Genie 4 : le modèle du monde interactif de DeepMind émet désormais également du son
Le Genie 4 de Google DeepMind, annoncé la semaine dernière, génère des mondes jouables avec audio et dialogues en temps réel. Il s'agit d'un aperçu de recherche avec une liste d'attente.
La semaine dernière, Google DeepMind a présenté Genie 4, un « modèle du monde ». En termes simples, il s’agit d’une IA qui génère à la volée un petit monde interactif, que vous pouvez diriger pendant son exécution. DeepMind affirme qu’il s’agit du premier modèle du monde en temps réel qui produit également du son de manière native : bruit ambiant, musique et dialogues, pas seulement des images.
Vous pouvez changer la scène avec des phrases ordinaires pendant son exécution, par exemple en modifiant la météo, en déplaçant la caméra ou en ajoutant une personne ou un objet. Le modèle simule des éléments de la physique tels que les collisions et le flux d’air, les personnages se déplacent plus naturellement et ils peuvent parler et réagir à ce que vous faites. Les modèles Gemini aident à maintenir une apparence et un comportement cohérents, et dans une expérience distincte, Gemini a donné à un humanoïde simulé des légendes étape par étape pour jouer aux dames. Les premiers testeurs explorent la prévisualisation (esquisser une scène de film avant le tournage), la recréation de scènes historiques à partir de photos d’archives, des prototypes de jeux rapides et la génération de scénarios commerciaux.
L’accès est limité. Genie 4 est un aperçu de recherche destiné aux testeurs de confiance, avec des plans pour les abonnés Google AI Ultra dans Project Genie et pour les premiers partenaires dans Gemini API et Google AI Studio. Une liste d’attente est ouverte. DeepMind indique que tout ce qu’il génère porte un SynthID watermark, un marqueur invisible qui signale l’origine de l’IA.
Qu’est-ce qui se cache derrière tout cela : Pourquoi une entreprise qui crée des chatbots se soucierait-elle des mondes de type jeu ? Parce qu’un monde qui répond aux actions est un terrain de pratique. Les robots et les agents logiciels peuvent s’entraîner dans une simulation avant de toucher le monde réel, et le modèle doit apprendre quelque chose sur le comportement des choses pour que la simulation reste cohérente. C’est aussi un pas vers une IA plus générale. DeepMind est ouvert sur les limites : les détails et la permanence des objets peuvent dériver au cours de sessions plus longues ou après de nombreuses modifications, et les interactions physiques complexes, l’audio précis, le texte lisible, la précision spatiale et la cohérence à long terme sont tous encore en cours de travail.
Ce que cela signifie pour vous : Si vous êtes curieux, rejoignez la liste d’attente et regardez les démos, mais n’espérez pas l’utiliser cette semaine. Les créateurs et les enseignants pourraient éventuellement le trouver utile pour des ébauches visuelles rapides. Une attente raisonnable pour l’instant : des démos impressionnantes, des aspérités au fil du temps. Lorsque vous voyez de la vidéo ou de l’audio généré par l’IA, des fonctionnalités telles que SynthID sont un bon rappel pour rechercher les étiquettes de provenance.
Sources
Sources: https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/
Gemini 4 Carbon : le modèle le plus puissant de Google est destiné en premier aux cyberdéfenseurs
Google a annoncé la semaine dernière Gemini 4 Carbon avec les meilleurs scores dans les tâches de sécurité, un accès limité et des résultats indépendants mitigés en matière de précision.
