गूगल ने अपने मूल कृत्रिम बुद्धिमत्ता (एआई)-संचालित इमेज जेनरेशन मॉडल इमेजन 2 को दो नई क्षमताओं के साथ अपग्रेड किया है। लास वेगास में अपने वार्षिक क्लाउड नेक्स्ट सम्मेलन में इन क्षमताओं की घोषणा की गई। एआई टूल एक उद्यम-केंद्रित उत्पाद है जो वर्टेक्स एआई डेवलपर प्लेटफ़ॉर्म के भीतर उपलब्ध है और कंपनियों के लिए लोगो तत्व और अन्य दृश्य संसाधन बनाने में मदद कर सकता है। अब, टेक दिग्गज ने एआई मॉडल में वीडियो-जनरेशन क्षमताएं भी जोड़ी हैं और यह चार सेकंड तक लंबे वीडियो बना सकता है।

वीडियो जनरेशन फीचर को कंपनी ‘टेक्स्ट-टू-लाइव इमेज’ कह रही है। इस क्षमता के साथ, इमेजन 2 टेक्स्ट प्रॉम्प्ट से चार सेकंड लंबे वीडियो बना सकता है। इन वीडियो में कैमरा एंगल और मोशन की एक रेंज होगी। वेंचरबीट की एक रिपोर्ट के अनुसार, जेनरेट किए गए वीडियो में 24 फ्रेम प्रति सेकंड होंगे और 360×640 पिक्सल के रिज़ॉल्यूशन पर डिलीवर किए जाएंगे। Google ने कथित तौर पर भविष्य में इन मेट्रिक्स को बेहतर बनाने की योजना बनाई है।

Google ने अपने AI मॉडल की क्षमताओं को दिखाने के लिए YouTube पर एक वीडियो भी पोस्ट किया। Google क्लाउड के सीईओ थॉमस कुरियन ने कथित तौर पर एक प्रेस विज्ञप्ति में कहा कि एनिमेटेड इमेज उपयोगकर्ता की सहभागिता को बेहतर बना सकती हैं। जनरेशन क्वालिटी रनवे AI और पिका 1.0 के समान प्रतीत होती है – दोनों ही आम जनता के साथ-साथ उद्यमों के लिए भी उपलब्ध हैं।

डीपफेक का भी सवाल है। यह इसलिए भी प्रासंगिक है क्योंकि हाल ही में जेमिनी एआई की आलोचना हुई थी क्योंकि इसने “कुछ ऐतिहासिक छवि निर्माण चित्रणों में अशुद्धियाँ” दिखाई थीं। इसके तुरंत बाद, Google ने जेमिनी से छवि निर्माण सुविधा को हटा दिया। लेकिन कंपनी का कहना है कि इमेजेन के साथ यह अलग होगा। कंपनी के प्रवक्ता ने टेकक्रंच को बताया, “वर्टेक्स एआई में इमेजेन 2 मॉडल में जेमिनी ऐप जैसी समस्याएँ नहीं आई हैं। हम बड़े पैमाने पर परीक्षण करना और अपने ग्राहकों से जुड़ना जारी रखते हैं।” अतिरिक्त सुरक्षा के लिए, AI मॉडल द्वारा बनाई गई छवियों और वीडियो को Google DeepMind की SynthID तकनीक द्वारा लेबल किया जाएगा।

वीडियो निर्माण के अलावा, इमेजन 2 में इनपेंटिंग और आउटपेंटिंग क्षमताएं भी शामिल हैं। यह उपयोगकर्ताओं को एक नए प्रॉम्प्ट के साथ पूरी चीज़ को फिर से बनाने के बजाय छवि के एक निश्चित हिस्से को संपादित करने की अनुमति देगा। किसी छवि में बारीक बदलाव करना वांछित परिणाम प्राप्त करने का एक आसान तरीका है। यह सुविधा Microsoft के Copilot और OpenAI के DALL-E 3 द्वारा भी प्रदान की जाती है।