Genie 4 آپریشن میں

Genie 4، Google DeepMind کا تیار کردہ نئی نسل کا ورلڈ ماڈل ہے، جو حقیقی وقت میں ایسے مجازی عوالم تخلیق کر سکتا ہے جنہیں آزادانہ طور پر دریافت کیا جا سکے۔ صارفین کی بورڈ کے ذریعے کردار کو کنٹرول کر سکتے ہیں، متن کے ذریعے حقیقی وقت میں موسم تبدیل کر سکتے ہیں یا عناصر شامل کر سکتے ہیں۔ یہ پہلی بار مقامی آڈیو اور تعاملی مکالمے کی معاونت کرتا ہے۔ Genie 4 میں Gemini خاندان کی صلاحیتیں شامل ہیں: Gemini استدلال اور منصوبہ بندی کرتا ہے، جبکہ Genie ماحول کو پیش کرتا ہے۔ اسے روبوٹ کی تربیت، فلمی پیش منظر سازی اور گیم کے پروٹوٹائپ سمیت مختلف کاموں کے لیے استعمال کیا جا سکتا ہے۔ فی الحال یہ تقریباً 2 منٹ تک کی سمیولیشن فراہم کرتا ہے اور تحقیقی پیش نظارہ کے ذریعے آزمائشی صارفین کے لیے دستیاب ہے۔

قابلِ دریافت دنیا کی حقیقی وقت میں تخلیق: متن کا ایک حصہ درج کرکے آزادانہ طور پر دریافت کی جانے والی مجازی دنیا بنائیں، جس کے لیے پہلے سے 3D منظر تیار کرنے کی ضرورت نہیں۔
کی بورڈ اور متن کے ذریعے حقیقی وقت میں کنٹرول: کی بورڈ سے کردار کی حرکت اور کیمرے کو کنٹرول کریں، اور دورانِ عمل کسی بھی وقت پرامپٹ درج کرکے موسم تبدیل کریں، کردار یا اشیا شامل کریں۔
مقامی آڈیو کی تخلیق: پہلی بار دنیا کے ساتھ ہم آہنگ ماحول کی آوازیں، موسیقی اور کرداروں کے مکالمے تخلیق کیے جا سکتے ہیں؛ یہ پہلا مقامی کثیرالوسائط Genie ماڈل ہے۔
تعامل پر مبنی کرداروں کے مکالمے: مجازی کردار صارف کے ان پٹ اور دنیا میں ہونے والے واقعات کے مطابق حقیقی وقت میں زبان اور ردِعمل تخلیق کر سکتے ہیں، اس لیے پہلے سے مقرر مکالموں پر انحصار نہیں رہتا۔
حقیقی طبیعیاتی تخروپن: تصادم، ایروڈائنامکس، کششِ ثقل جیسے طبیعیاتی قوانین کی نقالی کی جا سکتی ہے؛ کرداروں کی حرکات فطری ہوتی ہیں اور انہیں حقیقی وقت میں رہنمائی دی جا سکتی ہے۔
Gemini ایجنٹ کا مکمل چکر: Gemini 3.8 Flash حقیقی وقت میں رہنمائی کرنے والے ایجنٹ کے طور پر کام کرتا ہے، منظر کا مشاہدہ کرتا ہے، کام کے مراحل کو تقسیم کرتا ہے اور انجام دیے گئے نتائج کی تصدیق کرتا ہے، یوں تخروپن میں سبب و معلول کا تسلسل برقرار رہتا ہے۔
روبوٹ کی تربیت کا تخروپن: Gemini 4 Argon کے امتزاج سے روبوٹس کو مجازی دنیا میں پیچیدہ کاموں کی بار بار مشق کرائی جا سکتی ہے، پھر انہیں حقیقی دنیا میں منتقل کیا جا سکتا ہے۔
متعدد صنعتوں کے لیے پروٹوٹائپ ٹول: فلم کی پیشگی تیاری، گیم کے تصورات کی توثیق، تاریخی تصاویر کے مناظر کی ازسرِنو تعمیر، اور کاروباری صنعتی تخروپن جیسے "صفر سے ایک" منظرناموں کی تخلیق کی سہولت۔

ورلڈ ماڈل کا فن تعمیر: Genie 4 نے Genie سیریز کے ”ویڈیوز سے دنیا سیکھنے“ کے طریقۂ کار کو جاری رکھا ہے۔ یہ وسیع پیمانے پر موجود ویڈیو ڈیٹا سیکھ کر حرکات اور ماحول میں ہونے والی تبدیلیوں کے درمیان سببی تعلق کو سمجھتا ہے، اور صارف کے ہر اقدام کی بنیاد پر حقیقی وقت میں پیش گوئی کر کے اگلا منظر تخلیق کر سکتا ہے۔
Gemini Omni حسی بنیاد فراہم کرتا ہے: Gemini Omni تخروپن کے لیے حقیقی دنیا کی ظاہری شکل اور رویے سے متعلق پیشگی معلومات فراہم کرتا ہے، تاکہ تخلیق کردہ دنیا بصری معیار، اشیا کے رویے اور طبیعی اصولوں کے لحاظ سے حقیقت سے قریب رہے؛ یہ پورے تخروپن کی حسی بنیاد ہے۔
Gemini 3.8 Flash کا ایجنٹ لوپ: Gemini 3.8 Flash حقیقی وقت میں رہنمائی کرنے والے ایجنٹ کے طور پر کام کرتا ہے، تخلیق کردہ مناظر کا مسلسل مشاہدہ کرتا ہے، کام کو مراحل میں تقسیم کرتا ہے اور فریم بہ فریم جانچتا ہے کہ عمل کامیاب رہا یا نہیں۔ جب صارف مداخلت کرے یا ماحول تبدیل ہو، تو یہ فوراً منصوبہ ایڈجسٹ کرتا ہے اور طویل مدتی تخروپن میں سببی تسلسل برقرار رکھتا ہے۔
Gemini 4 Argon کی جانب سے کام کی تقسیم پر مبنی رینڈرنگ: تحقیقی تجربات میں Argon صارف کی ہدایات کو مسلسل مراحل میں تقسیم کر کے متنی ذیلی عنوانات کی صورت میں Genie 4 میں حقیقی وقت میں شامل کرتا ہے۔ چونکہ Genie 4 متن کے ذریعے حقیقی وقت میں رہنمائی کی حمایت کرتا ہے، اس لیے تخروپن کا عمل کام کی پیش رفت کے ساتھ متحرک طور پر خود کو ڈھال سکتا ہے، جس سے روبوٹ کی تربیت جیسے پیچیدہ منظرناموں کی راہ ہموار ہوتی ہے۔

انتظار کی فہرست میں شامل ہوں: Project Genie کی آفیشل ویب سائٹ پر جائیں، درخواست جمع کریں اور Genie 4 کی waitlist میں شامل ہوں۔
رسائی کی منظوری کا انتظار کریں: فی الحال تحقیقی پیش نظارہ صرف قابلِ اعتماد ٹیسٹرز کے لیے دستیاب ہے۔
Project Genie کھولیں: منظوری ملنے کے بعد Project Genie کے ذریعے Genie 4 کے تخلیقی انٹرفیس میں داخل ہوں۔
پرامپٹ کے ذریعے دنیا بنائیں: مطلوبہ منظر کو متن میں بیان کریں، Genie 4 حقیقی وقت میں ایک قابلِ 탐探索 ورچوئل دنیا تیار کرے گا۔
کی بورڈ اور کیمرہ کنٹرول: کردار کی نقل و حرکت اور کیمرے کے زاویے کو کنٹرول کرنے کے لیے معیاری کی بورڈ استعمال کریں اور دنیا میں آزادانہ探索 کریں۔
حقیقی وقت میں ہدایات کے ذریعے منظر تبدیل کریں: عمل کے دوران بھی متنی پرامپٹس درج کرتے رہیں، موسم کسی بھی وقت تبدیل کریں یا کردار اور اشیا شامل کریں۔ Gemini موجودہ منظر کو سمجھتے ہوئے آپ کی نیت کو خودکار طور پر شامل کر لے گا۔
کرداروں سے بات چیت کریں: ورچوئل کرداروں سے براہِ راست گفتگو کریں؛ کردار حقیقی وقت میں جوابات تیار کریں گے، جبکہ آواز ماڈل خود تیار کرے گا۔
ٹیسٹرز کے لیے جدید استعمال: ڈویلپرز Gemini API / AI Studio میں Genie 4 کو استعمال کر کے اسے گیم پروٹوٹائپس، فلم اور ٹی وی کی پیشگی تیاری، یا روبوٹ سمولیشن جیسے ورک فلو میں شامل کر سکتے ہیں۔

