ഇനി ഫോട്ടോകളെ ഓഡിയോ ഉപയോഗിച്ച് വീഡിയോകളാക്കി മാറ്റാം: പുതിയ സവിശേഷത അവതരിപ്പിച്ച് ഗൂഗിള്‍ ജെമിനി; അറിയാം എങ്ങനെയെന്ന്

വീയോ 3 വീഡിയോ ജനറേഷന്‍ മോഡല്‍ ഉപയോഗിച്ച് സ്റ്റില്‍ ഫോട്ടോകളെ ശബ്ദത്തോടെ എട്ട് സെക്കന്‍ഡ് വീഡിയോകളാക്കി ആനിമേറ്റ് ചെയ്യാന്‍ ഉപയോക്താക്കളെ അനുവദിക്കുന്ന ഒരു പുതിയ സവിശേഷത ജെമിനി എഐയ്ക്കായി അവതരിപ്പിച്ച് ഗൂഗിള്‍. പശ്ചാത്തല ശബ്ദം, ആംബിയന്റ് ഓഡിയോ,  സ്പോക്കണ്‍ ഡയലോഗ് എന്നിവ ചേര്‍ക്കുന്ന ഈ ഉപകരണം, ഇന്ത്യ ഉള്‍പ്പെടെയുള്ള തിരഞ്ഞെടുത്ത രാജ്യങ്ങളില്‍ ജെമിനി അഡ്വാന്‍സ്ഡ് അള്‍ട്രാ, പ്രോ സബ് സ്‌ക്രൈബര്‍മാര്‍ക്ക് ജൂലൈ 11 മുതല്‍ ഈ അപ്ഡേറ്റ് ലഭ്യമാകാന്‍ തുടങ്ങി. ഇതൊരു പണമടച്ചുള്ള സേവനമാണ്. ഇതിനായി നിങ്ങള്‍ എല്ലാ മാസവും കുറഞ്ഞത് 1950 രൂപ ചെലവഴിക്കേണ്ടിവരും.

ഈ പുതിയ ഉപകരണം ഉപയോഗിച്ച്, ഉപയോക്താക്കള്‍ക്ക് ഒരു ഫോട്ടോ അപ്ലോഡ് ചെയ്യാനും ആവശ്യമുള്ള ചലനം വിവരിക്കാനും ഓഡിയോ ഇഫക്റ്റുകള്‍ക്കോ വിവരണത്തിനോ ഉള്ള നിര്‍ദ്ദേശങ്ങള്‍ ഓപ്ഷണലായി ഉള്‍പ്പെടുത്താനും കഴിയും. തുടര്‍ന്ന് 16:9 ലാന്‍ഡ്സ്‌കേപ്പ് ലേഔട്ട് ഉപയോഗിച്ച് MP4 ഫോര്‍മാറ്റില്‍ ഒരു ചെറിയ 720p വീഡിയോ ജെമിനി സൃഷ്ടിക്കുന്നു.

ജെമിനി ആപ്പിന്റെയും ഗൂഗിള്‍ ലാബ് സിന്റെയും വൈസ് പ്രസിഡന്റ് ജോഷ് വുഡ് വാര്‍ഡ് അടുത്തിടെ എക്‌സില്‍ (മുമ്പ് ട്വിറ്റര്‍) ഈ സവിശേഷത പ്രദര്‍ശിപ്പിച്ചു, ഒരു കുട്ടിയുടെ ഡ്രോയിംഗ് സിന്‍ക്രൊണൈസ്ഡ് ശബ്ദത്തോടെ ഒരു ഹ്രസ്വ ആനിമേറ്റഡ് ക്ലിപ്പാക്കി മാറ്റിയതെങ്ങനെയെന്നും അദ്ദേഹം പങ്കുവെച്ചു. 'ഇപ്പോഴും പരീക്ഷണാത്മകമാണ്, പക്ഷേ ഞങ്ങളുടെ പ്രോ, അള്‍ട്രാ അംഗങ്ങള്‍ ആദ്യം ഇത് പരീക്ഷിച്ചുനോക്കണമെന്ന് ഞങ്ങള്‍ ആഗ്രഹിച്ചു! കിന്റര്‍ഗാര്‍ട്ടന്‍ ആര്‍ട്ട്വര്‍ക്ക് എടുത്ത് ശബ്ദം ഉപയോഗിച്ച് അതിനെ ജീവസുറ്റതാക്കുന്നത് ശരിക്കും രസകരമാണ്,' എന്നും വുഡ് വാര്‍ഡ് കുറിച്ചു.

