Новости Сегодня 10:47

Google представила новую «модель мира» Genie 4: ее генерации почти не отличить от реальности

Подразделение Google DeepMind представило Genie 4 — новую версию «модели мира», которая создает интерактивные миры по текстовым запросам. Пользователь может вводить команды прямо во время симуляции и менять сцену, а модель одновременно генерирует звук: музыку, фоновые шумы и реплики персонажей.

Предыдущая версия, Genie 3, вышла чуть более года назад. В Genie 4 картинка стала более реалистичной, а правки можно вносить свободно: менять погоду и ракурс камеры, добавлять людей и объекты. Сцена остается согласованной до двух минут — вдвое дольше, чем у предшественника. Разработчики также улучшили физику и сделали лица людей в сценах более детализированными.

Новая модель стала теснее связана с нейросетью Gemini. Последняя выступает режиссером, планирует шаги и проверяет кадры, а Genie рисует сцену. В эксперименте, связанном с Gemini Robotics, модель Gemini 4 Argon разбивала задачи на шаги, а Genie 4 симулировала их в реальном времени. Идея в том, чтобы проверять сценарии для роботов в симуляции до запуска в реальном мире.

Директор по исследованиям Google Теджас Кулкарни заявил, что в будущем таких гибридных моделей будет больше: Gemini может писать код и текст, а Genie в реальном времени превращать их в симуляцию на разных уровнях абстракции.

Для Genie 4 называют те же коммерческие сценарии, что и для других «моделей мира»: игры, интерактивное обучение и робототехника. Пример из обучения — войти в картину с историческим сюжетом и поговорить с ее героями о событии. Тестировщики предложили еще одно применение — прототипирование фильмов, например на этапах идеи и раскадровки.