README.md

تصویری تخلیق کی ایپلیکیشنز بنانا

LLMs صرف متن تخلیق کرنے تک محدود نہیں ہیں۔ متن کی وضاحتوں سے تصاویر تخلیق کرنا بھی ممکن ہے۔ تصاویر کو ایک موڈیلٹی کے طور پر استعمال کرنا کئی شعبوں میں انتہائی مفید ہو سکتا ہے، جیسے MedTech، آرکیٹیکچر، سیاحت، گیم ڈیولپمنٹ اور مزید۔ اس باب میں، ہم دو سب سے مشہور تصویری تخلیق کے ماڈلز، DALL-E اور Midjourney کا جائزہ لیں گے۔

تعارف

اس سبق میں ہم درج ذیل موضوعات کا احاطہ کریں گے:

• تصویری تخلیق اور اس کی افادیت۔
• DALL-E اور Midjourney، یہ کیا ہیں اور کیسے کام کرتے ہیں۔
• تصویری تخلیق کی ایپلیکیشن کیسے بنائی جائے۔

سیکھنے کے اہداف

اس سبق کو مکمل کرنے کے بعد، آپ:

• تصویری تخلیق کی ایپلیکیشن بنا سکیں گے۔
• اپنی ایپلیکیشن کے لیے میٹا پرامپٹس کے ذریعے حدود مقرر کر سکیں گے۔
• DALL-E اور Midjourney کے ساتھ کام کر سکیں گے۔

تصویری تخلیق کی ایپلیکیشن کیوں بنائیں؟

تصویری تخلیق کی ایپلیکیشنز جنریٹو AI کی صلاحیتوں کو دریافت کرنے کا ایک بہترین طریقہ ہیں۔ ان کا استعمال درج ذیل کے لیے کیا جا سکتا ہے:

• تصویری ترمیم اور ترکیب۔ آپ مختلف استعمال کے لیے تصاویر تخلیق کر سکتے ہیں، جیسے تصویری ترمیم اور تصویری ترکیب۔

• مختلف صنعتوں میں اطلاق۔ یہ مختلف صنعتوں جیسے MedTech، سیاحت، گیم ڈیولپمنٹ اور مزید کے لیے تصاویر تخلیق کرنے میں بھی استعمال ہو سکتی ہیں۔

منظرنامہ: Edu4All

اس سبق کے حصے کے طور پر، ہم اپنے اسٹارٹ اپ، Edu4All کے ساتھ کام جاری رکھیں گے۔ طلباء اپنی اسیسمنٹس کے لیے تصاویر تخلیق کریں گے، تصاویر کی نوعیت طلباء پر منحصر ہے، لیکن وہ اپنی پریوں کی کہانی کے لیے تصاویر بنا سکتے ہیں، اپنے کہانی کے لیے نیا کردار تخلیق کر سکتے ہیں یا اپنے خیالات اور تصورات کو بصری شکل دے سکتے ہیں۔

یہاں ایک مثال ہے کہ Edu4All کے طلباء کلاس میں یادگاروں پر کام کرتے ہوئے کیا تخلیق کر سکتے ہیں:

ایسے پرامپٹ کا استعمال کرتے ہوئے:

"صبح کے وقت کی دھوپ میں ایفل ٹاور کے ساتھ ایک کتا"

DALL-E اور Midjourney کیا ہیں؟

DALL-E اور Midjourney دو سب سے مشہور تصویری تخلیق کے ماڈلز ہیں، جو آپ کو پرامپٹس کے ذریعے تصاویر تخلیق کرنے کی اجازت دیتے ہیں۔

DALL-E

آئیے DALL-E سے شروع کرتے ہیں، جو ایک جنریٹو AI ماڈل ہے جو متن کی وضاحتوں سے تصاویر تخلیق کرتا ہے۔

DALL-E دو ماڈلز، CLIP اور diffused attention کا مجموعہ ہے۔

• CLIP، ایک ماڈل ہے جو تصاویر اور متن سے ایمبیڈنگز تخلیق کرتا ہے، جو ڈیٹا کی عددی نمائندگی ہوتی ہیں۔

