Google DeepMind ने रिलीज़ किया Genie 4, अब रियल-टाइम ऑडियो भी

Google DeepMind ने मंगलवार को अपना नया वर्ल्ड मॉडल Genie 4 रिसर्च प्रीव्यू के रूप में जारी किया। कंपनी के मुताबिक यह अब तक का सबसे फोटोरियलिस्टिक और इंटरैक्टिव मॉडल है। यूज़र सिमुलेशन चलने के दौरान ही टेक्स्ट प्रॉम्प्ट लिखकर दृश्य बदल सकते हैं। मॉडल रियल-टाइम ऑडियो भी बनाता है, जो सिमुलेटेड दुनिया से मेल खाता है, जैसे म्यूज़िक, आसपास की आवाज़ें और इंटरैक्टिव संवाद।

क्या नया है

Genie 3 को एक साल से कुछ ज़्यादा पहले रिसर्च प्रीव्यू के तौर पर जारी किया गया था। ज़्यादा realism और ऑडियो के अलावा Genie 4 में फ्रीफ़ॉर्म एडिटिंग मिलती है। यानी मौसम या कैमरा एंगल रियल टाइम में बदला जा सकता है, और नए लोग या ऑब्जेक्ट जोड़े जा सकते हैं। मॉडल एक दृश्य को दो मिनट तक स्थिर रख सकता है, जो पिछले मॉडल की सीमा से दोगुना है। साथ ही फिज़िक्स बेहतर है और किरदार ज़्यादा इंसान जैसे लगते हैं।

Gemini के साथ तालमेल भी बढ़ा है। Gemini "डायरेक्टर" की तरह काम करता है, जो चरण तय करता है और फ्रेम जाँचता है, जबकि Genie विज़ुअल बनाता है। Gemini Robotics से जुड़े एक प्रयोग में Gemini 4 Argon मॉडल ने कामों को चरणों में बाँटा और Genie 4 ने उन्हें रियल टाइम में सिमुलेट किया। इससे रोबोट के परिदृश्यों को असली दुनिया में उतारने से पहले सिमुलेशन में परखा जा सकता है। Google के रिसर्च डायरेक्टर तेजस कुलकर्णी ने कहा कि भविष्य में ऐसे हाइब्रिड वर्ल्ड मॉडल बढ़ेंगे, जिनमें Gemini कोड और टेक्स्ट लिखेगा और Genie उसे रियल टाइम में सिमुलेशन में बदलेगा।

उपयोग और सीमाएँ

संभावित इस्तेमाल में गेमिंग, इंटरैक्टिव लर्निंग और रोबोटिक्स बताए गए हैं। "ट्रस्टेड टेस्टर" फ़िल्म प्रोटोटाइपिंग को भी नए उपयोग के रूप में देख रहे हैं। DeepMind के इंजीनियर डिएगो रिवास के अनुसार आइडिया और स्टोरीबोर्डिंग जैसे चरणों में रियल-टाइम पहलू सबसे उपयोगी है। आगे चलकर Gemini Omni से इन प्रोटोटाइप को क्रिएटिव एसेट में बदला जा सकता है, पर यह अभी दूर है।

टीम ने माना कि अभी शुरुआती दौर है और अंतिम प्रोडक्ट अनुभव साफ़ नहीं है। सिमुलेशन जितना लंबा चलता है, ब्योरे और ऑब्जेक्ट उतना भटक सकते हैं। ऑडियो की सटीकता और दुनिया के भीतर लिखे टेक्स्ट की पठनीयता भी अभी चुनौती है।

Genie 4 फिलहाल ट्रस्टेड टेस्टर्स के लिए उपलब्ध है। आने वाले हफ्तों में यह Project Genie में Google AI Ultra सब्सक्राइबर्स और Gemini API व Google AI Studio के अर्ली एक्सेस पार्टनर्स को मिलेगा।