নতুন কেউ ai image generation শিখতে বসলে প্রথম যে কাজটা করেন, সেটা হলো একটা টুল খুলে প্রম্পট লেখা শুরু করা। আর তার তিন সপ্তাহ পর তাঁর অবস্থা মোটামুটি এরকম দাঁড়ায় — ফোল্ডারভর্তি সুন্দর কিন্তু অকেজো ছবি, তিনটে বাতিল সাবস্ক্রিপশন, আর একটা অস্পষ্ট সন্দেহ যে "আমার প্রম্পট লেখার হাত বোধহয় ভালো না"। সমস্যাটা প্রম্পটে ছিল না। সমস্যাটা ছিল, প্রম্পট লেখার আগে যে চারটে সিদ্ধান্ত নেওয়া দরকার ছিল, সেগুলো কেউ নেয়নি।
এই লেখায় প্রম্পটের লম্বা লিস্ট নেই। আছে সেই চারটে কাঁটাতারের মোড়, যেখানে ভুল দিকে হাঁটলে পরের তিন মাস নষ্ট হয়।
সিদ্ধান্ত ১ — এই কাজে আদৌ AI লাগবে তো?
সবচেয়ে কম জিজ্ঞাসিত প্রশ্ন, অথচ সবচেয়ে দামি। আপনার সামনে আসলে তিনটে রাস্তা আছে — স্টক ফটো, আসল ফটোশুট, আর AI। প্রতিটার নিজস্ব জায়গা আছে।
- স্টক বাছুন যখন ছবিটা জেনেরিক (অফিসের ডেস্ক, হাসিমুখ, শহরের স্কাইলাইন) এবং আপনার সময় নেই। Envato বা Freepik-এর মাসিক প্ল্যানে হাজারো ছবি — AI দিয়ে বানাতে গিয়ে ঘণ্টা নষ্ট করার মানে হয় না।
- ফটোশুট বাছুন যখন ছবির বিষয়টা বাস্তবে বিদ্যমান — আপনার আসল প্রোডাক্ট, আসল দোকান, আসল টিম। ঢাকায় একটা প্রোডাক্ট শুট দিনে ৫,০০০–১৫,০০০ টাকায় হয়ে যায়, আর ক্রেতা যা কিনছেন তা-ই দেখেন। কোনো AI এই বিশ্বাসযোগ্যতা দিতে পারবে না।
- AI বাছুন যখন ছবিটা বাস্তবে নেই এবং হওয়ার উপায়ও নেই — কাল্পনিক দৃশ্য, স্টাইলাইজড ইলাস্ট্রেশন, দশটা ভিন্ন ব্যাকগ্রাউন্ডে বসানো একই প্রোডাক্ট, বা এমন কিছু যার জন্য শুট করা অসম্ভব ব্যয়বহুল (মালদ্বীপের বিচে আপনার সানগ্লাস)।
এই একটা ছাঁকনি পার হতে পারলে আপনি ইতিমধ্যেই বেশিরভাগ শিক্ষানবিশের চেয়ে এগিয়ে, কারণ তাঁরা AI-কে হাতুড়ি বানিয়ে ফেলেন আর তারপর সব কিছুকে পেরেক মনে হতে থাকে।
সিদ্ধান্ত ২ — ক্লাউড না নিজের মেশিন?