• Diffused attention، ایک ماڈل ہے جو ایمبیڈنگز سے تصاویر تخلیق کرتا ہے۔ DALL-E تصاویر اور متن کے ڈیٹا سیٹ پر تربیت یافتہ ہے اور متن کی وضاحتوں سے تصاویر تخلیق کرنے کے لیے استعمال کیا جا سکتا ہے۔ مثال کے طور پر، DALL-E ایک ٹوپی میں بلی یا ایک موہاک کے ساتھ کتا کی تصویر تخلیق کر سکتا ہے۔

Midjourney

Midjourney بھی DALL-E کی طرح کام کرتا ہے، یہ متن کے پرامپٹس سے تصاویر تخلیق کرتا ہے۔ Midjourney کو بھی ایسے پرامپٹس کے ذریعے تصاویر تخلیق کرنے کے لیے استعمال کیا جا سکتا ہے جیسے "ایک ٹوپی میں بلی" یا "موہاک کے ساتھ کتا"۔

تصویر کا کریڈٹ: ویکیپیڈیا، Midjourney کے ذریعے تخلیق کردہ تصویر

DALL-E اور Midjourney کیسے کام کرتے ہیں؟

سب سے پہلے، DALL-E۔ DALL-E ایک جنریٹو AI ماڈل ہے جو ٹرانسفارمر آرکیٹیکچر پر مبنی ہے اور ایک آٹوریگریسیو ٹرانسفارمر کے ساتھ کام کرتا ہے۔

ایک آٹوریگریسیو ٹرانسفارمر وضاحت کرتا ہے کہ ماڈل متن کی وضاحتوں سے تصاویر کیسے تخلیق کرتا ہے، یہ ایک وقت میں ایک پکسل تخلیق کرتا ہے، اور پھر تخلیق کردہ پکسلز کو اگلے پکسل تخلیق کرنے کے لیے استعمال کرتا ہے۔ یہ عمل نیورل نیٹ ورک کی متعدد تہوں سے گزرتا ہے، جب تک کہ تصویر مکمل نہ ہو جائے۔

اس عمل کے ساتھ، DALL-E تخلیق کردہ تصویر میں خصوصیات، اشیاء، خصوصیات، اور مزید کو کنٹرول کرتا ہے۔ تاہم، DALL-E 2 اور 3 تخلیق کردہ تصویر پر زیادہ کنٹرول فراہم کرتے ہیں۔

اپنی پہلی تصویری تخلیق کی ایپلیکیشن بنانا

تو تصویری تخلیق کی ایپلیکیشن بنانے کے لیے آپ کو کیا چاہیے؟ آپ کو درج ذیل لائبریریاں درکار ہوں گی:

• python-dotenv، یہ لائبریری استعمال کرنے کی سختی سے سفارش کی جاتی ہے تاکہ آپ اپنی خفیہ معلومات کو .env فائل میں کوڈ سے دور رکھ سکیں۔
• openai، یہ لائبریری آپ OpenAI API کے ساتھ تعامل کے لیے استعمال کریں گے۔
• pillow، Python میں تصاویر کے ساتھ کام کرنے کے لیے۔
• requests، HTTP درخواستیں بنانے میں مدد کے لیے۔

Azure OpenAI ماڈل تخلیق اور تعینات کریں

اگر پہلے سے نہیں کیا گیا، تو Microsoft Learn صفحہ پر دی گئی ہدایات پر عمل کریں Azure OpenAI ریسورس اور ماڈل تخلیق کرنے کے لیے۔ DALL-E 3 کو ماڈل کے طور پر منتخب کریں۔

ایپلیکیشن بنائیں

1. .env فائل تخلیق کریں جس میں درج ذیل مواد ہو:

   AZURE_OPENAI_ENDPOINT=<your endpoint>
   AZURE_OPENAI_API_KEY=<your key>
   AZURE_OPENAI_DEPLOYMENT="dall-e-3"
   

   Azure OpenAI Foundry Portal میں اپنے ریسورس کے "Deployments" سیکشن میں یہ معلومات تلاش کریں۔

2. مذکورہ لائبریریوں کو requirements.txt فائل میں جمع کریں، جیسے:

   python-dotenv
   openai
   pillow
   requests
   

3. اس کے بعد، ورچوئل ماحول تخلیق کریں اور لائبریریاں انسٹال کریں:

   python3 -m venv venv
   source venv/bin/activate
   pip install -r requirements.txt

