जेमिनी एप्पल कारप्ले पर उपलब्ध है, ड्राइविंग के दौरान एआई के साथ आवाज बातचीत की अनुमति देता है

गूगल ने घोषणा की है कि जेमिनी अब पीडीएफ, प्रस्तुतियों (स्लाइड्स), स्प्रेडशीट, प्रोग्रामिंग कोड और दस्तावेज़ों सहित विभिन्न प्रकार की फ़ाइलों को संपादित करने की क्षमता रखता है, यह सब उसके अपने इंटरफ़ेस के भीतर, बाहरी संपादक सॉफ़्टवेयर की आवश्यकता को समाप्त करता है।

यह सुविधा सेवा के सभी उपयोगकर्ताओं के लिए उपलब्ध कराई जा रही है। हालांकि जेमिनी पहले से ही टेक्स्ट दस्तावेज़ों और स्प्रेडशीट जैसी सामग्री के साथ काम करने की अनुमति देता था, गूगल की घोषणा इस बात पर एक महत्वपूर्ण प्रगति को संदर्भित करती है कि टूल विभिन्न प्रारूपों में फ़ाइलों को कैसे संभालता है।

पहले, जेमिनी द्वारा बनाए गए पाठ के एक अंश को संशोधित करने के लिए, परिवर्तन करने के लिए एक विशिष्ट निर्देश (प्रॉम्प्ट) प्रदान करना आवश्यक था। इस अपडेट के साथ, उपयोगकर्ता सेवा के इंटरफ़ेस में सीधे संशोधन कर सकता है, जिससे ऐसा लगता है जैसे जेमिनी स्वयं एक टेक्स्ट एडिटर के रूप में कार्य कर रहा है।

यह सुधार एक फ़ाइल को टूल के साथ इंटरैक्शन स्क्रीन के माध्यम से पूरी तरह से उत्पन्न, देखा या संपादित करने की अनुमति देता है। हालांकि, गूगल इस बात पर जोर देता है कि प्रयोज्यता उपयोग किए गए डिवाइस के अनुसार भिन्न होती है: पीडीएफ का सीधा देखना और संपादन वेब संस्करण और जेमिनी के मोबाइल एप्लिकेशन दोनों में समर्थित है।

अन्य प्रारूप, जैसे गूगल डॉक्स, गूगल शीट्स, स्लाइड, मार्कडाउन, टीएक्सटी और प्रोग्रामिंग कोड, वर्तमान में केवल वेब संस्करण में उपलब्ध हैं। गूगल के अनुसार, यह नई सुविधा विश्व स्तर पर और उन सभी भाषाओं में लॉन्च की जा रही है जहां सेवा संचालित होती है।

यह ध्यान रखना महत्वपूर्ण है कि इन फ़ाइलों को देखना और संपादित करना जेमिनी के मुफ्त उपयोगकर्ताओं और उन लोगों दोनों के लिए सुलभ है जो गूगल एआई के सशुल्क प्लान का उपयोग करते हैं, जो ब्राजील में गूगल एआई प्लस के नाम से मासिक आर$ 24.99 से शुरू होते हैं।

आर्टिफिशियल इंटेलिजेंस (AI) की आधुनिक प्रणालियाँ केवल प्रश्नों का उत्तर देने से परे जाकर जटिल कार्य करने में सक्षम हैं। एक उदाहरण दिया गया है जहाँ AI 80,000 फ़ाइलों को संसाधित करता है और ग्राफ़, छवियों और स्पष्ट कथा के साथ एक प्रस्तुति उत्पन्न करता है, या रेंडरिंग के लिए विशेष सॉफ़्टवेयर का उपयोग किए बिना कोड की मदद से एक विस्तृत 3डी दृश्य बनाता है।

TechSparks 2026 कार्यक्रम में, गूगल क्लाउड में डिजिटल मूलनिवासियों, स्टार्टअप्स और आईटी कंपनियों के लिए AI ग्राहक इंजीनियरिंग विभाग के प्रमुख राजेश शिवाणी ने प्रस्तुत किया कि जेमिनी का उपयोग वॉयस AI, स्वायत्त एजेंटों और सॉफ्टवेयर विकास के क्षेत्र में कैसे किया जाता है।

उनके मास्टरक्लास का विषय यह था कि व्यवसाय प्रतिक्रियाएँ प्राप्त करने के लिए AI का उपयोग करने से हटकर उसे कार्य सौंपने तक कैसे बढ़ सकते हैं। शुरू में, AI उपकरण चैट इंटरफेस के माध्यम से लोकप्रिय हुए जो सवालों के जवाब देते थे। अगला चरण एजेंट AI है, जो सिस्टम को कार्यों की योजना बनाने, जानकारी तक पहुंचने और उपयोगकर्ता की ओर से कार्रवाई करने के लिए उपकरणों का उपयोग करने की अनुमति देता है।