സുതാര്യത നിലനിര്‍ത്തുന്നതിന്, എല്ലാ വീഡിയോകളിലും താഴെ വലത് കോണില്‍ ദൃശ്യമാകുന്ന ഒരു 'Veo' വാട്ടര്‍മാര്‍ക്കും Google DeepMind സൃഷ്ടിച്ച ഒരു മറഞ്ഞിരിക്കുന്ന SynthID ഡിജിറ്റല്‍ വാട്ടര്‍മാര്‍ക്കും ഉള്‍പ്പെടുത്തിയിട്ടുണ്ട്. ഇത് AI സൃഷ്ടിച്ചതാണെന്ന് സ്ഥിരീകരിക്കാന്‍ ഈ അദൃശ്യ വാട്ടര്‍മാര്‍ക്ക് സഹായിക്കുന്നു.

Gemini AIയുടെ പുതിയ ഫോട്ടോ-ടു-വീഡിയോ സവിശേഷത ഉപയോഗിക്കുന്ന വിധം:

1. Prompt ബാറിലെ 'ടൂള്‍സ്' ഐക്കണില്‍ ക്ലിക്കുചെയ്യുക.

2. പട്ടികയില്‍ നിന്ന് 'വീഡിയോ' ഉപകരണം തിരഞ്ഞെടുക്കുക.

3. നിങ്ങള്‍ ആനിമേറ്റ് ചെയ്യാന്‍ ആഗ്രഹിക്കുന്ന ഒരു സ്റ്റില്‍ ഇമേജ് അപ്ലോഡ് ചെയ്യുക.

4. ആവശ്യമുള്ള ചലനത്തിന്റെ വിവരണം നല്‍കുക.

5. ഓപ്ഷണല്‍ ഓഡിയോ സൂചനകള്‍ ചേര്‍ക്കുക (ഉദാ., ശബ്ദ ഇഫക്റ്റുകള്‍, ഡയലോഗ്, ആംബിയന്റ് ശബ്ദങ്ങള്‍).

6. Gemini 16:9 ഫോര്‍മാറ്റില്‍ ഒരു ചെറിയ 720p MP4 വീഡിയോ സൃഷ്ടിക്കും.

7. ഓഡിയോ ദൃശ്യങ്ങളുമായി യാന്ത്രികമായി സമന്വയിപ്പിക്കും.

Google Veo 3: എന്താണ് പുതിയത്?

ഗൂഗിള്‍ I/Oയില്‍ ആദ്യമായി അനാച്ഛാദനം ചെയ്ത Veo 3, ഗൂഗിളിന്റെ ഇതുവരെയുള്ളതില്‍ വച്ച് ഏറ്റവും സങ്കീര്‍ണ്ണമായ വീഡിയോ മോഡലാണ്. ടെക്സ്റ്റ് അല്ലെങ്കില്‍ ഇമേജ് അധിഷ്ഠിത പ്രോംപ്റ്റുകളില്‍ നിന്ന് റിയലിസ്റ്റിക് വിഷ്വലുകളും സിന്‍ക്രൊണൈസ് ചെയ്ത ശബ്ദവും സൃഷ്ടിക്കാന്‍ ഇതിന് കഴിയും.