Google DeepMind stellt mit Genie 4 ein KI-Modell vor, das interaktive Welten in Echtzeit erzeugt und sie mit Geräuschen, Musik und Dialogen ausstattet. Nutzer können sich darin bewegen und die laufende Simulation mit Texteingaben verändern.
Eine Welt, die auf Eingaben reagiert
Genie 4 simuliert, wie sich eine Umgebung entwickelt und wie Menschen und Gegenstände darin reagieren. Per Tastatur steuern Nutzer ihre Bewegung und die Kamera. Texteingaben verändern etwa das Wetter oder fügen der Szene eine Person hinzu.
Das Modell erzeugt den Ton gleichzeitig mit den Bildern. Dazu gehören Umgebungsgeräusche und Gespräche mit Figuren, die auf Eingaben und Ereignisse reagieren. Google zeigt auch fotorealistische Szenen und stilisierte Umgebungen.
Anzeige
Gemini plant im Hintergrund
Für die Simulation nutzt Genie 4 Fähigkeiten aus der Gemini-Familie. Gemini Omni trägt dazu bei, dass Aussehen und Verhalten der erzeugten Welt zur Realität passen. Andere Gemini-Modelle unterstützen die Planung und den Zusammenhang der Ereignisse.
In einer gezeigten Kombination beobachtet Gemini 3.8 Flash die laufende Szene, zerlegt ein Ziel in einzelne Schritte und prüft deren Fortschritt. Ändert sich die Umgebung oder greift der Nutzer ein, passt Gemini den Plan an.
Google experimentiert außerdem mit Gemini 4 Argon und Genie 4 für die Robotik. In einer Vorführung wird ein humanoider Roboter beim Damespiel simuliert.
Zunächst nur für ausgewählte Tester
Genie 4 ist als Forschungsvorschau für ausgewählte Tester verfügbar. Später soll das Modell für Abonnenten von Google AI Ultra in Project Genie sowie für ausgewählte Partner über die Gemini API und Google AI Studio zugänglich werden. Für Project Genie gibt es aber aktuell noch eine Warteliste.
Das Modell befindet sich zudem noch in einer frühen Forschungsphase. Bei längeren Sitzungen können sich Details und Objekte verändern. Auch komplexe physikalische Wechselwirkungen, räumliche Genauigkeit und die Beständigkeit der Welt gehören zu den Bereichen, an denen Google weiterarbeitet.
