Google DeepMind lança o modelo mundial Genie 4 com edição em tempo real e áudio
aiinsider ·
O Google DeepMind lançou o Genie 4, seu mais recente modelo de mundo, em uma fase de pesquisa preliminar. Este novo sistema gera ambientes simulados altamente fotorrealistas e interativos que permitem aos usuários modificar cenas em tempo real usando prompts de texto. Os usuários podem alterar condições climáticas, ajustar ângulos de câmera ou introduzir personagens e objetos enquanto o modelo produz simultaneamente áudio correspondente, incluindo música e diálogo. A simulação mantém a consistência da cena por até dois minutos, o que é o dobro da duração de seu antecessor, o Genie 3. O Gemini atua como um diretor integrado para planejar etapas e verificar a qualidade dos quadros, aprimorando a coerência da saída. Em experimentos com robótica, essa integração permitiu a simulação em tempo real de decomposições de tarefas, oferecendo um potencial campo de teste para a implantação de robôs antes da implementação física. Embora os primeiros testadores encontrem valor no prototipagem de filmes, engenheiros observam que desafios como o deslocamento de objetos e a precisão do áudio permanecem como áreas que precisam de melhorias.
aiinsider