गूगल ने आर्टिफिशियल इंटेलिजेंस के साथ वीडियो एडिटिंग टूल 'वीडियो रीमिक्स' लॉन्च किया

गूगल फोटोज ने आर्टिफिशियल इंटेलिजेंस पर आधारित एक नई वीडियो संपादन क्षमता पेश की है, जिसे वीडियो रीमिक्स कहा जाता है। यह टूल विभिन्न पूर्व-कॉन्फ़िगर किए गए प्रभावों का उपयोग करके छोटे क्लिप को बदलने की अनुमति देता है, जिससे पृष्ठभूमि और दृश्यों की रोशनी को बदला जा सकता है।

उपलब्धता और टूल की संरचना

यह सुविधा जेमिनी ओमनी मॉडल का उपयोग करती है और इसे विशिष्ट क्षेत्रों में गूगल एआई प्लस, प्रो और अल्ट्रा प्लान के ग्राहकों के लिए उपलब्ध कराया जा रहा है, जिसमें ब्राजील भी शामिल है। यह जोड़ गूगल फोटोज की एआई के साथ एक व्यापक रणनीति का हिस्सा है, जो कैपकट जैसे अन्य अनुप्रयोगों में सामान्य वीडियो संपादन कार्यक्षमताओं को शामिल करता है।

वीडियो रीमिक्स प्रकाश, पृष्ठभूमि या शैली जैसे दृश्य पहलुओं में समायोजन प्रदान करता है, जो ऐप के भीतर तैयार परिभाषाओं के माध्यम से होता है। हालांकि, इस कार्यक्षमता में कुछ सीमाएं हैं: यह केवल 60 सेकंड तक के वीडियो के साथ काम करता है, जिसके लिए उपयोगकर्ता को संपादन के लिए 1 से 10 सेकंड का एक खंड चुनना होगा। इसके अलावा, फ़ाइलों का गूगल फोटोज में बैकअप पूरा होना चाहिए और प्रोसेसिंग के लिए इंटरनेट कनेक्शन की आवश्यकता होती है, क्योंकि यह क्लाउड में होता है। गूगल वर्कस्पेस और स्कूल खातों को इस टूल तक पहुंच से बाहर रखा गया है।

वीडियो रीमिक्स का उपयोग कैसे करें

संपादन प्रक्रिया सरल है और गूगल फोटोज के 'क्रिएट' टैब के माध्यम से सुलभ है, जहां कंपनी अपने एआई संपादन टूल को केंद्रित करती है। शुरू करने के लिए, उपयोगकर्ता को एक टेम्पलेट चुनना होगा, गूगल फोटोज में पहले से बैकअप लिया गया एक वीडियो चुनना होगा और फिर उस हिस्से को निर्दिष्ट करना होगा जिसे संशोधित किया जाना है।

तीन मुख्य संपादन श्रेणियां उपलब्ध हैं। रीइमैजिन विकल्प वीडियो के मूल परिदृश्य को एआई द्वारा बनाए गए वातावरण, जैसे कैफे या सूर्यास्त के समुद्र तट से बदलने की अनुमति देता है। फिल्टर का उपयोग दृश्य की रोशनी को संशोधित करने के लिए किया जाता है, जिससे सॉफ्ट ग्लो या 'गोल्डन आवर' जैसे प्रभाव का अनुकरण होता है। इसके अतिरिक्त, कलात्मक शैलियाँ क्लिप की सौंदर्यशास्त्र को नाटकीय रूप से बदल देती हैं, जिसमें वॉटरकलर, ऑयल पेंटिंग, एनीमे और नोटबुक स्केच से प्रेरित विकल्प होते हैं। यह ध्यान रखना महत्वपूर्ण है कि इस सुविधा में कस्टम कमांड (प्रॉम्प्ट) दर्ज करना संभव नहीं है; इसके लिए उपयोगकर्ता को सीधे जेमिनी ऐप में 'वीडियो बनाएं' विकल्प का उपयोग करना होगा। यह टूल 9:16 या 16:9 अनुपात का समर्थन करता है, और अन्य प्रारूपों में रिकॉर्डिंग को ऐप द्वारा स्वचालित रूप से केंद्रित और क्रॉप किया जा सकता है। गूगल द्वारा उत्पन्न या संपादित सभी सामग्री पर सिंथआईडी नामक एक डिजिटल वॉटरमार्क लगा होता है।

