Googles KI-Abteilung Deepmind arbeitet bereits seit geraumer Zeit an KI-Modellen, die dreidimensionale, interaktive Szenerien generieren können. Mit dem sogenannten "World Model" können digitale Welten gebaut werden, in denen man sich bewegen und mit denen man in Echtzeit interagieren kann. Nun hat das Unternehmen mit Genie 4 die vierte Iteration der KI-Engine
vorgestellt.
Dabei handelt es sich technisch gesehen nicht um ein Model, sondern um eine orchestrierte Modell-Sammlung, bei der verschiedene KIs für unterschiedliche Aufgaben zuständig sind. Einzelne Modelle arbeiten etwa daran, die Welt kohärent zu halten und Kontinuität zu gewährleisten.
Für die vierte Generation wurde Genie mit verbessertem Fotorealismus, flüssigeren Bewegungen und neuen Kapazitäten rund um die Generierung der begleitenden Audiospur erweitert. Ausserdem soll sich die Szenerie mit Text-Prompts nun in Echtzeit verändern lassen. Als Beispiel können Figuren in der Welt auf Kommando Handlungen vornehmen oder man kann per Befehl das Wetter ändern. Besonders hervorgehoben werden dabei menschliche Bewegungen und auch Stimmen. Diese sollen mit Genie 4 besonders natürlich sein und sich ebenfalls auf Kommando auslösen lassen.
Google räumt jedoch ein, dass sich Genie 4 weiterhin in einem experimentellen Stadium befindet und die Simulationen – besonders lange oder komplexe Konstrukte – nicht immer stabil bleiben. Das passiere etwa, wenn viel Bewegung in der Welt oder komplizierte Prompts dazukommen.
Genie 4 ist derzeit für ausgewählte Tester zugänglich,
hier kann man sich in die Warteliste eintragen. Für Abonnenten von
Google AI Ultra und Early Access Partners der Gemini API und Google AI Studio sollen ebenfalls bald Testzugänge folgen
(win)
