टेंसेंट का गेमक्राफ्ट वाइल्ड एआई टेक है जो प्लेबल वीडियो जेनरेशन के लिए उपयोग किया जाता है

टेंसेंट की हुन्युआन टीम ने कुछ वास्तविक रूप से महत्वाकांक्षी जारी किया है: एक नई तकनीक जिसे हुन्युआन-गेमक्राफ्ट कहा जाता है। यह एआई द्वारा स्टिल इमेज या छोटे क्लिप को जनरेट करने के बारे में नहीं है। यह सरल टेक्स्ट प्रॉम्प्ट से प्लेबल वीडियो अनुभव बनाने के बारे में है। “एक नाव एक झील पर” लिखें, और अगले क्षण, आप वास्तविक समय में शांत जल पर उस नाव को नियंत्रित कर रहे होंगे।

यह वास्तविक समय में एआई-जनरेटेड वीडियो में नियंत्रण को पेश करता है, जिससे गति, दृष्टिकोण और गेमप्ले जैसा प्रवाह अनुभव में आता है। डिफ्यूजन मॉडल और बड़े पैमाने पर गेम फुटेज द्वारा समर्थित, गेमक्राफ्ट एआई वीडियो जेनरेशन को वास्तविक समय में प्लेयर नियंत्रण के साथ मिलाता है।

टेंसेंट का हुन्युआन-गेमक्राफ्ट क्या है?

हुन्युआन-गेमक्राफ्ट टेंसेंट की एआई टीम द्वारा विकसित एक डिफ्यूजन-आधारित वीडियो जेनरेशन मॉडल है। जो इसे अलग बनाता है वह यह क्षमता है कि यह केवल एक टेक्स्ट या इमेज प्रॉम्प्ट का उपयोग करके एक नियंत्रित वीडियो दृश्य बना सकता है। एक बार दृश्य बन जाने के बाद, आप इसे कीबोर्ड और माउस का उपयोग करके खोज सकते हैं, जैसे कि एक प्लेबल गेम का एक हल्का संस्करण।

उदाहरण के लिए, मॉडल “एक बर्फ से ढकी वन ट्रेल” प्रॉम्प्ट ले सकता है और एक निरंतर वीडियो आउटपुट कर सकता है जो गेमप्ले जैसा दिखता है। आप आगे बढ़ सकते हैं, बाएं या दाएं मुड़ सकते हैं, और मॉडल आपके इनपुट के आधार पर हर नए फ्रेम की भविष्यवाणी करता है। इसके पीछे कोई पारंपरिक 3डी इंजन नहीं है। वीडियो आपके कार्यों के आधार पर विकसित होता है।

यह वास्तव में क्या कर सकता है

टेंसेंट का हुन्युआन-गेमक्राफ्ट पहले व्यक्ति और तीसरे व्यक्ति के दृश्यों को समर्थन करता है, जिसमें उनके बीच चिकनी संक्रमण होती है। आप परिदृश्य, शहर की सड़कें, युद्ध के मैदान, या यहां तक कि विज्ञान-कथा वातावरण का अन्वेषण कर सकते हैं। हर आंदोलन जैसे कि देखना या चलना मॉडल की भविष्यवाणी प्रणाली से जुड़ा हुआ है।

नियंत्रण परिचित हैं, क्योंकि आप आगे बढ़ने और देखने के लिए WASD या तीर कुंजियों का उपयोग कर सकते हैं। एआई बाकी का ध्यान रखता है। पृष्ठभूमि में, यह आपके इनपुट को गति संकेत के रूप में पढ़ रहा है और उसके आधार पर प्रत्येक फ्रेम का निर्माण कर रहा है। प्रशिक्षण डेटा में 100 से अधिक लोकप्रिय गेम्स के एक मिलियन से अधिक वीडियो क्लिप शामिल हैं। यह व्यापक जोखिम ही मॉडल को विभिन्न दृश्य शैलियों (जैसे साइबरपंक शहर, मध्ययुगीन किले, या प्राकृतिक परिदृश्य) को समझने और उन्हें विश्वसनीय रूप से पुनर्निर्माण करने में मदद करता है।

अब तक जारी किए गए डेमो में, दृश्य विविध और दृश्य रूप से समृद्ध हैं। आप शहर की सड़कों, बर्फ से ढकी परिदृश्य, नदी के किनारे, और अधिक जैसे वातावरण देखते हैं। यह एक कटसीन या प्री-रेंडर्ड गेम लेवल के माध्यम से चलते हुए जैसा लगता है। लेकिन यह महत्वपूर्ण है कि इन्हें अनुसंधान पूर्वावलोकन के रूप में देखा जाए। जो हम देख रहे हैं वह अत्यधिक क्यूरेटेड आउटपुट है। यह अभी तक स्पष्ट नहीं है कि विभिन्न प्रॉम्प्ट या लंबे समय तक बातचीत के दौरान गुणवत्ता कितनी संगत या स्थिर होगी।

हमने अन्य परियोजनाओं को समान लक्ष्यों की ओर बढ़ते हुए देखा है। माइक्रोसॉफ्ट के व्हैम और म्यूज़ मॉडल सीखे गए नियमों के आधार पर भविष्य के गेमप्ले फ्रेम की भविष्यवाणी पर केंद्रित हैं। ओडिसी एक और हालिया उदाहरण है जो एआई का उपयोग करके एक वीडियो को एक अन्वेषण योग्य दृश्य में बदल देता है।

हुन्युआन गेमक्राफ्ट वास्तव में कैसे काम करता है?

