हाल ही में, मेटा रियलिटी लैब्स की शोध टीम ने 'पिप्पो' नामक एक अभिनव उत्पादन मॉडल का सफलतापूर्वक प्रस्तुतीकरण किया, जो किसी भी स्वच्छ रूप से खींची गई तस्वीर से 1K रिज़ॉल्यूशन का घनत्व पूर्ण वीडियो उत्पन्न कर सकता है। यह अत्याधुनिक तकनीक कंप्यूटर दृष्टि और छवि उत्पादन के क्षेत्र में एक और महत्वपूर्ण प्रगति को चिन्हित करती है। पिप्पो मॉडल का核心 इसके बहु-दृश्य फैलाव परिवर्तक की डिज़ाइन में है। पारंपरिक उत्पादन मॉडलों के विपरीत, पिप्पो को किसी भी अतिरिक्त इनपुट की आवश्यकता नहीं होती है, जैसे कि फिटिंग पैरामीटर।

विज्ञान और प्रौद्योगिकी के संगम पर, ग्राफ़ (Graphs) जटिल संबंधों को व्यक्त करने के एक महत्वपूर्ण उपकरण के रूप में धीरे-धीरे शोधकर्ताओं का ध्यान आकर्षित कर रहे हैं। रासायनिक अणु के डिज़ाइन से लेकर सामाजिक नेटवर्क विश्लेषण तक, ग्राफ़ कई क्षेत्रों में एक अनिवार्य भूमिका निभाते हैं। हालाँकि, चित्रों को कुशलतापूर्वक और लचीले ढंग से उत्पन्न करना हमेशा से चुनौतीपूर्ण रहा है। हाल ही में, ताफ्ट्स विश्वविद्यालय, नॉर्थईस्ट यूनिवर्सिटी और कॉर्नेल विश्वविद्यालय के शोध टीमों ने 'Graph Generative Pre-trained Tran' नामक एक परियोजना शुरू की है।

OpenAI ने हाल ही में sCM (सरलित, स्थिर और विस्तार योग्य संगतता मॉडल) नामक एक प्रमुख तकनीक का खुलासा किया है, जो AI चित्र मॉडल के प्रशिक्षण के तरीके को पूरी तरह से बदल देती है। इस तकनीक ने मौजूदा संगतता मॉडल (CMs) के आधार पर महत्वपूर्ण प्रगति की है और तेजी से चित्र उत्पन्न करने के लिए नए क्षितिज खोले हैं। तकनीकी मुख्य लाभ: केवल दो चरणों में उच्च गुणवत्ता वाले चित्र उत्पन्न करना A100GPU पर एक चित्र उत्पन्न करने में केवल 0.11 सेकंड लगते हैं पारंपरिक प्रसार मॉडल की तुलना में, गति में 50 गुना वृद्धि अधिकतम मॉडल पैरामीटर 1.5 अरब तक पहुंचते हैं, एक नया रिकॉर्ड स्थापित करते हैं।

हाल ही में, Canva ने कई नई AI सुविधाएँ पेश की हैं, जिनमें सबसे उल्लेखनीय इसका नया इमेज जनरेशन टूल - 'Dream Lab' है। यह टूल Canva द्वारा जनित एआई स्टार्टअप Leonardo.ai के अधिग्रहण के बाद पेश किया गया, जो Leonardo के Phoenix मॉडल का उपयोग करता है (जिसे Adobe के Firefly AI से भ्रमित नहीं होना चाहिए)। उपयोगकर्ता अब विभिन्न शैलियों की छवियाँ उत्पन्न करने के लिए वर्णन का उपयोग कर सकते हैं, जैसे कि

