Hanggal és valós idejű módosításokkal érkezett a Google Genie 4
A Google DeepMind kutatási előzetesként kiadta a Genie 4-et, a vállalat új világmodelljét, amely szöveges utasítások alapján interaktív, egyre fotórealisztikusabb szimulációkat készít. A felhasználó menet közben is módosíthatja a jelenetet: megváltoztathatja az időjárást vagy a kameraállást, illetve új embereket és tárgyakat adhat hozzá. A modell valós időben a szimulációhoz illeszkedő hangot is generál, a zenétől és környezeti zajoktól az interaktív párbeszédekig.
A Genie 4 legfeljebb két percig képes következetesen fenntartani ugyanazt a jelenetet, ami kétszerese az elődje határának. A Google szerint a rendszer fizikája fejlettebb, szereplői pedig életszerűbbek, miközben a Gemini modell a folyamat „rendezőjeként” lépéseket tervez és képkockákat ellenőriz. Ez a robotikai kísérletekben is hasznos lehet: egy feladatot előbb szimulációban tesztelhetnek, mielőtt a valóságban hajtanák végre.
A lehetséges alkalmazások között a játékok, az interaktív oktatás és a robotika mellett a filmek előkészítése, például a gyors storyboard-készítés is megjelent. A technológia azonban még korai szakaszban jár: hosszabb futás közben részletek és tárgyak elmozdulhatnak, a hang pontossága és a szimulációban megjelenő szövegek olvashatósága sem megoldott teljesen. Elsőként megbízható tesztelők férhetnek hozzá, a következő hetekben pedig Google AI Ultra-előfizetők, valamint a Gemini API és a Google AI Studio korai hozzáférésű partnerei is kipróbálhatják.
Folytasd az appban — szavazz és szólj hozzá ➔