Google DeepMind 發表 Genie 4 世界模型,可即時生成音訊
Google 表示,Genie 4 讓使用者能以自然語言操控模擬世界,並將先向一小群受信任的測試人員推出。
AI 插圖谷歌 DeepMind 於十月27日宣布了關於 Genie 4 的研究，這是一個可即時進行互動式模擬的世界模型。該公司表示，該模型帶來了其稱為前所未有的擬真度，並能生成自己的音訊。
據 Google 表示,Genie 4 借鑑並擴展了其 Gemini 系列模型的能力。Gemini Omni 讓模擬貼近現實世界中事物的外觀和行為,而其他 Gemini 模型則提供推理能力,協助維持模擬的連貫與持續。
該公司表示,使用者可以啟動一個事件,並在場景執行時透過自然語言指令進行操控,例如移動鏡頭、改變天氣或新增角色。每個世界在執行時也會產生聲音,包括環境音、音樂和互動式對話。
Google 將模擬世界形容為邁向 AGI 的關鍵一步。該公司表示,這類模擬可以為機器人和代理程式提供安全的訓練環境,並強化電影製作、新聞、遊戲和製造業等產業的創意工具。
據該公司表示,Genie 4 已開始向一小群受信任的測試人員推出。Google 表示,該模型即將開放給 Project Genie 中的 Google AI Ultra 訂閱用戶,以及 Gemini API 和 AI Studio 的搶先體驗合作夥伴。