কমেডির উন্মাদনা ও বিতর্কিত পরিসংখ্যান
চীনের অর্ধেকের বেশি কম্পিউটিং সক্ষমতা স্বল্পদৈর্ঘ্য নাটক তৈরিতে ব্যবহৃত হচ্ছে—এমন দাবির জবাবে ডৌবাওয়ের জনসংযোগপ্রধান লিউ শিং ২০২৬ সালের ১৯ অক্টোবর বলেন, বাইটড্যান্সের মোট কম্পিউটিং সক্ষমতার প্রায় ১০ শতাংশ ভিডিও তৈরির মডেল প্রশিক্ষণ ও চালাতে ব্যবহৃত হয়।
সূচিপত্র
বিতর্কটি জড়িয়ে পড়ে আরেকটি ইন্টারনেট-উন্মাদনার সঙ্গে: মাইকেল জ্যাকসনের পরিবেশনার আদলে সাজানো মঞ্চে চীনা কৌতুকশিল্পী ঝাও বেনশানের কৃত্রিম বুদ্ধিমত্তায় তৈরি ভিডিও। অক্টোবরের দিকে বিলিবিলি, দৌইন ও উইচ্যাট চ্যানেলসে ছড়িয়ে পড়া ক্লিপগুলো নিয়ে রসিকতা শুরু হয় যে, দেশের কম্পিউটিং সম্পদের অর্ধেকই বুঝি শুধু ঝাওয়ের পেছনে খরচ হচ্ছে।
রসিকতার পেছনে ছিল একটি নির্দিষ্ট পরিসংখ্যান—৫৫ শতাংশ—যা চায়নিজ অনলাইনের বিনিয়োগকারী-সম্পর্কবিষয়ক কার্যক্রমের একটি নথির সূত্রে বলা হয়। শিল্পখাতের গবেষণার বরাত দিয়ে কোম্পানিটি জানায়, দেশের এআই টোকেন ব্যবহারের ওই অংশ স্বল্পদৈর্ঘ্য এআই নাটক ও ভিডিও তৈরিতে ব্যয় হয়েছে। সংখ্যাটি ছড়িয়ে পড়ার সঙ্গে সঙ্গে অনলাইন আলোচনায় টোকেন ব্যবহারকে কম্পিউটিং সক্ষমতা হিসেবে তুলে ধরা হয়।
দুটি শতাংশ ভিন্ন বিষয় বোঝায়। চায়নিজ অনলাইনের ৫৫ শতাংশের দাবি হলো, দেশে টোকেন ব্যবহারের কত অংশ ওই খাতে গেছে। আর লিউয়ের বলা প্রায় ১০ শতাংশ হলো একটি কোম্পানির কম্পিউটিং সম্পদের কত অংশ ভিডিও মডেলে বরাদ্দ। একেকটির একক ও পরিধি আলাদা—এটি বুঝলেই বোঝা যায়, বিনোদনের একটি ট্রেন্ড কীভাবে চীনের এআই শিল্প নিয়ে বিতর্কে রূপ নিল।
ক্লিপগুলো তৈরিতে ঝাও নিজে অংশ নেননি। নির্মাতারা তাঁর পরিচিত মুখ ব্যবহার করেছেন; আর কম্পিউটিং সংক্রান্ত দাবিগুলো এআই সেবার চাহিদা নিয়ে আলাদা ব্যবসায়িক আলোচনার অংশ ছিল।
আন্তর্জাতিক মঞ্চে ঝাও কেন
নির্মাতারা অনেক ভিডিওকে বিশ্ব সফরের পরিবেশনা হিসেবে উপস্থাপন করেন। তাতে মাইকেল জ্যাকসনের মঞ্চ-পরিবেশনার সঙ্গে ঝাওয়ের মুখ জুড়ে দিয়ে রসুন, ভুট্টাসহ চীনের উত্তর-পূর্বাঞ্চলের বিভিন্ন অনুষঙ্গ যোগ করা হয়। কোনো কোনো সম্পাদিত ভিডিওতে এনভিডিয়ার প্রতিষ্ঠাতা জেনসেন হুয়াং ও টেসলার প্রধান নির্বাহী ইলন মাস্ককেও দেখা যায়।
