ছবি নিয়ে AI-কে প্রশ্ন: ফটো বা স্ক্রিনশট থেকে সমাধান পান

আমাদের চ্যাটের উভয় GPT মডেলই ছবি বিশ্লেষণ করে উত্তর দিতে পারে: সাইনবোর্ড পড়া, চার্ট বোঝানো বা স্ক্রিনশটের এরর খোঁজা। একটি স্পষ্ট ছবি এবং নির্ভুল প্রশ্নই মূল পার্থক্য গড়ে দেয়।

5 মিনিটে পড়ুনআপডেট করা হয়েছে

কখনও কখনও প্রশ্ন করার সবচেয়ে দ্রুত উপায় হলো তা দেখিয়ে দেওয়া। বিভ্রান্তিকর কোনো পার্কিং সাইনের ছবি, কোনো এররের স্ক্রিনশট, রিপোর্টের চার্ট কিংবা হাতে লেখা অঙ্কের পাতা: আমাদের ফ্রি চ্যাটে থাকা উভয় GPT মডেলই ছবি দেখে তা নিয়ে প্রশ্নের উত্তর দিতে পারে। এগুলো প্রিন্ট করা টেক্সট পড়তে পারে, গ্রাফের লাইন অনুসরণ করতে পারে, ছবিতে কী আছে তা বুঝতে পারে এবং আপনার প্রশ্নের সাথে তা মেলাতে পারে। তবে ফলাফল মূলত দুটি বিষয়ের ওপর নির্ভর করে যা আপনার নিয়ন্ত্রণে: ছবিটি কতটা স্পষ্ট এবং আপনার প্রশ্ন কতটা সুনির্দিষ্ট। এই গাইডে এই দুটি বিষয়সহ এমন কিছু সীমাবদ্ধতা আলোচনা করা হয়েছে যা জেনে রাখা জরুরি।

ছবি নিয়ে আপনি কী কী জানতে চাইতে পারেন

যেসব ক্ষেত্রে এটি দারুণ কাজ করে:

  • পড়া এবং অনুবাদ করা। মেনু, সাইনবোর্ড, লেবেল বা আপনার অজানা ভাষার চিঠি।
  • চার্ট বা টেবিল ব্যাখ্যা করা। "এখানে মূল ট্রেন্ড কী, এবং অস্বাভাবিক কিছু আছে কি?"
  • স্ক্রিনের সমস্যা সমাধান। কোনো এরর ডায়ালগ, সেটিংস পেজ বা স্প্রেডশিটের ফর্মুলা যা ভুল ফলাফল দেখাচ্ছে।
  • সমাধান যাচাই করা। গণিত সমাধান বা রসায়নের সমীকরণের ছবি দিয়ে "প্রথম ভুলটি কোথায় হয়েছে খুঁজে বের করো"।
  • ডকুমেন্ট বোঝা। কোনো বিল, সময়সূচী, নির্দেশিকা বা কোনো ফর্ম যা আপনাকে পূরণ করতে হবে।
  • বর্ণনা বা তুলনা করা। দুটি পণ্যের ছবি, ঘরের লেআউট বা ডায়াগ্রামের বিভিন্ন অংশ।
  • সাবধানতার সাথে জিনিস শনাক্ত করা। কোনো গাছপালা, পাখি, কানেক্টর বা টুলের ধরন। এটিকে কেবল প্রাথমিক অনুমান হিসেবে নিন এবং নিশ্চিত হয়ে নিন; এর ওপর ভিত্তি করে কখনোই কোনো গাছপালা বা মাশরুম খাবেন না।

আমাদের চ্যাটে কীভাবে ছবি যুক্ত করবেন

  1. কম্পোজারের বাম পাশে থাকা + বাটনে চাপ দিন এবং একটি ছবি বা স্ক্রিনশট বেছে নিন, অথবা কম্পিউটারে ফাইলটি ড্র্যাগ করে চ্যাটে এনে ছেড়ে দিন। ফোনে আপনি গ্যালারি থেকে বেছে নিতে পারেন।
  2. একই মেসেজে আপনার প্রশ্নটি টাইপ করে পাঠিয়ে দিন।
  3. সাধারণ চ্যাটের মতোই ফলো-আপ প্রশ্ন করুন। মডেলটি একই কথোপকথনে ছবি সম্পর্কে উত্তর দেবে।

