Google DeepMind lanza el modelo de mundo Genie 4 con edición en tiempo real y audio
aiinsider ·
Google DeepMind ha lanzado Genie 4, su último modelo de mundo, en una fase de vista previa de investigación. Este nuevo sistema genera entornos simulados altamente fotorrealistas e interactivos que permiten a los usuarios modificar las escenas en tiempo real mediante indicaciones de texto. Los usuarios pueden alterar las condiciones climáticas, ajustar los ángulos de cámara o introducir personajes y objetos mientras el modelo produce simultáneamente audio coincidente, incluyendo música y diálogos. La simulación mantiene la coherencia de la escena durante hasta dos minutos, lo que es el doble de duración que su predecesor, Genie 3. Gemini actúa como un director integrado para planificar pasos y verificar la calidad de los fotogramas, mejorando la coherencia del resultado. En experimentos con robótica, esta integración permitió la simulación en tiempo real de desgloses de tareas, ofreciendo un posible campo de pruebas para el despliegue de robots antes de la implementación física. Aunque los primeros evaluadores encuentran valor en la prototipación cinematográfica, los ingenieros señalan que desafíos como la deriva de objetos y la precisión del audio siguen siendo áreas que requieren mejoras.
aiinsider