দশকের পর দশক টেলিভিশনে উপস্থিতির কারণে ঝাওয়ের আবেদন বহু প্রজন্মের কাছে পরিচিত। তাঁর বসন্ত উৎসব গালা অনুষ্ঠানের কৌতুক-পরিবেশনা এবং ‘মা দাশুয়াই’ ও ‘কান্ট্রি লাভ’-এর মতো ধারাবাহিক তাঁকে পরিচিত করে তোলে। গ্রামীণ জীবনের সেই কৌতুকময় চরিত্রকে আন্তর্জাতিক পপ পরিবেশনার আবহে বসানোর বৈপরীত্য থেকেই রসিকতার জন্ম।
সহজলভ্য এআই টুল, যার মধ্যে বহুল ব্যবহৃত মডেলও রয়েছে, সাধারণ ব্যবহারকারীদের নানা সংস্করণ তৈরি ও ছড়িয়ে দিতে সহায়তা করেছে। ফেস রিপ্লেসমেন্টের মাধ্যমে বিদ্যমান বা তৈরি করা ছবিতে দেখা পরিচয় বদলানো যায়; আর ছবি তৈরির প্রযুক্তি দিয়ে পোশাক, অনুষঙ্গ ও পটভূমি বানানো সম্ভব। নির্মাতারা এসব ধাপ মিলিয়ে স্বল্পদৈর্ঘ্য মিউজিক ভিডিও তৈরি করতে পারেন।
ফিডে বারবার একই পরিচিত মুখ দেখায় ব্যবহারকারীরা এই উন্মাদনা বোঝাতে সহজ একটি কথা বলতে শুরু করেন: ঝাওয়ের ভিডিও বানাতে বিপুল কম্পিউটিং শক্তি খরচ হচ্ছে। মানুষ কী দেখছে, তা নিয়ে অতিরঞ্জিত রসিকতা হিসেবে কথাটি ছড়ায়; পরে সম্পর্কহীন ৫৫ শতাংশের দাবির কারণে এতে সংখ্যাগত ভিত্তি আছে বলে মনে হতে থাকে।
চায়নিজ অনলাইনের পরিসংখ্যান আসলে কী মেপেছিল
চায়নিজ অনলাইনের বিনিয়োগকারী-সম্পর্কবিষয়ক নথিতে দেশের এআই টোকেন ব্যবহারের ৫৫ শতাংশ স্বল্পদৈর্ঘ্য নাটক ও ভিডিও তৈরির জন্য, ২৪ শতাংশ ই-কমার্স বিজ্ঞাপন বা বিপণনের জন্য এবং ১৫ শতাংশ গবেষণা ও উন্নয়নের জন্য বরাদ্দ বলে উল্লেখ করা হয়। শেষের খাতটির বর্ণনা বিভিন্ন সূত্রে ভিন্ন ছিল; কোনো কোনো সূত্রে একে আরও নির্দিষ্টভাবে সফটওয়্যার উন্নয়ন বলা হয়েছে।
কোম্পানিটি আরও জানায়, স্বল্পদৈর্ঘ্য এআই নাটক ও ভিডিও তৈরিতে টোকেনের ব্যবহার সফটওয়্যার উন্নয়নের দ্বিগুণের বেশি। উল্লেখিত ৫৫ ও ১৫ শতাংশ ধরে হিসাব করলে প্রথম খাতে ব্যবহার দ্বিতীয়টির প্রায় ৩.৭ গুণ। তালিকায় থাকা তিনটি খাতের অংশ যোগ করলে হয় ৯৪ শতাংশ; বাকি ৬ শতাংশ ওই খাতগুলোর বাইরে।
টোকেন হলো মডেলের প্রক্রিয়াকরণের ক্ষুদ্র একক। ভাষাভিত্তিক মডেলে এটি একটি শব্দ, শব্দের অংশ বা বিরামচিহ্ন হতে পারে। প্রম্পট, চিত্রনাট্য, বর্ণনা ও সাবটাইটেল—সবকিছুতেই টোকেন ব্যবহৃত হয়। তাই এআই সেবার কার্যক্রম মাপতে ও বিল নির্ধারণে টোকেনের হিসাব কাজে লাগে।