ক্লাউডের রাস্তা: একটা ওয়েবসাইট, একটা সাবস্ক্রিপশন, পাঁচ মিনিটে প্রথম ছবি। শর্ত একটাই — আন্তর্জাতিক পেমেন্ট। বিকাশ বা নগদে হবে না; ডলার-এনডোর্স করা কার্ড, Payoneer, বা কোনো ব্যাংকের ভার্চুয়াল ডলার কার্ড লাগবে। বাংলাদেশে এই বাধাটাই বহু মানুষকে প্রথম ধাপে আটকে দেয়, আর তখনই তাঁরা "রিসেলার" খোঁজেন — যেখান থেকে অ্যাকাউন্ট হারানোর গল্প শুরু।
নিজের মেশিনের রাস্তা: ComfyUI ইনস্টল করুন, খোলা ওজনের মডেল নামান, বিনা খরচে যত খুশি ছবি বানান। কিন্তু NVIDIA GPU লাগবে — বাস্তব প্রবেশদ্বার হলো ১২ জিবি ভির্যামের RTX 3060, যেটা ঢাকার মার্কেটে সেকেন্ডহ্যান্ড ৩০–৩৫ হাজার টাকার আশেপাশে ঘোরে। ইন্টিগ্রেটেড গ্রাফিক্সের ল্যাপটপে এটা চালানোর স্বপ্ন দেখবেন না; একেকটা ছবিতে দশ-পনেরো মিনিট গেলে শেখার আগ্রহই মরে যাবে।
হিসাবটা এভাবে করুন: মাসে আপনার কত ছবি লাগবে? যদি ৫০-১০০, ক্লাউডই সস্তা — মাসে ১,২০০ টাকার একটা প্ল্যানে কাজ চলে যাবে, আর কার্ড বাতিল করলেই খরচ বন্ধ। যদি ৫০০+, GPU আট-দশ মাসেই নিজের দাম তুলে ফেলবে। কিন্তু GPU-র আসল দাম টাকায় নয়, ঘণ্টায় — ComfyUI-র নোড-গ্রাফ আর মডেল ম্যানেজমেন্ট শিখতে আন্তরিকভাবে ৪০ ঘণ্টার ধাক্কা আছে। ওই সময়টা আপনার আছে কি না, সেটা আগে ঠিক করুন।
নতুনদের জন্য আমাদের সোজা পরামর্শ: প্রথম দুই মাস ক্লাউডে থাকুন। যদি দেখেন প্রতিদিন টুলটা খুলছেন এবং ক্রেডিট ফুরিয়ে যাচ্ছে — তখনই কেবল GPU-র কথা ভাবুন। উল্টোটা করলে ৩২ হাজার টাকার কার্ড কিনে সেটা দিয়ে গেম খেলবেন।
সিদ্ধান্ত ৩ — ফাঁকা ক্যানভাস, না বিদ্যমান ছবি?
এই ভুলটা প্রায় সবাই করে। শিক্ষানবিশরা মাসের পর মাস text-to-image নিয়ে পড়ে থাকেন — শূন্য থেকে ছবি বানানো। অথচ বাস্তব ক্লায়েন্ট-কাজের সিংহভাগই আসলে সম্পাদনা: একটা আসল প্রোডাক্ট ছবির ব্যাকগ্রাউন্ড বদলানো, ছায়া ঠিক করা, ফেসবুক অ্যাডের ১:১ ছবিকে টেনে ১.৯১:১ ব্যানারে বানানো, বা মডেলের হাত থেকে অবাঞ্ছিত জিনিস সরানো।
এই কাজগুলোর নাম image-to-image, ইন-পেইন্টিং আর আউট-পেইন্টিং, আর এগুলোতেই আপনার আসল টাকা। Photoshop-এর Generative Fill, FLUX Kontext, বা ComfyUI-র ইনপেইন্ট ওয়ার্কফ্লো — যেটাই বাছুন, নীতি এক: আপনার হাতে ইতিমধ্যে একটা ছবি আছে, AI শুধু তার একটা অংশ বদলাচ্ছে। ফল অনেক বেশি নিয়ন্ত্রিত, অনেক বেশি বিশ্বাসযোগ্য, আর ক্লায়েন্ট রিভিশন চাইলে মাথা খারাপ হয় না।
text-to-image শিখুন যদি আপনি কনসেপ্ট আর্ট, ইলাস্ট্রেশন বা মুড বোর্ড বানান। image-to-image শিখুন যদি আপনার আয় আসে ই-কমার্স, প্রোডাক্ট মার্কেটিং বা এজেন্সির কাজ থেকে — যেটা বাংলাদেশে অধিকাংশ মানুষের ক্ষেত্রেই সত্যি। দ্বিতীয়টা কম গ্ল্যামারাস, কিন্তু ওটাই বিল পরিশোধ করে।
সিদ্ধান্ত ৪ — বিনামূল্যে শিখবেন, না টাকা দিয়ে?
