্রায়শই জেনারেটিভ মডেলের তুলনায় অধিক দক্ষতা, কম গণনাগত খরচ এবং সহজতর বাস্তবায়নের মাধ্যমে তা সম্পন্ন করে।

প্রচলিত এমএল ফ্রেমওয়ার্কগুলো এমন সব অ্যাপ্লিকেশনের জন্য শক্তিশালী, অপ্টিমাইজড এবং প্রায়শই আরও বাস্তবসম্মত সমাধান প্রদান করে, যেগুলো সম্পূর্ণ নতুন আউটপুট তৈরির পরিবর্তে ইনপুট বিশ্লেষণ, বৈশিষ্ট্য শনাক্তকরণ বা শেখা প্যাটার্নের উপর ভিত্তি করে পূর্বাভাস দেওয়ার উপর মনোযোগ দেয়। গুগলের এমএল কিট, লাইটআরটি এবং মিডিয়াপাইপের মতো টুলগুলো এই ধরনের নন-জেনারেটিভ ব্যবহারের ক্ষেত্রগুলোর জন্য বিশেষভাবে তৈরি শক্তিশালী সক্ষমতা প্রদান করে, বিশেষত মোবাইল এবং এজ কম্পিউটিং পরিবেশে।

এমএল কিট-এর মাধ্যমে আপনার মেশিন লার্নিং ইন্টিগ্রেশন শুরু করুন।

এমএল কিট সাধারণ মেশিন লার্নিং কাজগুলোর জন্য প্রোডাকশন-রেডি ও মোবাইল-অপ্টিমাইজড সমাধান প্রদান করে, যার জন্য আগে থেকে কোনো এমএল দক্ষতার প্রয়োজন হয় না। এই সহজে ব্যবহারযোগ্য মোবাইল এসডিকে গুগলের এমএল দক্ষতা সরাসরি আপনার অ্যান্ড্রয়েড এবং আইওএস অ্যাপে নিয়ে আসে, যা আপনাকে মডেল প্রশিক্ষণ এবং অপ্টিমাইজেশনের পরিবর্তে ফিচার ডেভেলপমেন্টের উপর মনোযোগ দিতে সাহায্য করে। এমএল কিট বারকোড স্ক্যানিং, টেক্সট রিকগনিশন (ওসিআর), ফেস ডিটেকশন, ইমেজ লেবেলিং, অবজেক্ট ডিটেকশন ও ট্র্যাকিং, ল্যাঙ্গুয়েজ আইডেন্টিফিকেশন এবং স্মার্ট রিপ্লাই-এর মতো ফিচারগুলোর জন্য প্রি-বিল্ট এপিআই এবং ব্যবহারের জন্য প্রস্তুত মডেল সরবরাহ করে।

এই মডেলগুলি সাধারণত ডিভাইসে চালানোর জন্য অপ্টিমাইজ করা থাকে, যা কম ল্যাটেন্সি, অফলাইন কার্যকারিতা এবং ব্যবহারকারীর উন্নত গোপনীয়তা নিশ্চিত করে, কারণ ডেটা প্রায়শই ডিভাইসেই থেকে যায়। মডেল প্রশিক্ষণ বা জেনারেটিভ আউটপুটের প্রয়োজন ছাড়াই আপনার মোবাইল অ্যাপে দ্রুত প্রতিষ্ঠিত এমএল ফিচার যোগ করতে এমএল কিট (ML Kit) বেছে নিন। গুগলের অপ্টিমাইজ করা মডেল ব্যবহার করে অথবা কাস্টম টেনসরফ্লো লাইট (TensorFlow Lite) মডেল স্থাপন করে "স্মার্ট" সক্ষমতা দিয়ে অ্যাপগুলিকে দক্ষতার সাথে উন্নত করার জন্য এটি আদর্শ।

এমএল কিট ডেভেলপার সাইটে আমাদের বিস্তারিত গাইড এবং ডকুমেন্টেশন থেকে কাজ শুরু করুন।

