AI ইমেজ জেনারেশন: খরচ, টুল আর বাস্তব হিসাব (২০২৬)

গত বছর এক ক্লায়েন্ট এলেন একটা সহজ চাহিদা নিয়ে — তাঁর দারাজ স্টোরের জন্য ৪০টা লাইফস্টাইল ছবি দরকার। স্টুডিও শুটের কোটেশন এসেছিল ৪৫ হাজার টাকা: ফটোগ্রাফার, মডেল, স্টুডিও ভাড়া, দুই দিনের শিডিউল, তারপর এডিটিং। তিনি জানতে চাইলেন AI দিয়ে কাজটা হয় কি না। উত্তরটা ছিল — আংশিকভাবে হয়, এবং সেটাই এই লেখার আসল বিষয়। কারণ AI ইমেজ জেনারেশন নিয়ে সবচেয়ে বেশি যেটা লুকানো হয়, সেটা দাম নয় — সেটা হলো কোন কাজটা এটা পারে আর কোনটা পারে না।

এই গাইডে চারটা জিনিস থাকছে: দামটা আসলে কীভাবে হিসাব হয়, ২০২৬-এ কোন টুল কোন কাজের জন্য, বাংলাদেশ থেকে টাকা দেওয়ার বাস্তব সমস্যা, আর নিজের GPU কেনার অঙ্কটা কোথায় গিয়ে মেলে।

দাম হিসাব হয় দুইভাবে — এই পার্থক্যটা আগে বুঝুন

AI ইমেজ টুলের দাম মূলত দুই ধরনের। এক, ফ্ল্যাট সাবস্ক্রিপশন — মাসে একটা নির্দিষ্ট টাকা দিন, একটা সীমা পর্যন্ত (বা অসীম) ছবি বানান। মিডজার্নি বা ChatGPT Plus এই মডেলে চলে। দুই, প্রতি-ইমেজ ক্রেডিট — যতগুলো ছবি বানাবেন, ততটুকু বিল। Replicate বা Fal-এর মতো প্ল্যাটফর্মে API দিয়ে ফ্লাক্স বা SDXL চালালে এভাবেই টাকা কাটে।

কোনটা সস্তা, সেটা সম্পূর্ণ নির্ভর করে আপনার ভলিউমের ওপর। মাসে ৫০-১৫০টা ছবি বানালে সাবস্ক্রিপশনই জেতে। কিন্তু আপনি যদি একটা অ্যাপ বানান যেখানে হাজার হাজার ছবি অটোমেটিক তৈরি হবে, তখন প্রতি-ইমেজ হিসাবই একমাত্র যুক্তিসঙ্গত পথ — এবং সেখানে ফ্লাক্স শনেল জাতীয় হালকা মডেলে প্রতি ছবির দাম ১ টাকারও কম হতে পারে।

২০২৬-এর টুলগুলো, আর টাকায় তাদের দাম

• Midjourney — বেসিক প্ল্যান প্রায় ১০ ডলার (১,২০০ টাকার মতো), স্ট্যান্ডার্ড ৩০ ডলার। শিল্পসম্মত, মুড-নির্ভর, এডিটোরিয়াল ছবির জন্য এখনও সবচেয়ে সুন্দর ফলাফল দেয়। দুর্বলতা: ঠিক যা বলছেন হুবহু তা করতে চায় না, নিজের রুচি ঢুকিয়ে দেয়।
• ChatGPT Plus — ২০ ডলার (প্রায় ২,৪০০ টাকা)। জটিল নির্দেশ মেনে চলার ক্ষেত্রে সবচেয়ে ভালো, আর ইংরেজি লেখা ছবির ভেতরে মোটামুটি পড়ার মতো করে বসাতে পারে। সাথে বাকি সব ChatGPT ফিচার তো আছেই, তাই টাকাটা দুই কাজে লাগে।
• Ideogram — ফ্রি টিয়ারে প্রতিদিন কিছু ক্রেডিট, পেইড ৮-২০ ডলার। ছবির ভেতরে টেক্সট বসানোর ব্যাপারে এটাই সবচেয়ে নির্ভরযোগ্য। পোস্টার, ব্যানার, লোগো-মকআপের কাজে ধরাবাঁধা পছন্দ।
• Leonardo.ai — প্রতিদিন ফ্রি টোকেন দেয়, পেইড শুরু ১০ ডলারের কাছাকাছি। গেম অ্যাসেট, আইকন, প্রোডাক্ট কনসেপ্টের জন্য ভালো।
• Flux (Replicate/Fal-এর মাধ্যমে) — প্রতি ছবিতে বিল। মডেলভেদে খরচ প্রায় ০.০০৩ থেকে ০.০৫ ডলার — অর্থাৎ হাজারখানেক ছবি বানাতে খরচ ৪০০ টাকা থেকে শুরু। ফটোরিয়ালিস্টিক কাজে ফ্লাক্স এখন সবচেয়ে শক্তিশালী নামগুলোর একটা।
• Stable Diffusion / SDXL / Flux — নিজের পিসিতে (ComfyUI) — সফটওয়্যার আজীবন ফ্রি। খরচ শুধু হার্ডওয়্যার আর বিদ্যুৎ। সীমাহীন ছবি, কোনো সাবস্ক্রিপশন নেই, কোনো সেন্সরশিপ ঝামেলা নেই, আর ক্লায়েন্টের ছবি আপনার ঘর ছেড়ে কোথাও যায় না।
• Canva Pro / Adobe Firefly — Canva Pro-র মাসিক ৫০০ টাকার মধ্যেই Magic Media পাওয়া যায়। মান মাঝারি, কিন্তু লাইসেন্সিং পরিষ্কার আর সাথে ডিজাইন টুলটাও পাচ্ছেন — ছোট এজেন্সির জন্য এটাই প্রায়ই সবচেয়ে কার্যকর কেনাকাটা।

