Google DeepMind 发布 Genie 4 世界模型,可实时生成音频
Google 表示,Genie 4 允许用户用自然语言操控模拟世界,并将首先向一小批受信任的测试人员推出。
AI 插图谷歌 DeepMind 于十月27日宣布了关于 Genie 4 的研究，这是一个可实时进行交互式模拟的世界模型。该公司表示，该模型带来了其称为前所未有的逼真度，并能生成自己的音频。
据 Google 介绍,Genie 4 借鉴并扩展了其 Gemini 系列模型的能力。Gemini Omni 让模拟贴合现实世界中事物的外观和行为,而其他 Gemini 模型则提供推理能力,帮助保持模拟的连贯与持续。
该公司表示,用户可以启动一个事件,并在场景运行时通过自然语言指令进行操控,例如移动镜头、改变天气或添加新角色。每个世界在运行时还会产生声音,包括环境音、音乐和交互式对话。
Google 将模拟世界描述为迈向 AGI 的关键一步。该公司表示,这类模拟可以为机器人和智能体提供安全的训练环境,并增强电影制作、新闻、游戏和制造业等行业的创意工具。
据该公司介绍,Genie 4 已开始向一小批受信任的测试人员推出。Google 表示,该模型即将面向 Project Genie 中的 Google AI Ultra 订阅用户,以及 Gemini API 和 AI Studio 的抢先体验合作伙伴开放。