Google का नया AI Genie 4 मचाएगा धमाल! अब खुद बना सकेंगे डिजिटल दुनिया

डेस्क: आज के समय में AI की मदद से आपके कितने काम आसान हो गए हैं. आप अपनी फोटो एडिटिंग से लेकर वीडियो एडिटिंग तक के काम मिनटों में करा लेते हैं. लेकिन क्या आपने कभी सोचा है कि आप एक ऐसी डिजिटल दुनिया में हैं जहां पेड़ों से हवा गुजरने की आवाज सुनाई दे रही है, समुद्र की लहरें शोर मचा रही हैं और सामने खड़ा कोई किरदार आपकी बात का जवाब भी दे रहा है. इतना ही नहीं, आप सिर्फ एक कमांड देकर वहां का मौसम बदल सकते हैं, कैमरे का एंगल घुमा सकते हैं या अपनी पसंद का कोई नया इंसान और चीज जोड़ सकते हैं. सुनने में किसी वीडियो गेम जैसा लगता है, लेकिन Google DeepMind का नया AI मॉडल Genie 4 इसी दिशा में काम करने का दावा करता है. कंपनी के मुताबिक, यह रियल-टाइम में ऐसी डिजिटल दुनिया बना सकता है, जो आपके निर्देशों के हिसाब से बदलती रहेगी. Google ने मंगलवार को Genie 4 को अपने नए World Model के तौर पर पेश किया. फिलहाल यह शुरुआती रिसर्च प्रीव्यू में है और इसकी टेस्टिंग कुछ भरोसेमंद पार्टनर्स के साथ की जा रही है.

Genie 4 को इस तरह तैयार किया गया है कि यह सिर्फ एक तस्वीर या पहले से रिकॉर्ड किया गया वीडियो दिखाने के बजाय एक इंटरैक्टिव माहौल बना सके.Google के मुताबिक, यह मॉडल Gemini परिवार की अलग-अलग कैपेसिटी का इस्तेमाल करता है. Gemini Omni असली दुनिया जैसी दिखने और काम करने वाली सिमुलेशन बनाने में मदद करता है, जबकि Gemini के दूसरे मॉडल यह सुनिश्चित करने में कंट्रीब्यूशन देते हैं कि डिजिटल वर्ल्ड में घटनाओं का सिलसिला और उनका संदर्भ बना रहे. इसकी एक खास बात यह है कि यूजर चलते हुए सिमुलेशन में भी बदलाव कर सकता है. उदाहरण के लिए, आप टेक्स्ट में कमांड देकर बारिश शुरू करवा सकते हैं, कैमरे को दूसरी दिशा में ले जा सकते हैं या किसी नए किरदार को उस दुनिया में शामिल कर सकते हैं.

Genie 4 की सबसे दिलचस्प खूबियों में से एक इसका ऑडियो जनरेट करने का फीचर है. Google का दावा है कि यह रियल-टाइम में आवाजें भी बना सकता है. इनमें पेड़ों के बीच से गुजरती हवा, समुद्र की लहरों की आवाज, बैकग्राउंड म्यूजिक शामिल हैं. यानी सिमुलेशन में सिर्फ चीजें दिखाई ही नहीं देंगी, बल्कि उस माहौल के मुताबिक आवाजें भी सुनाई दे सकती हैं. कंपनी के अनुसार, यह मॉडल ऐसे किरदारों के बीच बातचीत भी बना सकता है, जो यूजर के निर्देशों या सिमुलेशन में होने वाली घटनाओं के हिसाब से जवाब दें. इसके लिए हर आवाज पहले से रिकॉर्ड करके रखने की जरूरत नहीं होगी, क्योंकि बातचीत को बदलते माहौल के साथ तैयार किया जा सकता है.

Google के मुताबिक, Gemini 3.8 Flash सिमुलेशन के दौरान एक गाइड की तरह काम करता है. यह लगातार डिजिटल सीन को देखता है, बड़े टारगेट को छोटे-छोटे कामों में बांटता है और जांचता है कि हर कदम सही तरीके से पूरा हुआ या नहीं. इसके अलावा, Google DeepMind अपने Gemini Robotics रिसर्च के साथ Gemini 4 Argon और Genie 4 को लेकर भी प्रयोग कर रहा है.

Genie 4 अभी शुरुआती रिसर्च स्टेज में है, इसलिए इससे हर बार बिल्कुल सटीक नतीजे मिलने की गारंटी नहीं है. लंबे समय तक सिमुलेशन चलने पर या बार-बार बदलाव करने पर कुछ चीजों का रूप बदल सकता है. किसी सीन में आगे बढ़ते समय भी छोटी-मोटी गड़बड़ियां दिखाई दे सकती हैं. Google का कहना है कि मॉडल की अंदरूनी सुरक्षा जांच की गई है और नुकसान पहुंचाने वाले कंटेंट को रोकने के लिए सुरक्षा उपाय भी शामिल किए गए हैं. इसके साथ ही Genie 4 से बनने वाले वीडियो और ऑडियो में कंपनी की SynthID तकनीक का इस्तेमाल होगा. यह कंटेंट में अदृश्य पहचान जोड़ती है, जिससे पता लगाने में मदद मिलती है कि उसे AI ने बनाया है.