राजेश ने समझाया कि 'एजेंट अब केवल मॉडल प्लस फ्रेमवर्क है', जिसमें मॉडल के आसपास के बुनियादी ढांचे का वर्णन किया गया है जो मेमोरी, संदर्भ, अनुमतियों और कार्यों के निष्पादन का प्रबंधन करता है। उपयोगी एजेंट बनाने के लिए चार घटकों की आवश्यकता होती है: लक्ष्य, स्पष्ट निर्देश, प्रासंगिक ज्ञान और इन ज्ञानों को लागू करने के लिए उपकरण। आंतरिक कंपनी डेटा विशेष रूप से महत्वपूर्ण है, क्योंकि सामान्य-उद्देश्य वाले मॉडलों के पास इस कंपनी की विशिष्ट प्रक्रियाओं या ग्राहकों की जानकारी तक पहुंच नहीं हो सकती है।

शिवाणी ने गूगल के ओपन नॉलेज फॉर्मेट (Open Knowledge Format, OKF) के बारे में भी बताया, जिसका उद्देश्य संगठनों को जानकारी को AI एजेंटों के लिए सुलभ बनाने का एक संरचित तरीका प्रदान करना है।

प्रमुख प्रदर्शन उदाहरणों में से एक वॉयस AI का उपयोग था। सिंगापुर की कंपनी Grab के लिए विकसित एक प्रणाली यात्रियों और ड्राइवरों को हवाई अड्डे पर मुलाकातों का समन्वय करने में मदद करती थी, जिससे भाषा की बाधाएं दूर होती थीं। इस प्रदर्शन ने दिखाया कि वॉयस AI 85 से अधिक भाषाओं में बातचीत का समर्थन कैसे कर सकता है।

एक अन्य उदाहरण ने AI की वीडियो को अंग्रेजी से मराठी और मलयालम में आवाज देने की क्षमता का प्रदर्शन किया, साथ ही होंठों और चेहरे के भावों को सिंक्रनाइज़ भी किया। ऐसी सुविधाएँ कंपनियों को कम उत्पादन चरणों के साथ बहुभाषी शिक्षण सामग्री, मार्केटिंग वीडियो और ग्राहक संचार में मदद कर सकती हैं।

राजेश शिवाणी ने इस बात पर जोर दिया कि 'आवाज़ नया यूजर इंटरफ़ेस बन रही है', जो ग्राहकों और कर्मचारियों के लिए वॉयस इंटरैक्शन के बढ़ते महत्व की ओर इशारा करता है।

उन्होंने सिटिजनबैंक के खुदरा बैंकिंग के लिए बनाए गए एक वर्चुअल बैंकिंग सहायक का भी प्रदर्शन किया। प्रदर्शन के दौरान, AI अवतार ने सावधि जमा को चुकाने के विकल्पों की व्याख्या की और ग्राहक द्वारा 12 महीने की अवधि चुनने के बाद नवीनीकरण किया।

वॉयस सुविधाओं के अलावा, शिवाणी ने कोडिंग और साइबर सुरक्षा के लिए गूगल के उपकरणों पर प्रकाश डाला। एंटीग्रेविटी टूल डेवलपर्स को एप्लिकेशन बनाने में मदद करता है, और कोडमेंडर कोड में कमजोरियों का पता लगा सकता है, सुधार उत्पन्न कर सकता है और उन्हें सैंडबॉक्स में परीक्षण कर सकता है।

एक प्रदर्शन में, जेमिनी ने NASA के खुले संग्रह से 80,000 फ़ाइलों का विश्लेषण किया, जिसमें मंगल ग्रह पर मौसम और हेलीकॉप्टरों की टेलीमेट्री डेटा शामिल था, और प्रदान किए गए टेम्पलेट और डिज़ाइन दिशानिर्देशों का उपयोग करके एक प्रस्तुति तैयार की।

एक अन्य प्रदर्शन ने दिखाया कि कैसे मॉडल ने रेंडरिंग के लिए विशेष सॉफ़्टवेयर या बाहरी संसाधनों की आवश्यकता के बिना, पायथन और NumPy का उपयोग करके 3डी पुस्तकालय का विस्तृत दृश्य उत्पन्न किया।

कंपनियों के लिए जो AI कार्यान्वयन की लागत पर विचार कर रही हैं, शिवाणी ने उल्लेख किया कि सबसे शक्तिशाली मॉडल हमेशा आवश्यक नहीं होता है। उन्होंने समझाया कि 'हर चीज के लिए अत्याधुनिक मॉडल रखने की ज़रूरत नहीं है', क्योंकि सरल कार्यों को तेज़ और कम लागत वाले मॉडल द्वारा किया जा सकता है।

