DeepMind представи Genie 4 с по-реалистична физика, човешки движения и звук

Google DeepMind представи Genie 4 — нова версия на своя модел за генериране на интерактивни виртуални светове. Компанията обещава по-достоверна физика, по-естествено поведение на хората и за първи път в серията — вградено генериране на звук. Достъпът ще се разширява поетапно към разработчици и абонати на Google AI Ultra, но конкретна дата няма.

За разлика от традиционните игрови среди, при които обектите и взаимодействията се подготвят предварително, Genie създава преживяването кадър по кадър в реално време. Потребителят описва желания свят, след което може да го изследва и променя. Според DeepMind подобни модели могат да осигурят среди за обучение на роботи и да подпомогнат бързото създаване на прототипи в творческите индустрии.

Genie 4 използва Gemini 3.8 Flash като направляващ агент, който разделя зададените цели на стъпки и оценява генерираните кадри. Идеята е симулацията да следва по-точно инструкциите и да запазва контекста при преминаване между различни среди. Ограничения обаче остават: по данни на DeepMind световете запазват последователността си само за няколко минути, преди да започнат да губят първоначалния контекст.

Както при Genie 3, параметрите могат да се променят в движение. Потребителите могат да сменят времето, да добавят обекти или да преместват камерата, а Gemini помага за адаптирането на симулацията към новите указания.

Сред заявените подобрения е по-точното пресъздаване на физични взаимодействия, включително аеродинамика и сблъсъци. DeepMind посочва и по-естествени движения на човешките персонажи и реакции спрямо промените в околната среда. Това са твърдения на компанията, чиято практическа стойност ще стане по-ясна при по-широк достъп.

Новост е и генерирането на звук директно в модела. Виртуалните светове могат да включват фонови шумове и звукови елементи, зададени чрез текстови инструкции. DeepMind обещава също интерактивна човешка реч, при която диалогът се адаптира към промените в симулацията.

За разработчиците Genie 4 ще бъде достъпен през Gemini API и AI Studio, като цените още не са обявени. Потребителският достъп ще се предоставя чрез Project Genie, първоначално за абонати на AI Ultra с планове от 100 долара месечно и с ограничения върху използването. Възможно е впоследствие да бъдат включени AI Pro и AI Plus. Предвиден е и списък за ранен достъп.