Genie 4 duplázza a szimulációs időt, két percre nyújtja a valós idejű világot
A fejlesztés lehetővé teszi, hogy a felhasználók valós idejű hangot és interaktív szerkesztést is integráljanak a kiterjesztett szimulációba, miközben a rendszer fenntartja a fotorealisztikus vizuális minőséget.
A Genie 4 a legfotorealisztikus és leginteraktívabb virtuális világot hozza létre eddig, – írja a TechCrunch.
Valós idejű hang és interaktív szerkesztés
A modell valós-időben generál hangot, beleértve zenét, környezeti zajt és dialógust, amelyek szinkronban maradnak a szimulációval. A felhasználók közben szöveges promptokkal módosíthatják az időjárást, a kamera-szöget vagy új objektumokat, személyeket adhatnak a jelenethez – a Google DeepMind szerint.
Gemini integráció és robotikai lehetőségek
Az új Gemini verzió, a Gemini 4 Argon, a Genie 4-et rendezőként vezérli: lépéseket tervez, képkockákat ellenőriz, miközben a vizuális tartalmat előállítja. Egy kutatási kísérletben a Gemini-t robotikai feladatok szimulálására használták, ami előrevetíti a valós világban való robot-tesztelést.
A potenciális kereskedelmi felhasználási területek közé tartozik a játékfejlesztés, az interaktív tanulás és a robotikai szimuláció, – írja a TechCrunch. „A valós idejű aspektus a kreatív folyamatokban a legértékesebb” – nyilatkozta Diego Rivas, a Google DeepMind mérnöke.
Az új modell még nem tökéletes: hosszabb futtatások során a részletek eltolódhatnak, a hangpontosság és a szimulációs szöveg olvashatósága továbbra is kihívás. A Google DeepMind elismeri, hogy a végső termékélmény még nem tisztázott.
Genie 4 jelenleg kutatók számára elérhető a Project Genie keretében, és a következő hetekben a Google AI Ultra előfizetőknek, valamint a Gemini API és a Google AI Studio korai hozzáférő partnereknek kerül kiadásra – a modell már most használható a megbízható tesztelők körében.