   ونڈوز کے لیے، ورچوئل ماحول تخلیق اور فعال کرنے کے لیے درج ذیل کمانڈز استعمال کریں:

   python3 -m venv venv
   venv\Scripts\activate.bat

4. app.py نامی فائل میں درج ذیل کوڈ شامل کریں:

   import openai
   import os
   import requests
   from PIL import Image
   import dotenv
   from openai import OpenAI, AzureOpenAI
   
   # import dotenv
   dotenv.load_dotenv()
   
   # configure Azure OpenAI service client 
   client = AzureOpenAI(
     azure_endpoint = os.environ["AZURE_OPENAI_ENDPOINT"],
     api_key=os.environ['AZURE_OPENAI_API_KEY'],
     api_version = "2024-02-01"
     )
   try:
       # Create an image by using the image generation API
       generation_response = client.images.generate(
                               prompt='Bunny on horse, holding a lollipop, on a foggy meadow where it grows daffodils',
                               size='1024x1024', n=1,
                               model=os.environ['AZURE_OPENAI_DEPLOYMENT']
                             )
   
       # Set the directory for the stored image
       image_dir = os.path.join(os.curdir, 'images')
   
       # If the directory doesn't exist, create it
       if not os.path.isdir(image_dir):
           os.mkdir(image_dir)
   
       # Initialize the image path (note the filetype should be png)
       image_path = os.path.join(image_dir, 'generated-image.png')
   
       # Retrieve the generated image
       image_url = generation_response.data[0].url  # extract image URL from response
       generated_image = requests.get(image_url).content  # download the image
       with open(image_path, "wb") as image_file:
           image_file.write(generated_image)
   
       # Display the image in the default image viewer
       image = Image.open(image_path)
       image.show()
   
   # catch exceptions
   except openai.InvalidRequestError as err:
       print(err)

آئیے اس کوڈ کی وضاحت کرتے ہیں:

• سب سے پہلے، ہم ان لائبریریوں کو درآمد کرتے ہیں جن کی ہمیں ضرورت ہے، جن میں OpenAI لائبریری، dotenv لائبریری، requests لائبریری، اور Pillow لائبریری شامل ہیں۔

  import openai
  import os
  import requests
  from PIL import Image
  import dotenv

• اس کے بعد، ہم .env فائل سے ماحول کے متغیرات لوڈ کرتے ہیں۔

  # import dotenv
  dotenv.load_dotenv()

• اس کے بعد، ہم Azure OpenAI سروس کلائنٹ کو ترتیب دیتے ہیں۔

  # Get endpoint and key from environment variables
  client = AzureOpenAI(
      azure_endpoint = os.environ["AZURE_OPENAI_ENDPOINT"],
      api_key=os.environ['AZURE_OPENAI_API_KEY'],
      api_version = "2024-02-01"
      )

• اس کے بعد، ہم تصویر تخلیق کرتے ہیں:

  # Create an image by using the image generation API
  generation_response = client.images.generate(
                        prompt='Bunny on horse, holding a lollipop, on a foggy meadow where it grows daffodils',
                        size='1024x1024', n=1,
                        model=os.environ['AZURE_OPENAI_DEPLOYMENT']
                      )

  مذکورہ کوڈ JSON آبجیکٹ کے ساتھ جواب دیتا ہے جس میں تخلیق کردہ تصویر کا URL شامل ہوتا ہے۔ ہم اس URL کو استعمال کرتے ہوئے تصویر ڈاؤنلوڈ کر سکتے ہیں اور اسے فائل میں محفوظ کر سکتے ہیں۔

• آخر میں، ہم تصویر کو کھولتے ہیں اور معیاری تصویر دیکھنے والے کے ذریعے اسے دکھاتے ہیں:

  image = Image.open(image_path)
  image.show()

تصویر تخلیق کرنے کی مزید تفصیلات

آئیے اس کوڈ کو دیکھتے ہیں جو تصویر تخلیق کرتا ہے:

  generation_response = client.images.generate(
                            prompt='Bunny on horse, holding a lollipop, on a foggy meadow where it grows daffodils',
                            size='1024x1024', n=1,
                            model=os.environ['AZURE_OPENAI_DEPLOYMENT']
                        )