जेमिनी ओमनी के बारे में विवरण

जेमिनी ओमनी गूगल द्वारा विकसित जेनरेटिव एआई मॉडलों का एक सेट है, जिसका ध्यान वीडियो बनाने और हेरफेर करने पर है। इस मॉडल को कई प्रकार के इनपुट डेटा — जिसमें ऑडियो, छवि, पाठ और वीडियो शामिल हैं — को एकीकृत करने के लिए डिज़ाइन किया गया है ताकि इन संदर्भों के आधार पर नए क्लिप बनाए जा सकें। इसका उद्देश्य दृश्य के संदर्भ को समझना है ताकि पृष्ठभूमि बदलने, दृश्य शैली बदलने या तस्वीरों को एनिमेट करने जैसे अधिक सहज संपादन संभव हो सकें।

निर्माता और संपादक अब यह जानने का एक नया तरीका प्राप्त करेंगे कि उपयोगकर्ता गूगल सर्च इंजन के माध्यम से उनकी सामग्री कैसे ढूंढते हैं। कंपनी ने सर्च कंसोल में एक सुविधा लागू की है जो यह प्रकट करती है कि कौन से विशिष्ट खोज क्वेरी उपयोगकर्ताओं को इंस्टाग्राम, टिकटॉक, एक्स और यूट्यूब जैसे सोशल मीडिया प्रोफाइल पर लाती हैं।

'प्लेटफ़ॉर्म प्रॉपर्टीज़' सुविधा

इस नए टूल, जिसे 'प्लेटफ़ॉर्म प्रॉपर्टीज़' कहा जाता है, को गूगल सर्च कंसोल में एकीकृत किया जाएगा। यह सोशल मीडिया पेजों पर उपयोगकर्ताओं को निर्देशित करने वाले कीवर्ड को ट्रैक करने की अनुमति देगा। इस डेटा के आधार पर, लेखक उन विषयों की पहचान कर सकेंगे जो सबसे अधिक रुचि पैदा करते हैं और समझ सकेंगे कि कौन सी खोजें उनके डिजिटल चैनलों पर दर्शकों को आकर्षित करने में मदद करती हैं। इसका उद्देश्य विभिन्न उपस्थिति बिंदुओं से जानकारी को एक ही स्थान पर लाना है।

विश्लेषित प्लेटफ़ॉर्म और लक्ष्य

विश्लेषण किए जा सकने वाले प्लेटफ़ॉर्मों में इंस्टाग्राम, टिकटॉक, एक्स, यूट्यूब शामिल हैं, साथ ही रचनाकारों की डिजिटल उपस्थिति से संबंधित अन्य सामग्री भी शामिल है। यह पहल कंपनी के खोज को ऑनलाइन उपस्थिति की निगरानी के लिए केंद्रीय केंद्र बनाने के प्रयासों का हिस्सा है। पहले, जून में, गूगल ने बड़े लेखकों और संपादकों को अन्य नेटवर्क के लिंक के साथ अपने प्रोफाइल को खोज में पंजीकृत करने और टिकटॉक और इंस्टाग्राम से वीडियो को हाइलाइट करने की अनुमति दी थी।

रचनाकारों के लिए क्षमताओं का विस्तार

अब यह नया संसाधन इस बारे में जानकारी जोड़ता है कि दर्शक इन प्रकाशनों को कैसे खोजते हैं। यह टूल उन विशेषज्ञों के लिए भी उपयोगी है जो कई डिजिटल चैनलों के साथ काम करते हैं, यहां तक कि जिनके पास अपनी वेबसाइट नहीं है। गूगल ने इस बात पर जोर दिया कि 'सामग्री निर्माता और संपादक अपने दर्शकों तक पहुंचने के लिए अपनी वेबसाइटों के अलावा विभिन्न चैनलों का उपयोग करते हैं।'

