Google DeepMind го објави Genie 4, нова верзија на својот систем за создавање интерактивни виртуелни светови. Новитетот е достапен како истражувачки преглед и носи пореалистичен изглед на сцените, звук што се создава во текот на симулацијата и можност за нивно менување без прекин.
Корисникот може да почне со текстуално барање, а потоа во текот на истата сцена да внесе нови насоки. Така, може да се промени времето, аголот на камерата или да се додадат луѓе и предмети. Genie 4 треба да реагира на овие интервенции веднаш, наместо да создава целосно нова сцена од почеток.
За разлика од претходната генерација, Genie 4 додава звук што одговара на случувањата во виртуелниот простор. Тоа опфаќа музика, амбиентални звуци и дијалог со кој може да се комуницира. Google наведува и подобрена физика, како и ликови што се однесуваат поприродно.
Системот може да одржува доследна сцена до две минути, што е двојно повеќе во споредба со Genie 3. Сепак, развојниот тим посочува дека подолгите симулации сè уште можат да донесат отстапувања во деталите и положбата на објектите. Дополнителни предизвици остануваат точноста на звукот и читливоста на текстот што се појавува во создадените светови.
Genie 4 е потесно поврзан со Gemini, кој во овој случај може да планира низа чекори и да ги проверува кадрите, додека Genie ја создава визуелната симулација. Во експеримент поврзан со Gemini Robotics, моделот Gemini 4 Argon разделил задача на поединечни чекори, а Genie 4 ги прикажал во реално време. Таквиот пристап би можел да се користи за проверка на роботски сценарија во симулирана средина пред нивно изведување во реалноста.
Google гледа примена на Genie 4 во игри, интерактивно учење, роботика и креативна подготовка на филмски проекти, особено при развој на идеи и сториборди. Во следните недели, пристапот треба да се прошири кон претплатниците на Google AI Ultra преку Project Genie, како и кон избрани партнери со ран пристап до Gemini API и Google AI Studio.