LiteRT ব্যবহার করে কাস্টম এমএল ডেপ্লয়মেন্ট

আরও বেশি নিয়ন্ত্রণের জন্য বা আপনার নিজস্ব এমএল মডেল স্থাপন করতে, LiteRT এবং Google Play পরিষেবার উপর নির্মিত একটি কাস্টম এমএল স্ট্যাক ব্যবহার করুন। এই স্ট্যাকটি উচ্চ-পারফরম্যান্স এমএল ফিচার স্থাপনের জন্য প্রয়োজনীয় উপাদান সরবরাহ করে। LiteRT হলো একটি টুলকিট যা সীমিত রিসোর্সযুক্ত মোবাইল, এমবেডেড এবং এজ ডিভাইসে দক্ষতার সাথে TensorFlow মডেল চালানোর জন্য অপ্টিমাইজ করা হয়েছে। এটি আপনাকে উল্লেখযোগ্যভাবে ছোট এবং দ্রুততর মডেল চালানোর ক্ষমতা দেয় যা কম মেমরি, শক্তি এবং স্টোরেজ ব্যবহার করে। LiteRT রানটাইমটি এজ ডিভাইসের বিভিন্ন হার্ডওয়্যার অ্যাক্সিলারেটরের (GPU, DSP, NPU) জন্য বিশেষভাবে অপ্টিমাইজ করা হয়েছে, যা কম-লেটেন্সি ইনফারেন্স সক্ষম করে।

যখন স্মার্টফোন, IoT ডিভাইস বা মাইক্রোকন্ট্রোলারের মতো সীমিত কম্পিউটেশনাল ক্ষমতা বা ব্যাটারি লাইফযুক্ত ডিভাইসে প্রশিক্ষিত ML মডেল (সাধারণত ক্লাসিফিকেশন, রিগ্রেশন বা ডিটেকশনের জন্য) দক্ষতার সাথে স্থাপন করার প্রয়োজন হয়, তখন LiteRT বেছে নিন। এজ-এ কাস্টম বা স্ট্যান্ডার্ড প্রেডিক্টিভ মডেল স্থাপনের জন্য এটিই পছন্দের সমাধান, যেখানে গতি এবং রিসোর্স সংরক্ষণ সবচেয়ে গুরুত্বপূর্ণ।

LiteRT-এর মাধ্যমে ML ডেপ্লয়মেন্ট সম্পর্কে আরও জানুন।

MediaPipe-এর মাধ্যমে আপনার অ্যাপে রিয়েল-টাইম পারসেপশন যুক্ত করুন।

মিডিয়াপাইপ লাইভ ও স্ট্রিমিং মিডিয়ার জন্য ডিজাইন করা ওপেন-সোর্স, ক্রস-প্ল্যাটফর্ম এবং কাস্টমাইজযোগ্য মেশিন লার্নিং সলিউশন প্রদান করে। হ্যান্ড ট্র্যাকিং, পোজ এস্টিমেশন, ফেস মেশ ডিটেকশন এবং অবজেক্ট ডিটেকশনের মতো জটিল কাজের জন্য অপ্টিমাইজ করা ও আগে থেকে তৈরি টুলগুলো থেকে সুবিধা নিন, যা মোবাইল ডিভাইসেও উচ্চ-পারফরম্যান্সের রিয়েল-টাইম ইন্টারঅ্যাকশন সম্ভব করে তোলে।