প্রশ্নটা কখনোই এই নয় যে কোন টুল সেরা। প্রশ্নটা হলো — এই নির্দিষ্ট কাজটার জন্য কোনটা। মুড বোর্ডের জন্য মিডজার্নি, ব্যানারের লেখার জন্য Ideogram, ব্যাচে ১০০টা ছবির জন্য লোকাল SDXL।

বাংলাদেশ থেকে টাকা দেওয়ার আসল সমস্যা

টুল বাছাই সহজ অংশ। কঠিন অংশ হলো বিল দেওয়া। bKash দিয়ে মিডজার্নির সাবস্ক্রিপশন হয় না — এদের সবার জন্যই একটা আন্তর্জাতিক কার্ড লাগে। বাস্তব পথ তিনটা: ব্যাংক থেকে ডুয়াল-কারেন্সি কার্ড নিয়ে পাসপোর্ট কোটায় ডলার এনডোর্স করানো; একটা ভার্চুয়াল ডলার কার্ড; অথবা Payoneer/Wise-এর ব্যালেন্স থেকে সরাসরি পেমেন্ট (ফ্রিল্যান্সারদের জন্য এটাই সবচেয়ে ঝামেলাহীন)।

যে খরচটা কেউ হিসাবে ধরে না: কার্ডের ফরেন এক্সচেঞ্জ মার্কআপ আর ফি মিলিয়ে ২ থেকে ৪ শতাংশ বাড়তি যায়। তাই ২০ ডলারের টুলের আসল দাম ২,৪০০ নয়, প্রায় ২,৬০০ টাকা। বার্ষিক প্ল্যান নিলে লেনদেন কমে, তাই ফি-ও কমে — নিয়মিত ব্যবহার করলে বছরে একবার পেমেন্ট করাই সাশ্রয়ী।

আরেকটা কথা স্পষ্ট বলে রাখি: অনেকে শেয়ার্ড অ্যাকাউন্ট কেনেন, কম দামে। এটা প্রায় সব প্ল্যাটফর্মের শর্তভঙ্গ, আর অ্যাকাউন্ট বন্ধ হয়ে গেলে চলমান ক্লায়েন্ট প্রজেক্টসহ সব আটকে যায়। ব্যবসার কাজে ব্যবহার করলে নিজের অ্যাকাউন্ট রাখুন, আর রসিদগুলো জমিয়ে রাখুন — রেজিস্টার্ড ব্যবসা হলে এগুলো বৈধ খরচ হিসেবে দেখানো যায়।

নিজের GPU কেনা বনাম সাবস্ক্রিপশন: অঙ্কটা কোথায় মেলে

ঢাকার মাল্টিপ্ল্যান বা বিসিএস কম্পিউটার সিটিতে ব্যবহৃত একটা RTX 3060 12GB পাওয়া যায় ২৮ থেকে ৩৫ হাজার টাকায়। নতুন 4060 Ti 16GB পড়বে ৬০ হাজারের ওপরে। এই কার্ডে ComfyUI বসিয়ে SDXL বা ফ্লাক্সের হালকা ভার্সন চালানো যায় দিব্যি — এবং তারপর ছবির সংখ্যার কোনো সীমা নেই। বিদ্যুৎ খরচ? লোডে প্রায় ১৭০ ওয়াট; দিনে চার ঘণ্টা চালালে মাসে ২০ কিলোওয়াট-ঘণ্টার মতো, অর্থাৎ ১৫০-২০০ টাকা।