• prompt، وہ متن پرامپٹ ہے جو تصویر تخلیق کرنے کے لیے استعمال ہوتا ہے۔ اس صورت میں، ہم پرامپٹ "گھوڑے پر خرگوش، ہاتھ میں لولی پاپ، دھندلے میدان میں جہاں نرگس کے پھول اگتے ہیں" استعمال کر رہے ہیں۔
• size، تخلیق کردہ تصویر کا سائز ہے۔ اس صورت میں، ہم 1024x1024 پکسلز کی تصویر تخلیق کر رہے ہیں۔
• n، تخلیق کردہ تصاویر کی تعداد ہے۔ اس صورت میں، ہم دو تصاویر تخلیق کر رہے ہیں۔
• temperature، ایک پیرامیٹر ہے جو جنریٹو AI ماڈل کے آؤٹ پٹ کی بے ترتیبی کو کنٹرول کرتا ہے۔ temperature 0 اور 1 کے درمیان ایک قدر ہے جہاں 0 کا مطلب ہے کہ آؤٹ پٹ متعین ہے اور 1 کا مطلب ہے کہ آؤٹ پٹ بے ترتیب ہے۔ ڈیفالٹ قدر 0.7 ہے۔

تصاویر کے ساتھ مزید کام کرنے کے لیے مزید چیزیں ہیں جنہیں ہم اگلے سیکشن میں دیکھیں گے۔

تصویری تخلیق کی اضافی صلاحیتیں

آپ نے دیکھا کہ ہم چند لائنز کے ذریعے Python میں تصویر تخلیق کرنے کے قابل تھے۔ تاہم، تصاویر کے ساتھ مزید کام بھی کیے جا سکتے ہیں۔

آپ درج ذیل بھی کر سکتے ہیں:

• ترمیم کریں۔ موجودہ تصویر، ماسک اور پرامپٹ فراہم کر کے، آپ تصویر میں تبدیلی کر سکتے ہیں۔ مثال کے طور پر، آپ تصویر کے کسی حصے میں کچھ شامل کر سکتے ہیں۔ تصور کریں کہ ہماری خرگوش کی تصویر، آپ خرگوش کو ایک ٹوپی پہنا سکتے ہیں۔ آپ یہ کیسے کریں گے؟ تصویر، ماسک (تبدیلی کے لیے علاقے کی شناخت) اور متن پرامپٹ فراہم کر کے۔

نوٹ: یہ DALL-E 3 میں سپورٹ نہیں ہے۔

یہاں GPT Image کا استعمال کرتے ہوئے ایک مثال ہے:

response = client.images.edit(
    model="gpt-image-1",
    image=open("sunlit_lounge.png", "rb"),
    mask=open("mask.png", "rb"),
    prompt="A sunlit indoor lounge area with a pool containing a flamingo"
)
image_url = response.data[0].url

بنیادی تصویر میں صرف پول کے ساتھ لاؤنج ہوگا لیکن حتمی تصویر میں فلیمنگو ہوگا:

• تغیرات تخلیق کریں۔ خیال یہ ہے کہ آپ موجودہ تصویر لیں اور کہیں کہ تغیرات تخلیق کیے جائیں۔ تغیر تخلیق کرنے کے لیے، آپ تصویر اور متن پرامپٹ فراہم کرتے ہیں اور کوڈ کچھ اس طرح ہوتا ہے:

  response = openai.Image.create_variation(
    image=open("bunny-lollipop.png", "rb"),
    n=1,
    size="1024x1024"
  )
  image_url = response['data'][0]['url']

  نوٹ، یہ صرف OpenAI پر سپورٹ ہے۔

Temperature

Temperature ایک پیرامیٹر ہے جو جنریٹو AI ماڈل کے آؤٹ پٹ کی بے ترتیبی کو کنٹرول کرتا ہے۔ temperature 0 اور 1 کے درمیان ایک قدر ہے جہاں 0 کا مطلب ہے کہ آؤٹ پٹ متعین ہے اور 1 کا مطلب ہے کہ آؤٹ پٹ بے ترتیب ہے۔ ڈیفالٹ قدر 0.7 ہے۔

آئیے دیکھتے ہیں کہ temperature کیسے کام کرتا ہے، اس پرامپٹ کو دو بار چلا کر:

پرامپٹ: "گھوڑے پر خرگوش، ہاتھ میں لولی پاپ، دھندلے میدان میں جہاں نرگس کے پھول اگتے ہیں"

