Google DeepMind lança modelo de mundo Genie 4 com áudio e física aprimorada

O Google DeepMind anunciou o lançamento do Genie 4, a última iteração de seu modelo de mundo de IA. O novo modelo introduz melhorias significativas em relação ao seu antecessor, o Genie 3, incluindo geração nativa de áudio, simulações de física mais realistas e consistência aprimorada nos ambientes gerados. De acordo com o Google, essas atualizações são projetadas para apoiar aplicações que vão desde o treinamento de robótica até a prototipagem criativa.

Realismo e Física Aprimorados

O Genie 4 utiliza o Gemini 3.8 Flash como um agente orientador para decompor os objetivos do usuário e avaliar cada quadro de saída em tempo real. Essa integração ajuda a manter o contexto à medida que os usuários se movem por ambientes variados. O DeepMind afirma que o modelo alcançou um novo nível de realismo na simulação de física, particularmente no que diz respeito à aerodinâmica e às colisões. Além disso, espera-se que as figuras humanas dentro das simulações exibam movimentos mais naturais e respostas às mudanças ambientais, reduzindo a aparência "estranha" frequentemente associada a personagens gerados por IA.

O modelo também suporta alterações de parâmetros durante o fluxo. Os usuários podem alterar as condições climáticas, adicionar elementos ou ajustar os ângulos da câmera usando prompts em linguagem natural, com o Gemini ajudando a direcionar a simulação conforme o necessário. Esse processo é semelhante à maneira como os modelos de raciocínio geram prompts internos para refinar as saídas.

Áudio Nativo e Maior Consistência

Um recurso-chave do Genie 4 é a adição de geração nativa de áudio. Isso inclui sons ambiente de fundo e a capacidade de especificar elementos de áudio dentro dos prompts. O DeepMind promete que o modelo pode criar diálogos interativos que se adaptam à medida que a simulação muda. Isso marca a primeira vez que um modelo de mundo do DeepMind inclui capacidades de áudio nativo.

Em termos de duração, o Genie 4 pode criar experiências com aproximadamente dois minutos de duração, um aumento em relação ao limite de um minuto do Genie 3. No entanto, o DeepMind observa que os mundos ainda permanecem consistentes por apenas alguns minutos antes que o modelo "esqueça" o contexto inicial. A empresa alerta que, à medida que as simulações duram mais, os detalhes e a permanência dos objetos podem mudar ao longo do tempo.

Acesso e Preços

O Genie 4 está sendo lançado atualmente como uma "visualização de pesquisa" para um pequeno grupo de testadores confiáveis. O Google planeja liberar o acesso aos desenvolvedores por meio da Gemini API e do AI Studio, embora os preços específicos para esses serviços ainda não tenham sido anunciados. Para os consumidores, o acesso será implementado gradualmente, começando com os planos AI Ultra mais caros do Google, que começam em $100 por mês. O Google pode eventualmente expandir o acesso para os planos AI Pro e AI Plus.

A experiência do consumidor será gerenciada por meio do Project Genie, que impõe certas limitações de uso. Uma lista de espera está atualmente aberta para usuários interessados em acesso antecipado. O DeepMind enfatiza que os modelos de mundo continuam sendo uma área ativa de pesquisa, e o Genie 3 nunca se expandiu além da experiência web limitada do Project Genie.

Por que isso importa

O lançamento do Genie 4 destaca a importância crescente dos modelos de mundo no desenvolvimento da inteligência artificial geral (AGI). Ao permitir a criação de ambientes de treinamento infinitos e interativos para robôs físicos e prototipagem rápida para áreas criativas, esses modelos oferecem novas ferramentas para aplicações industriais e artísticas. A adição de áudio e a física aprimorada aproximam essas simulações da fidelidade do mundo real, potencialmente acelerando sua adoção em jogos, pré-visualização de filmes e robótica.

Fontes (em inglês)

• 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

Tradução feita com IA do artigo original em inglês, revisada automaticamente para dizer o mesmo que o original. As fontes foram verificadas em inglês.