Inicio Ciencia Genie 4 llega a Project Genie con edición en tiempo real y...

Genie 4 llega a Project Genie con edición en tiempo real y galería comunitaria

0
26
Genie 4 llega a Project Genie con edición en tiempo real y galería comunitaria

Google DeepMind comenzó a liberar Genie 4 en Project Genie para suscriptores elegibles de Google AI Ultra. Según la empresa, el modelo permite editar entornos en tiempo real con prompts de texto, añadir audio nativo adaptativo y publicar creaciones en una nueva galería comunitaria. La actualización también trae un agente que arma mundos por conversación en lenguaje natural y mejoras en Genie 3, como sesiones de hasta 3 minutos y anclaje en panoramas de 360 grados. Los suscriptores de Google AI Pro pueden entrar en la lista de espera.

Google DeepMind anunció la liberación de Genie 4 en Project Genie, experiencia experimental que permite generar y explorar mundos interactivos desde el navegador. Según la publicación de la empresa, el acceso inicial está destinado a suscriptores elegibles de Google AI Ultra, mientras que los miembros de Google AI Pro pueden entrar en una lista de espera.

La propuesta central de la actualización es dar más control sobre lo que ocurre dentro de los mundos generados. Google DeepMind afirma que los primeros probadores pidieron justamente eso: mayor dominio sobre los entornos y formas más simples de construir y compartir las creaciones.

Edición en tiempo real y audio nativo

Con Genie 4, descrito por la empresa como su modelo de mundo más realista e interactivo hasta ahora, es posible introducir un nuevo prompt en medio de la sesión para alterar el entorno mientras se navega. La fuente cita ejemplos como cambiar el clima, añadir un personaje o redirigir la acción.

Por primera vez, según Google DeepMind, el modelo combina esas imágenes con audio nativo en tiempo real que se adapta a medida que la escena se desarrolla, desde paisajes sonoros ambientales hasta diálogos de personajes. La empresa no detalla cómo se genera ese audio ni cuáles son los límites técnicos actuales de ese recurso.

Genie 3 sigue disponible en el selector de modelos de Project Genie para quien necesita sesiones más largas o espacios iniciados a partir de panoramas. La publicación indica que Genie 4 ofrece mayor fidelidad visual, física y de audio, pero no presenta comparaciones numéricas entre los dos modelos.

Agente de creación y galería comunitaria

La actualización incluye el Project Genie agent, que arma entornos a partir de una conversación en lenguaje natural. Según el anuncio, el agente coordina un conjunto de modelos multimodales de Google para crear las imágenes iniciales que definen la identidad visual del mundo, además de bandas sonoras personalizadas para el clima deseado.

Modelos Gemini también pueden participar en la sesión durante la exploración. De acuerdo con la empresa, observan lo que está en pantalla, sugieren próximos pasos con chips contextuales y pueden disparar eventos en el mundo automáticamente a lo largo del recorrido.

La nueva galería reúne mundos curados y trabajos de la comunidad. Entre los destacados citados están Living Memory, que transforma fotos personales en espacios explorables, Dino Field Guide, con hábitats prehistóricos anclados en panoramas de 360 grados, y Rock Paper Scissors, en el que Gemini actúa como árbitro en tiempo real.

Google DeepMind también menciona colaboraciones con creadores que tuvieron acceso anticipado a las herramientas. Con el tecnólogo creativo Will, conocido como BLVCKL!GHT, se creó Villa Giallo, un misterio gótico explorado sala por sala. Con el cineasta Anand Gandhi, se produjo The Life of Ants, que coloca a la persona en la perspectiva de una hormiga dentro de una colonia.

Genie 3, seguridad y limitaciones

Las mejoras en Genie 3 incluyen sesiones de hasta 3 minutos por generación, frente a 60 segundos, y la posibilidad de encadenar varios mundos en recorridos continuos. La empresa cita como ejemplo una secuencia que atraviesa bosques, ruinas sumergidas y mares helados.

Otra novedad es el anclaje en imágenes panorámicas de 360 grados, usado para iniciar nuevos mundos con referencias visuales consistentes. La publicación menciona el ejemplo del cañón y la fachada de Petra, que se mantienen coherentes a medida que la persona mira alrededor.

Sobre seguridad, Google DeepMind afirma que todo video y audio generado en Project Genie incluye marcación SynthID y que las entradas y salidas de los modelos pasan por filtros de seguridad. La empresa no informa, en el texto, detalles sobre los criterios de esos filtros ni sobre eventuales revisiones humanas.

El propio anuncio clasifica a Genie 3 y Genie 4 como modelos de mundo aún en etapa de investigación de frontera. Entre los desafíos que el equipo dice estar enfrentando están la latencia de cámara, las interacciones físicas complejas, la precisión del audio en tiempo real y la permanencia de escena a largo plazo.

No hay, en la publicación, plazos para ampliar el acceso más allá de Google AI Ultra, ni información sobre precios adicionales o disponibilidad en países específicos. La empresa tampoco divulga cifras de rendimiento que comparen Genie 4 y Genie 3, lo que limita la evaluación independiente de las mejoras prometidas.

Para quienes siguen los modelos de mundo, el anuncio señala un cambio de enfoque: además de la fidelidad visual, Google DeepMind apuesta por el control en tiempo real, el audio integrado y la circulación social de las creaciones. La confirmación de esas capacidades, sin embargo, depende del uso efectivo por parte de los suscriptores y de evaluaciones externas que aún no existen.

Fuente original: Google DeepMind — Genie 4 is now available.

Recibe Radar de IA todos los días

Las noticias de inteligencia artificial que importan — con nuestro prisma y siempre con las fuentes. Gratis.

Sin spam. Cancela cuando quieras.

DEJA UNA RESPUESTA

Por favor ingrese su comentario!
Por favor ingrese su nombre aquí