گوگل نے لائیو اوتار متعارف کرایا ہے، جو جیمنی 3.8 لائیو کے لیے ایک نئی صلاحیت ہے جو کمپنی کے بات چیت والے AI کو قریب قریب حقیقی وقت کا ویڈیو چہرہ فراہم کرتی ہے۔ اپنے سرکاری اعلان میں، WERSM کے ذریعے تفصیل سے بیان کیا گیا، Google اس خصوصیت کو ایک انٹرپرائز ایجنٹ کے طور پر پیش کرتا ہے جو ایک متحرک بصری شخصیت کو برقرار رکھتے ہوئے سن سکتا ہے، دیکھ سکتا ہے اور بول سکتا ہے — جو کمپنی کی کاروباری AI پیشکش، Gemini Enterprise کے ذریعے دستیاب ہے۔

رول آؤٹ تقریباً ایک ہفتے سے کوریج اکٹھا کر رہا ہے: انڈسٹری کے آؤٹ لیٹس نے گزشتہ ہفتے کے آخر میں جیمنی 3.8 لائیو میں بصری موجودگی کی خصوصیت کی رپورٹنگ شروع کی، اور ڈیکن ہیرالڈ نے پیر کو اس خبر کو مزید آگے بڑھاتے ہوئے کہا کہ یہ خصوصیت "AI چیٹ بوٹ پر ایک چہرہ رکھتی ہے"۔ AI ٹولز اور اسسٹنٹس کا جائزہ لینے والے کاروباروں کے لیے، اعلان یہ اشارہ کرتا ہے کہ انٹرپرائز بات چیت کا AI کہاں جا رہا ہے: کم چیٹ ونڈو، زیادہ خدمت کا نمائندہ۔

لائیو اوتار اصل میں کیا کرتا ہے۔

لائیو اوتار جیمنی کی لائیو ڈائیلاگ کی صلاحیتوں کے ساتھ قریب قریب ریئل ٹائم ویڈیو جنریشن کو یکجا کرتا ہے۔ گوگل عین مطابق ہونٹوں کی مطابقت پذیری، قدرتی تاثرات اور سیال موڑ لینے کو نمایاں کرتا ہے — وہ میکانکس جو بات کرنے والے سر کو غیر معمولی کی بجائے موجود محسوس کرتے ہیں۔

لیکن زیادہ نتیجہ خیز تفصیلات چہرے کے پیچھے بیٹھتی ہیں۔ اعلان کے مطابق:

  • ایک ساتھ ملٹی موڈل ان پٹ۔ ایجنٹ بصری اور آڈیو ان پٹ کو الگ الگ موڑ کے طور پر سنبھالنے کے بجائے ایک ہی وقت میں پروسیس کر سکتا ہے۔
  • غیر مطابقت پذیر ٹول کالز۔ لائیو اوتار بات چیت جاری رہنے کے دوران پس منظر میں معلومات حاصل کر سکتا ہے۔ گوگل کی مثال ہوٹل میں چیک ان ہے، جہاں ایجنٹ مہمان کو لوڈنگ کی حالت میں گھورتے ہوئے چھوڑے بغیر ایک پیچیدہ کام سنبھالتا ہے۔
  • 97-زبانوں کی کوریج۔ گوگل کا کہنا ہے کہ اوتار 97 زبانوں کے درمیان منتقل ہو سکتا ہے جب کہ ہونٹ سنک اور تاثرات کو نظر آنے والے بہاؤ کے بغیر ڈھال لیا جا سکتا ہے — وہی برانڈڈ ایجنٹ جو اپنی بولی جانے والی ترسیل کو تبدیل کرتے ہوئے مارکیٹوں میں ایک مستقل شناخت رکھتا ہے۔

وہ آخری نقطہ اس خصوصیت کا سب سے تجارتی لحاظ سے اہم ہو سکتا ہے۔ ایک روایتی چیٹ بوٹ صارف کو جواب کا انتظار کرتا ہے۔ لائیو اوتار کو اس بات کے لیے ڈیزائن کیا گیا ہے کہ جب نظام نیچے کام کر رہا ہو تو تعامل کو متحرک رکھا جائے۔ چہرہ تسلسل پیدا کرتا ہے، لیکن بنیادی رویہ سروس ورک فلو کے قریب ہوتا ہے جو بات چیت میں رہتا ہے۔

چیٹ بوٹ سے برانڈڈ موجودگی تک

گوگل کی فریمنگ برانڈز سے ٹوگل کو فعال کرنے کے بجائے مزید کچھ کرنے کو کہتی ہے۔ لائیو اوتار کی تعیناتی کرنے والی کمپنیوں کو ایک کردار ڈیزائن کرنے کے لیے مدعو کیا جا رہا ہے — ایک بصری شناخت، بولنے کا انداز، ایک شخصیت جسے ان کے صارفین ٹچ پوائنٹس اور زبانوں میں پہچانیں گے۔

یہ انٹرپرائز AI کو یوٹیلیٹی صارفین کی موجودگی سے تبدیل کرتا ہے جس سے صارفین کا تعلق ہوتا ہے، اور یہ ڈیزائن کے فیصلے کرتا ہے — ایجنٹ کیسا لگتا ہے، یہ کیسا رد عمل ظاہر کرتا ہے، جب وہ مسکراتا ہے — اسی بنیاد پر جو ماڈل کے معیار کے نیچے ہے۔ یہ مستقل مزاجی کو بھی داؤ پر لگاتا ہے: ایک اوتار جو تمام زبانوں میں خود سے متصادم ہے، یا مختلف چینلز پر مختلف طریقے سے برتاؤ کرتا ہے، اس اعتماد کو مجروح کرتا ہے جس کا مقصد چہرے کو بنانا ہے۔

