Genie 4 von Google erzeugt begehbare KI-Welten mit Bild, Ton und Dialogen

Google hat mit Genie 4 ein neues KI-Modell für interaktive Simulationen vorgestellt. Es erzeugt in Echtzeit Bildwelten, Bewegungen, Umgebungsgeräusche und Dialoge. Zunächst erhalten nur ausgewählte Testpartner Zugriff auf die Forschungsvorschau.

Das Modell soll auf Texteingaben reagieren, während Nutzende eine Szene mit gewöhnlichen Tastaturbefehlen erkunden. Sie können etwa Wetter, Kameraposition oder Figuren verändern. Google erklärt, dass Genie 4 diese Eingriffe in den bestehenden Kontext der Simulation einfügt.

Im Vergleich zu Genie 3 können die erzeugten Erlebnisse etwa zwei Minuten dauern, berichtet Jay Peters von The Verge. Google positioniert das System unter anderem für die Vorvisualisierung von Filmszenen, die Entwicklung von Spielideen und Trainingsumgebungen für Robotik.

Gemini steuert komplexe Abläufe

Eine zentrale Neuerung ist die direkte Tonerzeugung. Nach Angaben von Google erstellt Genie 4 Geräusche wie Wind, Brandung oder Hintergrundlärm passend zur jeweiligen Umgebung. Figuren sollen zudem auf Ereignisse und Nutzereingaben mit Dialogen reagieren können.

Für komplexere Aufgaben verbindet Google das Weltmodell mit Gemini. Gemini 3.8 Flash beobachtet die erzeugte Szene, zerlegt Ziele in einzelne Schritte und prüft den Fortschritt. Das soll Simulationen mit nachvollziehbareren Abläufen ermöglichen. Google nennt als Beispiel auch Tests, bei denen Gemini 4 Argon einen humanoiden Roboter beim Damespielen durch einzelne Arbeitsschritte führt.

Das Unternehmen weist jedoch auf klare Grenzen hin. Bei längeren Sitzungen oder vielen Änderungen können Objekte und Bilddetails ihre Konsistenz verlieren. Auch präzise Physik, lesbarer Text, räumliche Genauigkeit, verlässlicher Ton und langfristige Stabilität seien noch Forschungsfelder.

Alle mit Genie 4 erzeugten Videos und Audiodateien sollen laut Google die SynthID-Wasserzeichen-Technik tragen. Später will Google den Zugang über Project Genie für AI-Ultra-Abonnenten sowie für ausgewählte Partner der Gemini API und von Google AI Studio erweitern.

Quellen

• Genie 4 – Google DeepMind
• Google launches Genie 4, a world model powered by Gemini 3.8 Flash designed to generate interactive AI simulations, initially as a preview to trusted testers – The Verge