Команда Google DeepMind представила Genie 4, новое поколение моделей для симуляции мира. В отличие от предшественников, эта нейросеть обладает мультимодальными возможностями, позволяя генерировать не только визуальный ряд, но и полноценное звуковое сопровождение: от фоновых шумов до музыки и диалогов персонажей. Разработчики отмечают, что модель способна поддерживать высокую степень связности и логики внутри создаваемой среды.
Технологическая основа
В основе Genie 4 лежат наработки семейства Gemini. Модель Gemini Omni отвечает за реалистичное отображение физических объектов и их поведение, в то время как другие компоненты системы обеспечивают сложное логическое мышление, необходимое для поддержания непрерывности симуляции. Благодаря этому пользователь может задать событие, а нейросеть самостоятельно определит, как на него отреагирует окружение, включая звуки и движения персонажей.
Интерактивность и управление
Ключевой особенностью Genie 4 является возможность изменения мира в реальном времени с помощью текстовых подсказок. Пользователи могут корректировать погоду, перемещать камеру или добавлять новые объекты, при этом система автоматически адаптирует изменения под контекст сцены. Управление в симуляциях осуществляется как через стандартные устройства ввода, такие как клавиатура, так и через естественный язык.
- Фотореализм: Улучшенная физика, включая аэродинамику и столкновения объектов.
- Живые персонажи: Герои симуляции двигаются естественно и органично реагируют на действия пользователя.
- Гибкость: Поддержка длинных непрерывных сцен с сохранением пространственной целостности.
На текущий момент Genie 4 доступна в формате исследовательского превью для ограниченного круга тестировщиков. В будущем компания планирует расширить доступ для подписчиков Google AI Ultra, а также партнеров Gemini API и Google AI Studio. В DeepMind подчеркивают, что развитие подобных технологий является важным шагом на пути к созданию полноценного общего искусственного интеллекта (AGI), открывая возможности для обучения роботов и создания новых интерактивных развлечений.
Источник: deepmind.google