گوبل DeepMind با معرفی نسخه جدیدتر مدل جهانی خود به نام Genie 4، یک پیشرفت چشمگیر در زمینه تولید محتوای سه‌بعدی و تعاملی ارائه کرد. این مدل در حالت پیش‌نمایش پژوهشی برای کاربرانی با اعتماد بالا منتشر شده و قابلیت‌های نسبتاً جدیدی برای صنعت هوش مصنوعی دارد.
صداگذاری بلادرنگ و فیدبک محیطی
یکی از برجسته‌ترین ویژگی‌های Genie 4، تولید صداهای همگام با دنیای شبیه‌سازی‌شده است. این صداگذاری شامل موسیقی پس‌زمینه، صداهای محیطی و حتی گفتگوهای تعاملی شخصیت‌ها می‌شود که حس واقعیت را برای کاربر دوچندان می‌کند.
قابلیت ویرایش صحنه در لحظه
بر خلاف نسخه‌های قبلی، کاربران در Genie 4 می‌توانند با وارد کردن دستورات متنی در میان شبیه‌سازی، صحنه را تغییر دهند. تغییرات مانند ویرایش آب‌وهوا، زاویه دوربین یا افزودن اشیاء و انسان‌های جدید با جزئیات بالا و فیزیک دقیق‌تر اعمال می‌شود.
- قائم بودن صحنه به مدت دو دقیقه (دو برابر نسخه پیشین)
- استحکام بالاتر در حفظ ثبات چهره‌ها و انسان‌ها
- پاسخ‌دهی پویا به ورودی‌های کاربری
رقابت رو به افزایش در مدل‌های جهانی
این راه‌اندازی در زمانی انجام شده که شرکت‌هایی مانند Runway و World Labs نیز در حال تعقیب فناوری شبیه‌سازی‌های تعاملی هستند. ترکیب‌های اخیر صنعت نشان‌دهنده اهمیت بخش هرچه بیشتر مدل‌های جهانی برای آینده تعامل انسان و ماشین است.
پرسش‌های پرتکرار
Genie 4 چه تفاوتی با Genie 3 دارد؟
نسخه 4 قابلیت ویرایش متون در زمان اجرا، صوت بلادرنگ، و نیم‌دقیقه قاعدنشت دو برابر نسخه قبل را دارد.
چه کاربرانی به نسخه پیش‌نمایش دسترسی دارند؟
در حال حاضر تنها کاربرانی که مورد اعتماد DeepMind قرار می‌گیرند، به این نسخه دسترسی یافته‌اند.
