सार:
Google ने घोषणा की है कि उसने जेमिनी एंटरप्राइज़ एंटरप्राइज़ प्लेटफ़ॉर्म में आधिकारिक तौर पर "लाइव अवतार" (वास्तविक समय डिजिटल मानव) फ़ंक्शन लॉन्च किया है। यह तकनीक Google के नवीनतम जेमिनी 3.8 लाइव बड़े मॉडल आर्किटेक्चर के साथ गहराई से एकीकृत है। मूल लगभग-शून्य विलंब और उच्च-सुचारू आवाज वार्तालाप के आधार पर, यह पहली बार वास्तविक समय जेनरेटरेटिव वीडियो पीढ़ी क्षमताओं का परिचय देता है, जो वार्तालाप कृत्रिम बुद्धि को एक गतिशील दृश्य छवि बनाने में सक्षम बनाता है जो "एक ही समय में सुन, देख और बोल सकता है।"
आधिकारिक परिचय के अनुसार, जेमिनी 3.8 लाइव लाइव अवतार को एंटरप्राइज़ ग्राहकों के लिए अधिक सहज और इमर्सिव वर्चुअल सेवा सहायक बनाने के लिए डिज़ाइन किया गया है। अंतर्निहित वीडियो जेनरेशन मॉडल के साथ ऑडियो स्ट्रीम को सटीक रूप से सिंक्रनाइज़ करके, सिस्टम उच्च-परिशुद्धता लिप-सिंकिंग, प्राकृतिक चेहरे की अभिव्यक्ति में परिवर्तन और चिकनी क्रॉस-भाषा संवाद रूपांतरण प्राप्त कर सकता है। वर्तमान में, डिजिटल मानव प्रणाली मूल रूप से 97 भाषाओं तक का समर्थन करती है, और बातचीत के बीच में भाषाओं में स्विच करने पर कोई वीडियो विरूपण या चेहरे का बहाव नहीं होगा।
दृश्य सफलताओं के अलावा, प्लेटफ़ॉर्म शक्तिशाली एसिंक्रोनस टूल कॉलिंग क्षमताओं से भी सुसज्जित है। उपयोगकर्ताओं के साथ एक स्वाभाविक और सुसंगत बातचीत बनाए रखते हुए, डिजिटल मानव होटल चेक-इन पंजीकरण और बीमा दावा दस्तावेज़ भरने जैसे जटिल बहु-चरणीय व्यवसायों को संभालने के लिए पृष्ठभूमि में विभिन्न बाहरी एपीआई और एंटरप्राइज़ डेटा इंटरफेस को चुपचाप कॉल कर सकते हैं, जो "क्रैश" या लंबे समय तक मौन प्रतीक्षा घटना को पूरी तरह से अलविदा कहते हैं जो तब होता था जब एआई अतीत में पृष्ठभूमि कार्यों को संसाधित करता था। साथ ही, टर्मिनल डिवाइस के कैमरे और स्क्रीन शेयरिंग फ़ंक्शन के साथ मिलकर, डिजिटल मानव उपयोगकर्ता द्वारा प्रदर्शित भौतिक वस्तुओं या सॉफ़्टवेयर इंटरफ़ेस की वास्तविक समय दृश्य समझ और इंटरैक्टिव मार्गदर्शन भी प्रदान कर सकता है।
सुरक्षा और अनुपालन के संदर्भ में, कृत्रिम बुद्धिमत्ता डीपफेक और पहचान की चोरी के जोखिम को रोकने के लिए, Google ने लाइव अवतार के लिए रक्षा की कई सुरक्षा लाइनें स्थापित की हैं। डिफ़ॉल्ट रूप से, सिस्टम केवल कॉर्पोरेट उपयोगकर्ताओं के लिए डिजिटल मानव छवि लाइब्रेरी खोलता है जिसे आधिकारिक समीक्षा द्वारा पूर्व निर्धारित किया गया है, जबकि विशिष्ट ब्रांड छवियों या विशिष्ट चेहरों को अनुकूलित करने की अनुमति एक सख्त श्वेतसूची समीक्षा तंत्र के तहत रखी गई है। इसके अलावा, एआई-जनित सामग्री की पारदर्शिता और पता लगाने की क्षमता सुनिश्चित करने के लिए सिस्टम द्वारा उत्पन्न सभी वास्तविक समय की आवाज और गतिशील वीडियो स्ट्रीम को अदृश्य और गैर-छेड़छाड़ योग्य सिंथआईडी डिजिटल वॉटरमार्क के साथ एम्बेड किया गया है।
वर्तमान में, जेमिनी 3.8 लाइव और लाइव अवतार फ़ंक्शन आधिकारिक तौर पर यूएस और यूरोपीय डेटा सेंटर सेवा नोड्स के माध्यम से एंटरप्राइज़-स्तरीय सदस्यता ग्राहकों के लिए खोल दिए गए हैं, और डेवलपर एपीआई एक्सेस समर्थन एक साथ प्रदान किया गया है। उद्योग विश्लेषकों ने बताया कि जेनरेटिव वीडियो तकनीक को सीधे अंतर्निहित भाषण मॉडल में एकीकृत करने से न केवल पारंपरिक वीडियो रेंडरिंग सुइट्स के कारण होने वाली उच्च विलंबता समाप्त हो जाती है, बल्कि यह भी पता चलता है कि एआई आभासी ग्राहक सेवा और बुद्धिमान इंटरैक्टिव टर्मिनल "वास्तविक-व्यक्ति और वास्तविक समय दृश्य संवाद" के एक नए युग में प्रवेश कर रहे हैं।
टिप्पणियाँ