মিডিয়াপাইপের গ্রাফ-ভিত্তিক পাইপলাইনগুলো অত্যন্ত কাস্টমাইজযোগ্য, যা আপনাকে অ্যান্ড্রয়েড, আইওএস, ওয়েব, ডেস্কটপ এবং ব্যাকএন্ড অ্যাপ্লিকেশনের জন্য সমাধান তৈরি করতে সাহায্য করে। যখন আপনার অ্যাপ্লিকেশনের লাইভ সেন্সর ডেটা, বিশেষ করে ভিডিও স্ট্রিম, তাৎক্ষণিকভাবে বোঝা এবং সে অনুযায়ী প্রতিক্রিয়া জানানোর প্রয়োজন হয়, তখন মিডিয়াপাইপ বেছে নিন। এটি অঙ্গভঙ্গি শনাক্তকরণ, এআর ইফেক্ট, ফিটনেস ট্র্যাকিং বা অ্যাভাটার নিয়ন্ত্রণের মতো ক্ষেত্রে ব্যবহৃত হয়—যার মূল লক্ষ্যই হলো ইনপুট বিশ্লেষণ ও ব্যাখ্যা করা।

সমাধানগুলো অন্বেষণ করুন এবং MediaPipe দিয়ে নির্মাণ শুরু করুন।

আপনার অ্যাপটিকে ডিভাইস অ্যাসিস্ট্যান্টের সাথে সংযুক্ত করুন।

প্রচলিত এআই ইন্টিগ্রেশন যেখানে "আপনার অ্যাপে এআই অন্তর্ভুক্ত করার" উপর মনোযোগ দেয়, সেখানে আপনি "আপনার অ্যাপকে এআই-এর অংশও করে তুলতে পারেন"। সিস্টেমের এআই ফিচারগুলোতে আপনার অ্যাপের কার্যকারিতা যুক্ত করার মাধ্যমে, আপনি সিস্টেম-স্তরের অ্যাসিস্ট্যান্টদের (যেমন জেমিনি) আপনার অ্যাপের সক্ষমতাগুলো এজেন্ট হিসেবে আবিষ্কার ও ব্যবহার করার সুযোগ করে দেন। এই ইন্টিগ্রেশনটি অর্জন করার প্রধান উপায় হলো অ্যাপফাংশনস , যা আপনার অ্যাপকে বৃহত্তর অ্যান্ড্রয়েড এআই ইকোসিস্টেমের একজন অংশগ্রহণকারী হতে সক্ষম করে।

একটি পদ্ধতি বেছে নিন

আপনার অ্যান্ড্রয়েড অ্যাপ উন্নত করতে এআই অন্তর্ভুক্ত করার সময়, আপনার তিনটি প্রধান পদ্ধতি বিবেচনা করা উচিত: ডিভাইসে প্রসেসিং করা, ক্লাউড-ভিত্তিক মডেল ব্যবহার করা, অথবা আপনার অ্যাপের কার্যকারিতাকে সিস্টেম-স্তরের এআই-তে যুক্ত করা। এমএল কিট (ML Kit), জেমিনি ন্যানো (Gemini Nano), এবং লাইটআরটি (LiteRT)-এর মতো টুলগুলো ডিভাইসে কাজ করার সুবিধা দেয়, অন্যদিকে ফায়ারবেস এআই লজিক (Firebase AI Logic) সহ জেমিনি ক্লাউড এপিআই (Gemini cloud APIs) শক্তিশালী ক্লাউড-ভিত্তিক প্রসেসিং প্রদান করে। অ্যাপফাংশনস (AppFunctions) একটি তৃতীয় পথের প্রতিনিধিত্ব করে, যা আপনার অ্যাপের ফিচারগুলোকে সিস্টেমে এজেন্ট হিসেবে উপলব্ধ করার মাধ্যমে আপনার অ্যাপকে এআই-এর অন্তর্ভুক্ত করার সুযোগ দেয়।

আপনার পদ্ধতি বেছে নেওয়ার সময় এই বিষয়গুলো বিবেচনা করুন:

আপনার ব্যবহারের প্রয়োজনীয়তা এবং উপলব্ধ বিকল্পগুলো সতর্কতার সাথে বিবেচনা করে, আপনি আপনার অ্যান্ড্রয়েড অ্যাপকে উন্নত করতে এবং ব্যবহারকারীদের বুদ্ধিদীপ্ত ও ব্যক্তিগতকৃত অভিজ্ঞতা প্রদান করার জন্য নিখুঁত AI/ML সমাধানটি খুঁজে নিতে পারেন।

