IT之家 – Le 28 octobre, l’équipe de Google DeepMind a publié un post hier (27 octobre) annonçant la sortie du modèle de monde Genie 4, désigné comme « un grand pas en recherche », avec des avancées clés dans le traitement audio natif, la réécriture de langage naturel en temps réel, ainsi que des réalités physiques et humaines plus réalistes. Le modèle de monde est ainsi passé d’une génération d’images ponctuelle à un monde simulé dynamique, contrôlable en temps réel, audible et capable de raisonnement.
Pour les utilisateurs, le point fort du modèle mondial Google Genie 4 est le « réalisateur » en temps réel du monde. Lors de l’exécution simulée, les utilisateurs peuvent utiliser des instructions textuelles en langage naturel pour modifier le monde, par exemple changer le temps, déplacer les plans, ajouter de nouveaux personnages ou objets.
Contrairement aux IA majeures qui génèrent à nouveau un vidéo, Genie 4 combine le contexte de la scène actuelle pour entraîner des changements dynamiques, ressemblant plus à un « sandbox virtuel interactif » ou à un « système de réalisateur IA ». Les utilisateurs peuvent définir un événement, puis observer comment le monde se développe, tout en intervenant et en ajoutant des ajustements à tout moment.
D’autres aspects remarquables : le Genie 4 est le premier modèle de DeepMind capable de générer audio de manière native dans un simulateur du monde réel en temps réel, avec l’audio et l’image produits simultanément. De plus, Google affirme que le Genie 4 offre une meilleure performance en termes de dynamique aérodynamique et de collisions dans les scénarios physiques ; les actions des personnages sont également plus naturelles, capables de réagir de manière organique au contexte environnemental, et prend en charge la manipulation en temps réel. IT Home propose le vidéo-démonstration correspondante ci-dessous :
Le PDG de Google, Sundar Pichai, a publié un tweet aujourd’hui sur son compte personnel, affirmant que Genie 4 est le modèle du monde le plus réaliste et le plus interactif de Google jusqu’à présent.
Dans une interview avec le média technologique TechCrunch, le directeur de recherche de Google, Tejas Kulkarni, a déclaré que à l’avenir, Gemini sera chargé des textes, du code et de la planification des tâches, tandis que Genie 4 transformera en temps réel ces éléments en un monde interactif, créant ainsi un « modèle de monde mixte ».
L’ingénieur de DeepMind, Diego Rivas, reconnaît que Genie 4 se trouve encore dans une phase précoce ; les simulations prolongées peuvent entraîner des dérives dans les détails, et l’exactitude audio ainsi que la lisibilité des textes sur l’image n’ont pas encore été complètement résolues.
Genie 4 est actuellement disponible uniquement sous forme de prévisualisation de recherche pour les « testeurs fiable » ; dans les prochaines semaines, elle sera étendue aux utilisateurs de la abonnement Google AI Ultra sur le projet Genie, ainsi qu’aux partenaires précoces de la Gemini API et de Google AI Studio.
Lectures pertinentes :