Google DeepMind Genie 4-ке дыбыс пен жылдам түзету қосты

Google DeepMind 27 қазанда «әлем моделінің» жаңа нұсқасы Genie 4-ті көрсетті. Ол ішінде еркін жүруге болатын фотошынайы интерактив кеңістіктер жасайды және оларды алғаш рет өзі дыбыстайды. Әзірге модельді тек сенімді тестерлердің шағын тобы ғана қолдана алады. Ал алдағы апталарда оны Google AI Ultra жазылушылары алады.

Әлем моделі – жай сурет салатын нейрожелі емес. Ол пайдаланушының әрекетіне қарай айналаны нақты уақытта толықтырып отырады. Genie 4 болып жатқан оқиғаға сай музыка, фондық шу және кейіпкерлердің сөздерін жасайды. Симуляция кезінде жаңа сұрау енгізіп, ауа райын, камера бұрышын өзгертуге немесе адамдар мен заттар қосуға болады.

Genie 3-тен айырмашылығы

Алдыңғы нұсқаны Google бір жылдан сәл астам уақыт бұрын зерттеу превьюі ретінде көрсеткен. Genie 4 әлдеқайда шынайы, оның физикасы дәлірек, ал кейіпкерлері сенімдірек. Басты техникалық жақсарту жадқа қатысты. Көрініс екі минутқа дейін бірізді сақталады, бұл бұрынғы шектен екі есе ұзақ.

Жаңа модель Gemini-мен бірге жұмыс істейді. Тілдік модель қадамдарды жоспарлап, кадрларды тексереді, ал Genie бейнені құрады. Google-дың зерттеу директоры Теджас Кулкарни мұндай жүйені Gemini код пен мәтін жазатын «гибридті әлем модельдері» деп атады.

DeepMind робототехникаға арналған тәжірибені де бөлек көрсетті. Gemini 4 Argon моделі робот тапсырмасын қадамдарға бөлді, ал Genie 4 олардың орындалуын нақты уақытта симуляциялады. Сондықтан сценарийлерді робот шынайы әлемде кездеспей тұрып тексеруге болады.

Модель әзірге қай жерде қателеседі

Симуляция ұзаған сайын бөлшектер мен заттар «жылжи» бастайды. Команда модельге дыбысты дәл беруді және жасалған әлем ішіндегі мәтінді оқылатын етуді әлі үйретпеген. Google DeepMind инженері Диего Ривас өнім әлі ерте кезеңде екенін, оның түпкі форматы анықталмағанын мойындады.

Google Genie 4-ті ойындарда, оқытуда және робототехникада қолдануды ұсынады. Кино саласындағы тестерлер оны идея іздеу мен раскадровка үшін пайдаланып жүр. Ривастың айтуынша, мұндай прототиптерді дайын материалға уақыт өте келе Gemini Omni айналдыра алады, бірақ оған «әлі алыс».

AI Ultra жазылушыларынан бөлек, модельді алдағы апталарда Gemini API мен Google AI Studio-ға ерте қолжетімділігі бар серіктестер алады. Ол Project Genie арқылы жұмыс істейді. Бұл – мәтін немесе сурет бойынша интерактив әлем жасайтын Google сервисі. Genie 4-тің Қазақстанда қолжетімді болатыны туралы компания хабарламады. DeepMind Gemini агенттерін ойындарда бұрын да сынаған: жақында олар Minecraft-ты адамсыз өтті.

Дереккөздер: TechCrunch – Genie 4-тің іске қосылуы туралы