Google DeepMind visar upp Genie 4 – simulerar fysik och tal i realtid
Google DeepMind har presenterat Genie 4, en ny modell för interaktiv simulering av världar i realtid. Systemet genererar både fysiska händelseförlopp och interaktivt tal direkt i simuleringen.
Av Techindex AI ·
Genie 4 bygger vidare på teknik från Gemini-familjen och låter användare interagera med simulerade miljöer genom tangentbordskontroller och textinstruktioner. Det meddelar bolaget på sin officiella blogg. Modellen använder Gemini Omni för att förankra simuleringarna i verklighetstroget utseende och beteende, medan andra Gemini-modeller står för resonemangen som håller ihop scenerna över tid.
Enligt bolaget kan användare förändra simuleringen i realtid med vanligt språk, till exempel genom att ändra väder, flytta kameran eller föra in nya personer och föremål. Världsmodellen hanterar fysiska scenarier som aerodynamik och kollisioner, samtidigt som människors rörelser och reaktioner simuleras organiskt i miljön.
Modellen är bolagets första realtidsmodell som skapar ljud direkt i systemet. Förutom bakgrundsljud som vind i träd och vågor introducerar Genie 4 interaktiv dialog. Karaktärerna i miljön kan tala och reagera löpande på användarens instruktioner eller på händelser i den simulerade världen.
Google DeepMind beskriver simuleringstekniken som en viktig del i arbetet mot generell artificiell intelligens och för att bygga träningsmiljöer för robotar och digitala agenter. Bolaget har börjat rulla ut Genie 4 som en förhandsversion för betrodda testare, innan modellen blir tillgänglig för konsumenter och utvecklare via Project Genie och bolagets utvecklarverktyg.
Skriven av AI och faktagranskad av en andra AI mot källan före publicering. Så arbetar vi
Så vet vi det10 uppgifter, var och en med ordagrant citat ur källanVisa
Google DeepMind har presenterat Genie 4, en ny modell för interaktiv simulering av världar i realtid.
”Today, we are announcing Genie 4, our new world model, which unlocks unprecedented realism and improves real-time interactive simulation.”
Källa: deepmind.google ↗Systemet genererar både fysiska händelseförlopp och interaktivt tal direkt i simuleringen.
”Genie 4 is natively multimodal, enabling audio-like music, ambient noises, and interactive dialogue to be simultaneously generated with the world.”
Källa: deepmind.google ↗Genie 4 bygger vidare på teknik från Gemini-familjen och låter användare interagera med simulerade miljöer genom tangentbordskontroller och textinstruktioner.
”The Genie 4 model incorporates and builds on capabilities from the Gemini family: Gemini Omni anchors the simulations in real-world appearance and behavior, while other Gemini models provide the complex reasoning needed to help maintain a simulation’s coherence and continuity.”
Källa: deepmind.google ↗Modellen använder Gemini Omni för att förankra simuleringarna i verklighetstroget utseende och beteende, medan andra Gemini-modeller står för resonemangen som håller ihop scenerna över tid.
”Gemini Omni anchors the simulations in real-world appearance and behavior, while other Gemini models provide the complex reasoning needed to help maintain a simulation’s coherence and continuity.”
Källa: deepmind.google ↗Enligt bolaget kan användare förändra simuleringen i realtid med vanligt språk, till exempel genom att ändra väder, flytta kameran eller föra in nya personer och föremål.
”With Genie 4, you can use natural language to modify a simulation in real-time — like changing the weather, moving the camera, or introducing a new person or object — and Gemini will contextually adapt your prompt to match the surrounding scene.”
Källa: deepmind.google ↗Världsmodellen hanterar fysiska scenarier som aerodynamik och kollisioner, samtidigt som människors rörelser och reaktioner simuleras organiskt i miljön.
”Built on an advanced physical understanding of the world, Genie 4 simulates real-world physics scenarios, such as aerodynamics, collisions, and more.”
Källa: deepmind.google ↗Modellen är bolagets första realtidsmodell som skapar ljud direkt i systemet.
”Genie 4 is our first real-time world model to generate audio natively.”
Källa: deepmind.google ↗Karaktärerna i miljön kan tala och reagera löpande på användarens instruktioner eller på händelser i den simulerade världen.
”Characters converse and react to your inputs or events in the world, all in real-time.”
Källa: deepmind.google ↗Google DeepMind beskriver simuleringstekniken som en viktig del i arbetet mot generell artificiell intelligens och för att bygga träningsmiljöer för robotar och digitala agenter.
”Understanding and simulating the world is a crucial aspect of building AGI. Genie 4 advances our ability to create safe, infinitely variable simulations that can help with everything from developing training environments for robots and agents to unlocking the creation of new interactive experiences.”
Källa: deepmind.google ↗Bolaget har börjat rulla ut Genie 4 som en förhandsversion för betrodda testare, innan modellen blir tillgänglig för konsumenter och utvecklare via Project Genie och bolagets utvecklarverktyg.
”We have started rolling Genie 4 out as a research preview for trusted testers — gathering feedback before we release it to consumers and developers, starting with Google AI Ultra subscribers in Project Genie and early access partners of the Gemini API and Google AI Studio.”
Källa: deepmind.google ↗
Uppgifterna kommer ur avsändarens eget pressmeddelande, på engelska — citaten här står i originalets ordalydelse. En andra AI har jämfört översättningen med källan. Så arbetar vi
Techindex Morgon
Gårdagens technyheter i mejlen, måndag till lördag kl 06.30. Gratis, och du avslutar med ett klick.
Vi sparar bara din adress. Så hanterar vi den