Google डीपमाइंड ने रीयल-टाइम सिमुलेशन, नेटिव ऑडियो जेनरेशन के साथ जिनी 4 पेश किया |

Google DeepMind ने मंगलवार को जिनी 4 को अपने नवीनतम विश्व मॉडल के रूप में घोषित किया। माउंटेन व्यू-आधारित तकनीकी दिग्गज का कहना है कि यह यथार्थवादी, इंटरैक्टिव सिमुलेशन बना सकता है जो वास्तविक समय में उपयोगकर्ता इनपुट का जवाब देता है। दावा किया जाता है कि विश्व मॉडल प्राकृतिक गति, यथार्थवादी भौतिकी और देशी ऑडियो के साथ परिवेश उत्पन्न करने में सक्षम है, जिसमें परिवेशीय ध्वनियाँ, संगीत और इंटरैक्टिव चरित्र संवाद शामिल हैं। Google के अनुसार, जिनी 4 का वर्तमान में विश्वसनीय भागीदारों के साथ परीक्षण किया जा रहा है।

Google DeepMind के जिन्न 4 का विवरण सामने आया

अनुसंधान पूर्वावलोकन, Google DeepMind में जारी किया गया का वर्णन करता है जिनी 4 एक विश्व मॉडल के रूप में जो वास्तविक समय के इंटरैक्टिव सिमुलेशन को बेहतर यथार्थवाद के साथ जोड़ता है। यह व्यापक जेमिनी परिवार की क्षमताओं पर आधारित है, जिसमें जेमिनी ओमनी का उपयोग वास्तविक दुनिया की उपस्थिति और व्यवहार में यथार्थवादी सिमुलेशन बनाने के लिए किया जाता है। इस बीच, अन्य मिथुन मॉडल सुसंगतता और निरंतरता बनाए रखने के लिए तर्क का योगदान देते हैं।

विश्व मॉडल उपयोगकर्ताओं को प्राकृतिक-भाषा संकेतों के माध्यम से चल रहे सिमुलेशन को संशोधित करने की अनुमति देता है। वे मौसम को समायोजित कर सकते हैं, कैमरा घुमा सकते हैं और एक नए व्यक्ति या वस्तु का परिचय करा सकते हैं।

उल्लेखनीय परिवर्धन में देशी ऑडियो पीढ़ी है। Google का दावा है कि जिनी 4 उसका पहला वास्तविक समय का विश्व मॉडल है जो सीधे ऑडियो उत्पन्न करने में सक्षम है, जिसमें पेड़ों के माध्यम से बहने वाली हवा से लेकर समुद्र तट पर टकराने वाली लहरें, संगीत और अन्य परिवेशीय शोर शामिल हैं। कंपनी के अनुसार, यह सिम्युलेटेड वातावरण को उनकी सेटिंग्स से मेल खाने वाली ध्वनियों को शामिल करने की अनुमति देता है।

इसके अलावा, यह इंटरैक्टिव संवाद उत्पन्न कर सकता है जहां पात्र बातचीत कर रहे हैं और उपयोगकर्ता इनपुट या घटनाओं के सामने आने पर प्रतिक्रिया दे रहे हैं। Google का कहना है कि इससे केवल पूर्व-निर्मित ऑडियो पर भरोसा करने की आवश्यकता समाप्त हो जाती है, क्योंकि जिन्न सिमुलेशन के भीतर किए गए परिवर्तनों के लिए भाषण को गतिशील रूप से अनुकूलित कर सकता है।

टेक दिग्गज के अनुसार, जेमिनी 3.8 फ्लैश सिमुलेशन के दौरान एक मार्गदर्शक एजेंट के रूप में कार्य करता है, लगातार उत्पन्न दृश्य का अवलोकन करता है, लक्ष्यों को छोटे चरणों में तोड़ता है, आने वाले फ़्रेमों की जांच करता है, और यह सत्यापित करता है कि प्रत्येक चरण सफल हुआ है या नहीं। इस बीच, Google DeepMind अपने जेमिनी रोबोटिक्स अनुसंधान के साथ-साथ जेमिनी 4 आर्गन और जिनी 4 के साथ भी प्रयोग कर रहा है।

हालाँकि, कुछ सीमाएँ हैं। आरंभ करने के लिए, यह एक प्रारंभिक चरण की शोध परियोजना है, जिसका अर्थ है कि कई जटिल त्वरित संपादनों के बाद, या किसी दृश्य के माध्यम से नेविगेट करते समय विवरण और वस्तुएं लंबे समय तक बदल या बह सकती हैं। सुरक्षा के मोर्चे पर, Google का दावा है कि जिनी 4 का आंतरिक सुरक्षा मूल्यांकन किया गया है और इसमें हानिकारक या दुर्भावनापूर्ण सामग्री की पीढ़ी को रोकने के उद्देश्य से रेलिंग शामिल हैं।

कंपनी के अनुसार, जिनी 4 द्वारा उत्पन्न सभी वीडियो और ऑडियो में इसकी सिंथआईडी वॉटरमार्किंग तकनीक शामिल होगी। यह मेटाडेटा के साथ उत्पन्न सामग्री को अदृश्य रूप से चिह्नित करता है जो पारदर्शिता और जिम्मेदार उपयोग के लिए इसे एआई-निर्मित सामग्री के रूप में पहचानने में मदद करता है।

जिनी 4 को विश्वसनीय परीक्षकों के लिए एक शोध पूर्वावलोकन के रूप में पेश किया जा रहा है। Google DeepMind प्रोजेक्ट जिनी के माध्यम से Google AI अल्ट्रा ग्राहकों तक पहुंच का विस्तार करेगा, साथ ही जेमिनी एपीआई और Google AI स्टूडियो का उपयोग करके शुरुआती पहुंच वाले भागीदारों तक भी पहुंच बनाएगा।