Google DeepMind ने ऑडियो और बेहतर फिजिक्स के साथ Genie 4 वर्ल्ड मॉडल जारी किया

Google DeepMind ने अपने एआई वर्ल्ड मॉडल के नवीनतम संस्करण, Genie 4 के रिलीज की घोषणा की है। नया मॉडल अपने पूर्ववर्ती, Genie 3 की तुलना में महत्वपूर्ण सुधार पेश करता है, जिसमें नेटिव ऑडियो जनरेशन, अधिक वास्तविक फिजिक्स सिमुलेशन और जनरेट किए गए वातावरण में बेहतर निरंतरता शामिल है। Google के अनुसार, ये अपडेट रोबोटिक्स ट्रेनिंग से लेकर क्रिएटिव प्रोटोटाइपिंग तक के अनुप्रयोगों का समर्थन करने के लिए डिज़ाइन किए गए हैं।

बेहतर यथार्थवाद और फिजिक्स

Genie 4 यूजर लक्ष्यों को तोड़ने और वास्तविक समय में प्रत्येक आउटपुट फ्रेम का मूल्यांकन करने के लिए एक गाइडिंग एजेंट के रूप में Gemini 3.8 Flash का लाभ उठाता है। यह एकीकरण कॉन्टेक्स्ट बनाए रखने में मदद करता है क्योंकि यूजर अलग-अलग वातावरणों में जाते हैं। DeepMind का कहना है कि मॉडल ने फिजिक्स को सिमुलेट करने में यथार्थवाद के एक नए स्तर को छुआ है, विशेष रूप से एरोडायनामिक्स और टकराव (collisions) के संबंध में। इसके अतिरिक्त, सिमुलेशन के भीतर मानव आकृतियों से अधिक प्राकृतिक हलचल और पर्यावरणीय परिवर्तनों के प्रति प्रतिक्रिया दिखाने की उम्मीद है, जिससे एआई-जनरेटेड पात्रों से जुड़ी "uncanny" उपस्थिति कम हो जाएगी।

मॉडल मिडस्ट्रीम पैरामीटर परिवर्तनों का भी समर्थन करता है। यूजर नेचुरल लैंग्वेज प्रॉम्प्ट्स का उपयोग करके मौसम की स्थिति बदल सकते हैं, तत्व जोड़ सकते हैं, या कैमरा एंगल एडजस्ट कर सकते हैं, जिसमें Gemini सिमुलेशन को तदनुसार निर्देशित करने में मदद करता है। यह प्रक्रिया वैसी ही है जैसे रीजनिंग मॉडल आउटपुट को रिफाइन करने के लिए आंतरिक प्रॉम्प्ट जनरेट करते हैं।

नेटिव ऑडियो और लंबी निरंतरता

Genie 4 की एक प्रमुख विशेषता नेटिव ऑडियो जनरेशन का जुड़ना है। इसमें एम्बिएंट बैकग्राउंड साउंड और प्रॉम्प्ट्स के भीतर ऑडियो तत्वों को निर्दिष्ट करने की क्षमता शामिल है। DeepMind का वादा है कि मॉडल ऐसा इंटरैक्टिव डायलॉग बना सकता है जो सिमुलेशन बदलने के साथ अनुकूलित होता है। यह पहली बार है जब किसी DeepMind वर्ल्ड मॉडल में नेटिव ऑडियो क्षमताएं शामिल की गई हैं।

अवधि के मामले में, Genie 4 लगभग 2 मिनट लंबे अनुभव बना सकता है, जो Genie 3 की 1 मिनट की सीमा से अधिक है। हालांकि, DeepMind नोट करता है कि वर्ल्ड अभी भी केवल कुछ मिनटों तक ही निरंतर रहते हैं, जिसके बाद मॉडल शुरुआती कॉन्टेक्स्ट को "भूल" जाता है। कंपनी चेतावनी देती है कि जैसे-जैसे सिमुलेशन लंबे समय तक चलते हैं, विवरण और ऑब्जेक्ट परमानेंस समय के साथ बदल सकते हैं।

एक्सेस और प्राइसिंग

Genie 4 वर्तमान में भरोसेमंद टेस्टर्स के एक छोटे समूह के लिए "रिसर्च प्रीव्यू" के रूप में लॉन्च हो रहा है। Google की योजना Gemini API और AI Studio के माध्यम से डेवलपर्स के लिए एक्सेस रोल आउट करने की है, हालांकि इन सेवाओं के लिए विशिष्ट मूल्य निर्धारण की अभी घोषणा नहीं की गई है। उपभोक्ताओं के लिए, एक्सेस चरणों में शुरू होगी, जिसकी शुरुआत Google के सबसे महंगे AI Ultra प्लान से होगी, जो $100 प्रति माह से शुरू होते हैं। Google अंततः AI Pro और AI Plus प्लान तक एक्सेस का विस्तार कर सकता है।

उपभोक्ता अनुभव को Project Genie के माध्यम से संभाला जाएगा, जो उपयोग पर कुछ सीमाएं लगाता है। शुरुआती एक्सेस में रुचि रखने वाले यूजर्स के लिए वर्तमान में एक वेटलिस्ट खुली है। DeepMind इस बात पर जोर देता है कि वर्ल्ड मॉडल अनुसंधान का एक सक्रिय क्षेत्र बने हुए हैं, और Genie 3 कभी भी सीमित Project Genie वेब अनुभव से आगे नहीं बढ़ा।

यह क्यों महत्वपूर्ण है

Genie 4 का रिलीज आर्टिफिशियल जनरल इंटेलिजेंस (AGI) के विकास में वर्ल्ड मॉडल्स के बढ़ते महत्व को उजागर करता है। फिजिकल रोबोट्स के लिए अनंत, इंटरैक्टिव ट्रेनिंग वातावरण और क्रिएटिव क्षेत्रों के लिए रैपिड प्रोटोटाइपिंग को सक्षम करके, ये मॉडल औद्योगिक और कलात्मक दोनों अनुप्रयोगों के लिए नए उपकरण प्रदान करते हैं। ऑडियो का जुड़ना और बेहतर फिजिक्स इन सिमुलेशन को वास्तविक दुनिया की सटीकता के करीब लाता है, जिससे गेमिंग, फिल्म प्री-विज़ुअलाइज़ेशन और रोबोटिक्स में उनके अपनाने की गति तेज हो सकती है।

स्रोत (अंग्रेज़ी में)

• arstechnica.com: DeepMind's Genie 4 world model adds audio and more realistic people to simulations - Ars Technica
• theverge.com: Google’s next Genie AI model generates more realistic experiences | The Verge

यह मूल अंग्रेज़ी लेख का एआई द्वारा किया गया अनुवाद है, जिसे स्वचालित रूप से जाँचा गया है ताकि यह मूल लेख जैसी ही बात कहे। स्रोतों की जाँच अंग्रेज़ी में की गई थी।