IT之家 El 28 de octubre, el equipo de Google DeepMind publicó un artículo en la red social ayer (27 de octubre), anunciando la lanzamiento del modelo mundial Genie 4, que se posiciona como “un hito importante en la investigación”. Logra avances clave en audio nativo, reescritura de lenguaje natural en tiempo real y una física y personajes más realistas, transformando el modelo mundial de una generación de imágenes puntual a un mundo simulado dinámico que se puede controlar en tiempo real, escuchar y razonar.
Para los usuarios, el mayor punto destacado del modelo mundial Google Genie 4 es el “director” en tiempo real del mundo. En la operación de simulación, los usuarios pueden utilizar instrucciones en texto en lenguaje natural para cambiar el mundo, como modificar el clima, mover las cámaras, añadir nuevos personajes o objetos.
A diferencia de las IA principales que regeneran un video, Genie 4 combina el contexto del escenario actual para realizar cambios dinámicos, más como una “caja de arena virtual interactiva” o un “sistema de director de IA”. Los usuarios pueden establecer un evento y luego observar cómo evoluciona el mundo, interviniendo y ajustando en cualquier momento.
En cuanto a otros aspectos destacados, Genie 4 es el primer modelo de DeepMind que genera audio de forma nativa en simulaciones del mundo en tiempo real, donde el audio y la imagen se generan simultáneamente. Además, Google afirma que Genie 4 tiene una mejor rendimiento en escenarios físicos como aerodinámica y colisiones; las acciones de los personajes son más naturales, puede reaccionar de manera orgánica al entorno y soporta control en tiempo real. IT Home ha publicado el siguiente video de demostración relacionado:
El director ejecutivo de Google, Sundar Pichai, publicó hoy en su cuenta personal un tuit en el que dice “Genie 4 es el modelo del mundo más realista y interactivo hasta ahora en Google”.
En una entrevista con TechCrunch, el director de investigación de Google, Tejas Kulkarni, declaró: En el futuro, Gemini se encargará del texto, el código y la planificación de tareas, mientras que Genie 4 convertirá estos contenidos en un mundo interactivo en tiempo real, formando así un “modelo de mundo híbrido”.
El ingeniero de DeepMind, Diego Rivas, admitió que Genie 4 sigue en una etapa inicial; las simulaciones de larga duración podrían provocar desviaciones en los detalles, y la precisión del audio y la legibilidad de los textos en la imagen aún no han sido completamente resueltas.
Genie 4 actualmente está disponible únicamente en forma de prueba de investigación para “testadores confiables”; en las próximas semanas se extenderá a los usuarios de la suscripción Google AI Ultra de Project Genie, así como a los primeros socios de Gemini API y Google AI Studio.
Leer también: