1 godzina temu
Google DeepMind udostępnił w ramach Research Preview nową wersję modelu świata pod nazwą Genie 4. System potrafi generować interaktywne, fotorealistyczne środowiska z dźwiękiem dopasowanym w czasie rzeczywistym oraz umożliwia dynamiczne modyfikowanie sceny dzięki komend tekstowych. Rozwiązanie trafia w pierwszej kolejności do grupy zaufanych testerów, a w najbliższych tygodniach zostanie udostępnione szerszemu gronu użytkowników biznesowych i deweloperów.
Nowe możliwości edycji i generowania audio w czasie rzeczywistym
Model Genie 4 reprezentuje istotny krok naprzód względem swojego poprzednika wydanego ponad rok temu, oferując dwukrotnie dłuższy czas utrzymywania spójnej sceny sięgający dwóch minut. Użytkownicy zyskali możliwość wprowadzania swobodnych zmian w trakcie symulacji, w tym modyfikacji warunków pogodowych, kąta położenia kamery oraz dodawania nowych postaci czy obiektów. Nowa generacja charakteryzuje się bardziej dopracowaną fizyką, bardziej naturalnym zachowaniem postaci oraz generowaniem zsynchronizowanego dźwięku obejmującego muzykę, odgłosy otoczenia i interaktywne dialogi. Co istotne, proces tworzenia oprawy wizualnej wspiera model Gemini, który pełni rolę reżysera planującego kolejne kroki oraz weryfikującego poszczególne klatki obrazu.
Zastosowania w prototypowaniu filmowym oraz symulacjach robotycznych
Zaufani testerzy wykorzystują potencjał narzędzia przede wszystkim do prototypowania materiałów filmowych oraz szybkiego tworzenia scenopisów. Jak zaznacza Diego Rivas, inżynier w Google DeepMind, praca w czasie rzeczywistym przynosi największe korzyści wszędzie tam, gdzie zachowanie płynności procesu twórczego okazuje się niezwykle przydatne, zwłaszcza na etapie koncepcyjnym i generowania pomysłów. Równolegle prowadzone są eksperymenty łączące Genie 4 z modelem Gemini 4 Argon w obszarze robotyki, co pozwala symulować i weryfikować zadania robotów przed ich realizacją w świecie rzeczywistym. Dyrektor ds. badań Tejas Kulkarni przewiduje powstawanie modeli hybrydowych, w których Gemini odpowiada za kod i tekst, a Genie przetwarza je w czasie rzeczywistym do symulacji otoczenia. Twórcy przyznają jednak, iż technologia wymaga dopracowania pod kątem czytelności generowanego tekstu, precyzji dźwięku oraz zapobiegania zmianom detali obiektów w dłuższych symulacjach.
Rynkowe otoczenie i harmonogram dostępności dla partnerów
Genie 4 debiutuje w okresie intensywnej konsolidacji w sektorze modeli świata. Konkurencyjna firma Runway wydała niedawno grywalny model GWM Worlds 2 z obsługą audio, z kolei AMD przejęło podmiot World Labs za kwotę 8,2 miliarda dolarów. Dodatkowo koncern Amazon prowadzi rozmowy w sprawie zakupu start-upu Decart za około 7 miliardów dolarów, a producent pojazdów elektrycznych Rivian nabył spółkę Third Dimension na potrzeby symulacji autonomicznej jazdy. Nowy model Google jest w tej chwili dostępny w wersji badawczej dla zaufanych testerów. W nadchodzących tygodniach trafi do subskrybentów Google AI Ultra w ramach narzędzia Project Genie oraz zostanie udostępniony wybranym partnerom poprzez Gemini API i platformę Google AI Studio.