ভিডিও সিস্টেম ছবি ও অন্যান্য মাধ্যমের উপস্থাপনাও প্রক্রিয়া করতে পারে। তাই একটি টোকেনের সঙ্গে যুক্ত কম্পিউটিংয়ের পরিমাণ মডেল ও কাজের ধরন অনুযায়ী বদলায়। সম্মিলিত টোকেনের হিসাব বুঝতে হলে কোন কোন সেবা গণনায় ধরা হয়েছে এবং ব্যবহার কীভাবে মাপা হয়েছে, তা জানা দরকার।
কম্পিউটিং সক্ষমতা কেন আলাদা পরিমাপ
কম্পিউটিং সক্ষমতা বলতে হিসাব-নিকাশ করার জন্য উপলভ্য সম্পদ বোঝায়। এর মধ্যে গ্রাফিকস প্রসেসিং ইউনিট বা জিপিইউর কাজও রয়েছে। এসব প্রসেসর দিয়ে মডেল প্রশিক্ষণ, ছবি ও ভিডিও তৈরি এবং আরও অনেক বেশি কম্পিউটিং-নির্ভর কাজ করা যায়।
টোকেন ব্যবহার মডেল কত একক প্রক্রিয়া করেছে তা মাপে। কম্পিউটিং ব্যবহার মাপে কাজটি করতে কত সম্পদ ব্যয় হয়েছে। এর তুলনা হতে পারে কারখানায় পাঠানো কাজের সংখ্যা গোনা আর সেগুলো শেষ করতে যন্ত্র কতক্ষণ চলেছে তা মাপার মধ্যে পার্থক্যের সঙ্গে: কোনো কোনো কাজ অন্যগুলোর চেয়ে অনেক বেশি পরিশ্রমসাপেক্ষ।
ভিডিও তৈরি করতে সাধারণত একটি টেক্সট উত্তরের চেয়ে বেশি কম্পিউটিং লাগে। কারণ, সময়ের সঙ্গে নড়াচড়া, মুখ ও বস্তুর সামঞ্জস্য বজায় রেখে সিস্টেমকে অনেকগুলো ছবি তৈরি করতে হয়। ভিডিওর দৈর্ঘ্য, রেজল্যুশন ও জটিলতা—সবই কাজের পরিমাণকে প্রভাবিত করে।
তাই ৫৫ শতাংশের পরিসংখ্যানটি একটি প্রতিবেদনে ব্যবহারের মাপের বণ্টন নিয়ে; আর ১০ শতাংশের পরিসংখ্যানটি বাইটড্যান্সের কম্পিউটিং সম্পদ বরাদ্দ নিয়ে। দুটিকে একই জাতীয় মোটের প্রতিদ্বন্দ্বী হিসাব ধরে সরাসরি তুলনা করলে ভিন্ন মাপ ও ভিন্ন পরিধির বিষয় এক করে ফেলা হবে।
ডৌবাওয়ের বক্তব্যের পরিধি
বাইটড্যান্সের এআই সহকারী ডৌবাওয়ের জনসংযোগপ্রধান লিউ শিং ১৯ অক্টোবরের বক্তব্যে ছড়িয়ে পড়া কম্পিউটিং-সংক্রান্ত দাবির প্রতিবাদ করেন। চীনা থেকে অনূদিত তাঁর বক্তব্যটি ছিল:
বাইটড্যান্সের উদাহরণ নিলে, আমাদের কোম্পানির মোট কম্পিউটিং সক্ষমতার মাত্র প্রায় ১০ শতাংশ ভিডিও তৈরির মডেলের প্রশিক্ষণ ও ইনফারেন্সে ব্যবহৃত হয়।
