Google Ai Models

Google ने Gemini 3.1 Flash TTS नाम का नया टेक्स्ट-टू-स्पीच मॉडल पेश किया है, जो बेहतर स्पीच क्वालिटी और कंट्रोल ऑफर करता है। यह मॉडल Gemini 3 Pro पर आधारित है और 70 से ज्यादा भाषाओं को सपोर्ट करता है। इसमें ऑडियो टैग्स, मल्टी-स्पीकर सपोर्ट और सीन डायरेक्शन जैसे फीचर्स दिए गए हैं। डेवलपर्स इसे Google AI Studio और Gemini API के जरिए इस्तेमाल कर सकते हैं, जबकि एंटरप्राइज यूजर्स के लिए यह Vertex AI पर उपलब्ध है। सिक्योरिटी के लिए इसमें SynthID वॉटरमार्किंग भी दी गई है।

Gemini का उपयोग करके म्यूजिक जनरेशन सिर्फ टेक्स्ट प्रॉम्प्ट ही नहीं बल्कि इमेज और वीडियो भी अपलोड कर सकते हैं। Gemini विजुअल वाइब से मेल खाने वाला ऑडियो तैयार करके प्रदान करेगा। Gemini ऐप के अंदर Lyria 3 कई स्टाइल में AI-जनरेटेड लिरिक्स के साथ इंस्ट्रूमेंटल म्यूजिक और वोकल्स तैयार कर सकता है। यूजर्स गाने का मूड भी बता सकते हैं और वोकल स्टाइल भी बदल सकते हैं।

Bengaluru आधारित Sarvam AI ने अपने नए AI मॉडल Sarvam Vision और Bulbul V3 को लेकर ग्लोबल AI कम्युनिटी में चर्चा तेज कर दी है। कंपनी के मुताबिक, Sarvam Vision ने OCR बेंचमार्क्स पर Google Gemini जैसे मॉडल्स से बेहतर परफॉर्म किया है। वहीं Bulbul V3 टेक्स्ट टू स्पीच मॉडल 22 भारतीय भाषाओं और 35 वॉयस को सपोर्ट करता है। Sarvam AI का फोकस भारत की भाषाई और डॉक्यूमेंट जरूरतों को ध्यान में रखकर AI को ज्यादा एक्सेसिबल बनाने पर है, जिसे अब अंतरराष्ट्रीय स्तर पर भी सराहना मिल रही है।

चीन की टेक कंपनी Kuaishou का वीडियो जनरेशन मॉडल Kling AI तेजी से ग्लोबल AI रेस में उभर रहा है। LatePost की रिपोर्ट के मुताबिक, जनवरी में Kling AI के मंथली एक्टिव यूजर्स 12 मिलियन से ज्यादा हो गए हैं और 2025 में इसकी कमाई 140 मिलियन डॉलर तक पहुंचने का अनुमान है। यह आंकड़े कंपनी के शुरुआती टारगेट से कहीं ज्यादा हैं। टेक एक्सपर्ट्स के मुताबिक, Kling AI की यह ग्रोथ Google और OpenAI जैसे बड़े प्लेयर्स के लिए सीधी चुनौती बन रही है, खासकर AI वीडियो जनरेशन के सेगमेंट में।

Google ने अपने आर्टिफिशियल इंटेलिजेंस (AI) मॉडल Gemini 2.O को अब सभी यूजर्स के लिए उपलब्ध करवा दिया है। कंपनी ने इसी के साथ एक नया AI मॉडल और पेश किया है। यह नया मॉडल यूजर्स के कई कामों को आसान बनाने की क्षमता रखता है। Gemini 2.O के कंपनी ने तीन वर्जन पेश किए हैं। ये तीनों ही वर्जन अलग-अलग यूजर्स के लिए उपयोगी हैं।

जोड़ी गई सभी 110 नई भाषाओं में से एक चौथाई अफ्रीका से हैं।

मल्टीमॉडल एआई के रूप में Astra, दुनिया को देखने, ऑब्जेक्ट की पहचान करने, खोई हुई चीजों का पता लगाने सहित कई अन्य जटिल कामों में मदद करने का दावा करता है। 

Gemma को दो अलग-अलग आकारों में उपलब्ध करवाया गया है जो कि Gemma 2B और Gemma 7B हैं। दोनों ही मॉडल्स को पहले से निर्देशानुसार ट्यून किया गया है।