Story
Google ra mắt mô hình AI Genie 4 để mô phỏng thế giới thực với âm thanh gốc.
Google (NASDAQ:GOOGL) hôm thứ Ba đã công bố ra mắt Genie 4, một mô hình mô phỏng thế giới được thiết kế để tạo ra môi trường tương tác theo thời gian thực, hoàn chỉnh với khả năng âm thanh gốc. Hệ thống này đại diện cho mô hình thế giới thời gian thực đầu tiên của công ty có khả năng tạo ra các yếu tố âm thanh như nhạc, tiếng ồn xung quanh và hội thoại.
Các khả năng chính
Genie 4 được xây dựng dựa trên dòng hệ thống AI Gemini của Google. Theo thông báo của công ty, nó tận dụng Gemini Omni để mô phỏng ngoại hình và hành vi thực tế, trong khi các mô hình Gemini khác được sử dụng để cung cấp khả năng suy luận và duy trì tính nhất quán của mô phỏng.
Mô hình cho phép người dùng sửa đổi thế giới được tạo ra theo thời gian thực bằng các lệnh ngôn ngữ tự nhiên. Điều này bao gồm khả năng thay đổi điều kiện thời tiết, điều chỉnh góc máy quay hoặc thêm các đối tượng và nhân vật mới. Genie 4 cũng có khả năng mô phỏng các kịch bản dựa trên vật lý, bao gồm khí động học và va chạm, và có thể tạo ra các nhân vật di chuyển tự nhiên và phản ứng với môi trường xung quanh.
Tích hợp kỹ thuật và ứng dụng
Để quản lý quy trình tạo nội dung thời gian thực, Google đã tích hợp Gemini 3.8 Flash làm tác nhân hướng dẫn, quan sát các cảnh, phân tích mục tiêu của người dùng thành các bước hành động cụ thể và theo dõi tiến độ. Công ty cũng đang khám phá các ứng dụng robot bằng cách kết hợp Genie 4 với Gemini 4 Argon, trong đó Argon diễn giải các nhiệm vụ của người dùng để Genie hiển thị trong các mô phỏng.
AdGoogle đã phát hành Genie 4 dưới dạng bản xem trước nghiên cứu cho một nhóm người thử nghiệm đáng tin cậy trong một số lĩnh vực, bao gồm:
- Ngành công nghiệp sáng tạo để tiền hình dung trong làm phim
- Báo chí và giáo dục để chuyển đổi ảnh lưu trữ thành các mô phỏng động
- Trò chơi và kỹ thuật để tạo mẫu nhanh
Tính khả dụng và hạn chế
Sau giai đoạn thử nghiệm ban đầu, Google dự định mở rộng quyền truy cập cho người đăng ký Google AI Ultra thông qua Dự án Genie, cũng như cho các đối tác truy cập sớm thông qua API Gemini và Google AI Studio. Để đảm bảo tính xác thực của nội dung, tất cả video và âm thanh do Genie 4 sản xuất sẽ được đánh dấu bằng dấu bản quyền kỹ thuật số SynthID.
Google thừa nhận rằng mô hình hiện tại vẫn còn những hạn chế. Những thách thức này bao gồm khả năng "lệch hình ảnh" trong các phiên làm việc kéo dài và những khó khăn liên tục trong việc mô phỏng các tương tác vật lý phức tạp, đảm bảo độ chính xác của âm thanh, hiển thị văn bản và duy trì tính nhất quán lâu dài trong thế giới được tạo ra.