El modelo mundial Genie 4 de Google añade audio, mundos más realistas y control en tiempo real
techcrunch ·
Google DeepMind ha lanzado Genie 4, su último modelo de mundo, en una vista previa de investigación que introduce entornos fotorrealistas con generación de audio en tiempo real y capacidades de dirección interactiva. A diferencia de su predecesor, Genie 4 permite a los usuarios modificar escenas durante la simulación mediante indicaciones de texto para cambiar el clima, los ángulos de cámara o añadir objetos, manteniendo la coherencia hasta por dos minutos. El modelo cuenta con física mejorada y personajes más similares a los humanos, junto con audio integrado que incluye música, ruido ambiental y diálogos. Genie 4 está estrechamente vinculado con la IA Gemini de Google, que actúa como director para planificar pasos y verificar fotogramas, lo que habilita aplicaciones potenciales en la simulación y prueba de robótica. Si bien los casos de uso comerciales incluyen videojuegos y educación, las primeras reseñas destacan la prototipización de películas como una aplicación prometedora debido a la capacidad del modelo para mantener el flujo creativo. A pesar de estos avances, Google reconoce limitaciones actuales como la deriva de objetos durante simulaciones prolongadas y desafíos con la precisión del audio y la legibilidad del texto. El modelo está actualmente disponible para probadores de confianza antes de su lanzamiento generalizado para suscriptores de Google AI Ultra y socios de API en las próximas semanas.
techcrunch