Welten mit Ton auf Zuruf: Google DeepMind stellt Weltmodell Genie 4 vor
Genie 4 erzeugt interaktive, fotorealistische Welten in Echtzeit – erstmals mit Musik, Geräuschen und Dialogen. Per Texteingabe lassen sich Wetter oder Kamera mitten in der Simulation ändern.
Foto: Gciriani / Wikimedia Commons, CC BY-SA 4.0 (zugeschnitten und skaliert)
Video: YouTube · Google DeepMind · youtube.com
Google DeepMind hat am Dienstag Genie 4 vorgestellt, die neue Generation seines sogenannten Weltmodells. Die KI erzeugt begehbare, fotorealistische Szenen in Echtzeit und laut DeepMind als erstes Echtzeit-Weltmodell des Labors auch den passenden Ton: Musik, Umgebungsgeräusche und Dialoge. Nutzer können die laufende Simulation per Texteingabe verändern, etwa das Wetter wechseln, die Kamera bewegen oder Personen und Gegenstände hinzufügen. Szenen sollen bis zu zwei Minuten stimmig bleiben – doppelt so lange wie beim Vorgänger Genie 3. Das Video von Google DeepMind zeigt Beispiele.
Gemini-Modelle arbeiten dabei mit: Gemini 3.8 Flash plant als eine Art Regisseur mehrstufige Abläufe und prüft, ob jeder Schritt gelungen ist. In einem Robotik-Experiment ließ DeepMind einen simulierten Humanoiden vom Typ Apptronik Apollo Dame spielen. Getestet wird Genie 4 vorerst nur von ausgewählten Partnern – darunter Filmschaffende, Fotojournalisten und Spieleentwickler, etwa für Storyboards oder Spiel-Prototypen.
Grenzen räumt DeepMind selbst ein: Bei längeren Sitzungen oder vielen Änderungen können Details und Objekte verrutschen; korrekter Ton und lesbare Schrift in der Szene sind noch nicht gesichert. Alle Ausgaben tragen das Wasserzeichen SynthID. In den kommenden Wochen soll Genie 4 für Abonnenten von Google AI Ultra in Project Genie sowie für frühe Partner der Gemini-API und von Google AI Studio verfügbar werden; Preise nannte Google nicht.