Google DeepMind hat mit Genie 4 ein neues Weltmodell vorgestellt, das fotorealistische Simulationen in Echtzeit erzeugt. Das Modell lässt sich per Tastaturbefehl oder natürlicher Sprache steuern und ist derzeit als Research Preview verfügbar. Es baut auf Genie 3 auf, das vor rund einem Jahr gezeigt wurde, und verspricht bislang unerreichte Fotorealität und Interaktivität.
Eingriff in laufende Simulationen
Das entscheidende Unterscheidungsmerkmal gegenüber Vorgängern und Konkurrenztools: Die Simulation läuft weiter, während Nutzer eingreifen. So lässt sich das Wetter auf Regen umstellen, die Kamera aus einem anderen Blickwinkel betrachten oder neue Personen und Objekte in die Szene einfügen – ohne vorbereitete 3D-Szenen oder handgeschriebene Interaktionen. Die Bilder werden frame für frame in Echtzeit generiert, inklusive aller Umgebungsgeräusche wie Wind oder menschlicher Stimmen.
Zwei Minuten Konsistenz und bessere Physik
Genie 4 hält in einer Szene bis zu zwei Minuten lang die Konsistenz – genau doppelt so lange wie Genie 3. Für Genie 3 waren 720p und 24 fps angegeben; für Genie 4 fehlt eine offizielle Auflösungsangabe, die ersten Demo-Videos liefen jedoch in FHD mit 24 Bildern pro Sekunde.
Auch bei der Physik gibt es Fortschritte: Laut DeepMind werden Kollisionen und Aerodynamik deutlich besser simuliert als beim Vorgänger. Menschliche Charaktere bewegen sich realistischer und reagieren natürlich auf Umgebungsänderungen und Nutzerbefehle.
Sprechende Charaktere und Gemini als Regisseur
Genie 4 erzeugt Sound synchron zur Welt: Wellen, Wind, Ambient-Geräusche und Musik. Virtuelle Charaktere führen zudem Echtzeit-Dialoge basierend auf Nutzereingaben und Geschehnissen in der Welt – sie werden von wandernden Puppen zu sprechenden Schauspielern.
Die kognitive Architektur übernehmen Gemini-Modelle. Google beschreibt die Arbeitsweise wie einen Filmregisseur: Aufgaben werden in Phasen unterteilt, generierte Frames laufend überwacht und die logische Kohärenz der Szene bewahrt. In einem Beispiel agierte Gemini 3.8 Flash als steuernder Agent, der die Simulation ununterbrochen beobachtete. In einer anderen Studie zerlegte Gemini 4 Argon komplexe Aufgaben in Schritte und ließ Genie 4 parallel simulieren. In einem Experiment mit beiden Modellen wurde erfolgreich simuliert, wie Apptroniks humanoider Roboter Apollo Dame spielt.
Grenzen und Zugang
Das DeepMind-Team räumt offen ein, dass das Modell noch früh im Entwicklungsstand ist und Fehler enthält: Bei längeren Simulationen können Objekte verrutschen oder sich verzerren, und zu viele komplexe Befehle hintereinander können die Kontinuität stören.
Der Zugang ist derzeit auf von Google ausgewählte „vertrauenswürdige Testnutzer“ beschränkt. In den kommenden Wochen erhalten Abonnenten von Google AI Ultra – monatlicher Einstiegspreis 100 US-Dollar – Zugriff über die Project-Genie-Oberfläche, mit der sich aus Text und Bildern interaktive Welten erstellen lassen.
Kommentare (0)
Noch keine Kommentare. Schreiben Sie den ersten!