Modellbevezetés

Mesterséges intelligenciával generált szöveg

Elérhető a Genie 4 a Google interaktív világokat létrehozó rendszerében

A Google elérhetővé tette a Genie 4 világmodellt a megújult Project Genie kutatási prototípusban.

Elérhető a Genie 4 a Google interaktív világokat létrehozó rendszerében

A Google frissíti a Project Genie kísérleti kutatási prototípusát, amely böngészőben létrehozható és felfedezhető interaktív világokat kínál. A jogosult Google AI Ultra-előfizetők az új felületen először férhetnek hozzá a Genie 4 világmodellhez, emellett továbbfejlesztett Genie 3-funkciókat, alkotást segítő agenst és közösségi galériát is kapnak.

A vállalat közlése szerint a változtatások részben a korai tesztelők visszajelzéseire épülnek: ők nagyobb irányítást kértek a világokon belüli események felett, valamint egyszerűbb létrehozást és megosztást szerettek volna. A Project Genie a Google világmodelljeit és Gemini-modelljeit egyesíti.

Genie 4 és a továbbfejlesztett Genie 3

A Genie 4 használatakor a felhasználók felfedezés közben, új szöveges utasításokkal módosíthatják a környezetet. Megváltoztathatják például az időjárást, szereplőt helyezhetnek a világba vagy más irányba terelhetik az eseményeket. A modell a látvány mellett valós időben generált hangot is kínál, amely a jelenethez alkalmazkodik: ez környezeti hangokat és szereplők közötti párbeszédet is jelenthet.

A Google szerint a Genie 4 adja a leghűbb látványt és fizikát, valamint natívan generált hangot, de a Genie 3 továbbra is kiválasztható azok számára, akik hosszabb meneteket vagy panorámaképből kiinduló tereket szeretnének. A Genie 3 frissítésével egy generálás során már legfeljebb három percig lehet felfedezni egy világot a korábbi 60 másodperc helyett, több világ pedig hosszabb utazássá kapcsolható össze. A modell 360 fokos panorámaképek alapján is létrehozhat világokat, és felfedezés közben természetes nyelvű utasításokkal módosíthatók az események.

Beszélgetésen alapuló alkotás és közösségi galéria

Az új Project Genie-ágens a Google multimodális modelljeit összehangolva segít a felhasználónak természetes nyelven leírt elképzelését megvalósítani. A világ kezdeti látványvilága mellett a hangulathoz illő egyedi háttérzenét is készít. Felfedezés közben Gemini-modellek is bevonhatók: ezek figyelik a képernyőn történteket, a helyzethez illő továbblépési javaslatokat adnak, vagy automatikusan eseményeket indítanak a világban.

Az új galériában válogatott és közösségi alkotások is elérhetők. A „Living Memory” személyes fényképekből készít felfedezhető tereket, a „Dino Field Guide” 360 fokos panorámákra épülő őskori élőhelyeket kínál, a „Rock Paper Scissors” pedig tematikus tárgyakat állít egymással szembe egy asztalon, miközben a Gemini valós idejű bíróként működik.

A bemutatott együttműködések között szerepel a Will aka BLVCKL!GHT kreatív technológussal készült „Villa Giallo”, amely egy gótikus kúriában játszódó, szobáról szobára haladó rejtély. Az Anand Gandhi filmrendezővel létrehozott „The Life of Ants” egy hangyakolóniát mutat be egy hangya szemszögéből. Mindkettő a Genie 4-et használja.

A galéria meglévő világai az ágens segítségével átdolgozhatók: a felhasználók módosíthatják a világ szerkezetét, zenéjét vagy szabályait. Saját alkotásaikat közzé is tehetik, hogy mások felfedezhessék és továbbalakíthassák őket.

Biztonság és hozzáférés

A Google közlése szerint a Project Genie-ben generált összes videó és hang SynthID-vízjelet kap, és a modellek bemeneteit, valamint kimeneteit biztonsági ellenőrzésnek vetik alá. A vállalat a fennmaradó kutatási kihívások között említi a kamera késleltetését, az összetett fizikai kölcsönhatásokat, a valós idejű hang pontosságát és a jelenetek hosszú távú állandóságát.

Az új Project Genie-élmény a bejelentéstől érhető el a jogosult Google AI Ultra-előfizetőknek. A Google AI Pro-tagok várólistára jelentkezhetnek.