വായിക്കാൻ 2 മിനിറ്റ്
മ്യൂസ് റിയൽടൈം അവതാർ: വീഡിയോ കോളിൽ നിങ്ങളുടെ മുഖം യഥാർത്ഥത്തിൽ നിങ്ങളാണോ?
30 സെക്കൻഡിൽ സാരം
മ്യൂസ് റിയൽടൈം അവതാർ എന്നത് വീഡിയോ കോളുകളിൽ ഉപയോക്താവിന് പകരം ഒരു കമ്പ്യൂട്ടർ നിർമ്മിത മുഖം തത്സമയം സംസാരിപ്പിക്കാനും ചിരിപ്പിക്കാനും സഹായിക്കുന്ന സാങ്കേതികവിദ്യയാണ്. ഇത് ഉപയോക്താവിന്റെ ശബ്ദം കേട്ട് ചുണ്ടുകളുടെ ചലനം കൃത്യമായി ക്രമീകരിക്കുകയും സംഭാഷണത്തിന്റെ ഭാവത്തിനനുസരിച്ച് മുഖഭാവം മാറ്റുകയും ചെയ്യുന്നു.
നിങ്ങൾ ഒരു വീഡിയോ കോളിൽ ചേരുന്നു. എതിർവശത്ത് ഒരു മുഖം പ്രത്യക്ഷപ്പെടുന്നു. അത് ചിരിക്കുന്നു, കണ്ണുകൾ ചലിക്കുന്നു, സംസാരിക്കുമ്പോൾ ചുണ്ടുകൾ അനങ്ങുന്നു. എന്നാൽ അത് ഒരു യഥാർത്ഥ മനുഷ്യനല്ല. അത് ഒരു കമ്പ്യൂട്ടർ പ്രോഗ്രാം തത്സമയം നിർമ്മിക്കുന്ന ഡിജിറ്റൽ മുഖമാണ്. മെറ്റയുടെ മ്യൂസ് റിയൽടൈം അവതാർ എന്ന സാങ്കേതികവിദ്യ ഇത് സാധ്യമാക്കുന്നു.
എങ്ങനെയാണ് ഇത് പ്രവർത്തിക്കുന്നത്?
നിങ്ങൾ സംസാരിക്കുമ്പോൾ, നിങ്ങളുടെ ശബ്ദം കമ്പ്യൂട്ടർ പ്രോഗ്രാം കേൾക്കുന്നു. ഓരോ വാക്കിന്റെയും ഉച്ചാരണം അനുസരിച്ച് ചുണ്ടുകളുടെ ചലനം എങ്ങനെയായിരിക്കണം എന്ന് അത് കണക്കാക്കുന്നു. ഒപ്പം നിങ്ങളുടെ മുഖത്തെ ഭാവവും. ഈ വിവരങ്ങളെല്ലാം ഉപയോഗിച്ച്, കമ്പ്യൂട്ടർ ഒരു ഡിജിറ്റൽ മുഖം നിർമ്മിക്കുന്നു. ഈ മുഖം സെക്കൻഡിൽ 60 ഫ്രെയിമുകൾ എന്ന വേഗതയിൽ ചലിക്കുന്നു. അതായത്, കണ്ണ് ചിമ്മുന്നതോ ചിരിക്കുന്നതോ പോലുള്ള ചെറിയ ചലനങ്ങൾ പോലും സ്വാഭാവികമായി തോന്നും.
ഇതിനെ ഒരു ഡിജിറ്റൽ പാവ എന്ന് വിളിക്കാം. പക്ഷേ ഈ പാവയെ നിയന്ത്രിക്കുന്നത് നൂലുകളല്ല, നിങ്ങളുടെ ശബ്ദവും ഭാവവുമാണ്. നിങ്ങൾ സങ്കടത്തോടെ സംസാരിച്ചാൽ, അവതാറിന്റെ മുഖവും സങ്കടത്തോടെയിരിക്കും. നിങ്ങൾ തമാശ പറഞ്ഞാൽ, അത് ചിരിക്കും. ഈ സാങ്കേതികവിദ്യയെ 'ന്യൂറൽ റെൻഡറിംഗ്' (അഥവാ കമ്പ്യൂട്ടർ പ്രോഗ്രാം ഉപയോഗിച്ചുള്ള ചിത്രനിർമ്മാണം) എന്ന് പറയുന്നു.
എവിടെയാണ് ഇത് ഉപയോഗിക്കുന്നത്?
