Google ने AI को दिया इंसानी चेहरा! Gemini Live Avatar करेगा आपसे आमने-सामने बात, 97 भाषाओं का सपोर्ट

AI की दुनिया में Google ने एक बड़ा कदम उठाते हुए अपने रियल-टाइम वॉयस मॉडल का नया वर्जन Gemini 3.8 Live with Live Avatar लॉन्च किया है। इस नए फीचर की खास बात यह है कि अब AI सिर्फ आपकी आवाज सुनकर जवाब नहीं देगा, बल्कि एक डिजिटल इंसानी चेहरे के साथ आपके सामने बातचीत करता हुआ नजर आएगा।

यानी AI से बात करते समय आपको सिर्फ आवाज सुनाई नहीं देगी, बल्कि स्क्रीन पर मौजूद डिजिटल अवतार आपके साथ बातचीत करते हुए चेहरे के हाव-भाव भी दिखाएगा। Google के मुताबिक, यह सिस्टम आवाज और वीडियो दोनों इनपुट को रियल टाइम में प्रोसेस कर सकता है और उसी के आधार पर प्रतिक्रिया दे सकता है।

AI आपकी बात सुनेगा भी और आपको देखेगा भी

Gemini Live Avatar को इस तरह तैयार किया गया है कि यह ऑडियो और विजुअल इनपुट को एक साथ समझ सके। अगर यूजर कैमरा ऑन करके इससे बातचीत करता है, तो AI सामने मौजूद व्यक्ति या किसी वस्तु को देखकर उसके बारे में प्रतिक्रिया दे सकता है।

इसकी एक खासियत इसका नेचुरल इंटरैक्शन है। Google का दावा है कि डिजिटल अवतार बातचीत के दौरान चेहरे के हाव-भाव दिखाएंगे और उनके होंठों की मूवमेंट बोले जा रहे शब्दों के साथ सिंक रहेगी। इससे AI के साथ बातचीत पहले की तुलना में ज्यादा आमने-सामने और इंसानी जैसी महसूस हो सकती है।

इतना ही नहीं, बातचीत के दौरान अगर यूजर AI को कोई जानकारी चेक करने या कोई दूसरा टास्क पूरा करने के लिए कहता है, तो मॉडल उस काम को बैकग्राउंड में प्रोसेस कर सकता है। यानी बातचीत को पूरी तरह रोकने की जरूरत नहीं होगी।

बिजनेस और कस्टमर सर्विस में हो सकता है इस्तेमाल

Google ने इस टेक्नोलॉजी को खास तौर पर Enterprise और Business users को ध्यान में रखकर पेश किया है। कंपनियां इसका इस्तेमाल कस्टमर सपोर्ट, वर्चुअल असिस्टेंट और इंटरैक्टिव प्रोडक्ट डेमो में कर सकती हैं।

उदाहरण के तौर पर, कोई कंपनी अपने ग्राहकों के लिए ऐसा डिजिटल असिस्टेंट तैयार कर सकती है जो ग्राहक की बात सुनने के साथ-साथ कैमरे से सामने मौजूद चीज को देखे और उसके बारे में तुरंत जानकारी दे।

इसी तरह किसी सॉफ्टवेयर, प्रोडक्ट या सर्विस का लाइव वॉकथ्रू भी डिजिटल अवतार के जरिए कराया जा सकता है। इससे ग्राहक सिर्फ टेक्स्ट पढ़ने के बजाय एक वर्चुअल असिस्टेंट से सीधे बातचीत कर सकेगा।

Google के मुताबिक, Gemini 3.8 Live with Live Avatar को Gemini Enterprise के जरिए बिजनेस यूजर्स के लिए उपलब्ध कराया गया है।

97 भाषाओं में बातचीत का दावा

इस नए AI फीचर की एक और खासियत इसका मल्टी-लिंगुअल सपोर्ट है। Google के अनुसार, Live Avatar 97 अलग-अलग भाषाओं में बातचीत कर सकता है।

खास बात यह है कि भाषा बदलने के साथ सिर्फ आवाज ही नहीं बदलेगी, बल्कि अवतार के होंठों की मूवमेंट और चेहरे के एक्सप्रेशन भी उसी भाषा में बातचीत के हिसाब से बदल सकते हैं।

इसका मतलब है कि अलग-अलग भाषाओं में बातचीत करने वाले यूजर्स के लिए भी AI का इंटरैक्शन ज्यादा नेचुरल बनाने की कोशिश की गई है।

कंपनियां बना सकेंगी अपना डिजिटल अवतार

Google बिजनेस यूजर्स को पहले से तैयार किए गए कई अलग-अलग चेहरे और आवाज वाले डिजिटल अवतारों में से चुनाव करने की सुविधा भी दे रहा है।

इसके अलावा कंपनियां अपनी जरूरत के हिसाब से कस्टम अवतार भी तैयार कर सकती हैं। Google के मुताबिक, सिर्फ एक हाई-क्वालिटी फोटो की मदद से किसी कंपनी या ब्रांड के लिए कस्टम एनिमेटेड अवतार बनाया जा सकता है।

हालांकि, कस्टम अवतार बनाने की सुविधा अभी सभी यूजर्स के लिए उपलब्ध नहीं है। फिलहाल इसे चुनिंदा Enterprise कंपनियों के लिए allowlisting के जरिए उपलब्ध कराया गया है। यानी सामान्य यूजर्स को इस सुविधा के लिए अभी इंतजार करना होगा।

AI Deepfake से निपटने के लिए SynthID

AI से बनने वाले नकली वीडियो और ऑडियो को लेकर लगातार सवाल उठते रहे हैं। इसी वजह से Google ने Live Avatar के साथ कंटेंट की पहचान के लिए SynthID डिजिटल वॉटरमार्क का इस्तेमाल किया है।

Google के अनुसार, मॉडल द्वारा तैयार किए गए ऑडियो और वीडियो में यह वॉटरमार्क शामिल रहेगा। यह इंसानी आंखों और कानों से सीधे दिखाई या सुनाई नहीं देता, लेकिन AI आधारित डिटेक्शन सिस्टम इसकी पहचान कर सकता है।

खास बात यह बताई गई है कि अगर AI से बनाए गए वीडियो या ऑडियो को एडिट, ट्रिम या कंप्रेस किया जाए, तब भी SynthID वॉटरमार्क को बनाए रखने के लिए सिस्टम तैयार किया गया है।

इसका उद्देश्य AI से तैयार किए गए कंटेंट की पहचान आसान बनाना और भविष्य में AI-generated वीडियो तथा ऑडियो के गलत इस्तेमाल से जुड़ी चुनौतियों से निपटने में मदद करना है।

कुल मिलाकर, Gemini Live Avatar के जरिए Google ने AI चैट को सिर्फ आवाज और टेक्स्ट तक सीमित रखने के बजाय उसे एक विजुअल और इंटरैक्टिव रूप देने की कोशिश की है। अब AI से बातचीत सिर्फ सुनने या पढ़ने का अनुभव नहीं, बल्कि डिजिटल चेहरे के साथ आमने-सामने बातचीत जैसा अनुभव देने की दिशा में आगे बढ़ रही है।