نینو کیلے پرو عرف جیمنی -3-پرو امیج-پیش نظارہ بہترین دستیاب امیج جنریشن ماڈل ہے

نینو کیلے پرو عرف جیمنی -3-پرو امیج-پیش نظارہ بہترین دستیاب امیج جنریشن ماڈل ہے

20 نومبر 2025

منگل کے روز جیمنی 3 پرو ریلیز کی ایڑیوں پر گرم ، آج یہ نانو کیلے پرو ہے ، جسے جیمنی 3 پرو امیج بھی کہا جاتا ہے۔ میرے پاس پیش نظارہ تک رسائی کے کچھ دن ہیں اور یہ ایک ہے حیرت سے قابل امیج جنریشن ماڈل۔

جیسا کہ اکثر ہوتا ہے ، سب سے مفید نچلی سطح کی تفصیلات API دستاویزات میں مل سکتی ہیں۔

اعلی درجے کی استدلال کے ذریعے سب سے مشکل کام کے بہاؤ سے نمٹنے کے لئے ڈیزائن کیا گیا ہے ، یہ پیچیدہ ، ملٹی ٹرن تخلیق اور ترمیم کے کاموں میں سبقت لے جاتا ہے۔

• اعلی ریزولوشن آؤٹ پٹ: 1K ، 2K ، اور 4K بصریوں کے لئے بلٹ میں نسل کی صلاحیتیں۔
• اعلی درجے کی متن پیش کرنا: انفوگرافکس ، مینوز ، آریگرام ، اور مارکیٹنگ کے اثاثوں کے لئے قابل ، اسٹائلائزڈ متن پیدا کرنے کے قابل۔
• گوگل سرچ کے ساتھ گراؤنڈنگ: ماڈل گوگل سرچ کو حقائق کی تصدیق کے ل a ایک ٹول کے طور پر استعمال کرسکتا ہے اور اصل وقت کے اعداد و شمار (جیسے ، موجودہ موسم کے نقشے ، اسٹاک چارٹ ، حالیہ واقعات) کی بنیاد پر امیجری تیار کرنے کے لئے۔
• سوچنے کا طریقہ: ماڈل پیچیدہ اشاروں کے ذریعہ استدلال کرنے کے لئے “سوچ” کے عمل کا استعمال کرتا ہے۔ یہ آخری اعلی معیار کی پیداوار تیار کرنے سے پہلے ترکیب کو بہتر بنانے کے لئے عبوری “سوچی گئی تصاویر” (پسدید میں دکھائی دیتا ہے لیکن الزام نہیں لگایا جاتا ہے) تیار کرتا ہے۔
• 14 حوالہ تصاویر تک: اب آپ حتمی شبیہہ تیار کرنے کے لئے 14 حوالہ امیجز کو ملا سکتے ہیں۔

(…) ان 14 تصاویر میں مندرجہ ذیل شامل ہوسکتے ہیں:

• حتمی شبیہہ میں شامل کرنے کے لئے اعلی مخلصی کے ساتھ اشیاء کی 6 تصاویر
• کردار کی مستقل مزاجی کو برقرار رکھنے کے لئے انسانوں کی 5 تصاویر تک

کچھ تفصیلی ہدایت کی تصویری اشارے کی کوشش کرنا

میکس وولف نے کچھ دن پہلے ہی نینو کیلے کو اشارہ کرنے کے لئے حتمی گائیڈ شائع کیا تھا۔ میں نے 4K میں نتائج کی درخواست کرتے ہوئے ، نئے ماڈل کے خلاف اس کی مثال کے اشارے آزمانے کا فیصلہ کیا۔

گوگل کے اے آئی اسٹوڈیو کا استعمال کرتے ہوئے ، میں نے اس کے پہلے ٹیسٹ پرامپٹ کے لئے جو کچھ حاصل کیا وہ یہ ہے:

Create an image of a three-dimensional pancake in the shape of a skull, garnished on top with blueberries and maple syrup.

