ChatGPT ने एक गुलाब की छवि बनाने से इनकार करने के बाद ऑनलाइन एक बहस छिड़ गई है, जिससे कृत्रिम बुद्धिमत्ता के लिए निषिद्ध शब्दों की सूची में एक और शब्द जुड़ गया है। यह घटना AI की सीमाओं और इसके संभावित दुरुपयोग पर सवाल उठाती है।

झीझूपू ने CogView4 नामक एक नया चीनी भाषा ओपन सोर्स इमेज मॉडल जारी किया है। यह मॉडल चीनी प्रॉम्प्ट को समझ सकता है और अद्भुत चित्र बना सकता है। यह चीनी भाषा के उपयोगकर्ताओं के लिए एक शानदार उपकरण है।

बीजिंग चिज्झू हुआझांग टेक्नोलॉजी कंपनी लिमिटेड ने चीनी वर्ण उत्पन्न करने में सक्षम पहला खुला स्रोत पाठ-से-चित्र मॉडल - CogView4 लॉन्च करने की घोषणा की है। यह मॉडल DPG-बेंच बेंचमार्क टेस्ट में शीर्ष रैंक पर है, जो खुले स्रोत पाठ-से-चित्र मॉडल में SOTA (स्टेट ऑफ़ द आर्ट) बन गया है, और यह Apache2.0 लाइसेंस का अनुसरण करता है, जो इस लाइसेंस का पालन करने वाला पहला छवि निर्माण मॉडल है।

कनाडाई AI इमेज जेनरेशन कंपनी आइडियोग्राम ने आज घोषणा की है कि इसका नया इमेज मॉडल आइडियोग्राम 2a आधिकारिक तौर पर लॉन्च हो गया है, और यह आइडियोग्राम की वेबसाइट, API और पार्टनर प्लेटफॉर्म पर पूरी तरह से उपलब्ध है। इस लॉन्च ने X प्लेटफॉर्म पर तेज चर्चा छेड़ दी है, जिसे AI टेक्स्ट-टू-इमेज क्षेत्र में एक महत्वपूर्ण उन्नयन माना जा रहा है। आइडियोग्राम 2a तेज गति, कम लागत और बेहतर ग्राफिक डिज़ाइन और फ़ोटोग्राफ़ी क्षमताओं के साथ, दुनिया भर के क्रिएटर और डेवलपर का ध्यान अपनी ओर खींच रहा है।

हाल ही में, गूगल ने अपनी नवीनतम चित्र निर्माण मॉडल — Imagen3 को आधिकारिक रूप से लॉन्च किया है, जो अब Gemini API पर डेवलपर्स के उपयोग के लिए उपलब्ध है। यह मॉडल दृश्य प्रभाव में उत्कृष्टता प्रदर्शित करता है, और विभिन्न शैलियों की उच्च गुणवत्ता वाली छवियाँ उत्पन्न कर सकता है, जिनमें सुपर यथार्थवाद के कार्य, इंप्रेशनिस्ट परिदृश्य, अमूर्त कार्य और एनीमे पात्र शामिल हैं। Imagen3 न केवल चित्र की स्पष्टता और संकलन क्षमता में सुधार करता है, बल्कि सरल पाठ संकेतों के माध्यम से उपयोगकर्ताओं को अपनी रचनाओं को चित्रों में परिवर्तित करने में और भी आसान बनाता है। शुरुआत में, Imagen3 केवल भुगतान करने वाले उपयोगकर्ताओं के लिए उपलब्ध होगा।

Stability AI ने आधिकारिक रूप से नए संस्करण Stable Diffusion 3.5 Large को लॉन्च किया है, जिसमें तीन नए ControlNet सुविधाएँ शामिल हैं: Blur, Canny और Depth। यह अपडेट उपयोगकर्ताओं को और अधिक शक्तिशाली छवि निर्माण क्षमताएँ प्रदान करता है, जिससे निर्मित चित्र अधिक समृद्ध और विविध होते हैं। Stability AI के अनुसार, इस मॉडल का विमोचन उनके सामुदायिक लाइसेंस समझौते के आधार पर हुआ है, जो उपयोगकर्ताओं को बिना व्यावसायिकता के मुफ्त में उपयोग करने की अनुमति देता है।

सेब नए Apple Intelligence फ़ीचर्स को iOS18, iPadOS18 और macOS15 में जोड़ने के लिए पर्दे के पीछे मेहनत कर रहा है। हमें iOS18.1, iPadOS18.1 और macOS15.1 अपडेट में पहले फ़ीचर्स मिलेंगे, लेकिन सेब अगले फ़ीचर्स के लिए भी तैयारी कर रहा है। MacRumors ने Siri के ChatGPT एकीकरण के नए उल्लेख का पता लगाया है, क्योंकि सेब ChatGPT समर्थन को लागू करने के लिए तैयार हो रहा है।