কিছু ব্যবহারিক তথ্য: আপনি প্রতি মেসেজে একটি করে ছবি যুক্ত করতে পারবেন, যা JPG, PNG বা WebP-এর মতো সাধারণ ফরম্যাটে হতে হবে। বড় ছবি পাঠানোর আগে স্বয়ংক্রিয়ভাবে রিসাইজ করে ছোট করা হয়, যা গতি বাড়ায় কিন্তু খুব ছোট লেখা পড়া কঠিন করে তুলতে পারে; তাই গুরুত্বপূর্ণ অংশটি ক্রপ করে নিন। ফ্রি মেসেজের পাশাপাশি ছবি আপলোডের জন্য একটি নির্দিষ্ট দৈনিক লিমিট রয়েছে; বিস্তারিত জানতে FAQ দেখুন। GPT-6 Luna এবং GPT-6.1 Terra উভয়ই ছবি পড়তে পারে, তাই আপনি যেকোনোটি ব্যবহার করতে পারেন।

এমন ছবি তুলুন যা মডেলটি সহজে পড়তে পারে

মডেলটি কেবল ততটুকুই বুঝতে পারে যা তার কাছে পৌঁছায়। এই কৌশলগুলো সবচেয়ে বেশি কাজে দেয়:

  • ফ্রেম পূরণ করুন। টেবিল, প্যারাগ্রাফ বা স্ক্রিনের যে অংশটি নিয়ে প্রশ্ন করছেন, কেবল সেটুকু ক্রপ করুন।
  • পর্যাপ্ত আলো ব্যবহার করুন, গ্লেয়ার এড়িয়ে চলুন। জানালার পাশে দিনের আলো ফ্ল্যাশের চেয়ে অনেক ভালো, কারণ ফ্ল্যাশ চকচকে কাগজ বা স্ক্রিনে প্রতিফলিত হয়।
  • সোজাভাবে ছবি তুলুন। ফোনটি পাতার সমান্তরালে রাখুন যাতে লাইনগুলো সোজা থাকে এবং লেখা বিকৃত না হয়।
  • স্ক্রিনের ছবির চেয়ে স্ক্রিনশটকে অগ্রাধিকার দিন। একটি আসল স্ক্রিনশট অনেক বেশি স্পষ্ট হয় এবং এতে কোনো প্রতিফলন বা দাগ থাকে না।
  • প্রতি ছবিতে একটি বিষয় রাখুন। এক ছবিতে দুটি আলাদা সমস্যা থাকলে উত্তর অস্পষ্ট হতে পারে; এগুলো আলাদা মেসেজে পাঠান।
  • নিজে পড়ে নিশ্চিত হন। নিজের তোলা ছবিটি জুম করে দেখুন। আপনি যদি কোনো সংখ্যা পড়তে না পারেন, মডেলটিও পারবে না।

কার্যকর উত্তর পাওয়ার মতো প্রম্পট

কোনো প্রশ্ন ছাড়া শুধু ছবি পাঠালে বা "এটি কী?" লিখলে, আপনি আসলে কী জানতে চাইছেন তা মডেলটিকে অনুমান করতে হয়। আপনি কী জানতে চান এবং কেন চান, তা স্পষ্টভাবে বলুন।

দুর্বল:
[ইউটিলিটি বিলের ছবি] এটি ব্যাখ্যা করো।

কার্যকর:
[ইউটিলিটি বিলের ছবি] এটি আমার বিদ্যুৎ বিল। গত মাসের চেয়ে
এবার মোট খরচ কেন বেশি হলো? যেসব লাইনে পরিবর্তন এসেছে তা দেখাও,
টেকনিক্যাল নামের চার্জগুলো ব্যাখ্যা করো এবং কোন সংখ্যাগুলো আমার
মিটার রিডিংয়ের সাথে মিলিয়ে দেখা উচিত তা বলো।
দুর্বল:
[একটি এররের স্ক্রিনশট] সাহায্য করো।

কার্যকর:
[একটি এররের স্ক্রিনশট] Windows 11-এ Excel-এর একটি স্প্রেডশিট
খোলার সময় এই এরর আসছে। গতকাল থেকে আমি কিছু পরিবর্তন করিনি।
এই মেসেজের অর্থ কী এবং সবচেয়ে নিরাপদ থেকে জটিল ধাপ অনুসারে
আমার প্রথমে কী চেষ্টা করা উচিত?