এআই/এমএল সমাধান নির্দেশিকা

এই সমাধান নির্দেশিকাটি আপনাকে আপনার অ্যান্ড্রয়েড প্রজেক্টে এআই/এমএল প্রযুক্তি একীভূত করার জন্য উপযুক্ত ডেভেলপার টুলগুলো শনাক্ত করতে সাহায্য করতে পারে।

এআই ফিচারটির মূল লক্ষ্য কী?

• ক) নতুন কন্টেন্ট (টেক্সট, ছবির বিবরণ) তৈরি করা, অথবা সাধারণ টেক্সট প্রসেসিং (সারাংশ তৈরি, প্রুফরিডিং বা টেক্সট পুনর্লিখন) করা? → জেনারেটিভ এআই- তে যান
• B) পূর্বাভাস, শ্রেণিবিন্যাস, সনাক্তকরণ, প্যাটার্ন বোঝা, বা রিয়েল-টাইম স্ট্রিম (যেমন ভিডিও/অডিও) প্রক্রিয়াকরণের জন্য বিদ্যমান ডেটা/ইনপুট বিশ্লেষণ করছেন? → ঐতিহ্যবাহী এমএল এবং পারসেপশন- এ যান।
• গ) সিস্টেমের এআই ফিচারগুলোর সাথে সমন্বিত করার জন্য আপনার অ্যাপের কার্যকারিতা বৃদ্ধি করা (আপনার অ্যাপকে এআই-এর আওতায় আনা)? → “আপনার অ্যাপকে এআই-এর আওতায় আনা” অংশে যান।

ঐতিহ্যবাহী এমএল এবং উপলব্ধি

সম্পূর্ণ নতুন আউটপুট তৈরি করার পরিবর্তে, আপনাকে ইনপুট বিশ্লেষণ করতে, বৈশিষ্ট্য শনাক্ত করতে বা শেখা প্যাটার্নের উপর ভিত্তি করে পূর্বাভাস দিতে হবে।

আপনি ঠিক কোন কাজটি করছেন?