প্রশিক্ষণ হলো এমন প্রক্রিয়া, যার মাধ্যমে একটি মডেল তথ্য থেকে ধারা বা প্যাটার্ন শেখে। ইনফারেন্স হলো প্রশিক্ষিত মডেল ব্যবহার করে উত্তর, ছবি বা ভিডিও তৈরি করা। লিউয়ের বলা শতাংশে ভিডিও তৈরির মডেলের এই দুই কাজই অন্তর্ভুক্ত।
তাঁর বক্তব্যে বাইটড্যান্সের সামগ্রিক ভিডিও মডেল খাতের কথা বলা হয়েছে, ঝাওয়ের ক্লিপ তৈরিতে ব্যবহৃত কম্পিউটিংয়ের পরিমাপ নয়। এই খাতে স্বল্পদৈর্ঘ্য নাটক থেকে শুরু করে নানা ধরনের ভিডিও নির্মাণে বিভিন্ন নির্মাতার কাজ অন্তর্ভুক্ত হতে পারে।
বক্তব্যটি ছড়িয়ে পড়ার সময় কয়েকটি বিষয় স্পষ্ট করা হয়নি: চায়নিজ অনলাইন গবেষণার পদ্ধতি প্রকাশ করেনি বা পরিসংখ্যানের বিষয়ে আরও ব্যাখ্যা দেয়নি; লিউ বাইটড্যান্সের মোট সক্ষমতা, পরিমাপের সময়কাল কিংবা বাকি প্রায় ৯০ শতাংশ কীভাবে বরাদ্দ করা হয় তা জানাননি; আর জাতীয় পর্যায়ে তুলনার জন্য কোনো কর্তৃত্বপূর্ণ, স্বাধীন হিসাবও পাওয়া যায়নি। এ বিষয়ে পরবর্তী ব্যাখ্যা কবে দেওয়া হবে, কোম্পানিটি সে তারিখ জানায়নি।
দাবিটি যেভাবে ছড়াল
ঘটনাক্রমে একই সময়ে একটি ব্যবসায়িক পরিসংখ্যান, কোম্পানির জবাব এবং কৌতুকের ট্রেন্ড একসূত্রে এসে পড়ে। তারিখগুলো দেখায়, জনপরিসরে দাবিগুলো কীভাবে পরস্পরের সঙ্গে যুক্ত হলো।
- চায়নিজ অনলাইনের বিনিয়োগকারী-সম্পর্কবিষয়ক কার্যক্রমের একটি নথিতে শিল্পখাতের গবেষণার বরাত দিয়ে বলা হয়, দেশের এআই টোকেন ব্যবহারের ৫৫ শতাংশ স্বল্পদৈর্ঘ্য এআই নাটক ও ভিডিও তৈরিতে যায়। বিতর্কের বিবরণে নথিটির প্রকাশের তারিখ উল্লেখ করা হয়নি।
- ২০২৬ সালের অক্টোবরের দিকে ঝাও বেনশানের বিশ্ব সফরের পরিবেশনা-ঘিরে সম্পাদিত ভিডিও বিলিবিলি, দৌইন ও উইচ্যাট চ্যানেলসে ছড়িয়ে পড়ে।
- ২০২৬ সালের ১৯ অক্টোবর লিউ শিং বলেন, বাইটড্যান্সের মোট কম্পিউটিং সক্ষমতার প্রায় ১০ শতাংশ ভিডিও তৈরির মডেল প্রশিক্ষণ ও ইনফারেন্সে যায়।
- ২০২৬ সালের ৮ নভেম্বরের মধ্যে ঝাওয়ের ভিডিও নিয়ে প্রতিবেদনে দেখা যায়, টোকেন ব্যবহারের পরিসংখ্যানটি চীনের অর্ধেক কম্পিউটিং শক্তি নিয়ে করা রসিকতার সঙ্গে জুড়ে গেছে।
বক্তব্যের ভাষায় পরিবর্তনটি গুরুত্বপূর্ণ ছিল। টোকেন ব্যবহারের শতাংশকে কম্পিউটিং শক্তির শতাংশ হিসেবে উপস্থাপন করা হয়; আর স্বল্পদৈর্ঘ্য নাটক ও ভিডিও তৈরির মতো বিস্তৃত বিষয় থেকে আলোচনার কেন্দ্র হয়ে ওঠে একজন বিনোদনশিল্পীকে নিয়ে তৈরি ক্লিপ।