অন্যান্য সহায়ক বাক্য: "এই ছবিতে থাকা সমস্ত টেক্সট হুবহু পড়ে শোনাও", "কেবল যা দেখতে পাচ্ছ তার ওপর ভিত্তি করে উত্তর দাও এবং কিছু অস্পষ্ট হলে তা জানাও", "চার্টটি ব্যাখ্যা করার আগে এর অক্ষ (axes) এবং ইউনিটগুলো বর্ণনা করো"। শেষ বাক্যটি স্কেলের ভুল পড়া শুরুতেই ধরতে সাহায্য করে। এটি পরীক্ষা করতে, পাঠানোর আগে + বাটন দিয়ে এই চার্ট-রিডিং প্রম্পটে একটি চার্ট যুক্ত করুন।

ছবির জন্য Luna নাকি Terra?

সাইনবোর্ড পড়া, মেনু অনুবাদ করা বা কোনো ছবির সাধারণ বর্ণনার জন্য ডিফল্ট GPT-6 Luna দ্রুত ও দক্ষ। জটিল বা টেকনিক্যাল ছবির জন্য Think চেপে GPT-6.1 Terra ব্যবহার করুন। OpenAI-এর মতে, Terra বিস্তারিত ভিজ্যুয়াল রিজনিংয়ের সাথে সাবলীল লেখার সমন্বয় ঘটায়—যেমন টেকনিক্যাল ড্রয়িং ব্যাখ্যা করা এবং ক্যাটালগের সাথে পণ্যের ছবি মেলানো। জটিল চার্ট, ওয়্যারিং ডায়াগ্রাম, ফ্লোর প্ল্যান, ছবির জটিল গণিত এবং খুঁটিনাটি তথ্যে ভরা স্ক্রিনশটের জন্য এটি সেরা পছন্দ। বিস্তারিত পার্থক্যের জন্য আমাদের Luna বনাম Terra তুলনা দেখুন।

এটি যা করতে পারে না

  • ছবি তৈরি বা এডিট করা। আমাদের চ্যাট ছবি দেখে উত্তর দেয়; এটি নতুন ছবি আঁকতে বা পরিবর্তন করতে পারে না। আপনি কোনো ছবি তৈরি করতে বললে এটি আপনাকে আলাদা AI ইমেজ টুলের পরামর্শ দেবে।
  • অন্যান্য ফাইল টাইপ পড়া। PDF, ডকুমেন্ট এবং স্প্রেডশিট এটাচ করা যায় না। প্রয়োজনীয় পেজের একটি স্ক্রিনশট নিন, অথবা টেক্সট কপি করে পেস্ট করুন।
  • ব্যক্তি শনাক্ত করা। ছবিতে থাকা অপরিচিত ব্যক্তিটি কে, তা জানতে চাইবেন না। এটি গোপনীয়তার বড় সমস্যা তৈরি করে, এবং মডেলগুলো এটি প্রত্যাখ্যান করার জন্য তৈরি করা হয়েছে।
  • রোগ নির্ণয় করা। এটি র‍্যাশ, এক্স-রে বা গাড়ির ইঞ্জিনের অদ্ভুত শব্দ বর্ণনা করতে পারে, তবে এটি কোনো ডাক্তার বা মেকানিকের বিকল্প নয় যিনি সরাসরি পরীক্ষা করতে পারেন।
  • শতভাগ নিশ্চিত হওয়া। মডেলগুলো মাঝে মাঝে সংখ্যা ভুল পড়তে পারে, ছোট লেখা মিস করতে পারে এবং এমন কিছু বর্ণনা করতে পারে যা আসলে নেই। কোনো তথ্যের ওপর নির্ভর করার আগে সংখ্যা ও নাম যাচাই করে নিন।
প্রথমে টেক্সট লিখে দিতে বলুন। রসিদ, সময়সূচী বা ল্যাব টেস্টের রেজাল্টের মতো সংখ্যার যেকোনো তথ্যের ক্ষেত্রে হিসাব বা ব্যাখ্যা করার আগে মডেলটিকে প্রথমে যা পড়ছে তা লিখে দিতে বলুন। এতে ভুল পড়া সংখ্যা কয়েক সেকেন্ডেই ধরে ফেলা যায় এবং উত্তর নষ্ট হওয়ার আগেই ঠিক করা যায়।

