Googles Genie 4-Weltmodell fügt Audio, realistischere Welten und Echtzeitsteuerung hinzu
techcrunch ·
Google DeepMind hat Genie 4, sein neuestes Weltmodell, in einer Forschungsvorschau veröffentlicht, die fotorealistische Umgebungen mit Echtzeit-Audio-Generierung und interaktiven Steuerungsmöglichkeiten einführt. Im Gegensatz zu seinem Vorgänger ermöglicht Genie 4 Nutzern, Szenen während der Simulation durch Texteingaben zu ändern, beispielsweise Wetter, Kamerawinkel oder das Hinzufügen von Objekten, wobei die Konsistenz für bis zu zwei Minuten beibehalten wird. Das Modell verfügt über verbesserte Physik und menschenähnlichere Charaktere sowie integriertes Audio, das Musik, Umgebungsgeräusche und Dialoge umfasst. Genie 4 ist eng mit Googles Gemini AI verbunden, das als Regisseur dient, um Schritte zu planen und Frames zu überprüfen, was potenzielle Anwendungen in der Robotersimulation und -tests ermöglicht. Während kommerzielle Nutzungsfälle Gaming und Bildung umfassen, hebt frühes Feedback das Prototyping von Filmen als vielversprechende Anwendung hervor, dank der Fähigkeit des Modells, den kreativen Fluss aufrechtzuerhalten. Trotz dieser Fortschritte räumt Google aktuelle Einschränkungen ein, wie Objekt-Drift bei langen Simulationen sowie Herausforderungen bei der Audio-Genauigkeit und der Lesbarkeit von Text. Das Modell ist derzeit vertrauten Testern verfügbar, bevor es in den kommenden Wochen an Google AI Ultra-Abonnenten und API-Partner ausgerollt wird.
techcrunch