এবার হিসাবটা করুন। আপনি যদি মাসে ২,৪০০ টাকার সাবস্ক্রিপশন চালান, তাহলে ৩০ হাজার টাকার একটা GPU নিজের খরচ তুলে ফেলবে প্রায় তেরো মাসে। প্রতিদিন ক্লায়েন্টের কাজ করলে সময়টা আরও অনেক কমে আসে। কিন্তু আপনি যদি মাসে ২০টা ছবি বানান, তাহলে GPU কেনাটা ব্যবসায়িক সিদ্ধান্ত নয় — শখ। সেটা খারাপ কিছু নয়, শুধু নিজেকে ধোঁকা দেবেন না।

• কিনুন যদি — ভলিউম বেশি, ব্র্যান্ড-নির্দিষ্ট চরিত্র বা স্টাইল ধরে রাখতে LoRA ট্রেন করতে হয়, অথবা ক্লায়েন্টের প্রোডাক্টের ছবি বিদেশি সার্ভারে পাঠানো নিয়ে আপত্তি আছে।
• ভাড়া নিন যদি — কাজ আসে থোকায় থোকায়। RunPod-এ ঘণ্টায় ০.২০-০.৮০ ডলারে GPU ভাড়া পাওয়া যায়; এক সপ্তাহের বড় প্রজেক্টে হাজার দুয়েক টাকা খরচ করে কাজ শেষ করে ছেড়ে দেওয়াই বুদ্ধিমানের কাজ।

যেখানে AI ইমেজ এখনও ব্যর্থ হয় — বাংলাদেশি বাস্তবতায়

প্রথম এবং সবচেয়ে বড় সীমাবদ্ধতা: বাংলা লেখা। ২০২৬-এ এসেও কোনো মডেল ছবির ভেতরে নির্ভরযোগ্যভাবে বাংলা লিখতে পারে না। যুক্তাক্ষর ভেঙে যায়, কার-চিহ্ন এদিক-ওদিক বসে, আর দূর থেকে দেখলে বাংলা-সদৃশ কিছু একটা মনে হলেও পড়া যায় না। এর সমাধান খুব সহজ, অথচ অনেকে হাল ছেড়ে দেন: ছবিটা AI দিয়ে বানান, তারপর বাংলা টেক্সট বসান Canva, Figma বা ফটোশপে — আসল টেক্সট লেয়ার হিসেবে। এতে ফন্টও আপনার নিয়ন্ত্রণে থাকে, আর ক্লায়েন্ট পরে লেখা বদলাতে চাইলে গোটা ছবি নতুন করে বানাতে হয় না।

দ্বিতীয়ত, আসল প্রোডাক্টের ছবি AI বানাতে পারে না। আপনি যে জিনিসটা বিক্রি করছেন, সেটার হুবহু ছবি জেনারেট করা সম্ভব নয় — আর দারাজসহ প্রায় সব মার্কেটপ্লেসের নিয়মেই লিস্টিংয়ে আসল পণ্যের ছবি লাগে। বাস্তব সমাধান হলো হাইব্রিড: পণ্যের ছবি নিজে তুলুন (দেড় হাজার টাকার একটা লাইটবক্স আর মোবাইল ফোনই যথেষ্ট), তারপর AI দিয়ে ব্যাকগ্রাউন্ড বদলান বা লাইফস্টাইল দৃশ্য তৈরি করুন। এটা বৈধ, দ্রুত, এবং দেখতেও ভালো লাগে।

তৃতীয়ত, দেশীয় প্রেক্ষাপট। মডেলগুলো মূলত পশ্চিমা ছবি দিয়ে শেখা। বাংলাদেশি দোকানদার, ঢাকার রিকশা-ভরা রাস্তা কিংবা গ্রামের হাট চাইলে যা পাবেন তা প্রায়ই জেনেরিক দক্ষিণ এশীয় স্টক ফটোর মতো — চেনা লাগে না। রেফারেন্স ছবি দিয়ে image-to-image করলে, বা নিজের তোলা ছবি দিয়ে ছোট একটা LoRA ট্রেন করলে ফলাফল অনেক ভালো হয়।

