Google stellt neues KI-Modell Genie 4 zur Erstellung interaktiver Welten vor

Google DeepMind hat das KI-Modell Genie 4 vorgestellt, das in der Lage ist, interaktive Welten mit Ton in Echtzeit zu erstellen. Die Entwickler haben realistischere Grafiken, verbesserte Physikmodellierung und Charakterverhalten angekündigt.

Genie 4 gehört zur Klasse der Weltmodelle: Solche Systeme erstellen nicht nur eine Abfolge von Bildern, sondern simulieren Umweltveränderungen als Reaktion auf Benutzeraktionen. Eine Person kann den Raum mit einer Tastatur navigieren und die Kamera steuern, während Textbefehle Objekte hinzufügen und das Wetter ändern können. Genie passt Anfragen an das Geschehen an und überwacht die Abfolge der Welt. Laut TechCrunch hält Genie 4 eine konsistente Szene bis zu zwei Minuten lang aufrecht—doppelt so lange wie sein Vorgänger.

Eine der Hauptänderungen ist die integrierte Klanggenerierung: Das Modell erzeugt Geräusche, Musik und Sprache gleichzeitig mit dem Bild. Charaktere führen Dialoge, reagieren auf Benutzeraktionen und ändern ihre Dialoge während der Szene. Die Entwickler kündigten auch Verbesserungen in der Aerodynamik, bei Kollisionen und anderen physikalischen Interaktionen an, wobei der bemerkenswerteste Schritt die Simulation von Menschen ist: Charaktere bewegen sich natürlicher und reagieren auf die Umgebung. Die Demo zeigt einen Heißluftballonflug über die Antarktis, eine japanische Station aus den 1980er Jahren, Drachenrennen und eine Welt aus Buntglas.

Genie 4 basiert auf Gemini-Modellen: Gemini Omni ist verantwortlich für das realistische Erscheinungsbild und Verhalten von Objekten, während Gemini 3.8 Flash als verwaltender Agent fungiert—die Szene beobachtet, Aufgaben in Schritte unterteilt und den Plan anpasst, wenn der Benutzer eingreift.

Im Rahmen von Gemini Robotics wird das Modell zusammen mit Gemini 4 Argon getestet: Argon unterteilt Aufgaben in Schritte, während Genie 4 modelliert, wie der Apollo-Roboter von Apptronik Dame spielt. Solche Umgebungen werden helfen, Roboter zu trainieren, bevor sie in die reale Welt übergehen.

Das Modell wird bereits in Kino, Journalismus, Bildung, Spieleentwicklung und Ingenieurwesen getestet. Genie 4 bleibt jedoch experimentell: Details und Objekte können im Laufe der Zeit ihr Aussehen ändern, insbesondere bei langen Sitzungen. Alle Video- und Audiodaten werden SynthID-Wasserzeichen erhalten. Der Zugang wird einer begrenzten Gruppe von Testern geöffnet, dann den Google AI Ultra-Abonnenten im Projekt Genie und Partnern über die Gemini API und Google AI Studio; die API-Kosten wurden nicht bekannt gegeben.