Google DeepMind publie le modèle de monde Genie 4 avec audio et physique améliorée

Google DeepMind a annoncé la sortie de Genie 4, la dernière itération de son modèle de monde d'IA. Le nouveau modèle apporte des améliorations significatives par rapport à son prédécesseur, Genie 3, notamment la génération audio native, des simulations physiques plus réalistes et une cohérence accrue dans les environnements générés. Selon Google, ces mises à jour sont conçues pour soutenir des applications allant de l'entraînement de la robotique au prototypage créatif.

Réalisme et physique améliorés

Genie 4 s'appuie sur Gemini 3.8 Flash en tant qu'agent guide pour décomposer les objectifs de l'utilisateur et évaluer chaque image de sortie en temps réel. Cette intégration aide à maintenir le contexte lorsque les utilisateurs se déplacent dans des environnements variés. DeepMind indique que le modèle a atteint un nouveau niveau de réalisme dans la simulation de la physique, en particulier en ce qui concerne l'aérodynamique et les collisions. De plus, les figures humaines au sein des simulations devraient présenter des mouvements plus naturels et des réponses aux changements environnementaux, réduisant l'aspect « uncanny » (inquiétant) souvent associé aux personnages générés par l'IA.

Le modèle prend également en charge les modifications de paramètres en cours de route. Les utilisateurs peuvent modifier les conditions météorologiques, ajouter des éléments ou ajuster les angles de caméra à l'aide de invites en langage naturel, Gemini aidant à orienter la simulation en conséquence. Ce processus est similaire à la manière dont les modèles de raisonnement génèrent des invites internes pour affiner les sorties.

Audio natif et cohérence accrue

Une fonctionnalité clé de Genie 4 est l'ajout de la génération audio native. Cela inclut les sons d'ambiance et la possibilité de spécifier des éléments audio dans les invites. DeepMind promet que le modèle peut créer des dialogues interactifs qui s'adaptent à mesure que la simulation évolue. Il s'agit de la première fois qu'un modèle de monde de DeepMind intègre des capacités audio natives.

En termes de durée, Genie 4 peut créer des expériences d'environ deux minutes, une augmentation par rapport à la limite d'une minute de Genie 3. Cependant, DeepMind note que les mondes restent cohérents seulement pendant quelques minutes avant que le modèle n'« oublie » le contexte initial. L'entreprise met en garde contre le fait qu'à mesure que les simulations durent plus longtemps, les détails et la permanence des objets peuvent changer au fil du temps.

Accès et tarification

Genie 4 est actuellement lancé en tant qu'« aperçu de recherche » pour un petit groupe de testeurs de confiance. Google prévoit de déployer l'accès aux développeurs via l'API Gemini et AI Studio, bien que la tarification spécifique de ces services n'ait pas encore été annoncée. Pour les consommateurs, l'accès sera progressif, en commençant par les plans AI Ultra les plus chers de Google, qui débutent à 100 $ par mois. Google pourrait éventuellement étendre l'accès aux plans AI Pro et AI Plus.

L'expérience grand public sera gérée via Project Genie, qui impose certaines limitations d'utilisation. Une liste d'attente est actuellement ouverte pour les utilisateurs intéressés par un accès anticipé. DeepMind souligne que les modèles de monde restent un domaine de recherche actif, et Genie 3 ne s'est jamais étendu au-delà de l'expérience web limitée de Project Genie.

Pourquoi c'est important

La sortie de Genie 4 met en évidence l'importance croissante des modèles de monde dans le développement de l'intelligence artificielle générale (IAG). En permettant la création d'environnements d'entraînement infinis et interactifs pour les robots physiques et le prototypage rapide pour les domaines créatifs, ces modèles offrent de nouveaux outils pour les applications industrielles et artistiques. L'ajout de l'audio et l'amélioration de la physique rapprochent ces simulations de la fidélité du monde réel, accélérant potentiellement leur adoption dans les jeux vidéo, la prévisualisation cinématographique et la robotique.

Sources (en anglais)

• 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

Traduction réalisée par IA de l’article original en anglais, vérifiée automatiquement pour dire la même chose que l’original. Les sources ont été vérifiées en anglais.