حقیقی وقت میں قابلِ تعامل: ”صرف دیکھے جانے والے AI ویڈیو“ سے آگے بڑھ کر ایک ایسی زندہ دنیا، جس میں داخل ہوا جا سکتا ہے اور جسے کسی بھی وقت دوبارہ لکھا جا سکتا ہے؛ ہر عمل دنیا کی ترقی پر اثر انداز ہونے والا ایک نیا متغیر بن جاتا ہے۔
فطری کثیر الوسائط صلاحیت: پہلا عالمی ماڈل جو منظر اور آڈیو بیک وقت تخلیق کرتا ہے، جہاں ماحولیاتی آوازیں، موسیقی، کرداروں کے مکالمے اور بصری مناظر حقیقی وقت میں ہم آہنگ رہتے ہیں۔
Gemini سے تقویت یافتہ استدلالی صلاحیت: بڑا زبان ماڈل منصوبہ بندی اور توثیق کی ذمہ داری سنبھالتا ہے، جبکہ Genie رینڈرنگ کرتا ہے، جس سے تخروپن میں قابلِ اعتماد سببی منطق اور متعدد مراحل پر مشتمل استدلال کی صلاحیت پیدا ہوتی ہے۔
اعلیٰ ترین حقیقت پسندی: Gemini Omni کے ظاہری اور رویّاتی پیشگی علم پر مبنی، بصری حقیقت پسندی، کرداروں کی حرکات کی فطری پن اور طبیعیاتی تخروپن کی درستگی اس سلسلے کی نئی بلند ترین سطح تک پہنچ گئی ہے۔
ذہین NPCs: کردار ماحول اور صارف کے ان پٹ کے مطابق زبان اور ردِعمل متحرک طور پر تخلیق کر سکتے ہیں، یوں روایتی کھیلوں کے پہلے سے طے شدہ مکالموں اور رویّاتی درختوں کی پابندیوں سے آزاد ہو جاتے ہیں۔

پروجیکٹ کی آفیشل ویب سائٹ: https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/