مجھے جو کچھ ملا وہ یہ ہے:

نتیجہ 24.1MB ، 5632 × 3072 پکسل PNG فائل کے طور پر سامنے آیا۔ میں اپنے بلاگ پر اس کی خدمت نہیں کرنا چاہتا لہذا یہاں اصل کے لئے گوگل ڈرائیو لنک ہے۔

تب میں نے اس کا فالو اپ اشارہ چلایا:

Make ALL of the following edits to the image:
- Put a strawberry in the left eye socket.
- Put a blackberry in the right eye socket.
- Put a mint garnish on top of the pancake.
- Change the plate to a plate-shaped chocolate-chip cookie.
- Add happy people to the background.

میں نوٹ کروں گا کہ اس نے پلیٹ سائز کی کوکی کو باقاعدہ پلیٹ میں رکھا ہے۔ یہاں 24.9MB PNG ہے۔

نیا ماڈل سستا نہیں ہے۔ یہاں API کی قیمتوں کا تعین ہے: یہ 4K امیج کے لئے 24 سینٹ اور 1K یا 2K امیج کے لئے 13.4 سینٹ ہے۔ تصویری آدانوں میں سے ہر ایک 6.7 سینٹ ہے۔

اگر آپ 4K آؤٹ پٹ بنانے کے لئے تمام 14 ریفرنس امیجز کا استعمال کرتے ہیں جو ایک ہی API کال کے لئے $ 1.18 ہے (اس کے علاوہ آپ کے ٹیکسٹ پرامپٹ کو کور کرنے کے لئے کچھ اور سینٹ ، جس پر 00 2.00 فی ملین ٹوکن وصول کیا جاتا ہے۔)

گوگل کے بیشتر دوسرے ماڈلز کے برعکس یہ بھی AI اسٹوڈیو کے توسط سے مفت میں دستیاب نہیں ہے: آپ کو وہاں ماڈل کو استعمال کرنے کے لئے بلنگ کے ساتھ ایک API کلید تشکیل دینا ہوگی۔

ایک انفوگرافک بنانا

تو یہ چیز ہدایات پر عمل کرنے میں بہت اچھا ہے۔ متن پیش کرنے کے بارے میں کیا خیال ہے؟

میں نے اس پر اشارہ کیا ، اس بار جیمنی کنزیومر ایپ کو “سوچ” کے موڈ میں استعمال کرتے ہوئے (جو اب امیج جنریشن کے لئے نینو کیلے پرو کا استعمال کرتا ہے)۔ یہاں ایک شیئر لنک ہے – میرا اشارہ یہ تھا:

انفوگرافک یہ بتاتے ہوئے کہ ڈیٹاسیٹ اوپن سورس پروجیکٹ کس طرح کام کرتا ہے

تلاشی چلانے کی صلاحیت کو جانچنے کا یہ ایک بہت اچھا موقع ہے (عرف “گوگل سرچ کے ساتھ گراؤنڈنگ”)۔ اس نے اس 9 ورڈ پرامپٹ کی بنیاد پر جو تخلیق کیا ہے وہ یہ ہے:

اتنے سادہ اشارے کا یہ ایک غیر معمولی نتیجہ ہے۔ متن سب کو صحیح طریقے سے ہجے کیا جاتا ہے اور بغیر کسی خرابی کے مہیا کیا جاتا ہے۔ مواد بھی ٹھوس ہے-اس میں یہاں تک کہ سب سے زیادہ مقبول اشاعت پلیٹ فارمز کے لوگو ، اور ڈیٹاسیٹ UI کا ایک چھوٹا تھمب نیل بھی شامل ہے جو انفوگرافک کے لئے قریب ہے۔

