🌐 Google lanza Genie 4 con mundos fotorrealistas y audio en tiempo real
El model de món Genie 4 de Google afegeix àudio, mons més realistes i direcció en temps real
Google DeepMind ha llançat el seu nou model de món, Genie 4, en vista prèvia de recerca, prometent generar els mons més fotorrealistes i interactius fins ara. Aquest model permet als usuaris escriure indicacions durant la simulació per canviar l'escena, a més de generar àudio en temps real que coincideix amb el món simulat, incloent-hi música, sorolls ambientals i diàlegs interactius.
L'arribada de Genie 4 es produeix pocs mesos després que la startup de vídeo AI, Runway, llancés el seu segon model de món, GWM Worlds 2, que també respon dinàmicament a les entrades de l'usuari i inclou generació d'àudio. Mentrestant, la indústria de models de món comença a consolidar-se, amb World Labs de Fei-Fei Li sent adquirida per AMD i Amazon en converses per comprar Decart.
Genie 4 és el darrer moviment de Google per mantenir-se a l'avantguarda en aquest camp competitiu. El seu predecessor, Genie 3, va ser llançat fa poc més d'un any. A més de ser molt més fotorrealista i comptar amb àudio, Genie 4 permet edicions en temps real, com canviar el clima o l'angle de la càmera, o afegir noves persones o objectes. Pot mantenir una escena consistent durant fins a dos minuts, el doble del límit del seu predecessor, i ofereix millors físiques i personatges més humans.
Gemini, el model d'IA de Google, està més integrat amb Genie 4, actuant com a director que planifica passos i verifica quadres mentre Genie crea els visuals. En un experiment de recerca vinculat a Gemini Robotics, un model Gemini 4 Argon va desglossar tasques en passos que Genie 4 va simular en temps real, mostrant una possible manera de provar escenaris de robots en simulació abans que ocorrin en el món real.
Els casos d'ús comercial proposats inclouen jocs, aprenentatge interactiu i robòtica. Un exemple especulatiu d'aprenentatge interactiu seria entrar en una pintura d'una escena històrica i conversar amb els subjectes de la pintura sobre l'esdeveniment representat.
No obstant això, els "probadors de confiança" —les persones que obtenen accés primerenc als productes d'avantguarda de Google— estan assenyalant un possible nou ús: la creació de prototips de pel·lícules. "L'aspecte en temps real es torna més valuós en àrees on mantenir un estat de flux en l'espai creatiu es torna increïblement útil", va dir Diego Rivas, enginyer de Google DeepMind, durant una conferència de premsa.
Google també ofereix Veo, el seu model de generació de vídeo AI que crea clips d'alta definició amb àudio sincronitzat incorporat a partir d'indicacions de text, imatge o vídeo, una eina que ha anat guanyant popularitat entre els cineastes.
Malgrat els avenços, l'equip reconeix que Genie 4 encara té llacunes: els detalls i objectes poden desviar-se com més temps duri una simulació, i encara no han descobert com garantir que l'àudio sigui precís i qualsevol text en el món sigui llegible.
Genie 4 està disponible ara com a vista prèvia de recerca per a probadors de confiança. En les properes setmanes, el model es desplegarà per als subscriptors de Google AI Ultra en Project Genie i socis d'accés primerenc de l'API de Gemini i Google AI Studio.
Google’s Genie 4 world model adds audio, more realistic worlds, and real-time steering
Google DeepMind ha lanzado su nuevo modelo de mundo, Genie 4, en vista previa de investigación, prometiendo generar los mundos más fotorrealistas e interactivos hasta la fecha. Este modelo permite a los usuarios escribir indicaciones durante la simulación para cambiar la escena, además de generar audio en tiempo real que coincide con el mundo simulado, incluyendo música, ruidos ambientales y diálogos interactivos.
La llegada de Genie 4 se produce pocos meses después de que la startup de video AI, Runway, lanzara su segundo modelo de mundo, GWM Worlds 2, que también responde dinámicamente a las entradas del usuario e incluye generación de audio. Mientras tanto, la industria de modelos de mundo comienza a consolidarse, con World Labs de Fei-Fei Li siendo adquirida por AMD y Amazon en conversaciones para comprar Decart.
Genie 4 es el último movimiento de Google para mantenerse a la vanguardia en este campo competitivo. Su predecesor, Genie 3, fue lanzado hace poco más de un año. Además de ser mucho más fotorrealista y contar con audio, Genie 4 permite ediciones en tiempo real, como cambiar el clima o el ángulo de la cámara, o añadir nuevas personas u objetos. Puede mantener una escena consistente durante hasta dos minutos, el doble del límite de su predecesor, y ofrece mejores físicas y personajes más humanos.
Gemini, el modelo de IA de Google, está más integrado con Genie 4, actuando como director que planifica pasos y verifica cuadros mientras Genie crea los visuales. En un experimento de investigación vinculado a Gemini Robotics, un modelo Gemini 4 Argon desglosó tareas en pasos que Genie 4 simuló en tiempo real, mostrando una posible manera de probar escenarios de robots en simulación antes de que ocurran en el mundo real.
Los casos de uso comercial propuestos incluyen juegos, aprendizaje interactivo y robótica. Un ejemplo especulativo de aprendizaje interactivo sería ingresar a una pintura de una escena histórica y conversar con los sujetos de la pintura sobre el evento representado.
Sin embargo, los «probadores de confianza» —las personas que obtienen acceso temprano a los productos de vanguardia de Google— están señalando un posible nuevo uso: la creación de prototipos de películas. «El aspecto en tiempo real se vuelve más valioso en áreas donde mantener un estado de flujo en el espacio creativo se vuelve increíblemente útil», dijo Diego Rivas, ingeniero de Google DeepMind, durante una conferencia de prensa.
Google también ofrece Veo, su modelo de generación de video AI que crea clips de alta definición con audio sincronizado incorporado a partir de indicaciones de texto, imagen o video, una herramienta que ha ido ganando popularidad entre los cineastas.
A pesar de los avances, el equipo reconoce que Genie 4 aún tiene brechas: los detalles y objetos pueden desviarse cuanto más tiempo dure una simulación, y todavía no han descubierto cómo garantizar que el audio sea preciso y cualquier texto en el mundo sea legible.
Genie 4 está disponible ahora como vista previa de investigación para probadores de confianza. En las próximas semanas, el modelo se desplegará para los suscriptores de Google AI Ultra en Project Genie y socios de acceso temprano de la API de Gemini y Google AI Studio.
Google’s Genie 4 world model adds audio, more realistic worlds, and real-time steering
Google DeepMind has launched its new world model, Genie 4, in research preview, promising to generate the most photorealistic and interactive worlds to date. This model allows users to write prompts during the simulation to change the scene, as well as generate real-time audio that matches the simulated world, including music, ambient noises, and interactive dialogues.
The arrival of Genie 4 comes just months after the AI video startup, Runway, launched its second world model, GWM Worlds 2, which also dynamically responds to user inputs and includes audio generation. Meanwhile, the world model industry is beginning to consolidate, with Fei-Fei Li's World Labs being acquired by AMD and Amazon in talks to buy Decart.
Genie 4 is Google's latest move to stay at the forefront in this competitive field. Its predecessor, Genie 3, was launched just over a year ago. In addition to being much more photorealistic and featuring audio, Genie 4 allows real-time edits, such as changing the weather or camera angle, or adding new people or objects. It can maintain a consistent scene for up to two minutes, double the limit of its predecessor, and offers better physics and more human-like characters.
Gemini, Google's AI model, is more integrated with Genie 4, acting as a director that plans steps and checks frames while Genie creates the visuals. In a research experiment linked to Gemini Robotics, a Gemini 4 Argon model broke down tasks into steps that Genie 4 simulated in real-time, showing a possible way to test robot scenarios in simulation before they occur in the real world.
Proposed commercial use cases include gaming, interactive learning, and robotics. A speculative example of interactive learning would be entering a painting of a historical scene and conversing with the subjects of the painting about the event depicted.
However, "trusted testers" —the people who get early access to Google's cutting-edge products— are pointing out a possible new use: film prototyping. "The real-time aspect becomes more valuable in areas where maintaining a flow state in the creative space becomes incredibly useful," said Diego Rivas, a Google DeepMind engineer, during a press conference.
Google also offers Veo, its AI video generation model that creates high-definition clips with built-in synchronised audio from text, image, or video prompts, a tool that has been gaining popularity among filmmakers.
Despite the advances, the team acknowledges that Genie 4 still has gaps: details and objects can drift the longer a simulation lasts, and they have yet to figure out how to ensure audio is accurate and any text in the world is legible.
Genie 4 is now available as a research preview for trusted testers. In the coming weeks, the model will roll out to Google AI Ultra subscribers in Project Genie and early access partners of the Gemini API and Google AI Studio.
¿Te ha interesado esta noticia?
Recibe cada mañana el resumen de IA y sociedad directo en tu email.
Suscríbete gratis →