• ক) আগে থেকে তৈরি ও প্রচলিত মোবাইল এমএল ফিচারগুলো (যেমন, বারকোড স্ক্যানিং, টেক্সট রিকগনিশন (ওসিআর), ফেস ডিটেকশন, ইমেজ লেবেলিং, অবজেক্ট ডিটেকশন ও ট্র্যাকিং, ল্যাঙ্গুয়েজ আইডি, বেসিক স্মার্ট রিপ্লাই) দ্রুত ইন্টিগ্রেট করার প্রয়োজন আছে?
  • → ব্যবহার: এমএল কিট (প্রচলিত এপিআই)
  • কারণ : প্রতিষ্ঠিত মোবাইল এমএল টাস্কগুলোর জন্য এটিই সবচেয়ে সহজ ইন্টিগ্রেশন, যা প্রায়শই ডিভাইসে ব্যবহারের জন্য অপ্টিমাইজ করা থাকে (কম ল্যাটেন্সি, অফলাইন, গোপনীয়তা)।
• খ) পারসেপশন টাস্কের জন্য রিয়েল-টাইম স্ট্রিমিং ডেটা (যেমন ভিডিও বা অডিও) প্রসেস করার প্রয়োজন আছে কি? (যেমন, হ্যান্ড ট্র্যাকিং, পোজ এস্টিমেশন, ফেস মেশ, ভিডিওতে রিয়েল-টাইম অবজেক্ট ডিটেকশন এবং সেগমেন্টেশন)
  • → ব্যবহার করুন: মিডিয়াপাইপ
  • কেন : বিভিন্ন প্ল্যাটফর্মে উচ্চ-কর্মক্ষমতাসম্পন্ন, রিয়েল-টাইম পারসেপশন পাইপলাইনের জন্য বিশেষায়িত ফ্রেমওয়ার্ক।
• গ) পারফরম্যান্স এবং কম রিসোর্স ব্যবহারকে অগ্রাধিকার দিয়ে, ডিভাইসে আপনার নিজস্ব প্রশিক্ষিত এমএল মডেল (যেমন, ক্লাসিফিকেশন, রিগ্রেশন, ডিটেকশন) দক্ষতার সাথে চালাতে চান?
  • → ব্যবহার করুন: LiteRT (TensorFlow Lite Runtime)
  • কারণ : মোবাইল ও এজ ডিভাইসে কাস্টম মডেল দক্ষতার সাথে স্থাপন করার জন্য অপ্টিমাইজ করা রানটাইম (ছোট আকার, দ্রুত ইনফারেন্স, হার্ডওয়্যার অ্যাক্সিলারেশন)।
• D) কোনো নির্দিষ্ট কাজের জন্য আপনার নিজস্ব কাস্টম এমএল মডেলকে প্রশিক্ষণ দেওয়ার প্রয়োজন আছে?
  • → ব্যবহার: LiteRT (TensorFlow Lite Runtime) + কাস্টম মডেল ট্রেনিং
  • কারণ : এটি মোবাইল ও এজ ডিভাইসের জন্য অপ্টিমাইজ করা কাস্টম মডেল প্রশিক্ষণ ও স্থাপনের সরঞ্জাম সরবরাহ করে।
• ই) উন্নত মানের বিষয়বস্তু শ্রেণীকরণ, অনুভূতি বিশ্লেষণ, অথবা উচ্চ সূক্ষ্মতা সহ বহু ভাষার অনুবাদ প্রয়োজন?
  • বিবেচনা করুন যে প্রচলিত এমএল মডেল (সম্ভবত LiteRT বা ক্লাউড ব্যবহার করে প্রয়োগ করা) উপযুক্ত কিনা, অথবা উন্নত এনএলইউ-এর জন্য জেনারেটিভ মডেলের প্রয়োজন আছে কিনা (শুরুতে ফিরে যান, A নির্বাচন করুন)। ক্লাউড-ভিত্তিক ক্লাসিফিকেশন, সেন্টিমেন্ট বা অনুবাদের জন্য:
  • → ব্যবহার: ক্লাউড-ভিত্তিক সমাধান (যেমন, গুগল ক্লাউড ন্যাচারাল ল্যাঙ্গুয়েজ এপিআই , গুগল ক্লাউড ট্রান্সলেশন এপিআই , যা একটি কাস্টম ব্যাকএন্ড বা ভার্টেক্স এআই ব্যবহার করে অ্যাক্সেস করা যেতে পারে) । (অফলাইনে থাকলে বা গোপনীয়তা মুখ্য হলে, ডিভাইসের বিকল্পগুলোর চেয়ে এর অগ্রাধিকার কম)।
  • কারণ : ক্লাউড সলিউশনগুলো শক্তিশালী মডেল এবং ব্যাপক ভাষা সমর্থন প্রদান করে, কিন্তু এর জন্য কানেক্টিভিটি প্রয়োজন হয় এবং এতে খরচও হতে পারে।

জেনারেটিভ এআই

আপনাকে নতুন বিষয়বস্তু তৈরি করতে, সারসংক্ষেপ করতে, পুনর্লিখন করতে, অথবা জটিল বোধগম্যতা বা মিথস্ক্রিয়ামূলক কাজ সম্পাদন করতে হবে।

আপনার কি এআই-কে অফলাইনে কাজ করাতে হবে, সর্বোচ্চ ডেটা গোপনীয়তা প্রয়োজন (ব্যবহারকারীর ডেটা ডিভাইসে রেখে), নাকি ক্লাউড ইনফারেন্সের খরচ এড়াতে চান?

