Google DeepMind: Genie 4 ist jetzt verfügbar
Google DeepMind hat angekündigt, dass Genie 4 jetzt verfügbar ist. Details zu Fähigkeiten, Preisen oder Zugang nennt die Ankündigung allerdings nicht.
Google DeepMind hat Genie 4 freigegeben, vorerst aber nur für einen kleinen Kreis: berechtigte Abonnenten von Google AI Ultra, die Project Genie nutzen, das browserbasierte Angebot des Unternehmens zur Erzeugung von Welten. Mitglieder von Google AI Pro können sich auf eine Warteliste setzen lassen. Als Urheber der Ankündigung vom 18. November werden die Group Product Manager Diego Rivas und Pavan Kumar genannt.
Der Rollout folgt auf einen Beitrag von Google DeepMind vom 27. Oktober, in dem Genie 4 als Research Preview für ausgewählte Tester vorgestellt wurde. Laut diesem Beitrag wollte das Unternehmen Feedback einholen, bevor es das Modell für Konsumenten und Entwickler freigibt; genannt wurden außerdem Early-Access-Partner der Gemini API und von Google AI Studio. Im Material vom November ist weder von der API noch von AI Studio die Rede. Auch einen Preis jenseits des Ultra-Abos nennt es nicht. Project Genie wird dort als experimenteller Forschungsprototyp beschrieben, der für Ultra-Abonnenten ab 18 Jahren ausgerollt wird.
Die wichtigste Neuerung von Genie 4 ist laut dem Oktober-Beitrag, dass sich eine laufende Welt verändern lässt. Während man sich mit der üblichen Tastatursteuerung bewegt, tippt man einen neuen Prompt ein, um etwa das Wetter umschlagen zu lassen, eine Figur hinzuzufügen oder die Handlung in eine andere Richtung zu lenken. Gemini passt diesen Prompt an die umgebende Szene an. Laut dem Oktober-Beitrag überwacht Gemini die Szene auch zwischen den Eingaben, damit sie stimmig bleibt, und Genie 4 erzeugt Audio nativ: Umgebungsgeräusche und Dialoge der Figuren entstehen also gemeinsam mit dem Bild. Die Seite vom November sagt dasselbe in knapperer Form: die Umgebung in Echtzeit verändern, mit nativem Audio, das sich an den Verlauf der Szene anpasst.
Genie 3 bleibt in der Modellauswahl verfügbar, und die November-Seite präsentiert es als Option für bestimmte Sessions. Zu den Neuerungen zählen längere Sessions von bis zu 3 Minuten pro Generierung statt bisher 60 Sekunden, die Möglichkeit, Welten miteinander zu verknüpfen, das Erzeugen neuer Welten aus 360-Grad-Panoramabildern sowie Ereignisse in Echtzeit innerhalb der Welt. Google benennt den Kompromiss ausdrücklich: Genie 4 bietet die höchste Qualität bei Grafik, Physik und Audio, Genie 3 ist die Wahl für längere Durchläufe und Räume auf Basis von Panoramabildern.
Das zweite neue Element ist der Agent von Project Genie. Man beschreibt eine Welt in natürlicher Sprache, und der Agent koordiniert Googles multimodale Modelle, um erste Bilder und eine Hintergrundmusik zu erzeugen. Während einer Session kann Gemini den Bildschirm beobachten, Vorschläge für den nächsten Schritt als Chips anbieten oder Ereignisse in der Welt auslösen. In einer Community-Galerie können Nutzer Welten veröffentlichen und remixen. Google hebt zwei Kooperationen hervor: Villa Giallo, entstanden mit Will aka BLVCKL!GHT, laut der Seite ein Rätsel, das Raum für Raum in einem gotischen Herrenhaus spielt, und The Life of Ants, entstanden mit dem Filmemacher Anand Gandhi, das den Fotorealismus von Genie 4 nutzt, um eine Kolonie aus der Perspektive einer Ameise zu zeigen.
Bei den Demos vom Oktober lohnt es sich, die Prompts im Blick zu behalten. Sie sind lang und machen genaue Vorgaben. Einer davon, für einen japanischen Bahnhof der 1980er Jahre, legt fest, dass der Bahnsteig belebt sein muss, und enthält die Anweisung: „Keine leeren Bahnsteige, kein Zug in der Ferne, keine spärlichen Menschenmengen.“ Der Beitrag stellt die Clips als Aufzeichnungen echter Interaktionen in Echtzeit dar, bei denen Nutzer die Szenen per Text-Prompt steuern. Ob die gezeigten Prompts von Nutzern eingetippt oder vom Team geschrieben wurden, sagt er nicht.
Googles Aussagen zur Sicherheit fallen knapp aus. Laut der Ankündigung tragen alle in Project Genie erzeugten Video- und Audioinhalte ein SynthID-Wasserzeichen, und Ein- wie Ausgaben durchlaufen Sicherheitsprüfungen. Die in der Ankündigung verlinkte Forschungsübersicht zu Genie 4 nennt Kameralatenz, komplexe physikalische Interaktionen, Präzision des Audios in Echtzeit und die langfristige Beständigkeit von Szenen als Herausforderungen, an denen noch gearbeitet wird. Wie oft die Prüfungen Probleme erkennen und wie die Galerie moderiert wird, lässt die Ankündigung offen.
Was sich ändert
Art: Neue Funktion · Betrifft: Genie 4, Project Genie, Google AI Ultra, Google AI Pro
Warum es wichtig ist
Genie 4 ist ein neues Modell von Google DeepMind, doch die verfügbaren Details reichen nicht aus, um seinen Nutzen für Unternehmen zu beurteilen, die mit KI entwickeln.
Originalquelle
Wo wir es gesehen haben
Google DeepMind
KI hat diese Zusammenfassung aus den genannten Quellen geschrieben und ins Deutsche übersetzt. Niemand hat sie vor der Veröffentlichung einzeln geprüft. Bitte prüfen Sie die Originalquelle, bevor Sie sich darauf verlassen. So funktioniert es