গুগল জেনিয়ে 4 চালু করেছে, যা সিঙ্ক্রোনাইজড অডিও সহ সবচেয়ে বাস্তবসম্মত ইন্টারেক্টিভ ভার্চুয়াল ওয়ার্ল্ড মডেল

icon币界网
শেয়ার
AI summary iconসারাংশ
গুগল ডিপমাইন্ড জেনিয়ে 4 চালু করেছে, যা সিঙ্কড অডিও, সহ সবচেয়ে বাস্তবসম্মত এবং ইন্টারেক্টিভ ভার্চুয়াল পরিবেশ প্রদান করে, যার মধ্যে সঙ্গীত এবং সংলাপ অন্তর্ভুক্ত। এই মডেলটি রিয়েল-টাইম সিন এডিটিংকে সমর্থন করে এবং সিমুলেশনের সময়কাল দ্বিগুণ করে দুই মিনিটে নিয়ে আসে। জেমিনির সাথে এটি একীভূত, যা গেমিং এবং রোবোটিক্সের জন্য অ্যাপ্লিকেশনকে সক্ষম করে। এই আপডেটটি নতুন রিয়েল-ওয়ার্ল্ড অ্যাসেটস (RWA) সংবাদ আনে এবং AI-চালিত নবায়নের জন্য সর্বশেষ ক্রিপ্টো সংবাদগুলির মধ্যে একটি। জেনিয়ে 4 এখন বিশ্বস্ত টেস্টারদের জন্য উপলব্ধ, শীঘ্রই ব্যাপকভাবে অ্যাক্সেসের আশা।
ক্রিপ্টো নিউজ ওয়েবসাইট রিপোর্ট করছে:

আইটি হোম ২৮ অক্টোবরের সংবাদ, গুগল ডিপমাইন মঙ্গলবার তাদের সর্বশেষ বিশ্ব মডেল জেনিয়ে ৪ চালু করেছে, যা এখন গবেষণামূলক প্রাক-প্রকাশ পর্যায়ে। এই সর্বশেষ মডেলটি এখন পর্যন্ত সবচেয়ে বেশি বাস্তবসম্মত এবং ইন্টারঅ্যাকটিভ ভার্চুয়াল বিশ্ব তৈরি করতে পারে, যেখানে ব্যবহারকারীরা সিমুলেশন চলাকালীন স্কিনগুলি পরিবর্তন করতে প্রম্পট দিতে পারেন। এই মডেলটি ভার্চুয়াল বিশ্বের সাথে সম্পৃক্ত রিয়েল-টাইম অডিওও তৈরি করতে পারে, যা সঙ্গীত, পরিবেশগত শব্দ এবং ইন্টারঅ্যাকটিভ কথোপকথন অন্তর্ভুক্ত করে।

আইটি হোম লক্ষ্য করেছে যে, জেনিয়া 4 প্রকাশের কয়েক মাস আগে, এআই ভিডিও স্টার্টআপ রানওয়ে তাদের দ্বিতীয় বিশ্ব মডেল GWM Worlds 2 চালু করেছে, যা একটি ইন্টারঅ্যাকটিভ মডেল যা ব্যবহারকারীর ইনপুটের উপর ডাইনামিকভাবে প্রতিক্রিয়া জানায় এবং অডিও জেনারেশনকেও সমর্থন করে। একইসময়ে, বিশ্ব মডেল ক্ষেত্রে একীভূতকরণের প্রবণতা শুরু হয়েছে। ফি-ফেই লি (Fei-Fei Li) প্রতিষ্ঠিত ওয়ার্ল্ড ল্যাবস (World Labs) কে AMD ক্রয় করেছে, অ্যামাজন Decart-এর ক্রয়ের আলোচনা চলছে, এবং Rivian তাদের অভ্যন্তরীণ সিমুলেশন ক্ষমতা তৈরির জন্য Third Dimension-এর ক্রয় করেছে, যা স্বয়ংচালিত গাড়ির পরীক্ষার জন্য।

Genie 4 চালু করা হয়েছে, যা প্রতিযোগিতামূলক খাতে এগিয়ে থাকার জন্য গুগলের সর্বশেষ পদক্ষেপ।