गूगल का Gemini प्लेटफ़ॉर्म हाल ही में anunció किया है कि उनका नया चित्र उत्पन्न मॉडल Imagen3 अब सभी वैश्विक उपयोगकर्ताओं के लिए उपलब्ध है। Imagen3 को गूगल का अब तक का सबसे उच्च गुणवत्ता वाला चित्र उत्पन्न मॉडल माना जाता है, जो अधिक यथार्थवाद और बेहतर निर्देश पालन क्षमता लाता है। पिछले संस्करणों की तुलना में, Imagen3 चित्र उत्पन्न प्रक्रिया में कई असामान्य आर्टिफैक्ट्स को कम करता है, जिससे उपयोगकर्ताओं को वांछित चित्र प्रभाव प्राप्त करने में आसानी होती है। इसका मतलब है, यदि आपके पास कोई रचनात्मकता और विचार हैं।

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

Ell3n ने glif प्लेटफ़ॉर्म पर FLUX फैशन फोटोग्राफी वर्कफ़्लो लॉन्च किया है, जो उपयोगकर्ताओं को विभिन्न सामग्रियों (जैसे प्लास्टिक, केले का छिलका, लोहे, ऊन) और लिंग, फैशन ब्रांड आदि का चयन करके आसानी से प्रभावशाली फैशन मॉडल चित्र डिज़ाइन करने की अनुमति देता है। प्रतिभागी रचनात्मक प्रेरणा (जैसे ऑटो पार्ट्स, इलेक्ट्रॉनिक घटक) के साथ कपड़े डिजाइन कर सकते हैं, जो अद्वितीय शैली के फैशन कार्यों को उत्पन्न करती हैं। वर्तमान में, प्रत्येक उपयोगकर्ता को प्रतिदिन 20 बार मुफ्त में अनुभव लेने की सुविधा है, इच्छुक उपयोगकर्ता कार्यप्रवाह प्रवेश पर जाकर प्रयास कर सकते हैं।

क्लैपर एक व्यक्तिगत डेवलपर द्वारा स्वतंत्र रूप से निर्मित AI उत्पन्न और वीडियो संपादन उपकरण है, जो चित्र उत्पन्न, वीडियो उत्पन्न, वॉइस आदि कई प्रकार की AI तकनीकों को एकीकृत करता है। यह चित्र, वॉइस, संगीत उत्पन्न करने और वीडियो उत्पन्न करने के API का संपर्क प्रदान करता है, जो उपयोगकर्ताओं को एक प्लेटफार्म पर बातचित से लेकर अंतिम फिल्म तक की प्रक्रिया पूरी करने की अनुमति देता है। क्लैपर में समय रेखा कार्यक्षमता है, जो सामग्री उत्पन्न करने और संपादन को व्यवस्थित करने का समर्थन करती है, और पारंपरिक इंटरफेस और अनंत कैनवास दो मोड प्रदान करती है, जो अलग-अलग विचारशीलता और सूक्ष्म संपादन की आवश्यकताओं को पूरा करती है। एक ओपन-सोर्स उपकरण के रूप में, क्लै

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।

Midjourney --व्यक्तिगत। पहले उपयोगकर्ता की पसंद और नापसंद चित्रों को इकट्ठा करें, फिर मल्टी-मोडल मॉडल का उपयोग करके उपयोगकर्ता की पसंद और नापसंद के कारणों का अनुमान लगाएं, और फिर इन गुणों का उपयोग करके उपयोगकर्ता की पसंद के अनुसार चित्र उत्पन्न करें।

Hugging Face द्वारा प्रस्तुत aMUSEd मॉडल कुछ सेकंड में चित्र उत्पन्न कर सकता है, जो अन्य प्रतिस्पर्धियों जैसे Stable Diffusion की तुलना में तेज है। aMUSEd ने Google के MUSE मॉडल पर आधारित एक हल्का टेक्स्ट-टू-इमेज मॉडल अपनाया है। aMUSEd ने Masked Image Model (MIM) ढांचे को अपनाया है, जो अनुमान के कदमों को कम करता है, उत्पादन गति और व्याख्यायिता को बढ़ाता है। मॉडल को Hugging Face पर प्रदर्शन में देखा जा सकता 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।

