IT Home, 28 Oktober, melaporkan bahwa Google DeepMind meluncurkan model dunia terbaru, Genie 4, pada hari Selasa, yang saat ini berada dalam tahap pra-peluncuran penelitian. Model terbaru ini mampu menghasilkan dunia virtual paling realistis dan interaktif hingga saat ini, di mana pengguna dapat memasukkan petunjuk untuk memodifikasi adegan selama simulasi berjalan. Model ini juga dapat menghasilkan audio real-time yang disinkronkan dengan dunia virtual, mencakup musik, suara lingkungan, dan percakapan interaktif.

IT之家 mencatat bahwa beberapa bulan sebelum peluncuran Genie 4, perusahaan rintisan video AI Runway meluncurkan model dunia kedua mereka, GWM Worlds 2, sebuah model yang dapat dijalankan secara interaktif dan merespons input pengguna secara dinamis, sekaligus mendukung generasi audio. Sementara itu, tren konsolidasi mulai muncul di lintasan model dunia. World Labs yang didirikan oleh Fei-Fei Li telah diakuisisi oleh AMD, Amazon sedang membahas akuisisi Decart, dan Rivian baru-baru ini mengakuisisi Third Dimension untuk membangun kemampuan simulasi internal guna pengujian otomatisasi berkendara.
Meluncurkan Genie 4, langkah terbaru Google untuk tetap unggul di pasar yang sangat kompetitif.
Lebih dari satu tahun yang lalu, Google merilis model sebelumnya, Genie 3, dalam bentuk preview penelitian. Selain peningkatan signifikan dalam realisme visual dan penambahan kemampuan audio, Genie 4 mendukung operasi pengeditan bebas, seperti penyesuaian cuaca, sudut kamera, atau penambahan karakter dan objek secara real-time. Model ini mampu mempertahankan adegan yang konsisten hingga dua menit, dua kali lebih lama dibanding model sebelumnya, dengan efek fisik yang lebih baik dan karakter virtual yang lebih mirip manusia nyata.
Integrasi model besar Google, Gemini dan Genie 4, juga semakin meningkat, di mana Gemini bertindak sebagai sutradara yang bertanggung jawab atas perencanaan langkah-langkah dan verifikasi frame gambar, sementara Genie 4 bertanggung jawab untuk menghasilkan konten visual. Dalam sebuah eksperimen penelitian terkait proyek robot Gemini, model Gemini 4 Argon memecah tugas menjadi beberapa langkah, yang kemudian diikuti oleh simulasi real-time oleh Genie 4. Eksperimen ini menunjukkan solusi yang layak: memverifikasi skenario terkait di lingkungan simulasi sebelum melakukan pengujian robot di dunia nyata.
Direktur Riset Google, Tejas Kulkarni, menyatakan dalam sebuah sesi brief: "Di masa depan, kita akan semakin sering melihat model dunia hibrida semacam ini, di mana Gemini menulis kode dan teks, sementara Genie 4 membaca konten tersebut secara real-time dan mensimulasikan realitas pada berbagai tingkat abstraksi."
Seperti model dunia lainnya, skenario komersialisasi utamanya mencakup game, pembelajaran interaktif, dan bidang robotika. Salah satu contoh bayangan pembelajaran interaktif adalah pengguna memasuki sebuah lukisan yang menggambarkan adegan sejarah, lalu berinteraksi dengan tokoh-tokoh dalam lukisan tersebut mengenai peristiwa yang tercatat di dalamnya.
Namun, "penguji terpercaya," yaitu pengguna pertama yang dapat mengalami produk canggih Google, menemukan potensi penggunaan baru: pembuatan prototipe film.
Insinyur Google DeepMind, Diego Rivas, mengatakan dalam briefing media: "Nilai fitur real-time paling jelas terlihat dalam skenario yang memerlukan pemeliharaan alur kreatif yang konsisten, seperti tahap brainstorming ide, tahap storyboard, dan semua tahap yang membutuhkan munculnya ide secara cepat."
Google juga meluncurkan model generasi video AI bernama Veo, yang dapat menghasilkan video pendek berkualitas tinggi berdasarkan teks, gambar, atau petunjuk video, dengan audio yang disinkronkan secara otomatis. Alat ini terus meningkat popularitasnya di kalangan kreator film.
Rivas menambahkan bahwa pengguna di masa depan diharapkan dapat menggunakan Gemini Omni, model bahasa multimodal, untuk mengubah bahan prototipe menjadi aset kreatif resmi; Gemini multimodal dapat menghasilkan video berdasarkan gambar, audio, dan teks. Namun, ia juga menyebutkan bahwa kemampuan-kemampuan ini masih jauh dari penerapan nyata.
Selama seluruh presentasi, Rivas terus menekankan bahwa Genie 4 masih berada di tahap awal pengembangan, dan pengalaman akhir dari produk lengkap belum ditentukan. Tim juga mengakui bahwa Genie 4 masih memiliki kelemahan: semakin lama simulasi berjalan, semakin besar kemungkinan terjadinya pergeseran pada detail dan objek; tim belum menemukan cara yang andal untuk memastikan audio akurat sekaligus membuat teks di dunia virtual tetap jelas terbaca.
Saat ini, Genie 4 telah dibuka untuk preview penelitian bagi para pengujinya yang terpercaya. Dalam beberapa minggu mendatang, model ini akan secara bertahap tersedia bagi pengguna langganan Google AI Ultra, proyek Genie, yang merupakan alat AI dari Google yang dapat menghasilkan dunia virtual interaktif berdasarkan petunjuk teks atau gambar, serta mitra awal dari Gemini Application Programming Interface (API) dan Google AI Studio.