اب اسی پرامپٹ کو دوبارہ چلائیں تاکہ دیکھ سکیں کہ ہمیں ایک جیسی تصویر دوبارہ نہیں ملے گی:

جیسا کہ آپ دیکھ سکتے ہیں، تصاویر ملتی جلتی ہیں، لیکن ایک جیسی نہیں ہیں۔ آئیے temperature کی قدر کو 0.1 پر تبدیل کرتے ہیں اور دیکھتے ہیں کہ کیا ہوتا ہے:

 generation_response = client.images.create(
        prompt='Bunny on horse, holding a lollipop, on a foggy meadow where it grows daffodils',    # Enter your prompt text here
        size='1024x1024',
        n=2
    )

Temperature تبدیل کرنا

تو آئیے آؤٹپٹ کو زیادہ متعین بنانے کی کوشش کرتے ہیں۔ ہم نے تخلیق کردہ دو تصاویر سے مشاہدہ کیا کہ پہلی تصویر میں خرگوش ہے اور دوسری تصویر میں گھوڑا ہے، لہذا تصاویر میں بہت زیادہ فرق ہے۔

آئیے اس لیے اپنے کوڈ کو تبدیل کرتے ہیں اور temperature کو 0 پر سیٹ کرتے ہیں، جیسے:

generation_response = client.images.create(
        prompt='Bunny on horse, holding a lollipop, on a foggy meadow where it grows daffodils',    # Enter your prompt text here
        size='1024x1024',
        n=2,
        temperature=0
    )

اب جب آپ یہ کوڈ چلائیں گے، آپ کو یہ دو تصاویر ملیں گی:

• 
• 

یہاں آپ واضح طور پر دیکھ سکتے ہیں کہ تصاویر ایک دوسرے سے زیادہ مشابہت رکھتی ہیں۔

اپنی ایپلیکیشن کے لیے حدود مقرر کرنے کے لیے میٹا پرامپٹس کا استعمال کیسے کریں

ہمارے ڈیمو کے ساتھ، ہم پہلے ہی اپنے کلائنٹس کے لیے تصاویر تخلیق کر سکتے ہیں۔ تاہم، ہمیں اپنی ایپلیکیشن کے لیے کچھ حدود مقرر کرنے کی ضرورت ہے۔

مثال کے طور پر، ہم ایسی تصاویر تخلیق نہیں کرنا چاہتے جو کام کے لیے محفوظ نہ ہوں، یا جو بچوں کے لیے مناسب نہ ہوں۔

ہم یہ میٹا پرامپٹس کے ذریعے کر سکتے ہیں۔ میٹا پرامپٹس وہ متن پرامپٹس ہیں جو جنریٹو AI ماڈل کے آؤٹپٹ کو کنٹرول کرنے کے لیے استعمال کیے جاتے ہیں۔ مثال کے طور پر، ہم میٹا پرامپٹس کا استعمال آؤٹپٹ کو کنٹرول کرنے کے لیے کر سکتے ہیں، اور اس بات کو یقینی بنا سکتے ہیں کہ تخلیق کردہ تصاویر کام کے لیے محفوظ ہوں، یا بچوں کے لیے مناسب ہوں۔

یہ کیسے کام کرتا ہے؟

اب، میٹا پرامپٹس کیسے کام کرتے ہیں؟

میٹا پرامپٹس وہ متن پرامپٹس ہیں جو جنریٹو AI ماڈل کے آؤٹپٹ کو کنٹرول کرنے کے لیے استعمال کیے جاتے ہیں، یہ متن پرامپٹ سے پہلے پوزیشن میں ہوتے ہیں، اور ماڈل کے آؤٹپٹ کو کنٹرول کرنے کے لیے استعمال کیے جاتے ہیں اور ایپلیکیشنز میں ماڈل کے آؤٹپٹ کو کنٹرول کرنے کے لیے شامل کیے جاتے ہیں۔ پرامپٹ انپٹ اور میٹا پرامپٹ انپٹ کو ایک متن پرامپٹ میں شامل کرتے ہوئے۔

میٹا پرامپٹ کی ایک مثال درج ذیل ہو سکتی ہے:

You are an assistant designer that creates images for children.

The image needs to be safe for work and appropriate for children.

The image needs to be in color.

The image needs to be in landscape orientation.

The image needs to be in a 16:9 aspect ratio.