ब्लॉगर @जिन लियान ने AI छवि विस्तार द्वारा बनाई गई फोटो को डोंगिन प्लेटफार्म पर वायरल किया। AI बुद्धिमत्ता के साथ छवि विस्तार में, उपयोगकर्ताओं ने अद्भुत विचारों का प्रदर्शन किया, और रचनात्मक कार्यों की बाढ़ आ गई। हालांकि AI छवि विस्तार ने ध्यान आकर्षित किया है, लेकिन छवियों की वास्तविकता में कुछ सीमाएँ हैं। सोशल मीडिया पर रोचक कार्य उभरे हैं जो पात्रों के रूप और दृश्य के रचनात्मकता को एकीकृत करते हैं। भविष्य में, जैसे-जैसे तकनीक विकसित होगी, AI छवि विस्तार अधिक व्यापक अनुप्रयोगों में अपनी ताकत दिखाने की उम्मीद है।

AI का उपयोग करके चित्र उत्पन्न करना, ईमेल लिखना या चैटबॉट से सवाल करना पृथ्वी पर कुछ बोझ डालता है। एक चित्र उत्पन्न करने के लिए जिस ऊर्जा की खपत होती है, वह एक मोबाइल फोन को पूरी तरह चार्ज करने के समान होती है। पाठ उत्पन्न करने के लिए ऊर्जा की खपत कम होती है, 1000 बार पाठ उत्पन्न करने पर केवल मोबाइल फोन के चार्जिंग का 16% ऊर्जा का उपयोग होता है। बड़े AI मॉडल का प्रयोग छोटे मॉडलों की तुलना में अधिक ऊर्जा खपत करता है।

ओपनएआई का DALL-E 3, जो एक छवि उत्पन्न करने वाली एआई तकनीक है, जेलब्रेक संकेतों के प्रभाव के प्रति संवेदनशील पाया गया है, जिससे बच्चों को सिगरेट पीते हुए चित्र उत्पन्न होने लगे हैं। जेलब्रेक तकनीक की खोज लिंक्डइन उपयोगकर्ता पीटर गोस्तेव ने की, जिन्होंने दिखाया कि कैसे एआई की सीमाओं को सफलतापूर्वक पार करके बच्चों को सिगरेट पीते हुए चित्र उत्पन्न किया जा सकता है। हालाँकि जेलब्रेक संकेत काफी जटिल है, यह घटना यह याद दिलाती है कि यहाँ तक कि सिलिकॉन वैली की सबसे अमीर कंपनियाँ भी अपने एआई सिस्टम के लिए व्यापक सुरक्षा उपाय स्थापित करने में कठिनाई का सामना कर रही हैं।

मेटा एआई ने हाल ही में एक उन्नत एआई सिस्टम लॉन्च किया है, जो बेहद कम समय में मस्तिष्क की विद्युत गतिविधियों के डेटा से चित्र उत्पन्न कर सकता है। यह तकनीक मैग्नेटोएन्सेफलोग्राफी (MEG) पर आधारित है, जिसे गैर-आक्रामक मस्तिष्क-मशीन इंटरफेस के विकास के लिए नई संभावनाएं लाने की संभावना है। यह प्रणाली लगभग वास्तविक समय में मस्तिष्क की छवियों को समझने और संसाधित करने के तरीके का पुनर्निर्माण करती है, जिससे मानव बुद्धिमत्ता में चित्रों की नींव को समझने में मदद मिलती है।

विवो ने तीसरे पक्ष की एआई चित्रण सेवा को जोड़ा है, जिसके माध्यम से टेक्स्ट दर्ज करते ही चित्र उत्पन्न होते हैं। उपयोगकर्ताओं को विवो में निर्दिष्ट आदेश दर्ज करके और अधिकृत करके 4 चित्र उत्पन्न करने की आवश्यकता होती है। वर्तमान में, इस सेवा की चित्रण गुणवत्ता में सुधार की आवश्यकता है, लेकिन यह इंटरनेट मेeme बनाने के लिए उपयोगी है।