এআই নাটকে কেন বারবার কম্পিউটিংয়ের কাজ করতে হয়
ভিডিও নির্মাতাদের কাছ থেকে চাহিদা বেশি হওয়ার একটি বাস্তব কারণও জানিয়েছে চায়নিজ অনলাইন: বারবার নতুন সংস্করণ তৈরি। কাহিনি, ক্যামেরার নড়াচড়া ও দৃশ্যগত উপস্থাপনায় পরিচালকের চাহিদা মেটানো ফুটেজ বেছে নেওয়ার আগে দলগুলো কোনো দৃশ্যের একাধিক সংস্করণ চাইতে পারে।
ব্যর্থ বা বাতিল হওয়া সংস্করণেও সম্পদ খরচ হয়। একটি ফ্রেমে বিশ্বাসযোগ্য মুখ তৈরি করা এক ধরনের কাজ; পুরো দৃশ্যজুড়ে সেই মুখ, তার অভিব্যক্তি ও আশপাশের পরিবেশে সামঞ্জস্য বজায় রাখা আরও কাজ যোগ করে। সংশোধনের কারণে চূড়ান্ত ক্লিপ তৈরির পেছনে চেষ্টার সংখ্যা বেড়ে যায়।
কোম্পানির বিশ্লেষণ অনুযায়ী, বাস্তব মানুষের মতো চেহারা তৈরির লক্ষ্য থাকা এআই নাটকে সাধারণত এআই অ্যানিমেটেড নাটকের চেয়ে দুই থেকে তিন গুণ বেশি টোকেন লাগে। ফ্রেমসংখ্যা ও ১০৮০পি রেজল্যুশনের কঠোর চাহিদার সঙ্গে কোম্পানিটি এই পার্থক্যকে যুক্ত করেছে।
একটি উৎপাদন-উদাহরণে ১২ পর্বের একটি নাটকের কম্পিউটিং ব্যয় প্রায় ২ লাখ ইউয়ান বলে উল্লেখ করা হয়। ব্যাপক কনটেন্ট তৈরি ও সংশোধন জড়িত থাকলে উৎপাদন ব্যয় কতটা হতে পারে, তা এতে বোঝা যায়। তবে পর্বের দৈর্ঘ্য, দৃশ্যের মান, মডেলের মূল্য এবং বাতিল হওয়া চেষ্টার সংখ্যার ওপর বাজেট নির্ভর করে; তাই একেক প্রকল্পে নির্মাতাদের খরচে বড় পার্থক্য থাকতে পারে।
উৎপাদনের এই দৌড়ের পেছনে রয়েছে বিপুল দর্শক
২০২৬ সালের মে মাস নাগাদ চীনে স্বল্পদৈর্ঘ্য নাটকের দর্শকসংখ্যা ৮৫ কোটি ১০ লাখে পৌঁছেছে বলে জানানো হয়, যা মোবাইল ইন্টারনেট ব্যবহারকারীদের প্রায় ১০ জনে ৭ জনের সমান। এত বড় দর্শকগোষ্ঠী প্রচলিত প্রযোজনা ও এআই-তৈরি গল্প—দুই ধরনের কনটেন্টের জন্যই প্ল্যাটফর্ম ও নির্মাতাদের বিপুল সম্ভাব্য বাজার দেয়।
প্রতিবেদন অনুযায়ী, ২০২৬ সালের প্রথম আট মাসে ৪ লাখ ৩০ হাজার মাইক্রোড্রামা প্রকাশিত হয়, যা আগের পুরো বছরের মোট সংখ্যার প্রায় ১৩ গুণ। শুধু দৌইনেই ২০২৬ সালের প্রথমার্ধে ২ লাখ ২০ হাজার এআই স্বল্পদৈর্ঘ্য নাটক যোগ হয়েছে বলে জানানো হয়। এসব সংখ্যা প্রকাশিত কনটেন্টের হিসাব; দৈর্ঘ্য ও ধরনে প্রযোজনাগুলোর মধ্যে বড় পার্থক্য থাকতে পারে।