এক বছরের বেশি আগে, গুগল পূর্ববর্তী মডেল Genie 3 কে গবেষণা প্রিভিউ হিসেবে প্রকাশ করেছিল। Genie 4 শুধু চিত্রের বাস্তবসম্মততা বৃদ্ধি এবং অডিও ক্ষমতা যোগ করেনি, বরং এটি মুক্ত ফর্ম্যাটের সম্পাদনা অপারেশন—যেমন প্রকৃতি, ক্যামেরা কোণ পরিবর্তন বা চরিত্র ও বস্তু যোগ করা—কেও সমর্থন করে। এটি দুই মিনিট পর্যন্ত স্থির, সংযুক্ত দৃশ্য বজায় রাখতে পারে, যা পূর্ববর্তী মডেলের দ্বিগুণ। ভৌতিক প্রভাবগুলি আরও উন্নত, এবং ভার্চুয়াল চরিত্রগুলি আরও বাস্তবসম্মত।

গুগলের বড় মডেল জেমিনি এবং জেনিয়ে 4-এর একীকরণও আরও বেড়েছে, যেখানে জেমিনি পরিচালকের মতো কাজ করে, ধাপগুলি পরিকল্পনা করে এবং ফ্রেমগুলি যাচাই করে, আর জেনিয়ে 4 ভিজুয়াল কনটেন্ট তৈরি করে। জেমিনি রোবট প্রকল্পের সাথে সম্পর্কিত একটি গবেষণা পরীক্ষায়, জেমিনি 4 আর্গন মডেলটি কাজটিকে একাধিক ধাপে বিভক্ত করেছিল এবং তারপর জেনিয়ে 4 দ্বারা রিয়েল-টাইম সিমুলেশন করা হয়েছিল। এই পরীক্ষাটি একটি সম্ভাব্য সমাধান দেখিয়েছে: বাস্তব বিশ্বে রোবট পরীক্ষা শুরুর আগে, প্রথমে সিমুলেশন পরিবেশে সংশ্লিষ্ট স্থিতি যাচাই করা।

গুগলের গবেষণা পরিচালক তেজাস কুলকর্ণি একটি সংক্ষিপ্ত বিবৃতিতে বলেন: "ভবিষ্যতে আমরা এই ধরনের মিশ্র বিশ্ব মডেলগুলির ব্যাপক ব্যবহার দেখতে পাব, যেখানে জেমিনি কোড এবং টেক্সট লিখবে এবং জেনিয়া 4 এই কন্টেন্টগুলি রিয়েল-টাইমে পড়বে, বিভিন্ন অ্যাবস্ট্রাকশন লেভেলে বাস্তবতার সিমুলেশন করবে।"

অন্যান্য বিশ্ব মডেলের মতো, এর প্রধান বাণিজ্যিক বাস্তবায়নের ক্ষেত্রগুলি হল গেমিং, ইন্টারেক্টিভ শিক্ষা এবং রোবোটিক্স। ইন্টারেক্টিভ শিক্ষার একটি কল্পনা হল, ব্যবহারকারী একটি ঐতিহাসিক দৃশ্য চিত্রিত চিত্রের মধ্যে প্রবেশ করেন এবং চিত্রের চরিত্রগুলির সাথে চিত্রে উল্লিখিত ঘটনাগুলির সাথে আলোচনা করেন।

তবে, “বিশ্বস্ত পরীক্ষক” বা গুগলের অগ্রগামী পণ্যগুলির প্রথম ব্যবহারকারীদের একটি সম্ভাব্য নতুন ব্যবহার খুঁজে পেয়েছেন: চলচ্চিত্র প্রোটোটাইপিং।

গুগল ডিপমাইনের ইঞ্জিনিয়ার ডিয়েগো রিভাস মিডিয়া ব্রিফিংয়ে বলেন: "বাস্তব সময়ের বৈশিষ্ট্যের মূল্য বিশেষ করে সেই পরিস্থিতিতে প্রকাশ পায় যেখানে একটি সামঞ্জস্যপূর্ণ সৃজনশীল চিন্তাধারা বজায় রাখা প্রয়োজন—যেমন ক্রিয়েটিভ ব্রেইনস্টর্মিং, স্কেটচিং এবং যেকোনো দ্রুত ক্রিয়েটিভ আইডিয়া প্রয়োজনীয় পর্যায়।"