دنیا کی حقیقی وقت میں تشکیل کا سیمولیشن
ماحولیاتی پرامپٹ: انٹارکٹیکا کے وسیع و عریض منجمد منظرنامے کا ایک شاندار فضائی منظر، جس میں برف سے ڈھکے لامتناہی گلیشیئرز، نوکیلی برفیلی پہاڑی چوٹیاں اور تراشے ہوئے نیلے آئس برگ شامل ہیں، جو صاف، ہلکے نیلے آسمان تلے شفاف قطبی دھوپ میں نہا رہے ہیں۔ افق پر مختلف بلندیوں پر متعدد گرم ہوا کے غبارے دکھائی دے رہے ہیں، جبکہ کریمی، سرخ اور نیلی دھاریوں والا ایک بڑا غبارہ برفانی میدان کے اوپر درمیانی فاصلے پر نمایاں طور پر تیر رہا ہے۔
کردار کا پرامپٹ: اڑتے ہوئے گرم ہوا کے غبارے کی بُنی ہوئی بید کی ٹوکری کے اندر کھڑے شخص کے پہلے فرد کے نقطۂ نظر سے لیا گیا منظر، جس میں فریم کے دائیں جانب چمڑے سے مزین ٹوکری کے کنارے کے اوپر سے باہر کا نظارہ کیا جا رہا ہے۔ سیاہ گدّی دار سہارے کے کھمبے، دھاتی رسّیوں کی زنجیریں اور سر کے اوپر غبارے کے کپڑے کے نچلے حصے کا تاریک کنارہ، آہستہ آہستہ گزرتے ہوئے قطبی منظر کو فریم کرتے ہیں۔
ماحولیاتی پرامپٹ: ایک وسیع فضائی منظر، جس میں انٹارکٹیکا کا وسیع منجمد خطہ دکھائی دے، لامتناہی برف پوش گلیشیئرز، ناہموار برفیلی پہاڑی چوٹیاں اور مختلف شکلوں کے نیلے آئس برگ صاف قطبی دھوپ میں چمک رہے ہوں، جبکہ آسمان صاف اور ہلکے نیلے رنگ کا ہو۔ متعدد گرم ہوا کے غبارے مختلف بلندیوں پر افق کو سجا رہے ہوں، اور کریمی، سرخ اور نیلی دھاریوں والا ایک بڑا گرم ہوا کا غبارہ برفانی میدان کے اوپر درمیانی فاصلے پر نمایاں طور پر تیر رہا ہو۔
کردار کا پرامپٹ: پہلے فرد کے نقطۂ نظر سے فلمایا گیا منظر، جس میں اڑتے ہوئے گرم ہوا کے غبارے کی بُنی ہوئی بید کی ٹوکری کے اندر کھڑے ہو کر باہر دیکھا جا رہا ہو۔ فریم کے دائیں جانب چمڑے سے مزین ٹوکری کے کنارے کے اوپر سے باہر کا نظارہ ہو، جبکہ سیاہ گدّی دار سہارے کے کھمبے، دھاتی رسّیوں کی زنجیریں اور سر کے اوپر غبارے کے نچلے حصے کا تاریک کنارہ سامنے کے آہستہ آہستہ گزرتے قطبی منظر کو فریم کر رہے ہوں۔
پیچیدہ واقعات کا سیمولیشن
پرامپٹ: ایک تاج دار سارس صاف شفاف شام کے تدریجی آسمان تلے برف پر چل رہا ہے۔ قدرتی رنگ، دستاویزی انداز۔
پرامپٹ: ایک تاج دار سارس صاف شفاف شام کے تدریجی آسمان تلے برف پر چل رہا ہے۔ قدرتی رنگ، دستاویزی انداز۔

فلم اور ٹی وی کی پیشگی تیاری (Pre-vis): ہدایت کار متن کے ذریعے قابلِ داخلہ ورچوئل مناظر تیار کر سکتے ہیں، کیمرہ، روشنی، مکالموں اور حرکات کو حقیقی وقت میں ایڈجسٹ کر سکتے ہیں، اور سیٹ بنانے یا پیشگی ریہرسل کے بغیر فلم بندی کے متعدد منصوبے تیزی سے آزما سکتے ہیں۔
گیم پروٹوٹائپ کی تیاری: ڈویلپرز پرامپٹس کے ذریعے چند سیکنڈ میں قابلِ دریافت گیم ماحول تخلیق کر سکتے ہیں، فنّی انداز، مواد کے اظہار اور تعاملی گیم پلے کی جانچ کر سکتے ہیں، پھر فیصلہ کر سکتے ہیں کہ باقاعدہ تیاری میں سرمایہ کاری کی جائے یا نہیں۔
خبریں اور تاریخی تعلیم: فوٹو جرنلسٹ دو بُعدی تاریخی تصاویر کو قابلِ دریافت متحرک مناظر میں تبدیل کر سکتے ہیں، یا سیلاب اور جنگلات کی آگ جیسے واقعات کے ارتقائی مراحل کی نقالی کر سکتے ہیں، جس سے رپورٹنگ اور تدریس زیادہ عمیق ہو جاتی ہے۔
روبوٹ کی تربیت کی نقالی: انسان نما روبوٹ ورچوئل دنیا میں پیچیدہ کاموں کی بار بار مشق کرتے ہیں۔ Gemini مراحل کو تقسیم کرنے کی ذمہ داری سنبھالتا ہے، جبکہ Genie 4 ماحول کی نقالی کرتا ہے، جس سے لاگت اور خطرات کم ہوتے ہیں۔
کارپوریٹ صنعتی نقالی: ادارے 0-1 طریقے سے پیچیدہ مناظر تیزی سے تیار کر سکتے ہیں، جنہیں صنعتی نقالی، ماحولیاتی جانچ اور عمل کی توثیق کے لیے استعمال کیا جا سکتا ہے، یوں حقیقی تجربات کے وقت اور لاگت میں کمی آتی ہے۔