მოდელი, რომელიც აქამდე მხოლოდ სანდო ტესტერებისთვის იყო ხელმისაწვდომი, სესიის მსვლელობისას გარემოს ტექსტით შეცვლასთან ერთად რეალურ დროში ბუნებრივ ხმასა და დიალოგებსაც ქმნის.
ოთხშაბათს, 18 ნოემბერს, თბილისის დროით დაახლოებით 22:15 საათზე, Google-მა და Google DeepMind-მა თავიანთი ყველაზე რეალისტური და ინტერაქციული სამყაროს მოდელი Genie 4 პირველად გახადეს საჯაროდ ხელმისაწვდომი. Google-ის ბლოგპოსტის მიხედვით, ბრაუზერში მომუშავე Project Genie-ში მისი გამოყენება დღეიდან Google AI Ultra-ს შესაბამის გამომწერებს შეუძლიათ, Google AI Pro-ს წევრებისთვის კი მოლოდინის სიაში ჩაწერა გაიხსნა. თვითონ Genie 4 კომპანიამ 27 ოქტომბერს მხოლოდ სანდო ტესტერებისთვის წარადგინა, რაზეც TechCrush-ი უკვე წერდა. დღევანდელი განახლებით მოდელი ფასიანი გამომწერებისთვისაც ჩაირთო.
Project Genie-ში დამატებული Genie 4 ვირტუალურ სამყაროში მოქმედების წესს ცვლის: სანამ სივრცეში მოძრაობთ, შეგიძლიათ ახალი ტექსტური ბრძანება აკრიფოთ და გარემო რეალურ დროში გადააკეთოთ. Google-ის ბლოგში მოყვანილი მაგალითებით, მომხმარებელს პირდაპირ სვლისას შეუძლია შეცვალოს ამინდი, სცენაში შემოიყვანოს ახალი პერსონაჟი ან მოქმედება სხვა მიმართულებით წაიყვანოს. Google DeepMind-ის ცნობით, Genie 4 მათი პირველი სამყაროს მოდელია, რომელიც რეალურ დროში აუდიოს ბუნებრივად ქმნის: Google-ის ბლოგის თანახმად, ხმა სცენის განვითარებას მიჰყვება და გარემოს ფონური ხმაურიდან პერსონაჟების დიალოგებამდე ყველაფერს მოიცავს.
ახალი აგენტი და საერთო გალერეა
განახლებასთან ერთად პლატფორმას Project Genie-ს აგენტი დაემატა, რომელიც სამყაროს აწყობაში სასაუბრო რეჟიმით გეხმარებათ. საკმარისია ჩანაფიქრი ჩვეულებრივი ენით აღწეროთ და აგენტი Google-ის მულტიმოდალური მოდელების გამოყენებით სამყაროს საწყის ვიზუალურ იერსა და განწყობაზე მორგებულ ფონურ საუნდტრეკს შექმნის. უშუალოდ სესიის დროს პროცესში Gemini ერთვება: ის აკვირდება, რა ხდება ეკრანზე, კონტექსტზე მორგებული მინიშნების ღილაკებით გთავაზობთ, საით წახვიდეთ შემდეგ, ან სამყაროში ახალ მოვლენებს ავტომატურად რთავს.
პლატფორმაზე გამოჩნდა საერთო გალერეაც, სადაც Google-ის შერჩეული და საზოგადოების წევრების შექმნილი სამყაროებია თავმოყრილი. მომხმარებლებს შეუძლიათ ეს სივრცეები დაათვალიერონ, აგენტის დახმარებით გადააკეთონ მათი სტრუქტურა, მუსიკა თუ წესები და საკუთარი რემიქსი ან ახალი სამყარო გალერეაში გამოაქვეყნონ. Google-ის ბლოგპოსტში დასახელებულ პროექტებს შორისაა "Living Memory", რომელიც პირად ფოტოებს სასეირნო სივრცეებად აქცევს, და კინორეჟისორ Anand Gandhi-სთან ერთად შექმნილი "The Life of Ants", სადაც ჭიანჭველების კოლონიაში ჭიანჭველის პერსპექტივით გადაადგილდებით.
Genie 3-ის განახლება და ხელმისაწვდომობა
Project Genie-ს მოდელების ასარჩევ მენიუში რჩება Genie 3-იც, რომელმაც დღეს საკუთარი განახლება მიიღო. Google-ის ბლოგის მიხედვით, Genie 3-ში ერთ შექმნაზე სესიის ხანგრძლივობა 60 წამიდან 3 წუთამდე გაიზარდა. ამავე მოდელს დაემატა რამდენიმე სამყაროს ერთმანეთთან გადაბმა უფრო ხანგრძლივი მოგზაურობისთვის და ახალი სამყაროს აწყობა 360-გრადუსიანი პანორამული გამოსახულებიდან.
განახლებული Project Genie დღეიდან ჩართულია 18+ ასაკის Google AI Ultra-ს შესაბამისი გამომწერებისთვის, ხოლო Google AI Pro-ს წევრებს მოლოდინის სიაში ჩაწერა შეუძლიათ. Google-ის ცნობით, Project Genie 140-ზე მეტ ქვეყანაშია ხელმისაწვდომი, Google-ის Labs FAQ-ის ქვეყნების სიაში კი სხვებთან ერთად შედის აშშ, დიდი ბრიტანეთი, კანადა, ავსტრალია, იაპონია, სამხრეთ კორეა და თურქეთი. საქართველო ამ ჩამონათვალში არ არის. გაშვებას X-ზე გამოეხმაურა Google DeepMind-ის აღმასრულებელი დირექტორი Demis Hassabis-იც: "Genie 4 ხელმისაწვდომია! … შესაბამის Ultra გამომწერებს მისი გამოცდა Project Genie-ში შეუძლიათ".
Project Genie-ში შექმნილ ყველა ვიდეოსა და აუდიოს SynthID-ის ჭვირნიშანი ედება, თვითონ Google კი ბლოგში წერს, რომ ორივე მოდელი ჯერ ისევ მოწინავე კვლევით სივრცეში რჩება და გუნდი კამერის დაყოვნების, რთული ფიზიკის, რეალურ დროში აუდიოს სიზუსტისა და სცენის გრძელვადიანი მდგრადობის დახვეწაზე მუშაობს.
წყარო: Google blog | Google DeepMind (X) | Google (X) | Demis Hassabis (X) | Google DeepMind | Google Labs FAQ
ეს სტატია შეიქმნა AI ხელსაწყოებით, პროცესში ადამიანის ჩართულობა დაახლოებით 10%-ია.

