नमस्ते, मेरा नाम लुक है और मैं Naia बना रहा हूँ, जो मेरे पीसी में एक AI है।
v0.1.5 जून के 5 तारीख को रिलीज़ हुआ था, उसके बाद दो महीने में बहुत कुछ नया जोड़ा गया है। उस समय, ध्यान naia-0.9-omni-24g की पूरी कॉन्फ़िगरेशन को 24GB VRAM ग्राफिक्स कार्ड पर चलाने पर था, और Naia अकाउंट के साथ चुना जा सकने वाला क्लाउड मॉडल वास्तव में Gemini श्रृंखला पर केंद्रित था। Codex के मामले में, इसे सीधे टर्मिनल में चलाना Naia के दिमाग से जुड़ने से अलग कहानी थी।
v0.1.7 से, हम आपके लिए एक संरचना तैयार करने का लक्ष्य रख रहे हैं जिससे आप अपने पीसी पर 6GB VRAM के साथ Naia की आवाज़ बना सकें, अवतार और संगीत को एक साथ प्रसन्न कर सकें, और Naia के भीतर AI और वास्तविक फाइलों के साथ काम जारी रख सकें।
यह वितरण पहले ही Windows 10/11 के लिए निष्पाद्य फ़ाइलें (EXE) और इंस्टॉलेशन पैकेज (MSI) एक्सपोर्ट करेगा, और अगले संस्करणों से शुरू होकर Linux (Naia OS) और macOS की जांच होगी।
▎इस अपडेट में तुरंत अनुभव किए जा सकने वाली चीज़ें
- पिछली बार हमने साझा किए गए अलग-अलग 24GB Cascade मॉडल के बजाय, वाइंडोज़ ऐप स्वयं 6GB ग्राफिक्स मेमोरी (VRAM) से ही रियल-टाइम रेफरेंस आवाज़ों का उपयोग कर सकता है।
- नािया की मेमोरी और RAG को जोड़ा गया है ताकि यह छोटी और दीर्घकालिक मेमोरी प्रदान करे, जिससे यह केवल एक साधारण LLM के बजाय एक असली AI एजेंट बन जाता है।
- यह दो प्रकार की NIA आधिकारिक 3D अवतार फाइलों (VRM, मानव 3D अवतार प्रारूप) और छह प्रकार की स्वयं विकसित वीडियो अवतारों को प्रदान करता है जो GPU के बिना चलाते हैं।
- रेडियो DJ मोड जोड़ा गया है ताकि AI अपने आप यूट्यूब गाने सुझाए और आप गाने बजाते रह सकें।
- Naia द्वारा प्रदान किए गए मॉडल Gemini के केंद्रित ध्यान से विस्तारित हुए हैं और अब लागत-प्रभावी DeepSeek V4 flash और Pro, उच्च प्रदर्शन वाले GPT 5.6, Upstage के Solar Pro4, और Naver के Hyper Clova मॉडल को शामिल करते हैं।
- Naia में Codex को Naia के अंदर जोड़कर और Herdr वर्कस्पेस में कई AI सत्रों को देखने से बहु-एजेंट प्रोग्रामिंग की अनुमति देता है। वर्कस्पेस और Naia के बीच समावेश अभी भी प्रगति में है।
▎1. रियल-टाइम रेफरेंस आवाज़, अब 6GB VRAM से शुरू
naia-0.9-omni-24g जो v0.1.5 में परिचय दिया गया है, वह 24GB पूरा कॉन्फ़िगरेशन है जो सभी वॉइस रिकग्निशन, भाषा मॉडल और वॉइस सिंथेसिस को स्थानीय रूप से चलाता है। नए जोड़े गए 6GB मानक केवल उपयोगकर्ता की संदर्भ आवाज़ में बोलने वाले स्थानीय वॉइस सिंथेसिस फ़ंक्शन पर लागू होता है, पूरे कॉन्फ़िगरेशन पर नहीं। आप इसे अपने वॉइस सेटिंग्स में अलग-अलग ऑन कर सकते हैं।