پہلے انٹرپرائز، ابھی کے لیے

متعدد رپورٹس کے مطابق، ابتدائی دستیابی Gemini Enterprise تک محدود ہے، اور Google نے صارفین کے رول آؤٹ کے لیے ٹائم لائن کا اعلان نہیں کیا ہے۔ یہ لائیو اوتار کو Google کی AI خصوصیات کے لیے ایک مانوس انداز میں رکھتا ہے: کاروباری مصنوعات پہلے بھیجی جاتی ہیں، جہاں تعیناتی کنٹرول ہوتی ہے اور منیٹائزیشن براہ راست ہوتی ہے، اس سے پہلے کہ عوامی معاون تک صلاحیتیں پہنچ جائیں۔

انٹرپرائز-پہلا نقطہ نظر بھی اس بات کی عکاسی کرتا ہے کہ خصوصیت کا کیا مطالبہ ہے۔ لائیو ڈائیلاگ کے اوپر پرت والی ریئل ٹائم ویڈیو جنریشن کمپیوٹیشنل طور پر مہنگی ہے، اور انٹرپرائز ورک بوجھ — کسٹمر سروس ڈیسک، بکنگ فلو، ذاتی طور پر کیوسک — متعین دائرہ کار کے ساتھ آتے ہیں جہاں لاگت کو عملے کے وقت کے بدلے یا بڑھانے کے لیے جائز قرار دیا جا سکتا ہے۔

اعتماد کی مساوات

ایک چہرہ تبدیل کرتا ہے جو صارفین دیکھتے ہیں اور وہ کیا معاف کرتے ہیں۔ عین مطابق ہونٹوں کی مطابقت پذیری، قدرتی تاثرات اور سیال موڑ لینے پر گوگل کا زور کاسمیٹک نہیں ہے: یہ بالکل وہی سیون ہیں جہاں ایک مصنوعی شخصیت ٹوٹ جاتی ہے، اور صارفین تاخیر سے رد عمل یا غلط وقت پر اظہار خیال کرنے میں کہیں زیادہ تیز ہوتے ہیں جتنا کہ وہ کسی جملے کو تلاش کرنے کے لیے ہوتے ہیں۔

یہ کاروبار کے لیے دونوں راستے کاٹتا ہے۔ ایک اچھی طرح سے عمل میں لایا ہوا اوتار ایک خودکار سروس میں شرکت کا احساس دلا سکتا ہے۔ خراب طریقے سے انجام پانے والا ایک ہی آٹومیشن کو دھوکہ دہی کا احساس دلا سکتا ہے - ایک ایسا چہرہ جو توجہ کا مظاہرہ کرتا ہے جو بنیادی نظام کے پاس نہیں ہے۔ غیر مطابقت پذیر ٹول جسے گوگل بیان کرتا ہے، اس لحاظ سے، ایک ٹرسٹ میکانزم بھی ہے: اوتار گفتگو کو بظاہر زندہ رکھتا ہے جب کہ سسٹم کام کرتا ہے، بجائے اس کے کہ جواب پہلے سے تیار ہے۔

لائیو اوتار کی تعیناتی کرنے والے کاروباری اداروں کا کوریوگرافی پر مؤثر طریقے سے فیصلہ کیا جائے گا — شخصیت کس طرح توقف، تصحیح اور رکاوٹوں کو سنبھالتی ہے۔ اعلان سے پتہ چلتا ہے کہ گوگل نے ان لمحات کو پالش کے بجائے بنیادی انجینئرنگ کے مسائل کے طور پر سمجھا ہے، جس کا مطالبہ کسی بھی کسٹمر کو درپیش تعیناتی کا ہوگا۔

یہ کیوں اہمیت رکھتا ہے۔

صوتی معاونین نے AI کو بات چیت کا حصہ بنایا۔ اوتار اسے پریزنٹیشنل بناتے ہیں۔ اگر لائیو اوتار جیسا کہ بیان کیا گیا ہے پرفارم کرتا ہے — ہم وقت ساز نظر اور آواز، بیک گراؤنڈ ٹول کا استعمال، کثیر لسانی ہونٹ سنک — انٹرپرائز AI کا انٹرفیس ٹیکسٹ باکس بننا بند کر دیتا ہے اور ایک کردار بننا شروع کر دیتا ہے جسے کمپنی کنٹرول کرتی ہے۔

کھلا سوال اپنانے کا ہے: کیا کاروبار دراصل چاہتے ہیں کہ ان کے AI کا چہرہ ہو، یا یہ خصوصیت ڈیمو فلور شو پیس بنی رہے۔ گوگل سابق پر شرط لگا رہا ہے۔ 97 زبانوں اور بیک گراؤنڈ ٹول کے استعمال کے ساتھ، کمپنی نے عالمی برانڈز کے لیے تلاش کرنا آسان بنا دیا ہے۔

---

AI سے آگے رہیں

تازہ ترین AI خبریں، تجزیہ اور کامیابیاں حاصل کریں — سب ایک جگہ پر۔

مزید AI خبریں پڑھیں →