Google DeepMind stellt Genie 4 vor: Echtzeit-Interaktion und native Audiofunktionen in virtuellen Welten

Google DeepMind hat das neue Weltmodell Genie 4 vorgestellt, das virtuelle Umgebungen mit nativen Audiofunktionen und der Möglichkeit zur Echtzeit-Steuerung erzeugt. Das Modell ist die Weiterentwicklung des im Jahr 2025 veröffentlichten Genie 3 und zielt darauf ab, fotorealistische Szenen mit realistischen physikalischen Gesetzmäßigkeiten zu simulieren. Die Einführung umfasst vier wesentliche Neuerungen, die die Interaktivität und den Realismus der generierten Welten deutlich erhöhen.

Ein zentrales Merkmal von Genie 4 ist die Integration von Sound und Sprache. Die generierten virtuellen Welten beinhalten nun Umgebungsgeräusche sowie die Stimmen der Charaktere, die in der Lage sind, in Echtzeit zu kommunizieren. Diese Audioelemente sind direkt an die visuelle Darstellung der Welt angepasst und tragen zur immersiven Erfahrung bei. Zusätzlich ermöglicht das Modell die Steuerung dynamischer Umgebungen in Echtzeit, wobei Nutzer durch Eingaben von Textbefehlen Ereignisse, Kamerawinkel und Aktionen innerhalb der Szene formen können.

Die physikalische Simulation in Genie 4 folgt realen Gesetzmäßigkeiten, einschließlich der Aerodynamik und der Kollision von Objekten. Nutzer können beispielsweise per Texteingabe anordnen, dass es schneit, Explosionen stattfinden oder neue Objekte in die Szene eingefügt werden. Diese Anpassungen erfolgen unmittelbar und beeinflussen den weiteren Verlauf der Simulation. Das Modell arbeitet dabei eng mit dem Sprachmodell Gemini zusammen, um komplexe, mehrstufige Ereignisse zu erzeugen.

Die technische Architektur nutzt Gemini 3.8 Flash, um den großen Regelungszyklus der virtuellen Welt zu steuern, während Genie 4 die eigentliche Weltgenerierung übernimmt. Gemini beobachtet und korrigiert die Welt anschließend schrittweise, um Kohärenz zu gewährleisten. Laut Sundar Pichai, der die Ankündigung auf seinem Profil teilte, handelt es sich um das bislang realistischste und interaktivste Weltmodell des Unternehmens. Die Technologie wird zunächst als Forschungspreview für vertrauenswürdige Tester ausgerollt.

Google DeepMind testet derzeit die Kombination von Genie 4 mit Gemini 4 Argon, wobei letzteres Textbefände an Genie 4 übergibt, um virtuelle Welten zu rendern. Das langfristige Ziel ist die Steuerung von Robotern über das Modell Google Robotics, wobei zunächst Roboter in virtuellem Umfeld getestet werden, um ihre Reaktionen auf simulierte Situationen zu analysieren. Nach der Phase der geschlossenen Tests ist eine Ausweitung auf Abonnenten von Google AI Ultra geplant, sowie ein früher Zugang für Partner über die Gemini API und AI Studio.

Im Markt für Weltmodelle gilt World Labs von Fei-Fei Li als direkter Wettbewerber, der im vergangenen Monat von AMD übernommen wurde. Die Berichterstattung zu diesen Entwicklungen stammt von Blognone, das die Details der Produktvorstellung und der strategischen Ausrichtung von Google DeepMind dokumentiert hat.