فهرست مطالب
گوگل با معرفی قابلیت Live Avatar در نسخه Gemini 3.8 Live امکان نمایش چهره متحرک با حالات زنده را هنگام گفتوگو با هوش مصنوعی به کاربران سازمانی ارائه کرد.
به گزارش سرویس هوش مصنوعی تکناک، گوگل قابلیت جدیدی به نام Live Avatar را برای بهروزرسانی Gemini 3.8 Live معرفی کرده است که به کاربران اجازه میدهد در حین گفتوگو با هوش مصنوعی، تصویر متحرک یک آواتار را مشاهده کنند که حالات چهره و حرکات لبهای آن بهطور زنده با کلمات هماهنگ میشود.
این ابزار نوآورانه در حال حاضر تنها برای مشتریان سازمانی سرویس Gemini Enterprise فعال شده است و دسترسی عمومی به آن وجود ندارد. معرفی Live Avatar حدود یک هفته پس از انتشار مدل Gemini 3.8 Live انجام میگیرد؛ سامانهای که گوگل بر توانایی بالای آن در پردازش ورودیهای بصری بهصورت بلادرنگ تأکید کرده بود و اکنون خروجی چهره انساننما را نیز به تجربه مکالمه صوتی اضافه میکند.
هماهنگی زنده حرکات لب با واژهها
ویژگی برجسته Live Avatar توانایی آن در تطبیق حرکات لب و دهان متناسب با ادای واژهها است. گوگل نشان داده است که این آواتارها با تغییر لحن و مفهوم مکالمه، حالات چهره خود را تغییر میدهند تا تعامل با هوش مصنوعی حسی طبیعیتر پیدا کند. بر پایه توضیحات گوگل، این ابزار بدون افت کیفیت تصویر یا ایجاد خطاهای موسوم به انحراف بصری، توانایی حرکت میان ۹۷ زبان تحت پشتیبانی را داراست. در ویدیویی که این شرکت برای نمایش قابلیتهای ابزار خود منتشر کرده است، آواتار ابتدا به زبان انگلیسی و سپس به زبان ژاپنی سخن میگوید، در حالی که حرکات دهان آن در هر دو زبان به شکلی روان و همگام با جریان صوت بازسازی میشود. همچنین این آواتار در حین صحبت میتواند دادهها و نمودارهای مرتبط را روی نمایشگر احضار کند و اطلاعات تکمیلی را پیش چشم کاربر بگذارد.
استفاده از واترمارک نامرئی SynthID
گوگل برای استفاده سازمانی از این فناوری، دو مسیر مختلف پیشبینی کرده است. مشتریان میتوانند از کتابخانهای از چهرههای پیشفرض و طراحیشده توسط شرکت استفاده کنند، یا برای هماهنگی بیشتر با هویت برند خود، آواتارهای اختصاصی و سازمانی بسازند. با توجه به چالشها و نگرانیهای مربوط به جعل هویت یا سوءاستفادههای احتمالی از تصاویر انساننما، این شرکت تمهیدات ویژهای برای حفظ امنیت در نظر گرفته است. بهنوشته ورج، تمامی ویدیوها و خروجیهای این فناوری به واترمارک نامرئی SynthID مجهز خواهند بود؛ فناوری ثبت نشانهای که تشخیص محتوای تولیدشده توسط هوش مصنوعی را امکانپذیر میسازد. علاوه بر این، لایههای کنترلی برای جلوگیری از شبیهسازی غیرمجاز و احترام به حقوق هویت افراد در سامانه تعبیه شده است.
ورود آواتارهای هوش مصنوعی به محیطهای اداری و تجاری میتواند شیوه ارائه خدمات مشتریان، آموزش کارکنان و جلسات راهنمای آنلاین را دگرگون کند. شرکتها با بهرهگیری از Live Avatar میتوانند دستیارهای مجازی تعاملی طراحی کنند که نهتنها متون پیچیده و آمارهای فنی را توضیح میدهند، بلکه با نمایش چهره و حالات طبیعی، موانع ارتباط ماشینی را کاهش داده و تعاملی نزدیکتر میان کاربر و سیستم رقم میزنند. تمرکز اولیه گوگل روی بخش شرکتی نشان میدهد که این غول فناوری قصد دارد پیش از عمومیسازی گسترده، پایداری، عملکرد زبانی و بازخوردهای امنیتی این کاراکترهای سخنگو را در فضاهای واقعی کسبوکار بسنجد.
