Google DeepMind stellt Weltmodell Genie 4 mit Echtzeit-Audio vor
Laut Google können Nutzer mit Genie 4 simulierte Welten per natürlicher Sprache steuern. Zunächst wird das Modell an eine begrenzte Gruppe vertrauenswürdiger Tester ausgespielt.
KI-IllustrationGoogle DeepMind hat am 27. Oktober Forschungsarbeiten zu Genie 4 vorgestellt, einem Weltmodell für interaktive Simulation in Echtzeit. Das Unternehmen erklärte, das Modell erreiche ein Maß an Realismus, das es als beispiellos bezeichnete, und erzeuge seinen eigenen Ton.
Laut Google baut Genie 4 auf den Fähigkeiten seiner Gemini-Modellfamilie auf und erweitert sie. Gemini Omni verankert die Simulationen darin, wie Dinge in der realen Welt aussehen und sich verhalten, während andere Gemini-Modelle das Schlussfolgern liefern, das eine Simulation kohärent und kontinuierlich hält.
Nutzer können ein Ereignis starten und eine Szene während des Ablaufs steuern, indem sie Anweisungen in natürlicher Sprache geben, so das Unternehmen, etwa um die Kamera zu bewegen, das Wetter zu ändern oder neue Figuren hinzuzufügen. Jede Welt erzeugt außerdem Ton, während sie läuft, darunter Umgebungsgeräusche, Musik und interaktive Dialoge.
Google bezeichnete die Simulation der Welt als entscheidenden Schritt in Richtung AGI. Solche Simulationen könnten sichere Trainingsumgebungen für Roboter und Agenten bieten und kreative Werkzeuge in Branchen wie Film, Journalismus, Gaming und Fertigung stärken.
Laut dem Unternehmen wird Genie 4 bereits an eine begrenzte Gruppe vertrauenswürdiger Tester ausgespielt. Google erklärte, das Modell komme bald für Abonnenten von Google AI Ultra in Project Genie sowie für Early-Access-Partner in der Gemini API und in AI Studio.