Google DeepMind stellt Genie 4 vor, ein interaktives Weltmodell mit Live-Audio

Google DeepMind stellte Genie 4 am Dienstag vor und machte es sofort für vertrauenswürdige Tester verfügbar; ein breiterer Rollout für Abonnenten von Google AI Ultra über Project Genie sowie für Early-Access-Partner der Gemini-API und von Google AI Studio wird in den kommenden Wochen erwartet. Genie 4 ist ein Weltmodell – es erzeugt interaktive virtuelle Umgebungen aus Text- oder Bildvorgaben – und stellt in drei zentralen Bereichen ein deutliches Upgrade gegenüber seinem Vorgänger dar. Erstens erzeugt es nativen, synchronisierten Ton: Musik, Umgebungsgeräusche und reaktive Dialoge von Charakteren erscheinen in Echtzeit gemeinsam mit der simulierten Welt. Zweitens verdoppelt es das Limit der Szenenkonsistenz seines Vorgängers und hält Physik und Objektplatzierung für bis zu zwei Minuten kohärent. Drittens können Nutzer Simulationen während des Ablaufs steuern, indem sie Eingaben tippen, um das Wetter oder Kamerawinkel zu ändern oder Objekte hinzuzufügen – wodurch das Erlebnis wirklich interaktiv wird statt einer einmaligen Generierung. Genie 4 ist eng mit Gemini integriert, Googles KI-Modell, das als Regisseur fungiert, der Schritte plant und Einzelbilder prüft, während Genie die visuellen Inhalte erzeugt. In einem verwandten Robotik-Experiment zerlegte ein Gemini-4-Argon-Modell Aufgaben in Schritte, die Genie 4 in Echtzeit simulierte – ein Hinweis darauf, Roboterszenarien virtuell zu testen, bevor sie real eingesetzt werden. Zu den vom Team genannten möglichen Anwendungen gehören Spieleprototyping, Robotik-Simulation, Film-Storyboarding und interaktives Lernen. Derzeitige Einschränkungen umfassen gelegentliche Abweichungen bei feinen Details während längerer Simulationen sowie Herausforderungen bei der Sicherstellung von Audiogenauigkeit und der Lesbarkeit von Text innerhalb der Welt.