VibeVO – Advertisers and creators in one ecosystem

Tag: जेमिनी

  • Google अनुमति देगा AI-सामग्री से दृश्य वॉटरमार्क हटाने की

    Google अनुमति देगा AI-सामग्री से दृश्य वॉटरमार्क हटाने की

    Google ने सामग्री निर्माताओं की ओर एक महत्वपूर्ण कदम उठाया है: अब उपयोगकर्ता अपने AI मॉडल द्वारा उत्पन्न सामग्री से दृश्य वॉटरमार्क हटा सकेंगे। यह Gemini, वीडियो एडिटर Flow और अन्य टूल्स में बनाई गई छवियों, वीडियो और संगीत पर लागू होता है। साथ ही, SynthID का अदृश्य वॉटरमार्क और C2PA मानक के मेटाडेटा अनिवार्य रहेंगे, ताकि सामग्री की उत्पत्ति की पारदर्शिता बनी रहे। इस निर्णय को पहले से ही AI-कंटेंट प्रोडक्शन और सब्सक्रिप्शन-आधारित न्यूरो-प्रोडक्शन के लिए क्रांतिकारी बताया जा रहा है।

    Gemini और Flow में नया विकल्प

    Google के Gemini उत्पादों के उपाध्यक्ष जोश वुडवर्ड ने सोशल नेटवर्क X पर बताया कि यह स्विच Nano Banana, Omni और Lyria मॉडल के लिए उपलब्ध होगा। उपयोगकर्ता Gemini और वीडियो एडिटर Flow में दृश्य वॉटरमार्क बंद कर सकेंगे, और Google खोज में समर्थन बाद में आएगा।

    यह बदलाव AI-मीडिया लेबलिंग के दृष्टिकोण के विकास को दर्शाता है: दृश्य वॉटरमार्क अक्सर सामग्री के पेशेवर और रचनात्मक उपयोग में बाधा डालते हैं, लेकिन AI-जनरेशन की पहचान की आवश्यकता बनी रहती है। वुडवर्ड ने समझाया: “हम रचनात्मक नियंत्रण और सुरक्षा के बीच संतुलन बना रहे हैं: दृश्य वॉटरमार्क अब अनिवार्य नहीं हैं, लेकिन अदृश्य SynthID और C2PA मेटाडेटा अभी भी पारदर्शिता सुनिश्चित करते हैं। आप यह जांचने के लिए Gemini या Search का उपयोग कर सकते हैं कि छवि AI द्वारा बनाई गई थी या नहीं।”

    यह कैसे काम करेगा

    यह सुविधा आने वाले दिनों में लागू की जाएगी। उपलब्ध होने के बाद, उपयोगकर्ता “सेटिंग्स” → “मीडिया वॉटरमार्क” पर जाकर दृश्य लेबलिंग को चालू या बंद कर सकेंगे। यह विज्ञापन के लिए AI-वीडियो के बड़े पैमाने पर उत्पादन को अधिक लचीला बनाता है, क्योंकि दृश्य चिह्न अक्सर वास्तविक UGC-वीडियो की तुलना में AI-क्रिएटिव की रूपांतरण दर को कम कर देता है।

    Credentio: डेवलपर्स के लिए स्थानीय सत्यापन

    Google नई लाइब्रेरी Credentio का स्रोत कोड भी खोल रहा है, जो डेवलपर्स को अपने अनुप्रयोगों में सामग्री की प्रामाणिकता की स्थानीय जांच तंत्र को एकीकृत करने की अनुमति देगा। यह AI-मीडिया के लिए विकेंद्रीकृत विश्वास प्रणाली की दिशा में एक कदम है।

    “हम रचनात्मक नियंत्रण और सुरक्षा के बीच संतुलन बना रहे हैं: दृश्य वॉटरमार्क अब अनिवार्य नहीं हैं, लेकिन अदृश्य SynthID और C2PA मेटाडेटा अभी भी पारदर्शिता सुनिश्चित करते हैं” — जोश वुडवर्ड, Google के उपाध्यक्ष।