“ڈیٹا انجشن (صرف پڑھیں)” تھوڑا سا آف ہے۔ باقی سب کچھ مجھے بہت اچھا لگتا ہے۔

اس امیج جنریشن کے عمل کے لئے سوچنے کا سراغ یہ ہے:

ڈیٹاسیٹ انفوگرافک کا آغاز کرنا

میں ڈیٹاسیٹ پروجیکٹ کے بارے میں ایک تفصیلی انفوگرافک شروع کر رہا ہوں۔ میں اس کے بنیادی عمل کے بارے میں مخصوص معلومات اکٹھا کرنے کے لئے گوگل سرچ کا استعمال کرنے کا ارادہ رکھتا ہوں ، جسے میں پھر ملٹی پینل آریگرام میں تصور کروں گا۔

ڈیٹاسیٹ ورک فلو تیار کرنا

میں ڈیٹاسیٹ ورک فلو کو دیکھ رہا ہوں جیسا کہ تلاش کے نتائج میں بیان کیا گیا ہے۔ میں مختلف فارمیٹس سے ڈیٹا کو ایس کیو ایلائٹ ڈیٹا بیس میں تبدیل کرنے پر توجہ مرکوز کر رہا ہوں ، جسے پھر صارف انٹرفیس اور جے ایس این آؤٹ پٹ کے ساتھ مکمل ویب ایپلی کیشن کے طور پر پیش کیا جاتا ہے۔

ڈیٹاسیٹ ورک فلو کو تصور کرنا

میں نے انفوگرافک کے لئے ابتدائی ڈھانچے کا خاکہ تیار کیا ہے ، جس میں فلو چارٹ اسٹائل پر توجہ دی جارہی ہے۔ کلیدی اجزاء میں متنوع ذرائع سے ڈیٹا ان پٹ ، ایس کیو ایلائٹ میں تبدیلی ، ڈیٹااسیٹ کور ایپلی کیشن ، اس کی اہم خصوصیات (ویب UI ، JSON API ، SQL استفسار) ، ماحولیاتی نظام پلگ ان ، اور آخر میں ، تعیناتی کے اختیارات شامل ہیں۔ میرا مقصد واضح شبیہیں اور لیبل ہر قدم کی نمائندگی کرنے کے لئے ہے۔ اب میں بہاؤ کو بہتر بنانے اور حصوں کے مابین تعلقات کو واضح کرنے پر توجہ دوں گا۔

بنیادی ڈیٹاسیٹ مراحل کی وضاحت

میں نے ابتدائی انفوگرافک ڈھانچے کا خاکہ تیار کیا ہے۔ میں نے کلیدی اجزاء کی نشاندہی کی ہے ، جس میں ڈیٹا کے بہاؤ کی بصری نمائندگی اور سسٹم کے کلیدی فوائد اور خصوصیات پر توجہ مرکوز کی گئی ہے۔ میں نے صاف شبیہیں اور لیبلوں کے ساتھ فلو چارٹ میں تازہ کاری کی ہے۔ اب میں ڈیٹا ان پٹ سیکشن کو بڑھانے اور ہر قدم کی بصری نمائندگی کو بہتر بنانے کے لئے کام کر رہا ہوں۔

ڈیٹاسیٹ انفوگرافک کی تعمیر

میں موجودہ ڈیٹاسیٹ ورک فلو خاکہ کو بصری عناصر میں ترجمہ کر رہا ہوں۔ ان پٹ سیکشن مختلف ڈیٹا فارمیٹس کے لئے شبیہیں دکھائے گا۔ میں نے ضروری ٹولز کی واضح عکاسی کے ساتھ ڈیٹا کے تبادلوں کے مرحلے کی خاکہ بنائی ہے۔ میں ڈیٹاسیٹ کور ایپلی کیشن کی ایک تصویر شامل کروں گا ، اس کے انٹرفیس اور افعال کی نمائش کروں گا۔ پلگ ان ماحولیاتی نظام اور تعیناتی کے اختیارات اس کے بعد آئیں گے۔ اب ، میں بصری نمائندگی کو بہتر بنا رہا ہوں۔

