Genie 4: Googles Weltmodell baut begehbare Welten mit Soundtrack

Trending Topics auf Google als bevorzugte Nachrichtenquelle festlegen.

Vom Prompt zur begehbaren Welt, jetzt auch mit Soundtrack: Google DeepMind hat soeben Genie 4 vorgestellt, die nächste Generation seines Weltmodells. Die KI erzeugt interaktive 3D-Welten in Echtzeit, durch die man sich wie in einem Videospiel bewegen kann, und liefert erstmals passende Geräusche, Musik und Dialoge gleich mit. Laut Google ist es das erste Echtzeit-Weltmodell des Konzerns, das Audio nativ erzeugt.

Was Genie 4 kann

Ein Weltmodell berechnet eine Umgebung Bild für Bild und reagiert dabei auf Eingaben über Tastatur oder Text. Gegenüber dem Vorgänger Genie 3, der vor gut einem Jahr erschien, bringt die neue Version laut DeepMind mehrere Neuerungen:

• Ton: Genie 4 erzeugt Umgebungsgeräusche, Musik und interaktive Dialoge synchron zum Bild.
• Live-Regie: Nutzer:innen können die Szene mitten in der Simulation per Texteingabe verändern, etwa das Wetter wechseln, die Kamera bewegen oder Personen und Objekte hinzufügen.
• Längere Konsistenz: Laut TechCrunch bleibt eine Szene bis zu zwei Minuten stimmig, doppelt so lang wie bei Genie 3.
• Physik: Das Modell simuliert laut Google Aerodynamik und Kollisionen, Figuren bewegen sich natürlicher und reagieren auf ihre Umgebung.

Im Hintergrund arbeitet Gemini als eine Art Regisseur. Googles KI-Modelle planen die einzelnen Schritte einer Aufgabe, prüfen die erzeugten Bilder und sorgen für Kontinuität, während Genie die Welt rendert.

Von Robotern bis Filmsets

Google sieht mehrere Einsatzfelder. In der Robotik sollen Maschinen in simulierten Welten trainieren, bevor sie in die echte Welt kommen. DeepMind zeigt dazu eine Demo, in der ein humanoider Roboter vom Typ Apptronik Apollo Dame spielt, wobei Gemini die Aufgabe in Schritte zerlegt und Genie 4 sie in Echtzeit simuliert. Dazu kommen Spiele-Prototypen, Lernanwendungen wie das Betreten eines historischen Gemäldes, in dem man mit den Figuren sprechen kann, und die Filmbranche, die Szenen und Storyboards schneller durchspielen will.

Allgemein verfügbar ist Genie 4 noch nicht. Derzeit testen ausgewählte Tester:innen eine Forschungsvorschau, in den kommenden Wochen sollen Abonnent:innen von Google AI Ultra über das Tool Project Genie Zugang bekommen, ebenso Partner:innen über die Gemini-API und Google AI Studio. Alle erzeugten Videos und Töne tragen das unsichtbare Wasserzeichen SynthID.

Wo Genie 4 noch schwächelt

Google räumt selbst Grenzen ein. Bei längeren Sitzungen oder nach mehreren Änderungen können Details verrutschen und Objekte verschwinden. Komplexe physikalische Interaktionen, die Genauigkeit des Tons, lesbarer Text in der Welt und langfristige Konsistenz sind laut DeepMind weiter Forschungsthemen. DeepMind-Manager Diego Rivas sagte gegenüber TechCrunch, Genie 4 stehe noch ganz am Anfang.

Skepsis gibt es vor allem aus zwei Richtungen. Aus der Spielebranche kam schon beim Start von Project Genie Anfang des Jahres Widerspruch, als die Aktien von Unity, Roblox und Take-Two deutlich nachgaben. Branchenvertreter:innen hielten den Ausverkauf damals für übertrieben: Komplexe Spiele ließen sich noch lange nicht per Prompt erzeugen, sagte Andrew Green, CEO des Studios Storygrounds, gegenüber Pocketgamer.biz. In der Robotik wiederum argumentiert etwa der KI-Autor Ben Dickson, dass eine generierte Welt keine Überprüfung an der Realität kennt. Fehler im Modell könnten sich so beim Training von Robotern aufsummieren.

Die Konkurrenz

Weltmodelle sind gerade eines der heißesten Felder der KI-Branche. Das New Yorker Startup Runway hat erst vor wenigen Monaten mit GWM Worlds 2 ein spielbares Weltmodell mit Ton herausgebracht. Der Chipkonzern AMD übernimmt das Weltmodell-Startup World Labs von KI-Pionierin Fei-Fei Li um 8,2 Milliarden Dollar (rund 7,3 Milliarden Euro). Amazon verhandelt laut Wall Street Journal über eine Übernahme des israelischen Startups Decart, und der E-Auto-Hersteller Rivian hat Third Dimension gekauft, um Simulationen für autonomes Fahren selbst zu bauen. Auch Nvidia setzt mit seiner Cosmos-Plattform auf Weltmodelle für Roboter und selbstfahrende Autos.