DeepMind запускает модель Genie 4 с улучшенным реализом физики, движений людей и звука

Image: Ars Technica · Source

Новая модель мира Genie 4 от DeepMind генерирует более реалистичную физику, движения людей и нативный звук, обеспечивая интерактивные и адаптивные виртуальные симуляции. Вскоре будет доступна через API Gemini от Google и премиальные подписки AI.

Исследовательская лаборатория искусственного интеллекта DeepMind представила Genie 4 — последнюю эволюцию своей технологии мировых моделей на базе ИИ, предназначенную для генерации захватывающих, в реальном времени виртуальных сред. Этот преемник широко известной модели Genie 3 вводит значительные улучшения в реализм симулированной физики, внешнего вида и поведения людей, а также интегрированного звука, включая интерактивную речь.

Genie 4 использует обновлённый движок рассуждения Gemini 3.8 Flash от DeepMind для покадровой генерации виртуальных миров на основе запросов пользователя. Это позволяет динамически создавать контент, где пользователи могут изменять параметры, такие как погода и углы камеры во время симуляции, а Gemini управляет этими обновлениями для поддержания связности. В то время как предыдущие версии испытывали трудности с сохранением последовательности после нескольких минут, Genie 4 обеспечивает улучшенное удержание контекста во время исследования.

Одним из заметных улучшений является физический реализм симуляций. По данным DeepMind, Genie 4 моделирует аэродинамические эффекты и столкновения с уровнем естественного поведения, превышающим прежние видео, сгенерированные ИИ. Аналогично, виртуальные люди теперь демонстрируют более живые модели движения и реакции на окружение, уменьшая эффект «зловещей долины».

Возможно, самым примечательным является то, что Genie 4 — первая мировая модель DeepMind с нативной генерацией звука. Симуляции включают звуки окружения и могут интегрировать аудиокомпоненты, заданные пользователем. Модель также поддерживает интерактивный диалог, который динамически адаптируется к изменяющейся виртуальной среде, что представляет собой значительный шаг вперёд и потенциально меняет правила игры в области реализма видео с ИИ.

DeepMind рассматривает эти мировые модели как ключевые элементы в прогрессе к более широкому искусственному общему интеллекту (AGI), подчёркивая применение, такое как создание бесконечных обучающих сценариев для робототехники и ускорение прототипирования в творческих индустриях. Несмотря на эти инновации, технология остаётся в стадии активных исследований. Прошлые модели, такие как Genie 3, были ограничены в публичном доступе, а Genie 4 первоначально доступен только избранным тестерам.

Google планирует расширить доступ для разработчиков через API Gemini и AI Studio, а также предложить потребителям доступ через премиум-подписку AI Ultra, начиная от 100 долларов в месяц. Конкретные сроки широкого внедрения не названы, планируется поэтапный запуск с листом ожидания для раннего доступа. Хотя цены и ограничения по использованию могут ограничивать полный потенциал, Genie 4 знаменует новый этап в создании виртуальных сред с помощью ИИ с более богатой сенсорикой и интерактивностью.