ফ্রি অপশন সত্যিই আছে, আর সেগুলো সৎভাবে বললে: Google AI Studio-তে দৈনিক সীমিত জেনারেশন, Krea আর Leonardo-র দৈনিক ক্রেডিট, আর নিজের GPU থাকলে ComfyUI পুরোপুরি বিনামূল্যে। শেখার জন্য এগুলো যথেষ্ট — প্রম্পটের গঠন, আলো, কম্পোজিশন, সবই এখানে অনুশীলন করা যায়।
কিন্তু ক্লায়েন্টকে ডেলিভার করতে গেলে ঠিক তিন জায়গায় আটকাবেন: ওয়াটারমার্ক, কম রেজোলিউশন, আর ফ্রি টায়ারের নন-কমার্শিয়াল শর্ত। এই তিনটেই একসঙ্গে মিটে যায় মাসে ১,২০০–২,৫০০ টাকার একটা প্ল্যানে। তাই সিদ্ধান্তটা "ফ্রি না পেইড" নয়, সিদ্ধান্তটা "কখন পেইড" — উত্তর: যেদিন প্রথম ক্লায়েন্ট টাকা দেবেন, তার আগের দিন। এক টাকাও আগে নয়।
প্রম্পট আসলে কীভাবে লিখবেন
সিদ্ধান্তগুলো নেওয়া হয়ে গেলে এবার প্রম্পট। ভুলে যান ওই "১০০০ ম্যাজিক প্রম্পট" পিডিএফগুলো — একটা কাজের প্রম্পটের ছয়টা অংশ থাকে, আর সেটা মনে রাখা কঠিন নয়: বিষয় + কী করছে + কোথায় + আলো + ক্যামেরা + অনুপাত।
খারাপ প্রম্পট: "a beautiful coffee mug product photo"। ভালো প্রম্পট: "সাদা সিরামিক কফি মগ, ভেজা কাঠের টেবিলে, জানালা দিয়ে আসা নরম সকালের আলো, ৫০মিমি লেন্স, অগভীর ডেপথ অব ফিল্ড, ছবির ডান পাশে ফাঁকা জায়গা যেখানে পরে টেক্সট বসবে, ৪:৫ অনুপাত"। পার্থক্যটা শব্দের সংখ্যায় নয় — পার্থক্যটা হলো, দ্বিতীয় প্রম্পটে আপনি জানেন আপনি কী চান।
আর ওই "ফাঁকা জায়গা" অংশটা খেয়াল করুন। ওটাই সবচেয়ে বেশি কাজে লাগে, কারণ আপনার ছবিটার উপরে প্রায় সবসময়ই একটা হেডলাইন বসবে — আর মডেলকে আগে থেকে জায়গা ছেড়ে রাখতে না বললে ও ফ্রেমের প্রতিটা ইঞ্চি ভরে দেবে।
অনুশীলনের নিয়ম: একবারে একটা জিনিস বদলান
শিক্ষানবিশরা একটা ছবি পছন্দ না হলে পুরো প্রম্পট মুছে নতুন করে লেখেন। ফলে কোন শব্দটা কাজ করল আর কোনটা করল না, তা কখনও জানা হয় না। পেশাদাররা করেন উল্টোটা — সিড ফিক্স করে রাখেন, তারপর একটা করে ভেরিয়েবল বদলান: শুধু আলো, তারপর শুধু লেন্স, তারপর শুধু ব্যাকগ্রাউন্ড। বিশটা এলোমেলো প্রম্পটের চেয়ে একটা প্রম্পটের পাঁচটা নিয়ন্ত্রিত ভ্যারিয়েশন থেকে অনেক বেশি শেখা যায়।
আর প্রতিটা কাজের প্রম্পট একটা গুগল শিটে টুকে রাখুন — প্রম্পট, সিড, মডেল, ফলাফলের লিংক। ক্লায়েন্ট যখন তিন সপ্তাহ পর ফোন করে বলবেন "ওই ছবিটার মতো আরেকটা লাগবে, শুধু রংটা নীল", তখন এই শিটটাই আপনাকে বাঁচাবে।
প্রথম সাত দিনের রুটিন
- দিন ১–২: একটাই টুল বাছুন, দশটা ছবি বানান, প্রতিটায় শুধু আলোর বর্ণনা বদলান। শিখুন আলো কীভাবে সব বদলে দেয়।
- দিন ৩–৪: ক্যামেরার ভাষা শিখুন — ওয়াইড অ্যাঙ্গেল, ক্লোজ-আপ, ৮৫মিমি পোর্ট্রেট, টপ-ডাউন ফ্ল্যাটলে। একই বিষয় ছয় রকম ফ্রেমে।