    संदर्भ: नियामकों का दबाव

    Google का यह निर्णय Anthropic के विवादास्पद कदम के बाद आया है, जिसने EU मानदंडों का पालन करने के लिए Claude द्वारा बनाए गए टेक्स्ट और फाइलों में वॉटरमार्क जोड़ा था। यह AI-सामग्री की नैतिक लेबलिंग के बढ़ते महत्व को रेखांकित करता है, विशेष रूप से सबटाइटल वाले AI-अवतार बनाने, AI आवाजों से आवाज देने और ई-कॉमर्स और क्रिप्टो परियोजनाओं के लिए टेक्स्ट से वीडियो जनरेशन में।

    व्यवसाय के लिए इसका क्या मतलब है

    उन कंपनियों के लिए जो बड़े पैमाने पर वीडियो जनरेशन के लिए AI-पाइपलाइन का उपयोग करती हैं, उदाहरण के लिए, प्रति दिन 500 वीडियो, दृश्य वॉटरमार्क को बंद करने से विश्वास से समझौता किए बिना विज्ञापन में AI-सामग्री का उपयोग आसान हो जाता है। साथ ही, AI-वीडियो के एक मिनट की लागत पारंपरिक प्रोडक्शन की तुलना में प्रतिस्पर्धी बनी रहती है, और बड़े पैमाने पर जनरेशन के लिए API उत्पादन को स्केल करने की अनुमति देता है, जो पहले असंभव था।

    Google разрешит убирать видимый водяной знак с ИИ-контента — illustration 2

    अक्सर पूछे जाने वाले प्रश्न

    क्या यह जांचने की क्षमता बनी रहेगी कि सामग्री AI द्वारा बनाई गई है?

    हाँ, SynthID का अदृश्य वॉटरमार्क और C2PA मेटाडेटा बने रहते हैं, इसलिए उत्पत्ति की जांच के लिए Gemini या Search का उपयोग किया जा सकता है।

    यह सुविधा कब उपलब्ध होगी?

    कार्यान्वयन आने वाले दिनों में शुरू होगा, पहले Gemini और Flow में, फिर Search में।

    Google ऐसा क्यों कर रहा है?

    पेशेवर और रचनात्मक कार्यों के लिए AI-सामग्री के उपयोग में आसानी बढ़ाने के लिए, साथ ही पारदर्शिता बनाए रखने के लिए।

    यह निर्णय सब्सक्रिप्शन-आधारित न्यूरो-प्रोडक्शन और AI-कंटेंट प्रोडक्शन के लिए नए अवसर खोलता है, जिससे विज्ञापन के लिए AI-वीडियो जनरेशन और भी आकर्षक हो जाता है। यदि आप क्रिप्टो या ई-कॉमर्स के लिए AI-वीडियो ऑर्डर करने की जगह ढूंढ रहे हैं, तो अब यह प्रक्रिया और भी लचीली हो गई है।

    क्या आप बिना दृश्य वॉटरमार्क के AI-जनरेशन की नई क्षमताओं का पहले परीक्षण करना चाहते हैं? फ़ंक्शन के लॉन्च को मिस न करने और अपनी परियोजनाओं में SynthID और C2PA के उपयोग के लिए व्यावहारिक मार्गदर्शिका प्राप्त करने के लिए हमारे अपडेट की सदस्यता लें।

  • AI-दृश्यता: वास्तविक वृद्धि को माप के शोर से कैसे अलग करें

    AI-दृश्यता: वास्तविक वृद्धि को माप के शोर से कैसे अलग करें

    AI-दृश्यता का डेटा अस्थिर है: जनरेटिव मॉडल हर बार अलग-अलग उत्तर देते हैं, इसलिए एकल माप भ्रामक हो सकता है। IQRush का नया शोध एक रोक नियम प्रस्तावित करता है, जो यह निर्धारित करने में मदद करता है कि रेटिंग कब विश्वसनीय हो जाती है। इस लेख में, हम चर्चा करेंगे कि वास्तविक वृद्धि को माप के शोर से कैसे अलग किया जाए और इससे विपणक के लिए क्या व्यावहारिक निष्कर्ष निकलते हैं।

