Genie 4: Das interaktive Weltmodell von DeepMind macht jetzt auch Geräusche
Der letzte Woche angekündigte Genie 4 von Google DeepMind generiert spielbare Welten mit Audio und Dialogen in Echtzeit. Es handelt sich um eine Forschungsvorschau mit Warteliste.
Letzte Woche stellte Google DeepMind Genie 4 vor, ein „Weltmodell“. Im Klartext handelt es sich um eine KI, die im Handumdrehen eine kleine, interaktive Welt generiert, die Sie im laufenden Betrieb steuern können. Laut DeepMind handelt es sich um das erste Echtzeit-Weltmodell, das auch nativ Ton erzeugt: Umgebungsgeräusche, Musik und Dialoge, nicht nur Bilder.
Während die Szene läuft, können Sie sie mit gewöhnlichen Sätzen verändern, zum Beispiel das Wetter ändern, die Kamera bewegen oder eine Person oder ein Objekt hinzufügen. Das Modell simuliert Teile der Physik wie Kollisionen und Luftströmungen, Charaktere bewegen sich natürlicher und sie können sprechen und auf Ihre Handlungen reagieren. Gemini-Modelle helfen dabei, Aussehen und Verhalten konsistent zu halten, und in einem separaten Experiment gab Gemini einem simulierten Humanoiden Schritt-für-Schritt-Untertitel zum Damespiel. Frühe Tester erforschen die Vorvisualisierung (Skizzieren einer Filmszene vor dem Dreh), die Nachbildung historischer Szenen aus Archivfotos, schnelle Spielprototypen und die Erstellung von Geschäftsszenarien.
Der Zugang ist begrenzt. Genie 4 ist eine Forschungsvorschau für vertrauenswürdige Tester mit Plänen für Google AI Ultra-Abonnenten in Project Genie und für frühe Partner in Gemini API und Google AI Studio. Eine Warteliste ist geöffnet. DeepMind sagt, dass alles, was es generiert, einen SynthID watermark trägt, eine unsichtbare Markierung, die den Ursprung der KI anzeigt.
Was steckt dahinter: Warum sollte sich ein Unternehmen, das Chatbots entwickelt, für spielähnliche Welten interessieren? Denn eine Welt, die auf Handlungen reagiert, ist ein Übungsfeld. Roboter und Softwareagenten können in einer Simulation proben, bevor sie die reale Welt berühren, und das Modell muss etwas über das Verhalten der Dinge lernen, um die Simulation konsistent zu halten. Es ist auch ein Schritt in Richtung einer allgemeineren KI. DeepMind geht offen mit den Grenzen um: Details und Objektbeständigkeit können in längeren Sitzungen oder nach vielen Bearbeitungen abweichen, und an komplexen physischen Interaktionen, präzisem Ton, lesbarem Text, räumlicher Genauigkeit und langfristiger Konsistenz wird noch gearbeitet.
Was das für Sie bedeutet: Wenn Sie neugierig sind, tragen Sie sich auf die Warteliste ein und schauen Sie sich die Demos an, aber rechnen Sie nicht damit, sie diese Woche zu nutzen. Kreative und Lehrer könnten es möglicherweise für schnelle visuelle Entwürfe nützlich finden. Eine berechtigte Erwartung für den Moment: beeindruckende Demos, Ecken und Kanten im Laufe der Zeit. Wenn Sie KI-generiertes Video oder Audio sehen, sind Funktionen wie SynthID eine gute Erinnerung daran, nach Herkunftskennzeichnungen zu suchen.
Quellen
Quellen: https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/
Gemini 4 Carbon: Das stärkste Modell von Google geht zuerst an Cyber-Verteidiger
Google kündigte letzte Woche Gemini 4 Carbon mit Bestnoten bei Sicherheitsaufgaben, eingeschränktem Zugriff und gemischten unabhängigen Ergebnissen bei der Genauigkeit an.
