Genie 4: Google DeepMind zeigt Weltmodell mit Ton und Sprachsteuerung

Google DeepMind hat Genie 4 vorgestellt, die neue Version seines sogenannten Weltmodells. Gemeint ist ein System, das eine begehbare Umgebung live erzeugt, während man sich mit Tastatur und Kamera darin bewegt. Für alle, die sich für Spiele interessieren, ist das eine der spannendsten Entwicklungen dieses Herbsts.

Was neu ist

• Ton direkt aus dem Modell: Genie 4 erzeugt laut DeepMind erstmals selbst Geräusche, Musik und sogar Dialoge, passend zur jeweiligen Szene.
• Steuerung per Text: Während die Simulation läuft, kann man das Wetter ändern, die Kamera bewegen oder neue Figuren einfügen.
• Realistischere Menschen und Physik: Figuren sollen sich natürlicher bewegen und auf ihre Umgebung reagieren, dazu kommen Kollisionen und ähnliche physikalische Effekte.
• Gemini als Regie im Hintergrund: Ein Gemini-Modell beobachtet die Szene, zerlegt Ziele in Schritte und prüft, ob jeder Schritt geklappt hat.

Wer es nutzen kann

Vorerst testet eine kleine Gruppe ausgewählter Personen das Modell. Danach sollen Abonnenten von Google AI Ultra über Project Genie sowie frühe Partner der Gemini API und von AI Studio Zugang bekommen. Einen Termin für eine breite Veröffentlichung nennt DeepMind nicht.

Meine Einschätzung

Mich interessiert weniger die Frage, ob so etwas irgendwann fertige Spiele ersetzt, sondern was es für Prototypen bedeutet. Eine Spielidee in wenigen Sätzen beschreiben und sofort darin herumlaufen zu können, ist für kleine Teams verlockend. DeepMind ist allerdings ehrlich, was die Grenzen angeht: Eine Sitzung hält nur wenige Minuten, Details können mit der Zeit verrutschen, und lesbarer Text in der Welt gelingt oft nicht. Bis daraus ein echtes Werkzeug für Studios wird, ist es also noch ein Stück.

Die Vorstellung mit vielen Videobeispielen gibt es im offiziellen Blog von Google DeepMind.