नए टूल की उपलब्धता

कंपनी के अनुसार, विभिन्न प्रकार की सामग्री की खोज कैसे की जाती है, इसकी समझ वीडियो, राय और विभिन्न सेवाओं पर प्रकाशित सामग्री से संबंधित खोज प्रश्नों की वृद्धि के मद्देनजर विशेष रूप से महत्वपूर्ण हो गई है। गूगल ने आधिकारिक बयान में समझाया कि 'जैसे-जैसे लोग मूल स्रोतों और विभिन्न प्रारूपों की तलाश करते हैं, हम वेबसाइट मालिकों और रचनाकारों - जिनमें वे हैं जिनके पास अपनी वेबसाइट नहीं है - के लिए यह समझने में आसानी करना चाहते हैं कि उनकी सभी सामग्री खोज में कैसे खोजी जाती है।' प्लेटफ़ॉर्म प्रॉपर्टीज़ सुविधा अगले कुछ हफ्तों में धीरे-धीरे उपलब्ध होगी, जिससे लेखकों और संपादकों को यह बेहतर ढंग से नियंत्रित करने की अनुमति मिलेगी कि उनके प्रकाशन जनता तक कैसे पहुंचते हैं।

वर्ष 2026 की पहली छमाही कृत्रिम बुद्धिमत्ता के लिए एक परिवर्तन का दौर साबित हुई जो छवियों और वीडियो को उत्पन्न करती है। वैश्विक और चीनी डेवलपर्स दोनों ने बड़े रिलीज़ पेश किए, जिससे प्रतिस्पर्धात्मक माहौल बदल गया। उद्योग सामग्री बनाने से हटकर कार्यप्रवाहों के लिए व्यापक समाधान विकसित करने की ओर बढ़ गया, जिसका उदाहरण बाइटडांस का सीडेंस 2.0 मॉडल और मिडजर्नी का एनिमे के लिए विशेष मॉडल है।

जनवरी: बाजार के नेताओं से नई क्षमताएं

जनवरी में मिडजर्नी निजी 7 का लॉन्च हुआ, जिसने एनीमे शैली की विस्तृतता और संगति में सुधार किया, हालांकि पाठ रेंडरिंग अभी भी एक कमजोर पक्ष बना रहा। गूगल ने वीओ 3.1 को 'इंग्रेडिएंट्स टू वीडियो' सुविधा के साथ अपडेट किया, जो वस्तुओं, बनावटों, पृष्ठभूमि और पात्रों को नियंत्रित करने के लिए संदर्भ छवियों का उपयोग करने की अनुमति देता है, साथ ही 4K तक देशी ऊर्ध्वाधर आउटपुट का समर्थन करता है। ज़िपू एआई ने जीएलएम-इमेज का ओपन-सोर्स कोड जारी किया - 16 बिलियन पैरामीटर वाला एक हाइब्रिड आर्किटेक्चर जो टेक्स्ट रेंडरिंग की गुणवत्ता में सुधार के लिए 9बी और 7बी के ऑटोरेग्रेसिव और डिफ्यूजन घटकों को जोड़ता है। इसके अलावा, लूमा एआई ने रे 3.14 जारी किया, जो चार गुना जनरेशन त्वरण और तीन गुना लागत में कमी के साथ 1080पी में देशी आउटपुट प्रदान करता है। टेंसेंट ने इंस्ट्रक्ट और डिस्टिल संस्करणों में हुन्यानइमेज-3.0 प्रस्तुत किया; डिस्टिल संस्करण सैंपलिंग चरणों को कम करके अधिक कुशल परिनियोजन के लिए अनुकूलित है, हालांकि इसके लिए महत्वपूर्ण मेमोरी की आवश्यकता होती है।

