La experiencia va más allá de la generación tradicional de imágenes o videos, ya que incorpora simulaciones dinámicas en tiempo real.
Genie 4 de Google: simulación de entornos más realistas e interactivos
Foto:
Google DeepMind
Genie 4 de Google: simulación de entornos más realistas e interactivos
Foto:
Google DeepMind
Google presentó este martes Genie 4, su nuevo modelo de inteligencia artificial (IA) diseñado para crear mundos virtuales interactivos con un alto nivel de realismo y audio generado de forma nativa. La tecnología apunta a desarrollar simulaciones dinámicas en tiempo real, en las que cada movimiento produzca una reacción y la experiencia vaya más allá de la generación tradicional de imágenes o videos.
Según explicó la compañía de Mountain View en una publicación de su blog oficial, Genie 4 combina las capacidades de distintos modelos de la familia Gemini para recrear entornos con una apariencia y un comportamiento similares a los del mundo real, además de mantener la coherencia de las situaciones a medida que evolucionan.
Desarrollado por los investigadores Raia Hadsell, Diego Rivas y Hang Qi, Genie 4 es un modelo multimodal que genera simultáneamente elementos visuales y sonoros.
A diferencia de las versiones anteriores centradas en la creación de fotogramas, esta nueva propuesta incorpora audio ambiental, efectos sonoros, música y diálogos interactivos sincronizados con las acciones que ocurren en pantalla.
Una de las principales características del modelo es la posibilidad de intervenir en una simulación mientras está en marcha. Los usuarios pueden iniciar un escenario y modificarlo mediante instrucciones en lenguaje natural, sin limitarse a observar una secuencia de imágenes predefinidas.
Entre las acciones posibles se encuentran mover la cámara, cambiar las condiciones climáticas e incorporar nuevos personajes. De esta manera, la escena puede transformarse en función de las indicaciones del usuario y de las interacciones que se producen dentro del entorno.
Según Google, “cada mundo genera audio nativo al instante, incluyendo sonidos ambientales, música y diálogos interactivos”.
La tecnología también busca que los distintos elementos de una simulación mantengan una relación coherente. Esto incluye los cambios en el entorno, los movimientos y las reacciones de los personajes, así como los sonidos y las conversaciones que acompañan cada situación.
El objetivo es que los mundos generados no se comporten como imágenes estáticas o videos cerrados, sino como escenarios en los que las acciones del usuario tengan consecuencias y permitan explorar diferentes posibilidades en tiempo real.
Para conseguir semejante nivel de realismo, Genie 4 aprovecha las capacidades de la familia de modelos Gemini. Según la descripción de Google, Gemini Omni se encarga de reproducir la apariencia y el comportamiento del mundo físico, mientras que otros modelos de la misma familia aportan el razonamiento necesario para sostener la lógica y la continuidad de las escenas.
La combinación permite que una simulación evolucione sin perder consistencia entre lo que sucede en pantalla y las respuestas que genera el entorno. Así, los cambios visuales, los sonidos y las interacciones de los personajes forman parte de una misma experiencia.
La propuesta se inscribe en el desarrollo de sistemas de inteligencia artificial capaces de crear entornos interactivos, en lugar de limitarse a producir contenidos visuales a partir de una instrucción.
Google comenzó a implementar Genie 4 para un grupo limitado de evaluadores de confianza. La compañía también prevé ofrecer acceso a los suscriptores de Google AI Ultra a través de Project Genie.
Además, los socios que participen en el programa de acceso anticipado podrán utilizar el modelo mediante la API de Gemini y AI Studio.
