هوش مصنوعی جمینای صاحب چهره شد؛ رونمایی گوگل از قابلیت Live Avatar - ایران کروز

قابلیت Live Avatar از ترکیب هم زمان فراوری ویدیو و پردازش گفتار بهره می برد و هماهنگی دقیقی میان حرکات لب و کلمات اداشده برقرار می سازد. به گفته گوگل، این آواتار متحرک توانایی پشتیبانی از 97 زبان گوناگون را دارد و می تواند بدون افت کیفیت تصویر یا ایجاد هرگونه انحراف بصری، میان این زبان ها جابه جا گردد. در ویدیوهای منتشرشده، آواتار به دو زبان انگلیسی و ژاپنی صحبت می نماید و انیمیشن دهان آن با هر دو زبان کاملاً تطابق دارد. علاوه بر این، سیستم می تواند حین مکالمه اطلاعات و محتوای مرتبط را روی صفحه به نمایش بگذارد.

عرضه این ویژگی حدود یک هفته پس از رونمایی از مدل Gemini 3.8 Live صورت می گیرد؛ مدلی که ورودی های بصری را تقریباً به صورت آنی پردازش می نماید. استفاده از هوش مصنوعی جمینای در قالب آواتار به کسب وکارها امکان می دهد خدمات مجازی، پشتیبانی مشتریان و راهنماهای تعاملی را به شکلی طبیعی تر ارائه دهند. گوگل مجموعه ای از چهره های از پیش آماده را ارائه می دهد، اما سازمان ها مختارند آواتارهای اختصاصی و سازگار با هویت برند خود را بسازند.

برای جلوگیری از سوءاستفاده های بصری و حفظ اصالت محتوا، تمامی خروجی های این فناوری به واترمارک نامرئی SynthID مجهز شده اند و تدابیری نیز به منظور احترام به هویت افراد در نظر گرفته شده است. بعلاوه ویژگی نوبت گیری روان در مکالمه باعث می گردد ارتباط با این شخصیت های رایانه ای پیوسته تر پیش برود.

در حال حاضر، قابلیت آواتار زنده تنها در دسترس مشتریان سازمانی Gemini Enterprise قرار گرفته است و گوگل برنامه ای برای عرضه عمومی آن اعلام نکرده است. توسعه امکانات بصری در هوش مصنوعی جمینای نشان دهنده تمرکز این شرکت بر ارتقای ابزارهای تجاری و ارتباط چندوجهی در محیط های کاری است.