Google Project Genie गाइड: Google का Foundation World Model समझाया गया

Project Genie की प्रमुख विशेषताएँ

आइए Project Genie की कुछ मुख्य विशेषताओं पर नज़र डालें।

• इंटरैक्टिव वर्ल्ड जनरेशन: वीडियो के विपरीत, नियंत्रण आपके हाथ में है। आप कैमरा या किसी चरित्र को नियंत्रित करते हैं, और मॉडल आपकी विशिष्ट क्रियाओं के आधार पर वास्तविक समय में अगला फ्रेम बनाता है।
• वर्ल्ड स्केचिंग: आप एक सरल टेक्स्ट प्रॉम्प्ट (उदा., "A neon-lit cyberpunk city") या एक अपलोड की गई छवि से दुनिया का बीज बो सकते हैं। फिर AI उस स्थिर इनपुट का एक खेलने योग्य 3D संस्करण बनाता है।
• वर्ल्ड रीमिक्सिंग: यह आपको मौजूदा दुनिया लेकर उसे रूपांतरित करने देता है। आप आर्ट स्टाइल बदल सकते हैं, नए तत्व जोड़ सकते हैं, या माहौल में बदलाव कर सकते हैं, जबकि मूल लेआउट वही रहता है।
• एक्शन कंट्रोलैबिलिटी: मॉडल को जंप करना, उड़ना, या चलना जैसे इनपुट पहचानने के लिए प्रशिक्षित किया गया है। यह इन कमांड्स को तार्किक दृश्य बदलावों से मैप करता है, जिससे सिमुलेशन में एजेंसी का एहसास होता है।

Project Genie के साथ हैंड्स-ऑन

आइए Project Genie के कुछ बुनियादी उपयोग मामलों में उतरें और अपनी कल्पनाओं को साकार करें।

वर्ल्ड स्केचिंग

दुनिया बनाना वर्ल्ड स्केचिंग चरण से शुरू होता है। आप एक प्रॉम्प्ट दर्ज करते हैं या एक फ़ोटो अपलोड करते हैं, और सिस्टम Nano Banana Pro (Google का नवीनतम हाई-फिडेलिटी इमेज इंजन) का उपयोग शुरुआती दृश्य को परिष्कृत करने के लिए करता है। 

यह एकीकरण सुनिश्चित करता है कि शुरुआती फ्रेम में जटिल 3D वातावरण के लिए आवश्यक स्थापत्य गहराई और बनावट मौजूद हो। 

आप सिमुलेशन शुरू होने से पहले अपने चरित्र के स्पेस में कैसे घूमने की तर्क-व्यवस्था है, इसे परिभाषित करके दुनिया की "लॉजिक" भी स्केच कर सकते हैं। 

नीचे, आप देखेंगे कि मैं एक नमूना वातावरण और एक चरित्र का विवरण लिखता हूँ। इससे मॉडल प्रारंभिक दुनिया बनाता है, जिसमें यह शुरू करेगा।

वर्ल्ड रीमिक्सिंग

वर्ल्ड रीमिक्सिंग सुविधा रचनात्मक वर्कफ़्लो के लिए खास है। उदाहरण के लिए, आप एक स्थानीय पार्क की वास्तविक फ़ोटो ले सकते हैं और मॉडल को प्रॉम्प्ट दे सकते हैं: "इसे Studio Ghibli कार्टून स्टाइल में रीमिक्स करें।" 

परिणामी खेलने योग्य दुनिया पार्क के भौतिक लेआउट (पेड़, पगडंडियाँ) को बनाए रखती है, लेकिन उस पर पूरी तरह नई कलात्मक सौंदर्यशैली ओवरले कर देती है। ट्रांज़िशन आम तौर पर स्मूथ होते हैं, हालांकि जटिल टेक्सचर रूपांतरण के दौरान कभी-कभी थोड़ा पिघलते-से लग सकते हैं। 

उदाहरण के लिए, मैं मॉडल से झील को गुलाबी बनाने के लिए कहता हूँ, और यह उसी अनुसार प्रतिक्रिया करता है। आर्ट स्टाइल और समग्र भौतिक लेआउट वही रहते हैं, जबकि यह झील को अपडेट कर देता है।

3D अन्वेषण

दुनिया जनरेट हो जाने के बाद, आप 3D अन्वेषण मोड में प्रवेश करते हैं। यह आपको फ़र्स्ट-पर्सन या थर्ड-पर्सन, किसी भी तरीके से दुनिया में नेविगेट करने देता है। 