ڈیٹاسیٹ کے فن تعمیر کا تجزیہ کرنا

میں فی الحال ڈیٹاسیٹ اوپن سورس پروجیکٹ کے فن تعمیر کی نمائندگی کرنے پر کام کر رہا ہوں۔ میں نے اسے کلیدی اجزاء میں توڑ دیا ہے: خام ڈیٹا پروسیسنگ ، اسکیلائٹ تبادلوں ، بنیادی ایپلی کیشن فنکشنلٹی ، پلگ ان انضمام ، اور تعیناتی کے طریقے۔ میں ورک فلو کو ظاہر کرنے کے لئے ایک واضح ، لکیری نمائندگی پیدا کرنے پر توجہ دے رہا ہوں۔

ڈیٹاسیٹ کے بہاؤ کی نقشہ سازی

میں نے ڈیٹاسیٹ کے آپریشن کو واضح کرنے کے لئے ایک جامع گرافک تیار کیا ہے۔ اس میں ڈیٹا انجیریشن ، اسکیلائٹ تبادلوں ، اہم اطلاق کی خصوصیات ، پلگ ان تعامل ، اور تعیناتی کے مراحل پر پھیلا ہوا ہے ، جس کا مقصد وضاحت اور منطقی بہاؤ ہے۔

سنتھائڈ کے ساتھ تیار کردہ تصاویر کا پتہ لگانا

اعلان پوسٹ کے اس نوٹ نے میری آنکھ کو اپنی لپیٹ میں لیا:

ہمارا ماننا ہے کہ یہ جاننا ضروری ہے کہ جب کوئی شبیہہ AI- انفل ہے۔ یہی وجہ ہے کہ گوگل کے ٹولز کے ذریعہ تیار کردہ تمام میڈیا ہمارے ناقابل تسخیر مصنوعی ڈیجیٹل واٹر مارک کے ساتھ سرایت کر چکے ہیں۔

آج ، ہم صارفین کے ہاتھوں میں براہ راست توثیق کا ایک طاقتور ٹول ڈال رہے ہیں: اب آپ جیمنی ایپ میں ایک تصویر اپ لوڈ کرسکتے ہیں اور صرف یہ پوچھ سکتے ہیں کہ یہ مصنوعی ٹیکنالوجی کی بدولت گوگل اے آئی کے ذریعہ تیار کیا گیا ہے یا نہیں۔ ہم تصاویر سے شروع کر رہے ہیں ، لیکن جلد ہی آڈیو اور ویڈیو میں توسیع کریں گے۔

گذشتہ رات میں نے نانو کیلے پرو کا استعمال ہمارے کھانے کی ترسیل کو چوری کرتے ہوئے ریکونز کی جعلی تصویر تیار کرنے کے لئے کیا ، پھر ایپل کی تصاویر “کلین اپ” ٹول کا استعمال کرتے ہوئے لٹل ڈائمنڈ آئیکن کو صاف کردیا۔ میں نے اس جیمنی ایپ کو اپ لوڈ کیا اور پوچھا “کیا یہ تصویر اے آئی کے ساتھ تخلیق کی گئی ہے؟”:

اس نے جواب دیا:

ہاں ، یہ ظاہر ہوتا ہے کہ اس شبیہہ کا سب یا کچھ حصہ گوگل AL کے ساتھ بنایا گیا تھا۔ سنتھڈ نے تصویر کے 25-50 ٪ میں واٹر مارک کا پتہ لگایا۔

غالبا. یہ کہ 25-50 ٪ کے اعداد و شمار کی وجہ یہ ہے کہ باقی تصویر میرے ذریعہ لی گئی تھی-یہ صرف ایک قسم کا جانور تھا جو نانو کیلے پرو نے شامل کیا تھا۔