Google DeepMind ha varato Genie 4, un world model capace di generare simulazioni fotorealistiche in tempo reale, guidabili da tastiera o con il linguaggio naturale. Per ora il modello è disponibile solo in anteprima di ricerca.
Si basa sull'infrastruttura di Genie 3, presentato circa un anno fa, e promette un livello di fotorealismo e interattività mai visto prima. Gli esempi condivisi sembrano confermare l'ambizione.
Intervento in tempo reale sulla simulazione
La caratteristica che distingue Genie 4 dai rivali e dalle versioni precedenti è la possibilità di intervenire mentre la simulazione continua a scorrere: l'utente può trasformare il tempo in pioggia, cambiare la posizione della telecamera o aggiungere alla scena nuove persone e oggetti.
Tutto avviene senza scene 3D predefinite né interazioni codificate a mano: le immagini vengono generate fotogramma per fotogramma mentre l'utente si muove nel mondo, e anche i suoni ambientali, dal vento alle voci umane, sono creati in tempo reale.
Due minuti di coerenza e una fisica migliore
Il modello mantiene la coerenza in una singola scena fino a due minuti, il doppio del limite di Genie 3. Per Genie 3 erano stati dichiarati come requisiti 720p e 24 fps; per Genie 4 non è stata indicata una risoluzione ufficiale, ma i primi video demo sono arrivati in FHD a 24 fotogrammi al secondo.
Oltre alla qualità visiva, c'è un netto progresso nella simulazione fisica: secondo DeepMind, interazioni come collisioni e aerodinamica sono gestite in modo sensibilmente migliore rispetto al predecessore. I personaggi umani inseriti nella scena si muovono in modo più realistico e reagiscono in modo naturale ai cambiamenti dell'ambiente e ai comandi dell'utente.
Personaggi che parlano e la regia di Gemini
Sul fronte sensoriale spicca l'integrazione audio nativa: Genie 4 genera onde, vento, rumori d'ambiente e musica in sincronia con il mondo. I personaggi virtuali possono inoltre sostenere dialoghi interattivi in tempo reale in base agli input dell'utente e a ciò che accade nella scena: da marionette mobili a veri attori parlanti.
L'architettura mentale della simulazione è gestita dai modelli Gemini. Nella struttura di lavoro descritta da Google, Gemini agisce come un regista: scompone i compiti in fasi, controlla costantemente i fotogrammi generati e preserva la logica della scena. In un esempio tecnico condiviso, Gemini 3.8 Flash ha lavorato come agente di coordinamento che osservava la simulazione senza interruzioni; in un'altra ricerca, Gemini 4 Argon ha suddiviso compiti complessi in passaggi per far eseguire a Genie 4 la simulazione in tempo reale. In un esperimento con entrambi i modelli è stata simulata con successo una partita a dama del robot umanoide Apollo di Apptronik.
Limiti e piani di accesso
Il team di DeepMind ammette che il modello è ancora in una fase precoce e presenta difetti: con il prolungarsi della simulazione possono comparire slittamenti e degradi negli oggetti, e troppi comandi complessi consecutivi possono compromettere la continuità.
Chi potrà usarlo? Per ora Genie 4 è riservato ai "tester fidati" selezionati da Google. Nelle prossime settimane ne avranno accesso gli abbonati a Google AI Ultra, che parte da 100 dollari al mese, tramite l'interfaccia Project Genie, che permette di creare mondi interattivi da testo e immagini.
Commenti (0)
Ancora nessun commento. Scrivi il primo!