Genie 4 donosi zvuk i izmene simulacija u realnom vremenu
Google DeepMind je u istraživačkom pregledu objavio Genie 4, model sveta koji stvara fotorealistične i interaktivne simulacije sa zvukom. Model održava doslednost scene do dva minuta, što je dvostruko duže ograničenje od prethodnog Genie 3, a korisnik može menjati prizor tekstualnim unosom dok simulacija traje.
Genie 4 generiše muziku, ambijentalne zvuke i interaktivni dijalog usklađen sa svetom koji prikazuje. Google navodi i napredniju fiziku, kao i likove sa uverljivijim ljudskim ponašanjem. Pristup je za sada ograničen na pouzdane testere u okviru istraživačkog pregleda.
Promene prizora bez prekida simulacije
Ključna novina su slobodne izmene u hodu. Tekstualnim zahtevom moguće je promeniti vremenske uslove ili ugao kamere, kao i dodati osobe i objekte. Time se simulacija ne svodi na unapred pripremljen kadar, već reaguje na naknadne instrukcije korisnika.
Gemini je tesnije povezan sa Genie 4 i ima ulogu direktora: planira korake i proverava kadrove, dok Genie generiše vizuelni prikaz. U eksperimentu povezanom sa Gemini Robotics, model Gemini 4 Argon je raščlanio zadatke na korake koje je Genie 4 simulirao u realnom vremenu. Takav pristup ukazuje na mogućnost proveravanja robotskih scenarija u simulaciji pre njihovog izvođenja u fizičkom svetu.
Primene i otvorena ograničenja
Google kao oblasti primene navodi igre, interaktivno učenje i robotiku. Među korisnicima sa ranim pristupom pominje se i prototipiranje filma, naročito u fazama osmišljavanja i izrade storyboarda, gde su brze izmene važne za održavanje kreativnog toka.
Kontekst za razvoj robotičkih simulacija pružaju i simulacije ulica za robote koje pokazuju kako se virtuelni prikazi ulica mogu koristiti u testiranju sistema za robote. Google već nudi Veo za generisanje video-klipova sa sinhronizovanim zvukom, dok se kao dugoročnija mogućnost pominje povezivanje prototipa sa Gemini Omni za pretvaranje u kreativne materijale.
Tim istovremeno navodi ograničenja: detalji i objekti mogu da se pomeraju tokom dužih simulacija, a tačnost zvuka i čitljivost teksta unutar sveta još nisu potpuno rešeni. U narednim nedeljama Genie 4 bi trebalo da stigne pretplatnicima Google AI Ultra kroz Project Genie, kao i partnerima sa ranim pristupom Gemini API-ju i Google AI Studio-u. Za poslovne timove to znači da model trenutno ima smisla za istraživanje, prototipiranje i kontrolisane simulacije, uz proveru svakog rezultata pre šire primene.