সেই দারাজ ক্লায়েন্টের হিসাবটা, শেষমেশ

স্টুডিও রুট: ৪৫,০০০ টাকা, দুই দিন। AI রুট: Canva Pro ৫০০ + ChatGPT Plus ২,৬০০ + একটা লাইটবক্স ১,৫০০ + ডিজাইনারের ছয় ঘণ্টা সময় (ঘণ্টায় ৫০০ ধরে ৩,০০০) = সব মিলিয়ে আট হাজারের নিচে। ফলাফল? ব্যানার, সোশ্যাল ক্রিয়েটিভ আর লাইফস্টাইল শটের জন্য চমৎকার। কিন্তু লিস্টিংয়ের প্রধান পণ্যের ছবিটা আমরা ফোনেই তুলেছি — কারণ ওখানে AI-এর জায়গা নেই। সৎ উত্তরটা এটাই: AI ফটোগ্রাফারকে সরায়নি, ফটোগ্রাফারের কাজের পরিধিটা ছোট করেছে।

সাধারণ কিছু প্রশ্ন

AI দিয়ে বানানো ছবি কি বাণিজ্যিকভাবে ব্যবহার করা যায়? পেইড প্ল্যানে সাধারণত যায় — মিডজার্নির পেইড সাবস্ক্রিপশন আপনাকে ব্যবহারের অধিকার দেয়, কিন্তু অনেক টুলের ফ্রি টিয়ারে বাণিজ্যিক ব্যবহারে নিষেধাজ্ঞা থাকে। প্রতিটা টুলের শর্ত একবার পড়ে নিন। কর্পোরেট ক্লায়েন্টের কাজে Adobe Firefly সবচেয়ে নিরাপদ, কারণ এটা লাইসেন্সপ্রাপ্ত ছবি দিয়ে ট্রেন করা। আরেকটা কথা মনে রাখুন: সম্পূর্ণ AI-জেনারেটেড ছবিতে কপিরাইট দাবি করা কঠিন — মানে আপনি ব্যবহার করতে পারবেন, কিন্তু প্রতিযোগী একই ছবি ব্যবহার করলে আটকাতে পারবেন না। ব্র্যান্ডের মাসকট বা প্রধান ভিজ্যুয়ালের ক্ষেত্রে এটা ভেবে দেখার মতো।

পুরো ফ্রিতে কতদূর যাওয়া যায়? অনেক দূর। Ideogram আর Leonardo-র দৈনিক ফ্রি ক্রেডিট, Canva-র ফ্রি ভার্সন, আর গেমিং পিসি থাকলে লোকাল Stable Diffusion — এই তিনটা দিয়েই একটা ছোট ব্যবসার মাসের সব ভিজ্যুয়াল বানিয়ে ফেলা সম্ভব। খরচ শূন্য, সময় একটু বেশি।

ক্লায়েন্টকে বলা উচিত ছবিটা AI দিয়ে বানানো? হ্যাঁ, বলুন। এটা এখন অনেক চুক্তিতেই শর্ত হিসেবে আসছে, আর পরে ধরা পড়ার চেয়ে আগে বলে দেওয়া অনেক সস্তা। বেশিরভাগ ক্লায়েন্ট আপত্তি করেন না — তাঁরা ফলাফল কিনছেন, প্রক্রিয়া নয়।

একদম শুরু করব কোনটা দিয়ে? ChatGPT Plus আর Canva Pro — মাসে মোটামুটি তিন হাজার টাকা, আর এই দুটো দিয়েই একটা ছোট ব্যবসার ৮০ শতাংশ ভিজ্যুয়াল কাজ হয়ে যায়। কাজ বাড়লে তখন ফ্লাক্স, লোকাল ComfyUI বা GPU-র কথা ভাবুন — আগে নয়।

AI ইমেজ জেনারেশন খরচ কমায় ঠিকই, কিন্তু আর্ট ডিরেকশন কমায় না — ভালো ছবি আর AI-গন্ধযুক্ত ছবির পার্থক্যটা এখনও মানুষের চোখেই তৈরি হয়। Stack Alix-এ আমরা ব্র্যান্ড ভিজ্যুয়াল আর ই-কমার্স ক্রিয়েটিভে এই হাইব্রিড পদ্ধতিটাই ব্যবহার করি। আপনার প্রোডাক্টের জন্য কোন অংশটা AI করবে আর কোনটা ক্যামেরা — সেই সীমারেখাটা টেনে দিতে চাইলে আমাদের সাথে কথা বলুন।