    AI-दृश्यता के एकल माप अविश्वसनीय क्यों हैं

    SearchGPT, Gemini और Perplexity जैसे खोज इंजन प्रत्येक उत्तर में यादृच्छिकता लाते हैं। एक ही प्रश्न अलग-अलग स्रोत दे सकता है — यह आर्किटेक्चर की एक विशेषता है। शोध से पता चला कि, उदाहरण के लिए, दौड़ने के उपकरण के विषय पर SearchGPT का परीक्षण करते समय, Tom’s Guide को लगभग 9.5% उद्धरण मिले, जबकि Runner’s World को लगभग 6.0%। 3.5 प्रतिशत अंकों का अंतर त्रुटि की सीमा के भीतर था, इसलिए Tom’s Guide की श्रेष्ठता का दावा करना गलत था।

    विश्वसनीय रेटिंग के लिए कितने डेटा की आवश्यकता है

    उत्तर में दो शर्तें शामिल हैं जिन्हें एक साथ पूरा किया जाना चाहिए। पहली: क्रम बदलना बंद कर देना चाहिए। पर्याप्त संख्या में उत्तर एकत्र करने के बाद, शीर्ष साइटें स्पष्ट रूप से उभरने लगती हैं। दूसरी: शीर्ष साइटों के बीच का अंतर माप त्रुटि से अधिक होना चाहिए। यदि प्रतियोगी बहुत करीब हैं, तो रेटिंग वास्तविक श्रेष्ठता को प्रतिबिंबित नहीं करती है।

    विभिन्न प्लेटफार्मों और विषयों पर 30 परीक्षणों में, दोनों शर्तों को पूरा करने के लिए आवश्यक उत्तरों की संख्या 33 से 94 तक भिन्न थी (केवल उद्धरण वाले उत्तरों पर विचार किया गया)। 30 में से तीन मामलों में, 125 प्रश्नों के बाद भी यह हासिल नहीं हुआ — सभी SearchGPT पर, जहां शीर्ष साइटें बहुत समान थीं।

    विपणक के लिए व्यावहारिक निष्कर्ष

    Rand Fishkin (SparkToro) सलाह देते हैं: AI-दृश्यता को ट्रैक करने पर पैसा खर्च करने से पहले, सुनिश्चित करें कि प्रदाता “अपना गणित दिखाता है”। IQRush का शोध एक सरल रोक नियम प्रदान करता है ताकि अंतर्ज्ञान पर भरोसा न करना पड़े। यदि सामग्री अपडेट करने के बाद आप उद्धरणों में 3 प्रतिशत अंकों की वृद्धि देखते हैं, तो यह एक प्राकृतिक भिन्नता हो सकती है। पहले और बाद में कई बार मापें — एकल माप शोर से अप्रभेद्य है।

    AI-दृश्यता: वास्तविक वृद्धि को माप के शोर से कैसे अलग करें

    विभिन्न प्लेटफ़ॉर्म — डेटा के लिए अलग-अलग आवश्यकताएं

    Gemini एक ही उत्तर के भीतर एक ही साइटों को उद्धरणों से लोड करता है, इसलिए कई उद्धरणों में बहुत कम नई जानकारी होती है। SearchGPT प्रति उत्तर कम उद्धरण देता है, लेकिन उन्हें व्यापक रूप से वितरित करता है — प्रत्येक उत्तर में अधिक स्वतंत्र डेटा होता है। दो प्लेटफार्मों पर समान संख्या में उत्तर समान आत्मविश्वास नहीं देते हैं: Gemini के लिए पर्याप्त बजट आपको SearchGPT पर अनजान छोड़ सकता है।

    जब डेटा अपर्याप्त हो: रुकना जानें

    30 परीक्षणों में से तीन में, शीर्ष साइटें स्पष्ट रूप से अलग नहीं हुईं। ऐसे मामलों में, सही निर्णय रेटिंग प्रकाशित करने से बचना है। एक ट्रैकर जो कह सकता है “अपर्याप्त डेटा” उससे अधिक मूल्यवान है जो हर प्रश्न पर एक निश्चित क्रम आउटपुट करता है।

    केवल नेताओं पर भरोसा किया जा सकता है: पर्याप्त उत्तरों के साथ, वे मध्य और पूंछ से अलग हो जाते हैं। लेकिन शीर्ष-10 के लिए भी, विशिष्ट त्रुटि लगभग पांच स्थानों की है, और हर पांचवां स्थान 10 से अधिक है। सूची के शीर्ष से परे सटीक स्थान प्रकाशित न करें।

