गूगल ने जेनिय 4 लॉन्च किया, सबसे वास्तविक इंटरएक्टिव वर्चुअल वर्ल्ड मॉडल जिसमें सिंक्रोनाइज़्ड ऑडियो है

icon币界网
साझा करें
AI summary iconसारांश
Google DeepMind ने Genie 4 लॉन्च किया है, जो सिंक्रोनाइज्ड ऑडियो, शामिल गाने और डायलॉग के साथ सबसे वास्तविक और इंटरैक्टिव वर्चुअल वातावरण प्रदान करता है। यह मॉडल रियल-टाइम सीन एडिटिंग को सपोर्ट करता है और सिमुलेशन की अवधि दो मिनट तक दोगुनी कर देता है। Gemini के साथ एकीकृत, यह गेमिंग और रोबोटिक्स में अनुप्रयोगों को सक्षम बनाता है। यह अपडेट नए रियल-वर्ल्ड एसेट्स (RWA) की समाचार लाता है और AI-संचालित नवाचार के लिए हाल की क्रिप्टो समाचारों में से एक है। Genie 4 अभी विश्वसनीय परीक्षकों के लिए उपलब्ध है, और जल्द ही सामान्य पहुंच आएगी।
CoinDesk द्वारा रिपोर्ट किया गया:

IT होम 28 अक्टूबर की सूचना, गूगल डीपमाइंड ने मंगलवार को अपना नवीनतम विश्व मॉडल Genie 4 लॉन्च किया, जो वर्तमान में अनुसंधान पूर्वावलोकन चरण में है। यह नवीनतम मॉडल अब तक का सबसे अधिक वास्तविक, अंतरक्रियाशील वर्चुअल विश्व उत्पन्न कर सकता है, जिसमें उपयोगकर्ता सिमुलेशन के दौरान प्रॉम्प्ट देकर सीन को संशोधित कर सकते हैं। यह मॉडल वर्चुअल विश्व के साथ समकालिक ऑडियो भी उत्पन्न कर सकता है, जिसमें संगीत, परिवेशीय ध्वनि और अंतरक्रियाशील संवाद शामिल हैं।

IT之家 नोट करता है कि Genie 4 के लॉन्च से कुछ महीने पहले, AI वीडियो स्टार्टअप Runway ने अपना दूसरा वर्ल्ड मॉडल GWM Worlds 2 लॉन्च किया, जो एक इंटरएक्टिव रनएबल मॉडल है जो उपयोगकर्ता इनपुट के लिए डायनामिक रूप से प्रतिक्रिया देता है और ऑडियो जनरेशन का समर्थन करता है। इसी बीच, वर्ल्ड मॉडल स्पेस में एकीकरण की प्रवृत्ति शुरू हो गई है। फेई-फेई ली द्वारा स्थापित वर्ल्ड लैब्स का AMD द्वारा अधिग्रहण किया गया है, अमेज़न Decart के अधिग्रहण पर बातचीत कर रहा है, और Rivian ने हाल ही में Third Dimension का अधिग्रहण किया है, ताकि वह स्वयं के भीतर ऑटोनॉमस ड्राइविंग परीक्षण के लिए सिमुलेशन क्षमता विकसित कर सके।

Genie 4 का लॉन्च, जो गूगल द्वारा प्रतिस्पर्धी मार्केट में अग्रणी बने रहने के लिए उठाया गया नवीनतम कदम है।

एक से अधिक साल पहले, गूगल ने पिछले मॉडल Genie 3 को अनुसंधान प्रीव्यू के रूप में जारी किया था। Genie 4 के साथ, चित्रण की वास्तविकता में उल्लेखनीय सुधार हुआ है और ऑडियो क्षमता जोड़ी गई है, साथ ही यह मुक्त रूप से संपादन करने की सुविधा प्रदान करता है, जैसे कि मौसम, कैमरा कोण, या व्यक्ति और वस्तुओं को वास्तविक समय में समायोजित करना। इसकी सबसे लंबी सतत दृश्य अवधि दो मिनट है, जो पिछले मॉडल की तुलना में दोगुनी है, भौतिक प्रभाव बेहतर हैं, और वर्चुअल पात्र अधिक मानवीय लगते हैं।

गूगल के बड़े मॉडल Gemini और Genie 4 का एकीकरण भी और बढ़ गया है, जहाँ Gemini निर्देशक के समान है, जो चरणों की योजना बनाता है और फ्रेम की जाँच करता है, जबकि Genie 4 विजुअल कंटेंट उत्पन्न करता है। Gemini रोबोट प्रोजेक्ट से संबंधित एक शोध प्रयोग में, Gemini 4 Argon मॉडल ने कार्य को कई चरणों में विभाजित किया, और फिर Genie 4 ने रियल-टाइम सिमुलेशन किया। इस प्रयोग ने एक संभावित समाधान प्रस्तुत किया: वास्तविक दुनिया में रोबोट परीक्षण करने से पहले, सिमुलेशन वातावरण में संबंधित परिदृश्यों की पुष्टि करना।

गूगल के शोध निदेशक तेजस कुलकर्णी ने एक संक्षिप्त समीक्षा में कहा, "भविष्य में हम इस तरह के मिश्रित विश्व मॉडल को अधिक अक्सर देखेंगे, जहां Gemini कोड और पाठ लिखता है और Genie 4 इन्हें वास्तविकता के विभिन्न अमूर्त स्तरों पर अनुकरण करते हुए वास्तविक समय में पढ़ता है।"

