Google DeepMind dévoile Genie 4, un modèle de monde avec audio en temps réel
Google indique que Genie 4 permet aux utilisateurs de piloter des mondes simulés en langage naturel et qu’il est d’abord déployé auprès d’un groupe limité de testeurs de confiance.
Illustration IALe 27 octobre, Google DeepMind a annoncé des travaux de recherche sur Genie 4, un modèle de monde pour la simulation interactive en temps réel. L’entreprise affirme que le modèle apporte un niveau de réalisme qu’elle qualifie d’inédit et qu’il génère son propre audio.
Selon Google, Genie 4 s’appuie sur les capacités de sa famille de modèles Gemini et les étend. Gemini Omni ancre les simulations dans l’apparence et le comportement des choses dans le monde réel, tandis que d’autres modèles Gemini apportent le raisonnement qui aide à maintenir une simulation cohérente et continue.
Selon l’entreprise, les utilisateurs peuvent lancer un événement et piloter une scène pendant son exécution en donnant des instructions en langage naturel, par exemple pour déplacer la caméra, modifier la météo ou ajouter de nouveaux personnages. Chaque monde produit aussi du son pendant son exécution, notamment des bruits d’ambiance, de la musique et des dialogues interactifs.
Google présente la simulation du monde comme une étape cruciale vers l’AGI. Elle indique que cette simulation peut fournir des environnements d’entraînement sûrs pour les robots et les agents, et renforcer les outils créatifs dans des secteurs tels que le cinéma, le journalisme, le jeu vidéo et l’industrie manufacturière.
Genie 4 a commencé à être déployé auprès d’un groupe limité de testeurs de confiance, selon l’entreprise. Google indique que le modèle sera bientôt proposé aux abonnés Google AI Ultra dans Project Genie, ainsi qu’aux partenaires en accès anticipé de l’API Gemini et d’AI Studio.