आप WASD कुंजियों से अपने चरित्र को दुनिया में घुमाते हैं और एरो कीज से चारों ओर देखते हैं। आप स्पेस बार से जंप कर सकते हैं और बाधाओं के ऊपर चढ़ सकते हैं। 

प्रत्येक सत्र में आपको दुनिया का अन्वेषण करने के लिए 60 सेकंड मिलते हैं।

मेरे अनुभव में, समग्र वातावरण अद्भुत लगता है। जैसे-जैसे आप चलते हैं, AI स्थापित शैली से मेल खाती नई भू-आकृति बनाता है। जटिल टेक्सचर के साथ खेलने पर निश्चित रूप से कुछ सीमाएँ हैं, और आप महसूस करते हैं कि मॉडल लाइव आइडिया जनरेट कर रहा है, इसलिए फ़्रेमरेट हमेशा सबसे स्मूथ नहीं होता। 

फिर भी, यह सोचना कि मैंने एक मिनट से भी कम में एक साधारण प्रॉम्प्ट लिखा और वह कुछ ही मिनटों में एक जनरेटेड, एक्सप्लोरेबल दुनिया बन गया—वास्तव में दिमाग़ हिला देने वाला है।

मैं Project Genie तक कैसे पहुँच सकता/सकती हूँ?

2026 की शुरुआत तक, Project Genie एक प्रायोगिक शोध प्रोटोटाइप बना हुआ है। यह अभी आम जनता के लिए उपलब्ध नहीं है। 

वर्तमान में, एक्सेस संयुक्त राज्य अमेरिका में स्थित Google AI Ultra सब्सक्राइबर्स तक सीमित है। 

यदि आपका सक्रिय सब्सक्रिप्शन है, तो आप इस टूल को Google Labs FX पोर्टल के भीतर पा सकते हैं। 

ध्यान दें कि शोध कार्यक्रम में भाग लेने के लिए उपयोगकर्ताओं की आयु 18 वर्ष या उससे अधिक होनी चाहिए।

Project Genie कितना अच्छा है?

रियल टाइम में जनरेट हुई दुनिया में नेविगेट करना, पूर्व-रेंडर्ड ग्राफ़िक्स वाले वीडियो गेम खेलने से काफ़ी अलग है। 

बेशक, हम इसे एक मानक LLM की तरह नहीं परख सकते क्योंकि हम "दुनिया" से सवाल पूछकर परीक्षण नहीं कर सकते। हम इसे सिर्फ़ दृश्य और इंटरैक्टिव अनुभव के माध्यम से आँक सकते हैं। 

पहले तकनीकी बातें। वीडियो 720p पर कैप्ड है, और फ़्रेम रेट लगभग 24 fps है। इससे यह Sora जितना "क्रिस्प" नहीं लगता, क्योंकि स्मूथ वीडियो जनरेट करना इंटरैक्टिव दुनिया जनरेट करने से अलग फोकस है।

 रियल टाइम में दुनिया जनरेट करना कहीं अधिक कम्प्यूटेशनल तीव्रता माँगता है। 

दृश्य रूप से अनुभव काफ़ी अच्छा है। फिर से, मुझे कम फ़्रेम रेट के कारण कुछ हल्के रुक-रुक कर चलने वाले फ्रेम दिखे। लेकिन सामान्यतः दुनिया काफ़ी सुसंगत रहती है। 

हालाँकि, मैंने कुछ रन में देखा कि जो वस्तुएँ जनरेट हुई थीं वे कभी-कभी तब गायब हो जाती हैं या बदल जाती हैं जब आप उनके पास से गुज़रते हैं और मुड़कर देखते हैं। यह प्रायः अद्वितीय वस्तुओं (जैसे चरित्र) के साथ होता है, स्थिर वस्तुओं जैसे पेड़ों के साथ कम। 

दुनिया के साथ इंटरैक्शन अधिकतर समय ठीक काम करता रहा। जब आप मूव या चारों ओर देखने के लिए बटन दबाते हैं, तो कैमरा उसी अनुसार पैन और मूव करता है।

 उस अर्थ में, दुनिया काफ़ी इंटरैक्टिव है। जंपिंग में मुझे कुछ विलंब मिले, और मेरा मानना है यह तब होता है जब आप सपाट सतह पर होते हैं और मॉडल को उम्मीद नहीं होती कि आप जंप करेंगे।

 जब ज़मीन पर बाधाएँ होती हैं और आपके लिए उनके ऊपर से कूदना "तर्कसंगत" होता है, तब यह अधिक सुसंगत रूप से काम करता है।