গুগল ভিও নামে একটি এআই ভিডিও জেনারেশন মডেলও চালু করেছে, যা টেক্সট, ছবি বা ভিডিও প্রম্পট থেকে হাই-ডিফিনিশন শর্ট ভিডিও তৈরি করতে পারে এবং এতে সিঙ্ক্রোনাইজড অডিও সহ। এই টুলটি সিনেমাটোগ্রাফারদের মধ্যে ধীরে ধীরে জনপ্রিয়তা পাচ্ছে।

রিভাস যোগ করেন যে, ভবিষ্যতে ব্যবহারকারীরা জেমিনি ওমনি এই মাল্টিমোডাল লার্জ মডেলের মাধ্যমে প্রোটোটাইপ উপাদানগুলিকে প্রকৃত সৃষ্টিমূলক সম্পদে রূপান্তরিত করতে পারবেন, যা ছবি, অডিও এবং টেক্সটের ভিত্তিতে ভিডিও তৈরি করতে পারে। তবে তিনি উল্লেখ করেন যে, এই ক্ষমতাগুলি বাস্তবায়নের জন্য এখনও দীর্ঘ পথ অতিক্রম করতে হবে।

পুরো ব্রিফিংয়ে, রিভাস বারবার জোর দিয়েছেন যে জেনিয়া 4 এখনও বিকাশের প্রাথমিক পর্যায়ে রয়েছে, এবং চূড়ান্ত পণ্যটির অভিজ্ঞতা এখনও নির্ধারিত হয়নি। টিমটিও স্বীকার করেছে যে জেনিয়া 4-এ এখনও কিছু দুর্বলতা রয়েছে: সিমুলেশনের সময় বাড়ানোর সাথে সাথে বিস্তারিত বিষয়গুলি এবং বস্তুগুলি বিচ্যুত হওয়ার সম্ভাবনা বাড়ে, এবং টিমটি এখনও এমন একটি নির্ভরযোগ্য পদ্ধতি খুঁজে পায়নি যা শব্দকে সঠিকভাবে নিশ্চিত করবে এবং ভার্চুয়াল বিশ্বের লেখাগুলি স্পষ্টভাবে পড়ার সক্ষমতা রাখবে।

বর্তমানে Genie 4 বিশ্বস্ত পরীক্ষাকারীদের জন্য গবেষণামূলক প্রাক-প্রকাশ হিসাবে উন্মুক্ত। আগামী কয়েক সপ্তাহের মধ্যে, এই মডেলটি গুগল AI Ultra সাবস্ক্রিপশন ব্যবহারকারীদের, Genie প্রকল্পের জন্য উন্মুক্ত হবে, যা গুগল দ্বারা প্রকাশিত একটি AI টুল যা টেক্সট বা ইমেজ প্রম্পট থেকে ইন্টারঅ্যাকটিভ ভার্চুয়াল বিশ্ব তৈরি করে, এবং Gemini API এবং গুগল AI Studio-এর প্রাথমিক সহযোগীদেরও ব্যবহারের অনুমতি দেওয়া হবে।

দাবিত্যাগ: এই পৃষ্ঠার তথ্য তৃতীয় পক্ষের কাছ থেকে প্রাপ্ত হতে পারে এবং অগত্যা KuCoin এর মতামত বা মতামত প্রতিফলিত করে না। এই বিষয়বস্তু শুধুমাত্র সাধারণ তথ্যগত উদ্দেশ্যে প্রদান করা হয়, কোন ধরনের প্রতিনিধিত্ব বা ওয়ারেন্টি ছাড়াই, বা এটিকে আর্থিক বা বিনিয়োগ পরামর্শ হিসাবে বোঝানো হবে না। KuCoin কোনো ত্রুটি বা বাদ পড়ার জন্য বা এই তথ্য ব্যবহারের ফলে যে কোনো ফলাফলের জন্য দায়ী থাকবে না। ডিজিটাল সম্পদে বিনিয়োগ ঝুঁকিপূর্ণ হতে পারে। আপনার নিজের আর্থিক পরিস্থিতির উপর ভিত্তি করে একটি পণ্যের ঝুঁকি এবং আপনার ঝুঁকি সহনশীলতা সাবধানে মূল্যায়ন করুন। আরও তথ্যের জন্য, অনুগ্রহ করে আমাদের ব্যবহারের শর্তাবলী এবং ঝুঁকি প্রকাশ পড়ুন।