മെറ്റയുടെ ആപ്പുകളിലാണ് (Meta AI, WhatsApp, Messenger, Instagram) ഈ സാങ്കേതികവിദ്യ ലഭ്യമാകുന്നത്. ഇത് സൗജന്യമാണ്. നിങ്ങൾക്ക് സ്വന്തം മുഖം പോലെയുള്ള ഒരു അവതാർ നിർമ്മിക്കാം. അല്ലെങ്കിൽ മെറ്റ നിർമ്മിച്ച ഒരു അവതാറിനെ ഉപയോഗിക്കാം. വീഡിയോ കോളിൽ നിങ്ങളുടെ യഥാർത്ഥ മുഖം കാണിക്കാൻ താൽപ്പര്യമില്ലാത്തപ്പോൾ ഇത് ഉപയോഗിക്കാം. ഉദാഹരണത്തിന്, ഒരു ഓൺലൈൻ ക്ലാസിൽ അധ്യാപകൻ തന്റെ അവതാർ ഉപയോഗിച്ച് പഠിപ്പിക്കാം. അല്ലെങ്കിൽ ഒരു കുടുംബാംഗം വിദേശത്തുള്ള ബന്ധുവിനോട് സംസാരിക്കാൻ അവതാർ ഉപയോഗിക്കാം.
- സ്വകാര്യത: നിങ്ങളുടെ യഥാർത്ഥ മുഖം കാണിക്കാതെ സംസാരിക്കാം.
- ഭാഷ: അവതാർ നിങ്ങളുടെ ശബ്ദം അനുസരിച്ച് ഏത് ഭാഷയിലും ചുണ്ടനക്കും.
- വൈകാരികത: സംഭാഷണത്തിന്റെ സ്വരം അനുസരിച്ച് മുഖഭാവം മാറും.
എന്തെല്ലാം മുൻകരുതലുകൾ?
ഈ സാങ്കേതികവിദ്യ ഉപയോഗിച്ച് ഒരാൾ മറ്റൊരാളുടെ മുഖം അനുകരിച്ച് തട്ടിപ്പ് നടത്താൻ സാധ്യതയുണ്ട്. അതിനാൽ, വീഡിയോ കോളിൽ എതിർവശത്തുള്ള വ്യക്തി യഥാർത്ഥത്തിൽ നിങ്ങൾ വിശ്വസിക്കുന്ന ആളാണോ എന്ന് ഉറപ്പുവരുത്തേണ്ടത് പ്രധാനമാണ്. ഒരു രഹസ്യ വാക്ക് ഉപയോഗിക്കുക, അല്ലെങ്കിൽ മറ്റൊരു മാർഗത്തിലൂടെ (ഫോൺ കോൾ, സന്ദേശം) സ്ഥിരീകരിക്കുക. കൂടാതെ, അവതാർ നിർമ്മിക്കാൻ നിങ്ങളുടെ ശബ്ദവും മുഖവും ഉപയോഗിക്കുന്നതിനാൽ, അവയുടെ സ്വകാര്യതാ ക്രമീകരണങ്ങൾ പരിശോധിക്കുക.
ഭാവിയിൽ, ഈ സാങ്കേതികവിദ്യ കൂടുതൽ മെച്ചപ്പെടുമ്പോൾ, യഥാർത്ഥവും കൃത്രിമവും തമ്മിലുള്ള വ്യത്യാസം തിരിച്ചറിയുക എന്നത് വെല്ലുവിളിയാകും. അതിനാൽ, സാങ്കേതികവിദ്യയെക്കുറിച്ചുള്ള അവബോധം നിലനിർത്തുക എന്നത് പ്രധാനമാണ്.
കൂടാതെ, തത്സമയ അവതാറുകൾ സുഗമമായി പ്രവർത്തിക്കാൻ മികച്ച ഇന്റർനെറ്റ് വേഗതയും ഉയർന്ന പ്രോസസ്സിംഗ് ശേഷിയും ആവശ്യമാണ്. നെറ്റ്വർക്ക് വേഗത കുറയുമ്പോൾ ചുണ്ടുകളുടെ ചലനവും ശബ്ദവും തമ്മിൽ നേരിയ വ്യത്യാസം അനുഭവപ്പെടാം. ഇത്തരം ഡിജിറ്റൽ അവതാറുകൾ ഉപയോഗിക്കുമ്പോൾ കാണുന്നവർക്ക് തിരിച്ചറിയാനായി ഡിജിറ്റൽ വാട്ടർമാർക്കോ ലേബലുകളോ നൽകുന്നത് സുതാര്യത ഉറപ്പാക്കും. പ്രധാനപ്പെട്ട മീറ്റിംഗുകളിൽ പങ്കെടുക്കുമ്പോൾ യഥാർത്ഥ ക്യാമറ ഉപയോഗിക്കുന്നതാണ് കൂടുതൽ വിശ്വസനീയവും അനുയോജ്യവുമായ സമീപനം. സാങ്കേതികവിദ്യ സൗകര്യപ്രദമാണെങ്കിലും മനുഷ്യബന്ധങ്ങളിലെ നേരിട്ടുള്ള ആശയവിനിമയത്തിന്റെ സ്വാഭാവികത കാത്തുസൂക്ഷിക്കുക.