বাইটড্যান্সের হোংগুও স্বল্পদৈর্ঘ্য নাটক সেবার দৈনিক সক্রিয় ব্যবহারকারী ১৬ কোটি ৮০ লাখ বলে জানানো হয়। এর বিপরীতে টেনসেন্ট ভিডিও, আইচি, ইউকু ও ম্যাঙ্গো টিভির সম্মিলিত ব্যবহারকারীসংখ্যা প্রায় ১৫ কোটি ৫০ লাখ। এই হিসাব অনুযায়ী, হোংগুওর দর্শকসংখ্যা ১ কোটি ৩০ লাখ বেশি, অর্থাৎ সম্মিলিত সংখ্যার চেয়ে প্রায় ৮ শতাংশ বেশি।
হোংগুওর ব্যবহারকারীরা প্রতিদিন গড়ে প্রায় ১২৫ মিনিট সেবাটিতে ব্যয় করেন বলেও জানানো হয়। এত সময় ধরে দর্শকদের যুক্ত থাকা আরও গল্প তৈরি এবং কম খরচের উৎপাদন-পদ্ধতি পরীক্ষা করার বাণিজ্যিক আগ্রহ ব্যাখ্যা করে।
নির্মাতাদের জন্য সহজলভ্য ভিডিও টুল পরিচিত কোনো ব্যক্তিত্ব বা দৃশ্যগত রসিকতাকে সহজে শেয়ারযোগ্য কনটেন্টে রূপ দেওয়া সহজ করে। প্রযোজনা ব্যবসার ক্ষেত্রে বারবার কনটেন্ট তৈরির প্রয়োজন মডেল সেবা ও কম্পিউটিং অবকাঠামোর চাহিদা বাড়ায়। জাতীয় পর্যায়ে সম্পদ বরাদ্দের পরিমাপের প্রশ্নটি আলাদা থাকলেও, বিতর্কের পেছনে এগুলোই বাস্তব চাপ।
মূল বিষয়গুলো
- এআই ভিডিওতে ঝাও বেনশানকে মাইকেল জ্যাকসনের আদলে সাজানো পরিবেশনায় দেখানো হয়, যা ভিডিও তৈরিতে কম্পিউটিংয়ের চাহিদা নিয়ে রসিকতার জন্ম দেয়। ঝাও নিজে ক্লিপগুলো তৈরি করেননি।
- চায়নিজ অনলাইন শিল্পখাতের গবেষণার বরাত দিয়ে জানায়, দেশের এআই টোকেন ব্যবহারের ৫৫ শতাংশ স্বল্পদৈর্ঘ্য নাটক ও ভিডিও তৈরিতে যায়।
- ডৌবাওয়ের জনসংযোগপ্রধান লিউ শিং ১৯ অক্টোবর বলেন, বাইটড্যান্সের মোট কম্পিউটিং সক্ষমতার প্রায় ১০ শতাংশ ভিডিও মডেলের প্রশিক্ষণ ও ইনফারেন্সে ব্যবহৃত হয়।
- দুটি শতাংশ ভিন্ন মাপ ও পরিধি বোঝায়: দেশে টোকেন ব্যবহারের প্রতিবেদন এবং একটি কোম্পানির কম্পিউটিং সম্পদ বরাদ্দ।
- বারবার চেষ্টা, দৃশ্যগত সামঞ্জস্য ও রেজল্যুশনের চাহিদায় ভিডিও তৈরি ব্যয়বহুল হতে পারে, বিশেষ করে বাস্তব মানুষের মতো চেহারা দেখাতে চাওয়া নাটকের ক্ষেত্রে।
- চীনে স্বল্পদৈর্ঘ্য নাটকের বড় দর্শকগোষ্ঠী চাহিদা ব্যাখ্যা করতে সহায়তা করে; ২০২৬ সালের মে নাগাদ দর্শকসংখ্যা ৮৫ কোটি ১০ লাখ বলে জানানো হয়।






