DeepMind lanserar Genie 4-modellen med förbättrad realism i fysik, människor och ljud

Bild: Ars Technica · Källa

DeepMinds nya Genie 4-världsmodell genererar mer realistisk fysik, mänskliga rörelser och inbyggt ljud, vilket möjliggör interaktiva och anpassningsbara virtuella simuleringar. Den kommer snart att finnas tillgänglig via Googles Gemini API och premium-prenumerationsplaner för AI.

Artificiellt intelligensforskningslaboratorium DeepMind har presenterat Genie 4, den senaste utvecklingen av deras AI-drivna världsmodellteknologi som är utformad för att generera uppslukande, realtids-virtuella miljöer. Denna efterföljare till den mycket omtalade Genie 3-modellen introducerar betydande framsteg inom realism för simulerad fysik, mänskliga utseenden och beteenden samt integrerat ljud, inklusive interaktivt tal.

Genie 4 använder DeepMinds uppdaterade Gemini 3.8 Flash resonemangs-motor för att styra genereringen av virtuella världar bildruta för bildruta baserat på användarens instruktioner. Detta möjliggör dynamiskt innehållsskapande där användare kan ändra parametrar som väder och kameravinklar mitt i simuleringen, medan Gemini styr dessa uppdateringar för att bibehålla koherens. Tidigare versioner hade svårigheter med konsistens bortom några minuter, men Genie 4 levererar förbättrad kontextbevarande under utforskning.

En av de mest framträdande förbättringarna är inom den fysiska realismen i simuleringarna. Enligt DeepMind modellerar Genie 4 aerodynamiska effekter och kollisioner med en grad av naturligt beteende som överträffar tidigare AI-genererade videoresultat. På liknande sätt uppvisar virtuella människor mer livlika rörelsemönster och miljöreaktioner, vilket minskar den kusliga dalen-effekten.

Kanske mest anmärkningsvärt är att Genie 4 är DeepMinds första världsmodell som integrerar genuin ljudgenerering. Simulatorerna inkluderar omgivande ljud och kan integrera användarspecifika ljudelement. Modellen stödjer också interaktiv dialog som anpassar sig dynamiskt till den föränderliga virtuella miljön, ett språng framåt som lyfts fram som en potentiell revolution för AI-videorealism.

DeepMind positionerar dessa världsmodeller som nyckelkomponenter i framsteg mot bredare artificiell generell intelligens (AGI), med betoning på tillämpningar som att skapa oändliga träningsscenarier för robotik och accelerera prototyputveckling inom kreativa branscher. Trots dessa innovationer är teknologin fortfarande under aktiv forskning. Tidigare modeller som Genie 3 hade begränsad offentlig tillgång, och Genie 4 är initialt endast tillgänglig för utvalda testare.

Google planerar att utöka tillgången för utvecklare via Gemini API och AI Studio samt erbjuda konsumenttillgång via sin premiumprenumeration AI Ultra som börjar på 100 dollar per månad. Bredare lanseringstidsramar är ännu ej specificerade, med en fasad tillgänglighet och väntelista för tidig åtkomst. Även om prissättning och användningsbegränsningar kan begränsa den fulla potentialen, markerar Genie 4 en ny era för AI-genererade virtuella miljöer med rikare sensorisk och interaktiv äkthet.