Genie 4: η Google DeepMind φτιάχνει κόσμους που αλλάζουν με μια εντολή, και τώρα έχουν και ήχο

Το Genie 4 της Google DeepMind δημιουργεί διαδραστικούς κόσμους από μια περιγραφή, με ήχο, πιο πειστική φυσική και αλλαγές σε πραγματικό χρόνο. Τι είναι ένα μοντέλο κόσμου, τι νέο φέρνει και πότε έρχεται.

Κολιμπρί πάνω σε πορτοκαλί λουλούδι μέσα σε διάφανη σφαίρα, από την ανακοίνωση του Genie 4
Εικόνα από την ανακοίνωση του Genie 4: ένα κολιμπρί μέσα σε διάφανη σφαίρα. Εικόνα: Google DeepMind (υλικό ανακοίνωσης)

Με μια ματιά

  • Η Google DeepMind παρουσίασε στις 27 Οκτωβρίου το Genie 4, μοντέλο που φτιάχνει διαδραστικούς κόσμους από κείμενο ή εικόνα.
  • Νέα είναι ο ήχος, η πιο πειστική φυσική, οι αλλαγές σε πραγματικό χρόνο και σκηνές που μένουν συνεπείς έως δύο λεπτά.
  • Είναι προεπισκόπηση για επιλεγμένους δοκιμαστές· αργότερα έρχεται στο Google AI Ultra και σε συνεργάτες του Gemini API.

Η Google DeepMind παρουσίασε στις 27 Οκτωβρίου το Genie 4, ένα «μοντέλο κόσμου» που φτιάχνει διαδραστικούς τρισδιάστατους κόσμους από μια περιγραφή ή μια εικόνα. Μέσα σε αυτούς τους κόσμους, ο χρήστης κινεί την κάμερα και αλλάζει ό,τι θέλει, την ώρα που τρέχουν.

Το Genie 4 είναι, κατά την DeepMind, το πιο ρεαλιστικό και διαδραστικό μοντέλο κόσμου της μέχρι σήμερα. Δεν είναι, όμως, ακόμη διαθέσιμο στο κοινό.

Τι είναι ένα μοντέλο κόσμου

Ένα μοντέλο για βίντεο φτιάχνει ένα κλιπ που απλώς βλέπετε. Αντίθετα, ένα μοντέλο κόσμου δημιουργεί ένα περιβάλλον που αντιδρά σε όσα κάνετε, σαν βιντεοπαιχνίδι που φτιάχνει τη σκηνή εκείνη τη στιγμή. Γι’ αυτό, η DeepMind θέλει τέτοιους κόσμους κυρίως για να εκπαιδεύει με ασφάλεια AI agents και ρομπότ, πριν βγουν στον πραγματικό κόσμο.

Τι νέο φέρνει το Genie 4

  • Ήχος: είναι το πρώτο μοντέλο κόσμου της DeepMind που φτιάχνει μόνο του ήχο, όπως βήματα, μουσική και διαλόγους·
  • Αλλαγές σε πραγματικό χρόνο: με απλές εντολές αλλάζετε τον καιρό, προσθέτετε χαρακτήρες ή μετακινείτε την κάμερα·
  • Φυσική: πιο πειστικές συγκρούσεις, νερό που κυλά και άνθρωποι με φυσική κίνηση·
  • Διάρκεια: οι σκηνές μένουν συνεπείς για έως δύο λεπτά, διπλάσια από το Genie 3, σύμφωνα με το TechCrunch.

Το Genie 4 πατά στην οικογένεια Gemini. Το Gemini Omni φροντίζει τη ρεαλιστική εμφάνιση. Άλλα μοντέλα Gemini φροντίζουν τη λογική συνέχεια της σκηνής. Για παράδειγμα, σε μια δοκιμή με το Gemini Robotics, ένα μοντέλο Gemini σχεδιάζει τα βήματα μιας εργασίας και το Genie 4 τα «παίζει» μέσα στην προσομοίωση.

Πότε θα μπορείτε να δοκιμάσετε το Genie 4

Προς το παρόν, το Genie 4 είναι προεπισκόπηση για επιλεγμένους δοκιμαστές, με λίστα αναμονής. Σύμφωνα με τη σελίδα της DeepMind, θα έρθει πρώτα στους συνδρομητές του Google AI Ultra μέσα από το Project Genie και σε συνεργάτες του Gemini API και του Google AI Studio, χωρίς συγκεκριμένη ημερομηνία.

Ωστόσο, η DeepMind μιλά ανοιχτά και για τα όριά του. Οι λεπτομέρειες «ξεφεύγουν» όσο μεγαλώνει η συνεδρία, τα γράμματα μέσα στον κόσμο συνήθως βγαίνουν ακατανόητα και ο ήχος δεν είναι πάντα ακριβής. Επίσης, όλο το βίντεο και ο ήχος έχουν το υδατογράφημα SynthID, για να ξεχωρίζουν ως περιεχόμενο AI.

Για το πιο ισχυρό μοντέλο της Google αυτή την εβδομάδα, δείτε το άρθρο μας για το Gemini 4 Carbon. Για ρομπότ με «εγκέφαλο» AI, δείτε το άρθρο για το HomeBody. Περισσότερα θα βρείτε στην ενότητα Μοντέλα AI.