Google DeepMind släpper världsmodellen Genie 4 som forskningsförhandsvisning

Genie 4 får ljud i realtid, mer fotorealistiska scener och ändringar via textprompter under pågående simulering. Modellen finns hos utvalda testare, med bredare lansering planerad inom några veckor.

Google DeepMind har släppt Genie 4, företagets nyaste världsmodell, i en tidig forskningsversion för utvalda testare. Användare kan skriva prompter under en simulering för att ändra scenen, och modellen skapar passande ljud i realtid, bland annat musik, omgivningsljud och dialog.

Jämfört med Genie 3, som kom för drygt ett år sedan, går det att göra fria ändringar, till exempel byta väder eller kameravinkel eller lägga till människor och objekt. Modellen håller en scen konsekvent i upp till två minuter, dubbelt så länge som tidigare. Gemini fungerar som regissör som planerar steg och granskar bildrutor, medan Genie skapar världen. Enligt DeepMind kan detaljer och objekt förändras ju längre en simulering pågår, och teamet har ännu inte löst hur ljudet ska bli korrekt och text i världarna läsbar.

I ett experiment inom Gemini Robotics delade en Gemini 4 Argon-modell upp uppgifter i steg som Genie 4 simulerade. Det pekar på ett sätt att testa robotuppgifter i simulering innan de prövas i verkligheten. Genie 4 ska enligt planen nå Google AI Ultra-prenumeranter i Project Genie inom några veckor, tillsammans med partner med tidig åtkomst till Gemini API och Google AI Studio.

Det här är en kort sammanfattning från Zaxvix, baserad på källan ovan. Vi skriver sammanfattningarna med hjälp av AI och granskar dem före publicering. Läs originalet för hela historien. Har du hittat ett fel? Mejla hello@zaxvix.com så granskar vi artikeln och rättar eller tar bort den vid behov.