Google DeepMind presenta Genie 4, un modelo de mundo con audio en tiempo real
Google afirmó que Genie 4 permite dirigir mundos simulados con lenguaje natural y que se está lanzando primero a un grupo limitado de probadores de confianza.
Ilustración generada con IAGoogle DeepMind anunció el 27 de octubre una investigación sobre Genie 4, un modelo de mundo para la simulación interactiva en tiempo real. La compañía afirmó que el modelo alcanza un nivel de realismo que calificó de sin precedentes y que genera su propio audio.
Según Google, Genie 4 se apoya en las capacidades de su familia de modelos Gemini y las amplía. Gemini Omni fundamenta las simulaciones en el aspecto y el comportamiento de las cosas en el mundo real, mientras que otros modelos de Gemini aportan el razonamiento que ayuda a mantener una simulación coherente y continua.
Los usuarios pueden iniciar un evento y dirigir una escena mientras se ejecuta mediante instrucciones en lenguaje natural, según la compañía, por ejemplo para mover la cámara, cambiar el clima o añadir nuevos personajes. Además, cada mundo produce sonido mientras funciona, incluidos ruido ambiental, música y diálogo interactivo.
Google describió la simulación del mundo como un paso crucial hacia la AGI. Indicó que esta simulación puede ofrecer entornos de entrenamiento seguros para robots y agentes, y reforzar las herramientas creativas en sectores como el cine, el periodismo, los videojuegos y la manufactura.
Genie 4 ha comenzado a desplegarse entre un grupo limitado de probadores de confianza, según la compañía. Google afirmó que el modelo llegará pronto a los suscriptores de Google AI Ultra en Project Genie y a los socios de acceso anticipado en la API de Gemini y AI Studio.