अन्य विश्व मॉडलों की तरह, इसके मुख्य व्यावसायिक लागू करने के स्थान गेमिंग, इंटरएक्टिव लर्निंग और रोबोटिक्स के क्षेत्र में शामिल हैं। इंटरएक्टिव लर्निंग का एक कल्पित उदाहरण है कि उपयोगकर्ता एक ऐसी चित्रकारी में प्रवेश करता है जो ऐतिहासिक दृश्य को दर्शाती है, और चित्र में दर्शाए गए व्यक्तियों के साथ चित्र में दर्ज की गई घटनाओं के बारे में बातचीत करता है।

हालांकि, "विश्वसनीय परीक्षक" जो गूगल के अग्रणी उत्पादों का पहले अनुभव करने वाले उपयोगकर्ता हैं, ने एक संभावित नया उपयोग पाया: फिल्म प्रोटोटाइपिंग।

गूगल डीपमाइंड इंजीनियर डिएगो रिवास ने मीडिया ब्रीफिंग में कहा, "रियल-टाइम सुविधा का मूल्य उन परिदृश्यों में विशेष रूप से स्पष्ट होता है जहां सुसंगठित रचनात्मक विचारधारा को बनाए रखने की आवश्यकता होती है, जैसे कि क्रिएटिव ब्रेनस्टॉर्मिंग और स्टोरीबोर्डिंग जैसे चरण, जहां त्वरित रचनात्मकता की आवश्यकता होती है।"

Google ने Veo नामक एक AI वीडियो जनरेशन मॉडल भी लॉन्च किया है, जो टेक्स्ट, इमेज या वीडियो प्रॉम्प्ट्स के आधार पर हाई-डी शॉर्ट वीडियो बना सकता है और इसमें सिंक्रोनाइज्ड ऑडियो शामिल है, जिसकी फिल्म निर्माता समुदाय में लगातार बढ़ती लोकप्रियता है।

रिवास ने यह भी कहा कि भविष्य में उपयोगकर्ता Gemini Omni, एक बहु-मोडल बड़ा मॉडल, के माध्यम से प्रोटोटाइप सामग्री को औपचारिक सृजनात्मक संपत्ति में बदलने की उम्मीद कर सकते हैं, जो चित्र, ऑडियो और पाठ के आधार पर वीडियो उत्पन्न कर सकता है। हालांकि, उन्होंने यह भी उल्लेख किया कि इन क्षमताओं को व्यावहारिक रूप से लागू करने में अभी भी काफी दूरी है।

पूरी ब्रीफिंग के दौरान, रिवास ने बार-बार जोर दिया कि Genie 4 अभी विकास के प्रारंभिक चरण में है, और पूर्ण उत्पाद का अंतिम अनुभव अभी तक निर्धारित नहीं हुआ है। टीम ने स्वीकार किया कि Genie 4 में अभी भी कमियाँ हैं: सिमुलेशन का समय जितना लंबा होगा, उतने ही अधिक विवरण और वस्तुएँ विस्थापित होने की संभावना है, और टीम अभी तक कोई निश्चित तरीका नहीं ढूंढ पाई है जिससे ऑडियो सटीक हो सके और साथ ही वर्चुअल दुनिया में पाठ स्पष्ट रूप से पढ़ा जा सके।

अभी Genie 4 को विश्वसनीय परीक्षकों के लिए अनुसंधान पूर्वावलोकन के रूप में उपलब्ध कराया गया है। अगले कुछ सप्ताहों में, यह मॉडल क्रमशः Google AI Ultra सदस्यता धारकों, Genie प्रोजेक्ट, Gemini API और Google AI Studio के प्रारंभिक सहयोगियों को उपलब्ध कराया जाएगा, जो Google द्वारा लॉन्च किया गया एक AI टूल है जो पाठ या चित्र प्रॉम्प्ट के आधार पर इंटरएक्टिव वर्चुअल दुनियाएँ बना सकता है।

डिस्क्लेमर: इस पेज पर दी गई जानकारी थर्ड पार्टीज़ से प्राप्त की गई हो सकती है और यह जरूरी नहीं कि KuCoin के विचारों या राय को दर्शाती हो। यह सामग्री केवल सामान्य सूचनात्मक उद्देश्यों के लिए प्रदान की गई है, किसी भी प्रकार के प्रस्तुतीकरण या वारंटी के बिना, न ही इसे वित्तीय या निवेश सलाह के रूप में माना जाएगा। KuCoin किसी भी त्रुटि या चूक के लिए या इस जानकारी के इस्तेमाल से होने वाले किसी भी नतीजे के लिए उत्तरदायी नहीं होगा। डिजिटल संपत्तियों में निवेश जोखिम भरा हो सकता है। कृपया अपनी वित्तीय परिस्थितियों के आधार पर किसी प्रोडक्ट के जोखिमों और अपनी जोखिम सहनशीलता का सावधानीपूर्वक मूल्यांकन करें। अधिक जानकारी के लिए, कृपया हमारे उपयोग के नियम और जोखिम प्रकटीकरण देखें।