Google DeepMind lanza el modelo de mundo Genie 4 con audio y física mejorada

Google DeepMind ha anunciado el lanzamiento de Genie 4, la última iteración de su modelo de mundo de IA. El nuevo modelo introduce mejoras significativas respecto a su predecesor, Genie 3, incluyendo generación de audio nativa, simulaciones de física más realistas y una consistencia mejorada en los entornos generados. Según Google, estas actualizaciones están diseñadas para apoyar aplicaciones que van desde el entrenamiento de robótica hasta la prototipación creativa.

Realismo y física mejorados

Genie 4 aprovecha Gemini 3.8 Flash como un agente guía para desglosar los objetivos del usuario y evaluar cada cuadro de salida en tiempo real. Esta integración ayuda a mantener el contexto a medida que los usuarios se mueven por entornos variados. DeepMind afirma que el modelo ha alcanzado un nuevo nivel de realismo en la simulación de la física, particularmente en lo que respecta a la aerodinámica y las colisiones. Además, se espera que las figuras humanas dentro de las simulaciones muestren movimientos más naturales y respuestas a los cambios ambientales, reduciendo la apariencia "inquietante" a menudo asociada con los personajes generados por IA.

El modelo también admite cambios de parámetros en medio del proceso. Los usuarios pueden alterar las condiciones climáticas, añadir elementos o ajustar los ángulos de cámara utilizando indicaciones en lenguaje natural, con Gemini ayudando a dirigir la simulación en consecuencia. Este proceso es similar a cómo los modelos de razonamiento generan indicaciones internas para refinar las salidas.

Audio nativo y mayor consistencia

Una característica clave de Genie 4 es la adición de generación de audio nativa. Esto incluye sonidos ambientales de fondo y la capacidad de especificar elementos de audio dentro de las indicaciones. DeepMind promete que el modelo puede crear diálogos interactivos que se adapten a medida que cambia la simulación. Esto marca la primera vez que un modelo de mundo de DeepMind incluye capacidades de audio nativo.

En términos de duración, Genie 4 puede crear experiencias de aproximadamente dos minutos de longitud, un aumento respecto al límite de un minuto de Genie 3. Sin embargo, DeepMind señala que los mundos siguen siendo consistentes solo durante un par de minutos antes de que el modelo "olvide" el contexto inicial. La compañía advierte que a medida que las simulaciones se ejecutan por más tiempo, los detalles y la permanencia de los objetos pueden cambiar con el tiempo.

Acceso y precios

Genie 4 se está lanzando actualmente como una "vista previa de investigación" para un pequeño grupo de probadores de confianza. Google planea ampliar el acceso a los desarrolladores a través de la API de Gemini y AI Studio, aunque aún no se ha anunciado el precio específico para estos servicios. Para los consumidores, el acceso se implementará gradualmente, comenzando con los planes AI Ultra más caros de Google, que comienzan en $100 por mes. Google podría eventualmente ampliar el acceso a los planes AI Pro y AI Plus.

La experiencia del consumidor se gestionará a través de Project Genie, que impone ciertas limitaciones de uso. Actualmente hay una lista de espera abierta para los usuarios interesados en el acceso anticipado. DeepMind enfatiza que los modelos de mundo siguen siendo un área activa de investigación, y Genie 3 nunca se expandió más allá de la limitada experiencia web de Project Genie.

Por qué importa

El lanzamiento de Genie 4 destaca la creciente importancia de los modelos de mundo en el desarrollo de la inteligencia artificial general (AGI). Al permitir la creación de entornos de entrenamiento infinitos e interactivos para robots físicos y la prototipación rápida para campos creativos, estos modelos ofrecen nuevas herramientas tanto para aplicaciones industriales como artísticas. La adición de audio y la mejora de la física acercan estas simulaciones a la fidelidad del mundo real, lo que potencialmente acelerará su adopción en videojuegos, previsualización de películas y robótica.

Fuentes (en inglés)

• arstechnica.com: DeepMind's Genie 4 world model adds audio and more realistic people to simulations - Ars Technica
• theverge.com: Google’s next Genie AI model generates more realistic experiences | The Verge

Traducción con IA del artículo original en inglés, revisada automáticamente para que diga lo mismo que el original. Las fuentes fueron verificadas en inglés.