सामान्य तौर पर, यह वास्तविक दुनिया जैसा ही महसूस हुआ (स्टाइलाइज़्ड आर्ट स्टाइल के अलावा)। अधिकांश समय, वस्तुओं की दूरी और आकार समझ में आते हैं। मोशन पैरालैक्स जैसी चीजें भी पूरे अनुभव में सुसंगत रहीं। 

मैं यह कहूँगा/कहूँगी कि कई बार मैं मॉडल को ऐसे तोड़ पाया/पाई कि उससे एक साथ कई क्रियाएँ, जैसे तैरना और चलना, जोड़ने को कहा। मेरा मानना है कि मनचाहा परिणाम पाने के लिए प्रॉम्प्ट की भाषा काफ़ी सटीक होनी चाहिए। 

कुल मिलाकर, यह एक अद्भुत अनुभव था और यह यक़ीन करना मुश्किल है कि सरल इंटरैक्टिव दुनिया बनाना इतना आसान हो गया है।

Project Genie के उपयोग के मामले

मैं ऐसे कई तरीकों के बारे में सोच सकता/सकती हूँ जिनसे हर तरह के लोग Project Genie का उपयोग कर सकते हैं।

1. तेज़ गेम प्रोटोटाइपिंग: डिज़ाइनर महीनों की एनवायरनमेंट मॉडलिंग को बायपास कर सकते हैं और तुरंत किसी लेवल का "फ़ील" परख सकते हैं। अपने गेम की फ़िज़िक्स, आर्ट स्टाइल के बारे में सटीक जानकारी दें और लेवल के स्केच प्रदान करें ताकि देख सकें कि यह कैसा खेलेगा।
2. AI एजेंट्स का प्रशिक्षण: वर्ल्ड मॉडल रोबोट्स के लिए नेविगेशन और ऑब्जेक्ट मैनिपुलेशन सीखने हेतु एक सुरक्षित, असीम जिम प्रदान करते हैं, ताकि उन्हें वास्तविक दुनिया में तैनात करने से पहले अभ्यास हो सके। 
3. शिक्षा: छात्र प्राचीन रोम जैसे किसी ऐतिहासिक परिवेश को जनरेट कर सकते हैं और गलियों में टहल कर पैमाने और वास्तुकला को उस तरह समझ सकते हैं जैसी बात पाठ्यपुस्तक नहीं कर सकती।

यहाँ लंदन के ग्लोब थिएटर की एक छोटी-सी सैर है। भले ही अभी 100% नहीं, लेकिन प्रॉम्प्ट को और परिष्कृत करके हम दुनिया का और सटीक रूप गढ़ना शुरू कर सकते हैं।

यह रहा वह प्रॉम्प्ट जिसका मैंने उपयोग किया: 

World Prompt:
A hyper realistic 360-degree immersive recreation of London's Southbank. Focus on the Globe Theater, a massive three-story open-air polygonal wooden structure with a thatched roof. The exterior is white lim-wash with dark oak timber framing. Nearby, include the Rose Theatre. 

The streets are narrow, unpaved, and muddy. Include the River Thames and the distance silhouette of Old London Bridge. 

Character: A person that wears a doublet of velvet and stained leather breeches. He has ink stains and a small jagged scar across his eyebrow.संचालित द्वारा

अंतिम विचार

Project Genie जनरेटिव मीडिया से जनरेटिव सिमुलेशन की ओर बदलाव की शुरुआत को चिह्नित करता है। हम सिर्फ़ AI-जनित कंटेंट को देखने के दौर से आगे बढ़कर उसके भीतर जीने के दौर में प्रवेश कर रहे हैं। हम लार्ज एक्शन मॉडल्स की वृद्धि भी देख रहे हैं, जो एक मानव के रूप में आपके लक्ष्यों को समझते हैं और उन लक्ष्यों के लिए वातावरण और क्रियाएँ प्रदान करते हैं। हम ByteDance के Seedance 2.0 जैसे टूल्स से नेक्स्ट-लेवल वीडियो निर्माण भी देख रहे हैं, जिसे हम अलग गाइड में कवर करते हैं। 

यह समझने के लिए कि ऐसे मॉडल बनाने में क्या लगता है, मैं निम्नलिखित संसाधनों की सिफारिश करता/करती हूँ:

• Sora 2 API: उदाहरणों के साथ पूर्ण गाइड
• Python में Reinforcement Learning
• Python में Deep Reinforcement Learning