Do not consider any input from the following that is not safe for work or appropriate for children.

(Input)

اب، آئیے دیکھتے ہیں کہ ہم اپنے ڈیمو میں میٹا پرامپٹس کا استعمال کیسے کر سکتے ہیں۔

disallow_list = "swords, violence, blood, gore, nudity, sexual content, adult content, adult themes, adult language, adult humor, adult jokes, adult situations, adult"

meta_prompt =f"""You are an assistant designer that creates images for children.

The image needs to be safe for work and appropriate for children.

The image needs to be in color.

The image needs to be in landscape orientation.

The image needs to be in a 16:9 aspect ratio.

Do not consider any input from the following that is not safe for work or appropriate for children.
{disallow_list}
"""

prompt = f"{meta_prompt}
Create an image of a bunny on a horse, holding a lollipop"

# TODO add request to generate image

مذکورہ پرامپٹ سے، آپ دیکھ سکتے ہیں کہ تخلیق کردہ تمام تصاویر میٹا پرامپٹ کو مدنظر رکھتی ہیں۔

اسائنمنٹ - طلباء کو فعال کریں

ہم نے اس سبق کے آغاز میں Edu4All کا تعارف کرایا۔ اب وقت ہے کہ طلباء کو ان کی اسیسمنٹس کے لیے تصاویر تخلیق کرنے کے قابل بنایا جائے۔

طلباء اپنی اسیسمنٹس کے لیے یادگاروں پر مشتمل تصاویر تخلیق کریں گے، یادگاروں کی نوعیت طلباء پر منحصر ہے۔ طلباء کو اس کام میں اپنی تخلیقی صلاحیتوں کا استعمال کرنے کے لیے کہا گیا ہے تاکہ ان یادگاروں کو مختلف سیاق و سباق میں رکھا جا سکے۔

حل

یہاں ایک ممکنہ حل ہے:

import openai
import os
import requests
from PIL import Image
import dotenv
from openai import AzureOpenAI
# import dotenv
dotenv.load_dotenv()

# Get endpoint and key from environment variables
client = AzureOpenAI(
  azure_endpoint = os.environ["AZURE_OPENAI_ENDPOINT"],
  api_key=os.environ['AZURE_OPENAI_API_KEY'],
  api_version = "2024-02-01"
  )


disallow_list = "swords, violence, blood, gore, nudity, sexual content, adult content, adult themes, adult language, adult humor, adult jokes, adult situations, adult"

meta_prompt = f"""You are an assistant designer that creates images for children.

The image needs to be safe for work and appropriate for children.

The image needs to be in color.

The image needs to be in landscape orientation.

The image needs to be in a 16:9 aspect ratio.

Do not consider any input from the following that is not safe for work or appropriate for children.
{disallow_list}
"""

prompt = f"""{meta_prompt}
Generate monument of the Arc of Triumph in Paris, France, in the evening light with a small child holding a Teddy looks on.
""""

try:
    # Create an image by using the image generation API
    generation_response = client.images.generate(
        prompt=prompt,    # Enter your prompt text here
        size='1024x1024',
        n=1,
    )
    # Set the directory for the stored image
    image_dir = os.path.join(os.curdir, 'images')

    # If the directory doesn't exist, create it
    if not os.path.isdir(image_dir):
        os.mkdir(image_dir)

    # Initialize the image path (note the filetype should be png)
    image_path = os.path.join(image_dir, 'generated-image.png')

    # Retrieve the generated image
    image_url = generation_response.data[0].url  # extract image URL from response
    generated_image = requests.get(image_url).content  # download the image
    with open(image_path, "wb") as image_file:
        image_file.write(generated_image)

    # Display the image in the default image viewer
    image = Image.open(image_path)
    image.show()

# catch exceptions
except openai.BadRequestError as err:
    print(err)

شاندار کام! اپنی تعلیم جاری رکھیں

اس سبق کو مکمل کرنے کے بعد، ہماری Generative AI Learning collection دیکھیں تاکہ اپنی Generative AI کی معلومات کو مزید بہتر کریں!

سبق نمبر 10 پر جائیں جہاں ہم دیکھیں گے کہ کم کوڈ کے ساتھ AI ایپلیکیشنز کیسے بنائیں

---

ڈسکلیمر:
یہ دستاویز AI ترجمہ سروس Co-op Translator کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