    शोध की सीमाएं

    यह एक प्रीप्रिंट है, जो ChatGPT द्वारा उत्पन्न प्रश्नों का उपयोग करके तीन प्लेटफार्मों पर 30 परीक्षणों पर आधारित है, न कि वास्तविक उपयोगकर्ता प्रश्नों पर। सटीक संख्याएं आपके विषयों पर लागू नहीं होती हैं — उन्हें मानों की तालिका के बजाय समस्या के रूप में देखें। एक परीक्षण में, 125 प्रश्नों ने केवल 104 उपयोगी उत्तर दिए (17% हानि), इसलिए वास्तविक प्रश्नों की संख्या अधिक होनी चाहिए।

    AI-दृश्यता: वास्तविक वृद्धि को माप के शोर से कैसे अलग करें

    विधि आंतरिक रूप से सत्यापित की गई थी: प्रारंभिक रेटिंग की तुलना अंतिम रेटिंग से की गई थी, न कि बाहरी संदर्भ से। हालांकि, सेंट गैलेन विश्वविद्यालय (जूलियस शुल्टे, माल्टे ब्लेकर, फिलिप कॉफमैन) की एक स्वतंत्र टीम ने अप्रैल में अपने डेटा सेट पर समान परिणाम प्रकाशित किए, जिससे पुष्टि हुई कि एकल रीडिंग अविश्वसनीय है।

    AI-दृश्यता का भविष्य: सटीक संख्याओं से श्रेणियों तक

    AI-दृश्यता रिपोर्टिंग विज्ञापन और वेब एनालिटिक्स की तरह त्रुटि के साथ प्रारूप की ओर बढ़ रही है। जब तक Search Console यह रिपोर्ट नहीं करता कि कौन से क्लिक AI से आए, यह कार्य आप पर है: कई बार जांच चलाएं और डैशबोर्ड से एक संख्या के बजाय एक श्रेणी की रिपोर्ट करें।

    अक्सर पूछे जाने वाले प्रश्न

    स्थिर डेटा प्राप्त करने के लिए AI खोज से कितनी बार पूछताछ करनी चाहिए?

    प्लेटफ़ॉर्म और विषय के आधार पर उद्धरणों के साथ 33 से 94 उत्तर। कोई सार्वभौमिक सीमा नहीं है।

    क्या AI-दृश्यता डैशबोर्ड पर भरोसा किया जा सकता है?

    केवल अगर वे त्रुटि और कई माप दिखाते हैं। संदर्भ के बिना एक सादा संख्या एक लाल झंडा है।

    AI-दृश्यता: वास्तविक वृद्धि को माप के शोर से कैसे अलग करें

    यदि सामग्री अपडेट करने के बाद उद्धरण 3% बढ़ जाते हैं तो क्या करें?

    पहले और बाद में कई माप लें। यदि अंतर बना रहता है — यह वास्तविक वृद्धि है। यदि नहीं — शोर।

    किन प्लेटफार्मों को अधिक डेटा की आवश्यकता है?

    SearchGPT — प्रति उत्तर कम उद्धरणों के कारण, लेकिन प्रत्येक उत्तर की अधिक स्वतंत्रता। Gemini — इसके विपरीत, कई उद्धरण देता है, लेकिन वे अक्सर एक ही साइटों को दोहराते हैं।

    निष्कर्ष

    मुख्य निष्कर्ष: AI-दृश्यता एक निश्चित मीट्रिक नहीं है, बल्कि एक श्रेणी है। रोक नियम का उपयोग करें, कई बार जांचें, और यदि शीर्ष साइटें अलग नहीं होती हैं तो रेटिंग प्रकाशित न करें। केवल इस तरह से आप ऐसा डेटा प्राप्त करेंगे जिस पर भरोसा किया जा सकता है। आज ही इन सिद्धांतों को लागू करना शुरू करें ताकि आपकी AI-दृश्यता रिपोर्ट विश्वसनीय और निर्णय लेने के लिए उपयोगी हो।