DeepMind lanza el modelo Genie 4 con realismo mejorado en física, humanos y audio

Image: Ars Technica · Source

El nuevo modelo Genie 4 de DeepMind genera física más realista, movimientos humanos y audio nativo, permitiendo simulaciones virtuales interactivas y adaptativas. Estará disponible pronto mediante la API Gemini de Google y planes premium de suscripción de IA.

El laboratorio de investigación en inteligencia artificial DeepMind ha presentado Genie 4, la última evolución de su tecnología de modelos de mundo impulsados por IA, diseñada para generar entornos virtuales inmersivos en tiempo real. Este sucesor del reconocido modelo Genie 3 introduce avances significativos en el realismo de la física simulada, las apariencias y comportamientos humanos, así como en el audio integrado, incluyendo el habla interactiva.

Genie 4 aprovecha el actualizado motor de razonamiento Gemini 3.8 Flash de DeepMind para guiar la generación de mundos virtuales cuadro por cuadro basándose en indicaciones del usuario. Esto permite la creación dinámica de contenido donde los usuarios pueden modificar parámetros como el clima y los ángulos de cámara durante la simulación, con Gemini dirigiendo estas actualizaciones para mantener la coherencia. Mientras versiones anteriores tenían dificultades para mantener la consistencia más allá de algunos minutos, Genie 4 ofrece una mejor retención del contexto durante la exploración.

Una de las mejoras más destacadas está en el realismo físico de las simulaciones. Según DeepMind, Genie 4 modela efectos aerodinámicos y colisiones con un grado de comportamiento natural que supera los anteriores resultados de vídeo generados por IA. De manera similar, los humanos virtuales ahora exhiben patrones de movimiento y reacciones ambientales más realistas, reduciendo el efecto extraño o "valle inquietante".

Quizás lo más notable es que Genie 4 es el primer modelo de mundo de DeepMind que incorpora generación nativa de audio. Las simulaciones incluyen sonidos ambientales y pueden integrar elementos de audio especificados por el usuario. El modelo también soporta diálogo interactivo que se adapta dinámicamente al entorno virtual en evolución, un avance destacado como un posible cambio radical para el realismo en vídeo generado por IA.

DeepMind posiciona estos modelos de mundo como componentes clave para avanzar hacia una inteligencia artificial general (AGI) más amplia, enfatizando aplicaciones como la creación de escenarios infinitos de entrenamiento para robótica y la aceleración del prototipado en industrias creativas. A pesar de estas innovaciones, la tecnología sigue en fase activa de investigación. Modelos anteriores como Genie 3 tuvieron disponibilidad pública limitada, y Genie 4 inicialmente está accesible sólo para testers seleccionados.

Google planea ampliar el acceso a desarrolladores a través de la API Gemini y AI Studio, además de ofrecer acceso al consumidor mediante su suscripción premium AI Ultra a partir de 100 dólares mensuales. Los cronogramas para un despliegue más amplio no están especificados, con disponibilidad escalonada y lista de espera para el acceso temprano. Aunque los precios y límites de uso podrían restringir el potencial completo, Genie 4 anuncia una nueva etapa en entornos virtuales generados por IA con fidelidad sensorial e interactiva más rica.