हाल ही में, अली मामा की क्रिएटिव टीम ने FLUX.1-Turbo-Alpha लॉन्च किया, जो FLUX.1-dev मॉडल प्रशिक्षण पर आधारित 8 चरणों में डिस्टिल्ड Lora मॉडल है। इस मॉडल ने मल्टीहेड डिस्क्रिमिनेटर का उपयोग किया है, जिसने डिस्टिलेशन की गुणवत्ता में महत्वपूर्ण वृद्धि की है, और यह पाठ से चित्र निर्माण, संशोधन नियंत्रण नेटवर्क जैसे विभिन्न FLUX संबंधित अनुप्रयोगों का समर्थन करता है। टीम ने सिफारिश की है कि उपयोग करते समय गाइड स्केल को 3.5 सेट किया जाए, Lora स्केल 1 पर हो, और भविष्य में और भी कम चरणों का संस्करण लॉन्च किया जाएगा। FLUX.1-Turbo-

Midjourney के संस्थापक और CEO डेविड होल्ज़ ने हाल ही में Discord पर कार्यालय समय के दौरान कंपनी की वर्तमान परियोजनाओं के नवीनतम प्रगति को साझा किया और समुदाय के उपयोगकर्ताओं के प्रश्नों के उत्तर दिए। इस बातचीत में यह स्पष्ट हुआ कि Midjourney विभिन्न तकनीकी नवप्रवर्तनों पर काम कर रहा है, ताकि AI चित्र निर्माण क्षेत्र में बढ़ती प्रतिस्पर्धा का सामना किया जा सके। नया संस्करण देर से आएगा लेकिन सुविधाओं में अधिक समृद्ध होगा। हालाँकि Midjourney ने कम समय में तेजी से प्रगति की है, लेकिन हाल ही में नए मॉडल के रिलीज़ की दर स्पष्ट रूप से धीमी हो गई है। कंपनी सबसे

OpenAI ने हाल ही में घोषित किया है कि ChatGPT के मुफ्त उपयोगकर्ता अब प्रतिदिन DALL-E3 मॉडल द्वारा उत्पन्न दो चित्र बना सकते हैं, जो मुफ्त उपयोगकर्ताओं के लिए DALL-E3 का पहला उद्घाटन है। इस कार्यक्षमता के कार्यान्वयन के साथ, ChatGPT द्वारा उत्पन्न संकेत चित्र निर्माण प्रक्रिया को सरल बनाते हैं, जिससे उपयोगकर्ता केवल सरल विवरण देने पर शानदार चित्र डिजाइन प्राप्त कर सकते हैं। पिछले महीने DALL-E3 का प्रदर्शन मुख्य रूप से सशुल्क उपयोगकर्ताओं के लिए था, लेकिन अब का अद्यतन सभी उपयोगकर्ताओं को एक सुविधाजनक निर्माण उपकरण प्रदान करता है।

हुवांगशान इंजन ने चेंगडू में 2024 एआई नवोन्मेष प्रदर्शनी का आयोजन किया। हुवांगशान इंजन ने घोषणा की कि उसके डौबा बड़े मॉडल का दैनिक टोकन्स उपयोग 500 बिलियन से अधिक हो गया है, जबकि हर एक उद्यम ग्राहक का दैनिक टोकन्स उपयोग 15 मई को मॉडल की लॉन्चिंग के बाद 22 गुना बढ़ गया है। हुवांगशान इंजन के उपाध्यक्ष झांग सीन ने कहा कि हुवांगशान इंजन अधिक बुद्धिमान, औद्योगिक और क्षेत्रीय विकास की दिशा में आगे बढ़ रहा है, और उद्योग समाधान, उत्पाद और अनुकूलन सेवाओं के माध्यम से कंपनियों को उनके व्यवसाय में नवाचार करने में सहायता कर रहा है.

ब्रिटिश कृत्रिम बुद्धिमत्ता कंपनी Stability AI अपने इमेज जनरेटर Stable Diffusion के लिए सुर्खियों में है, लेकिन वाणिज्यिक मुद्दों पर बार-बार मुश्किलों का सामना कर रही है।

ब्रिटेन की आर्टिफिशियल इंटेलिजेंस स्टार्टअप स्टेबलिटी एआई ने प्रेम अक्कराजू को नया मुख्य कार्यकारी अधिकारी नियुक्त किया है। अक्कराजू पहले विज़ुअल इफेक्ट्स कंपनी वेटा डिजिटल के मुख्य कार्यकारी अधिकारी रहे हैं, और वे स्टेबलिटी एआई के निवेशकों में से एक भी हैं। स्टेबलिटी एआई के निवेशकों की एक मजबूत सूची है, जिसमें पूर्व फेसबुक के अध्यक्ष शॉन पार्कर जैसे लोग शामिल हैं, और कुल निवेश राशि 1 से अधिक है।