- দিন ৫: নিজের ফোনে তোলা একটা আসল প্রোডাক্ট ছবি নিন, শুধু তার ব্যাকগ্রাউন্ড বদলান। এখানেই আসল দক্ষতা।
- দিন ৬: একটা সম্পূর্ণ ফেসবুক অ্যাড ক্রিয়েটিভ বানান — ছবি AI-তে, বাংলা টেক্সট Canva-তে। (কোনো মডেলই এখনও বাংলা যুক্তাক্ষর লিখতে পারে না; টেক্সট সবসময় আলাদা লেয়ারে বসাবেন।)
- দিন ৭: সেরা পাঁচটা কাজ বাছুন, প্রম্পটসহ সেভ করুন। এটাই আপনার প্রথম পোর্টফোলিও।
চারটি মোড়, চারটি উত্তর
- ছবির বিষয় বাস্তবে আছে → শুট করুন বা এডিট করুন; নেই → জেনারেট করুন।
- মাসে ১০০-র কম ছবি → ক্লাউড সাবস্ক্রিপশন; ৫০০-র বেশি → নিজের GPU।
- আয় আসে ই-কমার্স বা এজেন্সি থেকে → image-to-image আগে শিখুন; আর্ট বা ইলাস্ট্রেশন → text-to-image।
- এখনও ক্লায়েন্ট নেই → ফ্রি টায়ারে শিখুন; প্রথম ক্লায়েন্ট এসেছে → সেদিনই পেইড প্ল্যান।
শুরুতেই যেসব প্রশ্ন জাগে
একটা ব্যবহারযোগ্য ছবি পেতে গড়ে কতগুলো জেনারেশন লাগে? পাঁচ থেকে ছয়টা, এবং এই সংখ্যাটা অভিজ্ঞতার সঙ্গে খুব একটা কমে না — শুধু আপনার বাছাই দ্রুত হয়। যাঁরা বলেন "একবারেই পারফেক্ট আসে", তাঁরা কখনও মতামতওয়ালা ক্লায়েন্টকে ডেলিভার করেননি। ক্রেডিট বা বাজেট হিসাব করার সময় এই অনুপাতটা ধরে রাখুন।
ইংরেজি প্রম্পট নাকি বাংলা প্রম্পট? ইংরেজিতেই লিখুন। মডেলগুলোর ট্রেনিং ডেটার বিপুল অংশ ইংরেজি, তাই ইংরেজি বর্ণনায় ফল অনেক বেশি নির্ভুল আসে। ইংরেজি নিয়ে অস্বস্তি থাকলে ChatGPT-কে দিয়ে আপনার বাংলা বর্ণনাটা একটা বিস্তারিত ইংরেজি প্রম্পটে অনুবাদ করিয়ে নিন — এটা একদম বৈধ কৌশল, লজ্জার কিছু নেই।
ছবির রেজোলিউশন কম আসছে, প্রিন্টে ফেটে যাচ্ছে — কী করব? জেনারেট করুন স্বাভাবিক রেজোলিউশনে, তারপর আপস্কেল করুন। ComfyUI-তে বিনামূল্যের আপস্কেলার মডেল আছে; ক্লাউডে বেশিরভাগ টুলেই বিল্ট-ইন আপস্কেল বোতাম থাকে। ব্যানার বা বিলবোর্ডের কাজ হলে প্রথম থেকেই সবচেয়ে বড় সাইজে জেনারেট করুন — পরে টেনে বড় করার চেয়ে ভালো।
AI দিয়ে শিখলে কি ডিজাইন শেখার দরকার নেই? উল্টোটা। টুল যত ভালো হচ্ছে, পার্থক্যটা তত বেশি নির্ভর করছে আপনার চোখের ওপর — কম্পোজিশন, রঙের সম্পর্ক, টাইপোগ্রাফির শ্বাস। যিনি ডিজাইন বোঝেন, তাঁর হাতে AI একটা রকেট; যিনি বোঝেন না, তাঁর হাতে সেটা এলোমেলো সুন্দর ছবির একটা কল।
স্ট্যাক অ্যালিক্সে আমরা ক্লায়েন্টের প্রোডাক্ট শট, ক্যাম্পেইন ভিজ্যুয়াল আর ওয়েবসাইটের ইমেজারি এই পথ ধরেই বানাই — তাই কোথায় নতুনরা হোঁচট খান, সেটা রোজ দেখি। আপনার ব্র্যান্ডের জন্য কোন সেটআপটা যুক্তিসঙ্গত হবে জানতে চাইলে নির্দ্বিধায় কথা বলুন।