आपके Windows PC पर, यदि आपके NVIDIA GPU में 6GB या उससे अधिक VRAM है, तो आप वॉइस सेटिंग्स में स्थानीय वॉइस को ऑन कर सकते हैं। हमने RTX 4060 लैपटॉप, RTX 3080 Ti लैपटॉप और RTX 2070 डेस्कटॉप पर संचालन की पुष्टि की है। आवश्यक TensorRT-आधारित वॉइस रनटाइम Windows इंस्टॉलेशन में शामिल है, जिससे उपयोगकर्ताओं को TensorRT या अलग-अलग वॉइस सर्वर को अलग से इंस्टॉल करने की आवश्यकता नहीं रह जाती है।
आप एक वॉइस फ़ाइल चुन सकते हैं या खुद रिकॉर्ड कर सकते हैं और फिर उसे उपयोग करने से पहले आगे सुन सकते हैं। यह विशेषता Naia खाते में लॉगिन करने या वीडियो अवतार चुनने से अलग है, इसलिए आप अपने मौजूदा 3D VRM को स्थानांतरित किए बिना स्थानीय रूप से अपनी आवाज़ बदल सकते हैं।
- भविष्य के योजनाओं में, जैसा कि मैं Claude या Codex के साथ वॉइस मॉडल्स का उपयोग करके विभिन्न कार्यों को रूपांतरित और उपयोगी बनाता हूं, Naia CLI या एजेंट-स्तर पर API का समर्थन करेगी ताकि उपयोगकर्ता विभिन्न अनुप्रयोगों का उपयोग कर सकें, जिससे उपयोगिता बहुत अधिक बढ़ जाएगी।
▎2. NIA आधिकारिक अवतार और NVA वीडियो अवतार
मैंने ही नािया की दिखत बनाई है। यह दो आधिकारिक ३डी VRM (बेसिक और बाल) प्रदान करती है और चेहरे के भावों और बोली की स्थितियों के अनुसार प्रतिक्रिया देती है।
हम ६ प्रकार के बात करने वाले वीडियो अवतार भी प्रदान करते हैं। आप मिंहा, जिनाना और नािया के लिए बेसिक और एनिमेशन शैलियाँ चुन सकते हैं। क्योंकि यह पूरा वीडियो क्लिप वापस खींचने का हल्का तरीका है, इसलिए अवतार दिखाए और बोलाने के लिए GPU की आवश्यकता नहीं होती है।
NVA (Naia Video Avatar) फॉर्मेट एक खुला स्रोत अवतार फॉर्मेट है जो वीडियो की उच्च दृश्य गुणवत्ता और VRM·Live2D के रियल-टाइम प्रदर्शन को संयोजित करता है। यह सस्ता है और मॉडेलिंग या रिगिंग के बिना तैयार बनाने के लिए उपलब्ध है, और यह ब्राउज़र और डेस्कटॉप पर रियल-टाइम में बात करता और प्रतिक्रिया देता है, बिना GPU के। फाइल फॉर्मेट और प्लेयर को खुला स्रोत के रूप में जारी किया गया है।→ ६ वीडियो अवतारों की पूरी उदाहरण देखें
हम इसका विस्तार से एक अलग पोस्ट में समझेंगे, और NVA निर्माण कार्य जल्द ही जारी किया जाएगा।
▎3. रेडियो DJ संगीत जारी रखता है
यदि आप नािया को "कोडिंग करते समय सुनने के लिए संगीत बजाएं" कहते हैं, तो सिर्फ एक गाना बजाने और समाप्त करने के बजाय, रेडियो DJ शर्तों को पूरा करने वाला एक गाना चुनता है, उसे परिचय देता है, और अगले गाने से जारी रहता है। यह AI द्वारा स्वयं की आवाज़ पर चर्चा जारी रखने के रूप में बनाई गई चीजों में से एक है।
यदि कोई उपयोगकर्ता संगीत सुनते हुए बातें करता है, तो चर्चा प्राथमिकता प्राप्त करती है। जब वापस संगीत पर लौटते हैं, तो पहले चुने गए वातावरण और प्लेबैक प्रवाह जारी रखें। मैं मौसम और मनोविज्ञान के आधार पर सुझाव देने की कोशिश कर रहा हूँ, लेकिन यह फंक्शन अभी बहुत अच्छी तरह काम नहीं करता है, इसलिए मैं विभिन्न चीजों का परीक्षण कर रहा हूँ।▎4. विभिन्न AI मॉडल और कोडिंग एजेंट्स का समर्थन करता है
