Google DeepMind stellt Genie 4 vor: KI-Weltmodell mit Sound

Google DeepMind kündigte am Dienstag, den 27. Oktober, Genie 4 an, die nächste Version seines KI-Weltmodells. Es generiert interaktive virtuelle Umgebungen in Echtzeit, die realistischer als zuvor sind und nun eigenen Sound produzieren. Das Unternehmen beschrieb es als sein "neues Weltmodell, das beispiellosen Realismus freischaltet und die interaktive Echtzeitsimulation verbessert," wobei Musik, Umgebungsgeräusche und Dialoge parallel zu den visuellen Inhalten generiert werden. Die Veröffentlichung baut auf einer Technologie auf, die laut Bloomberg bereits Investoren von Videospielunternehmen erschüttert hat.deepmind.google+1

Welten steuern mit Gemini

Nutzer erstellen erkundbare Welten aus Texteingaben und bewegen sich mit Tastatursteuerung durch sie hindurch. Während eine Szene abläuft, können sie Anweisungen eingeben, wie etwa das Wetter zu ändern oder eine Figur hinzuzufügen. Das Modell greift auf die Gemini-Familie von Google zurück. Gemini Omni verknüpft Simulationen damit, wie Dinge in der realen Welt aussehen und sich verhalten, und Gemini 3.8 Flash fungiert als "leitender Agent in der Schleife." Er überwacht jede Szene, unterteilt Ziele in Schritte und überprüft eingehende Frames, um die Konsistenz der Welt zu wahren. Genie 4 kann Erlebnisse von etwa zwei Minuten Länge produzieren, eine Steigerung gegenüber der einen Minute bei Genie 3, berichtete The Verge.bloomberg.com+2

DeepMind gibt an, dass Genie 4 ihr erstes Echtzeit-Weltmodell ist, das Audio nativ generiert, einschließlich Dialogen, die sich spontan ändern. Das Unternehmen räumte auch Einschränkungen ein: Visuelle Details und die Objektpermanenz können sich "verschieben oder driften," insbesondere bei längeren Sitzungen.deepmind.google

Eine gestaffelte Einführung

Derzeit ist Genie 4 eine Forschungsvorschau für ausgewählte Tester. Google AI Ultra-Abonnenten im Project Genie und Partner mit frühem Zugriff über die Gemini API und Google AI Studio erhalten es später, und eine Warteliste ist geöffnet. Alle generierten Videos und Audios werden SynthID-Wasserzeichen tragen. Google bewirbt das Modell für die Film-Vorvisualisierung, Spiele-Prototyping und Robotertrainingsszenarien.theverge.com+1

Druck auf Spieleaktien

Investoren haben auf frühere Genie-Veröffentlichungen reagiert. Als Alphabet ↗ 1.06% im Januar Project Genie startete, fielen die Aktien von Take-Two Interactive ↘ 1.90% und Roblox ↘ 3.51% im Nachmittagshandel jeweils um etwa 9 Prozent, und Unity Software ↘ 0.87% sank um 19 Prozent. Investoren befürchteten, dass die Tools die traditionelle Spieleentwicklung umkrempeln könnten, laut Berichten von Reuters Thomson Reuters Corporation ↘ 0.21%, die von The Economic Times aufgegriffen wurden. Kürzlich, am 7. Oktober, kündigten Google und Unity eine Partnerschaft für eine KI-Plattform an, mit der Nutzer Spiele aus Texteingaben erstellen können. Die Unity-Aktie stieg nach der Nachricht, während die Roblox-Aktie fiel.economictimes.indiatimes.com+1

DeepMind selbst bezeichnet Genie 4 als "ein frühes, experimentelles Modell." Sie ordnen die Arbeit hauptsächlich als einen Schritt in Richtung AGI und zum Aufbau von Trainingsumgebungen für Roboter und KI-Agenten ein.deepmind.google