हालिया अनुसंधान में, फ्लैश डिफ्यूजन नामक एक नई विधि ने चित्र निर्माण तकनीक में क्रांतिकारी परिवर्तन लाया है। यह विधि एकल चरण में शोर रहित कई चरणों की भविष्यवाणी परिणाम उत्पन्न करने के लिए भविष्यवाणी मॉडल को प्रशिक्षित करके पूर्व-प्रशिक्षित डिफ्यूजन मॉडल की निर्माण प्रक्रिया को तेज करती है।

अंतर्राष्ट्रीय मानवाधिकार संगठन ह्यूमन राइट्स वॉच (HRW) की हालिया रिपोर्ट के अनुसार, कुछ लोकप्रिय कृत्रिम बुद्धिमत्ता चित्र निर्माणकर्ताओं द्वारा उपयोग किए जाने वाले प्रशिक्षण डेटा सेट में ब्राज़ील के बच्चों की कई व्यक्तिगत तस्वीरें बिना अनुमति के शामिल हैं। इससे बच्चों की गोपनीयता और सुरक्षा के लिए गंभीर चुनौतियाँ उत्पन्न हो रही हैं।

सीईओ सुंदर पिचाई ने गूगल के जेमिनी एआई चित्र निर्माण में त्रुटियों की批评 की, इसे 'पूरी तरह से अस्वीकार्य' कहा। टीम समस्या को ठीक करने में लगी है और निष्पक्ष और सटीक जानकारी प्रदान करने पर ध्यान केंद्रित कर रही है, संरचनात्मक सुधार किए जाएंगे। लेख का प्रकाशन तिथि 2024-02-28 है।

गूगल जेमिनी मॉडल की चित्र निर्माण सुविधा फिर से शुरू होगी। जेमिनी की चित्र निर्माण सुविधा सही तरीके से काम नहीं कर रही थी। जेमिनी ऐतिहासिक चित्र निर्माण में गलत जानकारी प्रदान कर रहा था। गूगल समस्या को सुधार रहा है और सुधारित संस्करण को फिर से जारी करने की योजना बना रहा है।

एआई चित्र उत्पन्न उपकरण Visual Electric ने कई चित्रों के संयोजन पुनः चित्रण सुविधा पेश की, जिसने एआई चित्र निर्माण की बाधाओं को कम किया। डिजाइनर आसानी से कई उत्पन्न चित्रों को संयोजित कर सकते हैं और पुनः चित्रित कर सकते हैं, जिससे वे अपने रचनात्मक विचारों को लचीले ढंग से कार्यान्वित कर सकते हैं। यह उपकरण Lora प्रशिक्षण की तरह है, उपयोगकर्ता तेजी से चित्र उत्पन्न करने की शैलियों को कस्टमाइज कर सकते हैं। Visual Electric की सुविधाएँ चित्र उत्पन्न करने की प्रक्रिया को और अधिक सहज बनाती हैं, चित्र निर्माताओं को अधिक संभावनाएँ प्रदान करती हैं। यह चित्र निर्माण प्रक्रिया को अधिक रचनात्मकता और मज़ा प्रदान करता है, डिजाइनरों को लचीलापन और सहजता देता है।

अमेज़न विज्ञापन रचनात्मकता में सुधार के लिए एआई विज्ञापन चित्र निर्माण उपकरण का परीक्षण कर रहा है। विज्ञापनदाता आसानी से अपने उत्पादों को आकर्षक विज्ञापन चित्रों में परिवर्तित कर सकते हैं। अमेज़न की एआई सामग्री निर्माण डिजिटल विज्ञापन क्षेत्र में क्रांति लाएगी।

अनुसंधान टीम ने DALL-E3 की चित्र निर्माण क्षमता को बढ़ाने के लिए एक नई प्रशिक्षण विधि प्रस्तुत की। यह विधि संश्लिष्ट शीर्षकों और वास्तविक शीर्षकों को जोड़ती है, जो स्थानिक धारणा और पाठ प्रस्तुति की समस्याओं का समाधान करती है। GPT-4 जैसे उच्च श्रेणी के भाषा मॉडल पाठ की गुणवत्ता और गहराई बढ़ाने में महत्वपूर्ण भूमिका निभाते हैं। अनुसंधान ने DALL-E3 में चित्र निर्माण की गुणवत्ता और सटीकता में उल्लेखनीय सुधार का प्रदर्शन किया। यह रणनीति भविष्य की पाठ से चित्र निर्माण प्रौद्योगिकी के निरंतर विकास के लिए आधार स्थापित करती है।