Codex, Claude, DeepSeek V4 Pro, GPT-5.6, स्थानीय Solar Pro 4, HCX मॉडल्स तक 5 जून में जारी संस्करण में, Naia अकाउंट के साथ चुने जाने वाले मॉडल Gemini सीरीज पर केंद्रित थे। v0.1.7 में, विकल्प काफी बढ़ गए हैं। Codex और Claude का भी समर्थन किया जाता है। Codex या Claude का उपयोग करने वाले लोग बिना अलग अकाउंट के तुरंत इसका उपयोग कर सकते हैं।
| सीरीज | इस बार चुनने के लिए मुख्य मॉडल |
|---|---|
| DeepSeek | DeepSeek V4 Flash, DeepSeek V4 Pro |
| GPT | GPT-5.6 Sol, GPT-5.6 Luna |
| Grok | Grok 4.3 |
| Upstage | Solar Pro 4, Solar Mini |
| NAVER | HyperCLOVA |
आपकी Naia अकाउंट से जुड़ा मॉडल एक सेटिंग्स स्क्रीन से चुना जा सकता है। घरेलू मॉडलों के लिए कीमतें उसी स्क्रीन पर कोरियाई वॉन में भी दिखाई देती हैं।
▎5. मुझे याद रखने वाला naia-memory
naia-memory आपके सभी संवादों को बिना व्यवस्था के जमा करने के बजाय महत्वपूर्ण तथ्यों को चुनकर उन्हें स्टोर करता है। लंबे समय तक उपयोग न किए गए यादों की महत्वता कम हो जाती है, और उन यादों की महत्वता बढ़ जाती है जो पुनः यादगी की जाती हैं। यदि एक नया तथ्य पुराने तथ्य से विरोधाभासी होता है, तो आप अपने जवाब में पुरानी जानकारी को मिश्रित करने के बजाय उसे नए तथ्य के साथ अपडेट कर सकते हैं।
डिफ़ॉल्ट सेटिंग उपयोगकर्ता के पीसी पर स्थानीय JSON स्टोरेज में यादों को स्टोर करती है और ऐप चलते समय सémantिक, शब्दावली और संबंध खोज का एक संयोजन का उपयोग करती है। आप एम्बेडिंग और तथ्य निष्कर्षण के लिए किस मॉडल का उपयोग करना है, उसे अलग-अलग चुन सकते हैं, और यदि आप उन्हें पूरी तरह से स्थानीय रूप से कॉन्फ़िगर करते हैं, तो आपके संवादों के लिए आपको बाहरी याद सेवाओं पर निर्भर नहीं रहना चाहिए।
वर्तमान डिफ़ॉल्ट सेटिंग डेस्कटॉप/पर्सनल उपयोग के लिए स्थानीय स्टोरेज है। 100,000 से अधिक आइटम के लिए उद्देश्यित SQLite स्टोरेज विधि अभी भी उसी स्तर तक पूर्ण नहीं हुई है। हालाँकि यह अभी लागू नहीं किया गया है, लेकिन Naia-memory की प्रदर्शनता, जो हाल ही में बेन्चमार्क की गई है, वैश्विक सर्वोच्च स्तर के करीब पहुँच रही है। सबसे बड़ा लाभ यह नहीं है कि वह बहुत कुछ याद रखता है, बल्कि यह है कि जब यादें जमा होती हैं तो वह परिवर्तित सामग्री को अपडेट करता है, और मानव यादों की तरह, यह पुरानी सामग्री के बनने के साथ कमजोर होने का गुण रखता है। मैं बाद में इसका भी पोस्ट करूँगा।▎6. naia-adk और Herdr: Naia में AI के साथ काम करना
डेवलपर्स के लिए सबसे बड़ा बदलाव यह है कि Naia चैट विंडो से आगे बढ़कर एक वर्कस्पेस आधार पर जाता है, जहाँ कई AI सत्रों को एक ही स्थान में देखा जा सकता है।
