Google vén de anunciar Genie 4, un novo modelo de mundo desenvolvido para crear simulacións interactivas en tempo real cun nivel de realismo avanzado e xeración de son integrada. A tecnoloxía permite crear escenarios dinámicos e modificalos mediante instrucións en linguaxe natural, desde cambiar a posición da cámara ou as condicións meteorolóxicas ata introducir novos personaxes.
Genie 4 aproveita as capacidades da familia de modelos Gemini. Gemini Omni achega a representación visual e o comportamento dos elementos do mundo real, mentres que outros modelos Gemini proporcionan capacidades de razoamento para manter a coherencia e a continuidade das simulacións.
Os escenarios tamén xeran son de forma nativa e en tempo real, incluídos ambientes sonoros, música e diálogos interactivos. Esta combinación permite crear experiencias nas que tanto os elementos visuais como o audio poden adaptarse ás accións e ás instrucións do usuario.
A simulación de mundos constitúe unha das liñas de investigación que Google considera relevantes para avanzar cara á intelixencia artificial xeral (AGI). Entre as aplicacións potenciais figuran a creación de contornas seguras para adestrar robots e axentes de IA, así como o desenvolvemento de ferramentas creativas para sectores como o cinema, o xornalismo, os videoxogos e a fabricación industrial.
O acceso a Genie 4 comezou cun grupo reducido de probadores de confianza. Google prevé ampliar a súa dispoñibilidade aos subscritores de Google AI Ultra a través de Project Genie, así como a socios con acceso anticipado mediante Gemini API e AI Studio.