• এ) হ্যাঁ , অফলাইন, সর্বোচ্চ গোপনীয়তা, অথবা ক্লাউডের খরচ না থাকাটা অত্যন্ত গুরুত্বপূর্ণ।
  • → অন-ডিভাইস জেনারেটিভ এআই -তে যান
• খ) না , সংযোগ ব্যবস্থা উপলব্ধ ও গ্রহণযোগ্য, ক্লাউডের সক্ষমতা ও পরিবর্ধনযোগ্যতা অধিক গুরুত্বপূর্ণ, অথবা নির্দিষ্ট কিছু বৈশিষ্ট্যের জন্য ক্লাউড প্রয়োজন।
  • → ক্লাউড জেনারেটিভ এআই- তে যান

ডিভাইসে জেনারেটিভ এআই (জেমিনি ন্যানো ব্যবহার করে)

সীমাবদ্ধতা : সামঞ্জস্যপূর্ণ অ্যান্ড্রয়েড ডিভাইস প্রয়োজন, আইওএস সমর্থন সীমিত, মডেলগুলো ক্লাউড সংস্করণের তুলনায় কম শক্তিশালী।

এমএল কিট-এর প্রম্পট এপিআই (Prompt API) ব্যবহার করে আপনি বিভিন্ন ধরনের ব্যবহারের জন্য শুধুমাত্র টেক্সট অথবা টেক্সট ও ছবি ইনপুটের মাধ্যমে স্বাভাবিক ভাষার অনুরোধ পাঠাতে পারেন, যেমন—ছবি বোঝা, সংক্ষিপ্ত অনুবাদ এবং নির্দেশিত সারসংক্ষেপ তৈরি। যদি আপনার ব্যবহারের ক্ষেত্রগুলো এই টোকেন সীমাবদ্ধতার মধ্যে পূরণ করা সম্ভব হয়, তবে ডিভাইসে জেনারেটিভ এআই-এর জন্য এমএল কিট জেনএআই (GenAI) এপিআই-গুলোই আপনার সেরা বিকল্প। এমএল কিট সারসংক্ষেপ তৈরি এবং স্মার্ট রিপ্লাই-এর মতো সাধারণ কাজগুলোর জন্য সরলীকৃত এপিআই-ও প্রদান করে।

• → ব্যবহার: এমএল কিট জেনএআই এপিআই (জেমিনি ন্যানো দ্বারা চালিত)
• কারণ : স্বাভাবিক ভাষার প্রম্পট ব্যবহার করে ডিভাইসে জেনারেটিভ এআই টাস্ক একীভূত করার সবচেয়ে সহজ উপায়, সর্বোচ্চ অগ্রাধিকারপ্রাপ্ত অন-ডিভাইস সমাধান।

ক্লাউড জেনারেটিভ এআই

আরও শক্তিশালী মডেল ব্যবহার করে, কানেক্টিভিটি প্রয়োজন হয়, সাধারণত ইনফারেন্স কস্ট জড়িত থাকে, তবে এটি আরও বেশি ডিভাইসে পৌঁছানোর সুযোগ দেয় এবং বিভিন্ন প্ল্যাটফর্মের (অ্যান্ড্রয়েড এবং আইওএস) মধ্যে সহজে সামঞ্জস্যতা নিশ্চিত করে।

আপনার অগ্রাধিকার কী: ফায়ারবেসের সাথে সহজে ইন্টিগ্রেশন নাকি সর্বোচ্চ নমনীয়তা/নিয়ন্ত্রণ?