चूँकि Naia का उद्देश्य मुझे डेवलपर के रूप में उपयोग करना है, यह बहु-कार्यान्वयन (multitasking) के दौरान टर्मिनल नरक को हल करने के लिए उद्देश्यित है, AI को अन्य कोडिंग एजेंटों की निर्देशिका के रूप में, एक दूरस्थ वातावरण में ड्रिफ्ट रोकने के लिए, टोकन खर्च अनुकूलन के लिए, और Discord बॉट कनेक्शन के लिए। इसकी कार्यान्वयना Naia-adk वर्क एनवायरनमेंट है जो Naia इंस्टॉल होने पर स्वतः सेटअप किया जाता है। यह ReZero Harness Book की आधारभूत हार्नेस कोडों को शामिल करता है, जिन्हें मैं पहले समझाया था।
अपडेट पिछले हफ्ते किया गया और कुछ सफलता प्राप्त की, लेकिन संदर्भों के बीच गलत प्रबंधन के कारण समस्याएं उत्पन्न हुईं, जैसे कि लागतों का अचानक बढ़ना या टेस्टिंग फ्रेम (harness) काम को रोक देना; इसलिए हम इसे इस चरण में वापस खींच रहे हैं और उस पर काम जारी रख रहे हैं।
इसके साथ ही, मैंने यह निर्णय लिया कि हाल ही में मैंने उपयोग किया था, Herdr का फंक्शन एक ओपन सॉफ्टवेयर है जो मेरे लक्ष्य के लिए टर्मिनल नरक को हल करने के लिए उपयुक्त है, इसलिए मैंने इसे Naia में बनाया और वह नियमों से अपने आप निर्मित करने की योजना थी, बहु-टेस्टिंग प्रबंधन (multi-terminal management) को छोड़ दिया।
Herdr, Naia के भीतर एक साथ कई AI सत्रों को देखने और प्रबंधित करने के लिए एक कार्य स्क्रीन है। बाईं ओर फाइल पेड़ में, आप फाइलों की सूची देख सकते हैं और Spaces और Agents टैब के बीच भ्रमण कर सकते हैं, और दाईं ओर, आप देख सकते हैं कि कौन से एजेंट किस रिपॉज़िटरी में काम कर रहे हैं और संबंधित Herdr सत्र पर भ्रमण कर सकते हैं। एक फाइल पर क्लिक करने के लिए उसकी सामग्री को देखने का व्यूअर अभी जुड़ा नहीं है। Herdr, Windows इंस्टॉलेशन के साथ शामिल है, इसलिए आपको इसे अलग से इंस्टॉल करने की आवश्यकता नहीं है।
Naia वर्कस्पेस में बनाया गया Herद स्क्रीन
यह संस्करण फाइल ट्री, स्पेस और एजेंट्स नेविगेशन के साथ-साथ एक बिल्ट-इन हेडर टास्क स्क्रीन प्रदान करता है। फाइल क्लिक वि्यूअर और नािया कोडेक्स हेडर को एक ही वर्कफ़्लो में जोड़ने वाला सुविधा अगले संस्करण के विकास की श्रेणी में अभी भी लागू नहीं किया गया है।नािया वर्कस्पेस वि्यूअर — हेडर एकीकरण तैयार किया जा रहा है
पहले, हम इसे अपने वेबसाइट पर वितरित करेंगे, और हम तुरंत स्टीम और विंडोज स्टोर के लिए तैयार हो रहे हैं।और सबसे महत्वपूर्ण बात यह है कि सब कुछ ओपन सोर्स है।
हम तुरंत एक ओपन सोर्स ऑफलाइन मीटिंग तैयार करेंगे। इसके पहले, यदि आप खबर साझा करना चाहते हैं और डिसकॉर्ड पर मिलकर निर्माण करते हैं, तो कृपया हमसे किसी भी समय संपर्क करें।
#Naia #NVA #RadioDJ #Codex #Herdr #Open Source AI