हुन्युआन-गेमक्राफ्ट वीडियो-जेनरेशन एआई (डिफ्यूजन मॉडल) के साथ विशेष ट्रिक्स के साथ बनाया गया है। मुख्य विचार यह है कि यह आपके कीबोर्ड/माउस इनपुट को वीडियो “संदर्भ” या कहानी के हिस्से के रूप में मानता है। तकनीकी रूप से, यह उन नियंत्रणों को एक प्रकार के कैमरा-मूव सिग्नल में परिवर्तित करता है ताकि यह जान सके कि आप दृष्टिकोण को कैसे बदलना चाहते हैं। फिर यह अगले वीडियो फ्रेम की भविष्यवाणी करता है, फ्रेम-दर-फ्रेम, आपके द्वारा “मूव” की दिशा में क्लिप को बढ़ाता है।

दृश्य को छलांगने से रोकने के लिए, मॉडल एक इतिहास-आधारित विधि का उपयोग करता है। यह याद रखता है कि आपने कहां छोड़ा (एक तरह से गेम स्टेट को मेमोरी में रखना), ताकि दुनिया अचानक कहीं और नहीं जाए। उन्हें इसे “हाइब्रिड इतिहास स्थिति” कहते हैं। मूल रूप से, यह कभी-कभी पुराने फ्रेम को स्वयं में वापस खिलाता है ताकि महत्वपूर्ण विवरण (जैसे वस्तुओं की स्थिति और प्रकाश व्यवस्था) आपके चलने के दौरान बने रहें। निर्माताओं ने सुनिश्चित किया कि मॉडल को तेजी से चलाने के लिए इसे संक्षिप्त किया जा सकता है (अर्थात् एक बड़े मॉडल को एक छोटे, तेज मॉडल में संकुचित किया जा सकता है)। इस तरह यह आपके कुंजी टैप के साथ (लगभग) वास्तविक समय में तालमेल बिठा सकता है, बशर्ते एक शक्तिशाली जीपीयू हो।

संक्षेप में, आप इसे एक शुरुआती छवि या पाठ प्रॉम्प्ट और एक कुंजी प्रेस क्रम देते हैं। एआई तब नए चित्र की भविष्यवाणी करता रहता है ताकि यह ऐसा लगे कि आप दृश्य के चारों ओर चल रहे हैं या देख रहे हैं। विशेष इतिहास ट्रिक के लिए धन्यवाद, गेम दुनिया समय के साथ लगभग संगत रहती है। उदाहरण के लिए, यदि आप एक गलियारे में नीचे जाते हैं या 180° मुड़ते हैं, तो दीवारें और फर्श जगह में रहती हैं और ग्लिच नहीं होती हैं। टीम यह दिखाती है कि यह लंबे समय तक 3डी संगतता को भी बनाए रखता है, जो जेनरेटेड वीडियो के लिए काफी प्रभावशाली है।

उपयोग के मामले

तो गेमर्स और डेव्स इस तकनीक के साथ क्या कर सकते हैं? एक बुनियादी स्तर पर, यह एक रचनात्मक उपकरण है। गेम डिज़ाइनर इसका उपयोग नए वातावरण या स्तर के विचारों को तुरंत प्रोटोटाइप करने के लिए कर सकते हैं। लेखक और निर्देशक स्टोरीबोर्ड या कटसीन बनाने के लिए इसका उपयोग कर सकते हैं जो केवल विवरण लिखकर और फिर दृश्य के माध्यम से “खेल” करके संशोधित किए जा सकते हैं। गेमर्स के लिए, यह कस्टम मिनी-गेम्स का अनुभव करने का एक मजेदार तरीका हो सकता है जो आप उड़ान भरते हैं (जैसे “मैं मंगल पर एक ड्रैगन की लड़ाई चाहता हूं” और अचानक आप उसे नियंत्रित कर सकते हैं)। यह अन्य एआई को प्रशिक्षित करने में भी मदद कर सकता है: उदाहरण के लिए, हम एआई द्वारा स्पिन अप की गई अंतहीन आभासी दुनिया में रोबोट या एजेंटों को प्रशिक्षित कर सकते हैं।

अब तक कोई सार्वजनिक वेब ऐप नहीं है, और तकनीक को अभी भी दृश्य गुणवत्ता और प्रतिक्रिया के मामले में और अधिक परिष्कृत करने की आवश्यकता है। अन्य समान मॉडलों के डेमो में, जब कैमरा बहुत दूर जाता है या बहुत अधिक घूमता है, तो दृश्य टूटना शुरू हो सकता है। हुन्युआन की हाइब्रिड इतिहास स्थिति इसे कम करती है, लेकिन बड़े परिप्रेक्ष्य परिवर्तन अभी भी टेक्सचर ग्लिच या विकृत ज्यामिति का कारण बन सकते हैं। अभी के लिए, यह एक शोध पूर्वावलोकन के रूप में काम करता है, जो दिखाता है कि क्या संभव है, बजाय एक पूरी तरह से खेलने योग्य अनुभव के।

अंतिम विचार

इस चरण में, अवधारणा ठोस है। नियंत्रण-चालित वीडियो को गेमप्ले जैसा दिखने और महसूस करने की संभावना में दिखाई देने वाली संभावना है। लेकिन यह अभी भी शुरुआत है। यह एक शोध डेमो है, एक पूर्ण उत्पाद नहीं। वास्तविक समय में उच्च रिज़ॉल्यूशन पर लंबे समय तक खेलने के लिए वीडियो जेनरेशन अभी भी एक तकनीकी चुनौती है।