फरवरी: चीनी डेवलपर्स का प्रभुत्व

फरवरी में चीनी कंपनियों की सक्रियता देखी गई। क्वैशौ ने क्लिंग एआई 3.0 लॉन्च किया, जो 2के और 4के रिज़ॉल्यूशन में छवि निर्माण का समर्थन करता है, साथ ही वीडियो में कथा नियंत्रण और देशी ऑडियो के साथ मल्टीफ्रेम संगति में सुधार करता है। अलीबाबा ने क्यूवेन-इमेज-2.0 प्रस्तुत किया, जो 1000 टोकन तक निर्देशों को संसाधित करने में सक्षम है, जो इन्फोग्राफिक्स, पोस्टरों और प्रस्तुतियों जैसी पाठ-सघन सामग्री बनाने पर केंद्रित है, जिसमें मजबूत बहुभाषी पाठ रेंडरिंग है। बाइटडांस की सीड टीम ने सीडेंस 2.0 प्रस्तुत किया - ऑडियो-वीडियो जनरेशन के लिए एक एकीकृत मल्टीमॉडल आर्किटेक्चर जो टेक्स्ट, छवि, ऑडियो और वीडियो इनपुट लेता है, 15 सेकंड तक की अवधि वाले मल्टीफ्रेम ऑडियोविज़ुअल कंटेंट बनाने के लिए 9 संदर्भ छवियों, 3 वीडियो क्लिप और 3 ऑडियो क्लिप का उपयोग करता है। इस मॉडल ने सिनेमाई भाषा और गति भौतिकी के क्षेत्र में उत्कृष्ट क्षमता प्रदर्शित की, हालांकि इसने तुरंत कॉपीराइट और बौद्धिक संपदा के संबंध में चर्चाएँ शुरू कर दीं।

मार्च-जून: विकास और रुझान जारी

मार्च से जून की अवधि प्रौद्योगिकी के आगे के विकास की विशेषता थी। बाइटडांस ने सीड्रीम 5.0 लाइट जारी किया, जिसने वास्तविक समय खोज के माध्यम से सुधार सहित पीढ़ी की सटीकता बढ़ाने के लिए गहन विचार पर ध्यान केंद्रित किया। गूगल ने नैनो बनाना 2 प्रस्तुत किया, इसे प्रो संस्करण का एक तेज़ और अधिक किफायती विकल्प बताते हुए। कुनलुन के स्काईरील्स-वी4 मॉडल ने ऑडियो को छोड़कर टेक्स्ट-टू-वीडियो कार्यों में वैश्विक रैंकिंग में दूसरा स्थान हासिल किया। बाइटडांस ने सीडेंस आरएल भी प्रस्तुत किया, जो कार्रवाई की गुणवत्ता में सुधार के लिए सुदृढीकरण शिक्षण का उपयोग करने वाला एक तर्क तत्वों वाला वीडियो मॉडल है। शियाओमी ने एआई कॉमिक्स बनाने के लिए मियाओमी लॉन्च किया। एंथ्रोपिक ने क्लॉड मिथोस 5 के साथ सिनेमाई जनरेशन की प्रभावशाली क्षमताओं का प्रदर्शन किया, जो दृश्यों के बीच चरित्र स्थिरता सुनिश्चित करता है। क्लिंग एआई ने अपना एपीआई मार्केटप्लेस खोला। अलीबाबा क्लाउड ने हैप्पी हॉर्स 1.1 जारी किया, जिसका लक्ष्य छोटी नाटकीय कहानियों और विज्ञापनों के लिए उपयुक्त गुणवत्ता है। कुल मिलाकर, उद्योग ने एक स्पष्ट प्रवृत्ति दिखाई: मॉडल स्वायत्त जनरेशन उपकरणों से एकीकृत कार्यप्रवाह प्लेटफार्मों में बदल रहे हैं जो सामग्री उत्पादन के हर चरण में मल्टी-संदर्भ इनपुट, देशी ध्वनि और सटीक गति नियंत्रण का समर्थन करते हैं।