जैसे-जैसे एजेंट अधिक काम संभालते हैं, व्यवसायों को अनुमतियों, सुरक्षा, खर्च और स्वचालित गतिविधियों के प्रबंधन के तरीकों पर पुनर्विचार करने की आवश्यकता होगी। शिवाणी ने संगठनों से भविष्य के बारे में सोचने का आग्रह किया जहां उनकी प्रणालियों के साथ केवल मनुष्यों के बजाय एजेंटों के साथ इंटरैक्ट किया जाएगा। उन्होंने अनुमान लगाया कि डेवलपर्स हर कदम को स्वयं करने के बजाय एजेंट प्रबंधकों के रूप में अधिक बार कार्य कर पाएंगे।

मुख्य कार्य अब केवल एक सक्षम AI मॉडल का चयन करना नहीं है, बल्कि एजेंटों को आवश्यक ज्ञान और उपकरण प्रदान करना है, साथ ही यह सुनिश्चित करना है कि वे सुरक्षित और विश्वसनीय तरीके से कार्य करें।

जनरल मोटर्स ने बुधवार (28) को ब्राजील में गूगल सिस्टम से लैस शेवरले वाहनों के लिए गूगल द्वारा विकसित आर्टिफिशियल इंटेलिजेंस असिस्टेंट जेमिनी की धीरे-धीरे उपलब्धता शुरू की।

शुरुआत में, यह तकनीक अप्रैल में संयुक्त राज्य अमेरिका में अंग्रेजी में लॉन्च की गई थी, जिसके बाद इसे स्पेनिश बोलने वाले लैटिन अमेरिकी देशों में विस्तारित किया गया, और अब यह पुर्तगाली में ब्राजीलियाई ड्राइवरों तक पहुंच रही है।

यह सिस्टम पारंपरिक वॉयस कमांड से अलग है क्योंकि यह प्राकृतिक भाषा को समझता है और कई इंटरैक्शन के दौरान बातचीत के संदर्भ को बनाए रखता है, जिससे ड्राइवर को प्रारंभिक कमांड दोहराने की आवश्यकता समाप्त हो जाती है।

व्यावहारिक रूप से, जेमिनी 'मुझे ठंड लग रही है' कहकर तापमान समायोजित करने या यह बताकर डिफॉगर सक्रिय करने की अनुमति देता है कि विंडशील्ड पर भाप जम गई है। इसके अलावा, यात्रा के दौरान रुकने के सुझाव मांगना या सटीक शीर्षक जाने बिना गाने खोजना संभव है।

सहायक में डैशबोर्ड लाइटों के बारे में संदेहों को दूर करने के लिए मालिक के मैनुअल से परामर्श करने की क्षमता भी है। इलेक्ट्रिक मॉडलों में, यह गंतव्य तक बैटरी रेंज के बारे में जानकारी प्रदान करता है और चार्जिंग स्टेशनों तक पहुंच के साथ मार्ग की योजना बनाता है।

जेमिनी लाइव के माध्यम से, जो 'हे गूगल, चलो बात करते हैं' अभिव्यक्ति से सक्रिय होता है, ड्राइवर और यात्री यात्रा कार्यक्रम व्यवस्थित करने के लिए निरंतर संवाद बनाए रख सकते हैं। उपयोगकर्ताओं के पास सेटिंग्स मेनू के माध्यम से पारंपरिक गूगल असिस्टेंट पर लौटने का विकल्प होता है।

यह अपडेट 2024 से निर्मित शेवरले ब्लेज़र ईवी, इक्विनॉक्स ईवी, इक्विनॉक्स टर्बो और सिल्वरैडो मॉडल के लिए उपलब्ध है, जिसे गूगल प्ले स्टोर के माध्यम से वितरित किया जाता है।

इस कार्यक्षमता को सक्रिय करने के लिए, वाहन में एंड्रॉइड 11 या उससे ऊपर का संस्करण चलना चाहिए, उसमें नेटिव इंटरनेट कनेक्टिविटी होनी चाहिए, मल्टीमीडिया सेंटर से जुड़ा एक गूगल खाता होना चाहिए और शेवरले की सुरक्षा और कनेक्टिविटी सेवा ऑनस्टार की सक्रिय योजना होनी चाहिए।

2027 के लिए नियोजित मॉडलों में, जेमिनी ऑनस्टार बेसिक्स पैकेज में मुफ्त में पेश किया जाएगा। हालांकि, 2026 और उससे पहले के मॉडलों के लिए, सेवा की सदस्यता एक सशुल्क आवश्यकता बनी हुई है।

सहायक तक पहुंच आवाज कमांड के माध्यम से की जा सकती है, स्टीयरिंग व्हील पर स्थित बटन का उपयोग करके या सेंट्रल स्क्रीन पर प्रदर्शित आइकन पर टैप करके, जिससे ड्राइविंग करते समय ड्राइवर को विभिन्न मेनू में नेविगेट करने की आवश्यकता कम हो जाती है।