• ক) সহজতর ইন্টিগ্রেশন ও একটি পরিচালিত এপিআই অভিজ্ঞতা পছন্দ করেন এবং সম্ভবত ইতিমধ্যেই ফায়ারবেস ব্যবহার করছেন?
  • → ব্যবহার করুন: Firebase AI Logic SDK → Firebase AI Logic- এ যান
• খ) আপনার কি সর্বোচ্চ নমনীয়তা, মডেলের বিস্তৃত পরিসরে অ্যাক্সেস (তৃতীয়-পক্ষ/কাস্টম সহ), উন্নত সূক্ষ্ম সমন্বয় প্রয়োজন এবং আপনি কি আপনার নিজস্ব ব্যাকএন্ড ইন্টিগ্রেশন (আরও জটিল) পরিচালনা করতে ইচ্ছুক?
  • → ব্যবহার: কাস্টম ক্লাউড ব্যাকএন্ড সহ জেমিনি এপিআই (গুগল ক্লাউড প্ল্যাটফর্ম ব্যবহার করে)
  • কারণ : এটি সর্বাধিক নিয়ন্ত্রণ, মডেলের ব্যাপক অ্যাক্সেস এবং কাস্টম প্রশিক্ষণের বিকল্প প্রদান করে, কিন্তু এর জন্য উল্লেখযোগ্য ব্যাকএন্ড ডেভেলপমেন্ট প্রচেষ্টার প্রয়োজন হয়। জটিল, বৃহৎ পরিসরের বা অত্যন্ত কাস্টমাইজড প্রয়োজনের জন্য উপযুক্ত।

( আপনি Firebase AI Logic SDK বেছে নিয়েছেন) আপনার কী ধরনের জেনারেটিভ টাস্ক এবং পারফরম্যান্স প্রোফাইল প্রয়োজন?

• ক) সাধারণ টেক্সট তৈরি, সারসংক্ষেপ তৈরি, বা চ্যাট অ্যাপ্লিকেশনের জন্য পারফরম্যান্স ও খরচের মধ্যে ভারসাম্য প্রয়োজন, যেখানে গতি একটি গুরুত্বপূর্ণ বিষয়?
  • → ব্যবহার করুন: ফায়ারবেস এআই লজিক এসডিকে ও জেমিনি ফ্ল্যাশ
  • কারণ : ভার্টেক্স এআই পরিচালিত পরিবেশে গতি এবং দক্ষতার জন্য অপ্টিমাইজ করা হয়েছে।
• খ) জটিল টেক্সট তৈরি, যুক্তিনির্মাণ, উন্নত এনএলইউ, বা নির্দেশনা অনুসরণের জন্য কি উচ্চতর গুণমান এবং সক্ষমতা প্রয়োজন?
  • → ব্যবহার করুন: জেমিনি প্রো সহ ফায়ারবেস এআই লজিক এসডিকে
  • কারণ : কঠিন কাজের জন্য আরও শক্তিশালী টেক্সট মডেল, যা ফায়ারবেসের মাধ্যমে অ্যাক্সেস করা যায়।
• গ) টেক্সট প্রম্পটের উপর ভিত্তি করে অত্যাধুনিক ইমেজ তৈরি অথবা উন্নত ইমেজ বোঝা বা ম্যানিপুলেশনের প্রয়োজন আছে কি?
  • → ব্যবহার করুন: Imagen 3 সহ Firebase AI Logic SDK
  • কারণ : পরিচালিত ফায়ারবেস পরিবেশ ব্যবহার করে অ্যাক্সেস করা অত্যাধুনিক ইমেজ জেনারেশন মডেল।

অ্যাপফাংশন

সিস্টেমের এআই ফিচারগুলোর সাথে সমন্বিত করতে (আপনার অ্যাপকে এআই-এর অন্তর্ভুক্ত করতে) আপনাকে আপনার অ্যাপের কার্যকারিতা উন্নত করতে হবে।

• → ব্যবহার: অ্যাপফাংশন
• কারণ : এটি অ্যাসিস্ট্যান্টের মতো সিস্টেমের এআই ফিচারগুলোকে আপনার অ্যাপের সক্ষমতাগুলো খুঁজে বের করতে এবং কাজে লাগাতে সাহায্য করে।