Genie 4: Googles Weltmodell bekommt Ton und Dialoge

Google DeepMind hat am 27. Oktober Genie 4 vorgestellt, ein Weltmodell (ein KI-System, das interaktive Umgebungen in Echtzeit erzeugt), das erstmals Ton, Musik und Dialoge mitliefert. Zugang gibt es zunächst nur für ausgewählte Testerinnen und Tester. In den kommenden Wochen soll Genie 4 laut TechCrunch Abonnenten von Google AI Ultra in «Project Genie» offenstehen, dazu kommen frühe Partner der Gemini-API und von Google AI Studio.

Eingreifen, während die Welt läuft

Nutzer steuern die Szenen mit Text und Tastatur, während die Simulation läuft. Per Prompt lassen sich laut TechCrunch etwa Wetter oder Kamerawinkel ändern oder Personen und Objekte hinzufügen. Google nennt verbesserte Physik wie Aerodynamik und Kollisionen sowie Figuren, die sich natürlicher bewegen, reagieren und sprechen. Ton, Musik und interaktive Dialoge entstehen gleichzeitig mit dem Bild. Gemini arbeitet dabei als eine Art Regisseur: Das Sprachmodell passt Prompts an die Szene an und prüft die Simulation zwischen den Eingaben.

Probelauf für Roboter

Interessant ist der Robotik-Versuch, den TechCrunch beschreibt: Ein Gemini-Modell zerlegte Aufgaben in Schritte, die Genie 4 in Echtzeit simulierte. So könnten Roboter-Szenarien getestet werden, bevor sie in der Realität laufen. Google nennt ausserdem Spiele und interaktives Lernen als Einsatzfelder, erste Tester sehen laut TechCrunch Potenzial für Film-Vorstufen wie Ideenfindung und Storyboards.

Noch Forschungsstand

Google räumt Grenzen ein: Details und Objekte können in längeren oder stark bearbeiteten Sitzungen verrutschen, auch korrekter Ton, lesbarer Text in der Szene und räumliche Genauigkeit sind offene Baustellen. Alles, was Genie 4 erzeugt, trägt das Wasserzeichen SynthID. Preis und Verfügbarkeit nach Land nennt Google nicht, ob das Angebot in der Schweiz startet, ist offen. Ein Konkurrent ist laut TechCrunch Runways «GWM Worlds 2», das ebenfalls spielbare Welten mit Ton erzeugt.