ছবিগুলোর গোপনীয়তা রক্ষা করুন

একটি ছবিতে আপনার অজান্তেই অতিরিক্ত তথ্য চলে আসতে পারে: খামের ওপরের নাম, ব্যাকগ্রাউন্ডের মুখ, স্ক্রিনশটে খোলা থাকা ট্যাব, বাড়ির নম্বর। ছবি এটাচ করার আগে এগুলো ক্রপ করুন বা ঢেকে দিন। gpt.me-তে ছবিগুলো কেবল উত্তরের জন্যই পাঠানো হয় এবং শেয়ার করা কনভারসেশন লিঙ্কের অংশ হয় না। সম্পূর্ণ চেকলিস্টের জন্য গোপনীয়তা ও নিরাপত্তা গাইড দেখুন। পড়াশোনার কাজে, যেমন হোমওয়ার্কের ছবির জন্য আমাদের শিক্ষার্থীদের জন্য AI গাইড দেখুন, এবং ছবির গণিত সমস্যার জন্য math solver প্রতিটি ধাপ ব্যাখ্যা করে দেয়।

FAQ

আমি কোন কোন ইমেজ ফরম্যাট আপলোড করতে পারি?

JPG, PNG এবং WebP-এর মতো সাধারণ ইমেজ ফরম্যাটগুলো কাজ করে। PDF এবং অন্যান্য ডকুমেন্ট ফাইল সাপোর্ট করে না; এর বদলে পেজটির একটি স্ক্রিনশট ব্যবহার করুন।

আমি কি একসাথে একাধিক ছবি পাঠাতে পারি?

প্রতি মেসেজে একটি করে ছবি পাঠানো যায়। দুটি ছবির ক্ষেত্রে (যেমন আগের ও পরের ছবি), পরপর দুটি মেসেজে পাঠান এবং তারপর দুটি ছবি নিয়ে আপনার প্রশ্নটি করুন।

মডেলটি আমার ছবির টেক্সট ভুল পড়ল কেন?

সাধারণত লেখাটি ছোট, ঝাপসা বা বাঁকা ছিল, অথবা ছোট লেখা ঠিক রাখার জন্য ছবিটি অতিরিক্ত ছোট (স্কেল ডাউন) করা হয়েছিল। আরও কাছে থেকে ক্রপ করুন, ভালো আলোতে সোজাভাবে আবার ছবি তুলুন এবং উত্তর দেওয়ার আগে টেক্সটটি লিখে দিতে বলুন।

এটি কি আমার জন্য ছবি তৈরি করতে পারে?

না। আমাদের চ্যাট ছবি পড়তে পারে কিন্তু ছবি তৈরি বা এডিট করতে পারে না। আপনি কোনো ছবি চাইলে এটি আলাদা একটি AI ইমেজ জেনারেটরের পরামর্শ দেয়।

ছবির জন্য কি অতিরিক্ত খরচ হয়?

না। ছবিসহ মেসেজ সাধারণ মেসেজের মতোই গণনা করা হয়, এবং ছবির জন্য আলাদা একটি ছোট দৈনিক লিমিট রয়েছে; ফলে লিমিট শেষ হলেও টেক্সট প্রশ্নগুলো চালু থাকে।

কোনো প্রশ্ন আছে? এখনই জিজ্ঞাসা করুন

কোনো অ্যাকাউন্ট বা ডাউনলোডের ঝামেলা নেই। চ্যাট খুলুন, যা জানতে চান লিখুন এবং এক-দুই সেকেন্ডের মধ্যে উত্তর পাওয়া শুরু করুন।

চ্যাট শুরু করুন