Google DeepMind Ngumumake Model Dunia Genie 4 Kanthi Audio Asli lan Setir Wektu Nyata

Google DeepMind ngumumake Genie 4 ing dina Selasa, model donya paling anyar kanggo simulasi interaktif wektu nyata, nggawa apa sing diarani perusahaan realisme lan audio asli sing durung ana sadurunge menyang lingkungan sing digawe AI sing bisa ditindakake pangguna kanthi cepet nganggo basa alami.

Genie 4 ngasilake jagad paling fotorealistik lan interaktif sing digawe DeepMind nganti saiki, miturut jangkoan saka TechCrunch sawise briefing pers. Pangguna bisa ngetik pituduh tengah simulasi kanggo ngganti pemandangan - mindhah kamera, ngganti cuaca, utawa ngenalake wong lan obyek anyar - nalika model ngasilake audio sing disinkronake kanthi cepet, kalebu swara sekitar, musik, lan dialog interaktif.

Model donya - sistem AI sing simulasi lingkungan interaktif tinimbang mung prédhiksi teks utawa nerjemahake gambar statis - wis dadi salah siji saka tapel wates karo AI. Tindakake rilis model AI paling anyar ing AI Buzz Wire nalika balapan saya cepet.

Dibangun ing Gemini, Diarahake dening Gemini

Genie 4 digabungake banget karo kulawarga model Gemini Google. Miturut woro-woro DeepMind, Gemini Omni jangkar simulasi ing tampilan nyata lan prilaku, nalika model Gemini liyane nyedhiyani alesan Komplek needed kanggo njaga simulasi koheren liwat wektu.

TechCrunch nggambarake arsitektur kasebut minangka Gemini tumindak minangka direktur sing ngrancang langkah lan mriksa pigura nalika Genie nggawe visual. Ing eksperimen riset sing disambungake karo Gemini Robotics, model Gemini 4 Argon nyuwil tugas dadi langkah-langkah sing Genie 4 banjur simulasi ing wektu nyata - demonstrasi posisi DeepMind minangka cara sing bisa kanggo nglatih skenario robot ing simulasi sadurunge kedadeyan ing donya fisik.

"Apa sing bakal kita deleng ing mangsa ngarep yaiku model-model donya hibrida iki, ing ngendi sampeyan duwe kombinasi kode nulis Gemini lan teks, lan Genie ingesting ing wektu nyata lan simulasi kasunyatan ing macem-macem tingkat abstraksi," Tejas Kulkarni, direktur riset ing Google, ngandika sak briefing, miturut TechCrunch.

Tikel Ketekunan, Fisika Luwih Apik

Lompatan generasi liwat Genie 3 - dirilis minangka pratinjau riset luwih saka setahun kepungkur - cukup gedhe. Genie 4 bisa njaga pemandangan sing konsisten nganti rong menit, tikel kaping pindho watesan sadurunge, lan nawakake fisika sing luwih apik lan karakter sing luwih kaya manungsa, saben TechCrunch. Uga ndhukung suntingan gratis sing ora bisa ditindakake sadurunge, kayata ngganti cuaca utawa sudut kamera ing wektu nyata utawa nambahake wong utawa obyek anyar menyang simulasi sing mlaku.

Model kasebut ora tanpa kesenjangan. Tim DeepMind ngakoni sajrone ringkesan manawa rincian lan obyek bisa hanyut luwih suwe simulasi, lan manawa perusahaan durung ngrampungake cara kanggo mesthekake yen audio sing diasilake tetep akurat utawa teks ing donya tetep bisa diwaca.

Pasar Model Donya Nggabungake

Genie 4 teka nalika industri model donya wiwit nggabungake. TechCrunch nyathet rilis kasebut sawetara wulan sawise Runway ngluncurake GWM Worlds 2, model donya sing bisa dimainake kanthi generasi audio. Sauntara iku, Fei-Fei Li's World Labs dituku dening AMD, Amazon lagi rembugan kanggo tuku Decart, lan Rivian wis entuk Dimensi Katelu kanggo nggawa kemampuan simulasi ing omah kanggo tes nyopir mandiri.

Google kanthi jelas nyoba tetep ndhisiki lapangan sing rame kasebut - lan para investor wis weruh. Laporan pers nyathet saham Alphabet mundhak luwih saka 2% sawise diumumake Genie 4, sing ndharat sadurunge laporan penghasilan triwulanan perusahaan ing Rebo. Pendhudhuk Genie 3 rattled saham video game nalika debut taun kepungkur, amarga investor grappled karo implikasi yen donya nyata-wektu pungkasanipun bisa saingan karo pembangunan game tradisional.

Saka Game menyang Papan Cerita Film nganti Robotika

DeepMind pigura simulasi donya minangka langkah wigati menyang AGI, mbisakake lingkungan latihan aman kanggo robot lan agen. Kasus panggunaan komersial sing dipasang ing game, sinau interaktif, lan manufaktur. Conto spekulatif saka perusahaan: ngetik lukisan pemandangan sejarah lan ngobrol karo subyek babagan acara sing digambarake.

Nanging pangguna awal ngarahake ing endi wae sing ora dikarepake: pra-produksi film. "Aspek wektu nyata dadi paling larang ing wilayah sing njaga kahanan aliran ing ruang kreativitas dadi luar biasa migunani," ujare Diego Rivas, insinyur Google DeepMind, sajrone taklimat pers, saben TechCrunch. "Contone, ing fase ideation, ing fase storyboarding - kapan wae sampeyan butuh idea kanthi cepet."

Penguji sing dipercaya wis nggunakake Genie 4 kanggo prototipe film, lan Rivas nyaranake manawa pangguna pungkasane bisa ngandelake Gemini Omni kanggo ngowahi prototipe kasebut dadi aset kreatif sing wis rampung, sanajan dheweke negesake manawa kemampuan kasebut tetep dadi cara.

Kasedhiyan

Genie 4 saiki diluncurake ing pratinjau riset menyang klompok penguji sing dipercaya. Ing sawetara minggu sing bakal teka, bakal tekan pelanggan Google AI Ultra liwat Project Genie - alat Google kanggo ngasilake jagad interaktif saka teks utawa gambar - uga mitra akses awal ing Gemini API lan AI Studio.

Apa model donya dadi owah-owahan platform sabanjure utawa tetep dadi demo riset sing nggumunake, Genie 4 nggawe siji perkara sing jelas: garis antarane nonton video sing digawe AI lan muter ing njero bakal ilang.

Tetep Ahead saka AI

Terusake saben rilis model perbatasan lan terobosan riset - waca warta AI liyane ing AI Buzz Wire.

Entuk pangembangan AI paling anyar ing kene.