Google ra mắt Genie 4: Mô hình thế giới tích hợp âm thanh và khả năng tương tác thời gian thực

Google DeepMind vừa chính thức công bố phiên bản thử nghiệm của Genie 4, mô hình thế giới (world model) mới nhất với những bước tiến vượt bậc về khả năng tạo dựng môi trường tương tác. So với thế hệ tiền nhiệm, Genie 4 không chỉ mang lại hình ảnh chân thực hơn mà còn hỗ trợ tạo âm thanh thời gian thực, bao gồm nhạc nền, tiếng ồn môi trường và các đoạn hội thoại tương tác.

Những nâng cấp đáng chú ý

Genie 4 cho phép người dùng thực hiện các chỉnh sửa linh hoạt ngay trong quá trình mô phỏng, chẳng hạn như thay đổi điều kiện thời tiết, góc máy quay, hoặc thêm các đối tượng và nhân vật mới. Thời gian duy trì tính nhất quán của khung cảnh đã được nâng lên hai phút, gấp đôi so với Genie 3, đồng thời cải thiện đáng kể độ chính xác về vật lý và biểu cảm nhân vật.

Điểm nhấn quan trọng là sự tích hợp sâu với Gemini. Trong khi Genie 4 đảm nhận việc tạo dựng hình ảnh, Gemini đóng vai trò như một “đạo diễn”, lập kế hoạch và kiểm soát các khung hình. Sự kết hợp này mở ra tiềm năng lớn trong lĩnh vực robot, cho phép mô phỏng các kịch bản phức tạp trước khi áp dụng vào thực tế.

Tiềm năng ứng dụng và lộ trình phát triển

Ngoài các lĩnh vực truyền thống như game và giáo dục tương tác, các chuyên gia đang hướng tới khả năng sử dụng Genie 4 để tạo mẫu (prototyping) cho phim ảnh. Khả năng điều khiển thời gian thực giúp các nhà sáng tạo duy trì luồng tư duy trong giai đoạn lên ý tưởng và xây dựng kịch bản phân cảnh.

Mặc dù đầy hứa hẹn, đội ngũ phát triển tại Google DeepMind thừa nhận Genie 4 vẫn đang trong giai đoạn đầu. Các vấn đề như sự thiếu nhất quán của vật thể trong các mô phỏng kéo dài, độ chính xác của âm thanh và khả năng hiển thị văn bản trong thế giới ảo vẫn là những thách thức cần được khắc phục.

Khả năng tiếp cận

Hiện tại, Genie 4 đang được cung cấp dưới dạng bản xem trước cho các “trusted testers”. Trong vài tuần tới, Google dự kiến sẽ mở rộng quyền truy cập cho người dùng đăng ký Google AI Ultra thông qua Project Genie, cũng như các đối tác sử dụng Gemini API và Google AI Studio.

Nguồn tham khảo: TechCrunch