Google Genie 4: ऑडियो और रियल-टाइम बदलाव
मूल शीर्षक: Google’s Genie 4 world model adds audio, more realistic worlds, and real-time steering
यह क्यों महत्वपूर्ण है
World model क्षेत्र में consolidation और competition तेज़ हो रही है; Genie 4 robotics व creative industries के लिए नए रास्ते खोलता है।
Google DeepMind ने 27 अक्टूबर 2026 को Genie 4 world model का research preview जारी किया। यह model real-time audio, freeform edits और 2 मिनट तक consistent scene बनाने में सक्षम है।
Google DeepMind का नया world model Genie 4 अपने पूर्ववर्ती Genie 3 से कई मायनों में आगे है। Genie 3 लगभग एक साल पहले research preview के रूप में आया था। Genie 4 में photorealistic visuals के साथ-साथ real-time audio भी शामिल है — जिसमें संगीत, ambient आवाजें और interactive संवाद शामिल हैं। उपयोगकर्ता simulation के बीच में prompt टाइप करके मौसम, camera angle बदल सकते हैं या नए पात्र व वस्तुएँ जोड़ सकते हैं। Scene consistency पहले की 1 मिनट की सीमा से बढ़कर अब 2 मिनट हो गई है। Physics और किरदारों का यथार्थवाद भी बेहतर हुआ है।
Gemini model को Genie 4 के साथ अधिक गहराई से जोड़ा गया है — Gemini एक 'director' की भूमिका निभाता है जो steps की योजना बनाता है और frames की जाँच करता है। Gemini Robotics experiment में Gemini 4 Argon model ने tasks को steps में तोड़ा, जिन्हें Genie 4 ने real-time में simulate किया। इससे robot testing को real दुनिया से पहले simulation में परखने की संभावना दिखती है।
Google के research director Tejas Kulkarni ने कहा कि भविष्य में hybrid world models होंगे जहाँ Gemini code और text लिखेगा और Genie उसे real-time में simulate करेगा। DeepMind engineer Diego Rivas ने film prototyping को एक नए उपयोग के रूप में रेखांकित किया। Commercial उपयोग में gaming, interactive learning और robotics प्रमुख हैं। इसी दौरान Runway का GWM Worlds 2, AMD द्वारा World Labs का अधिग्रहण, और Amazon की Decart से बातचीत यह दर्शाती है कि world model क्षेत्र तेज़ी से consolidate हो रहा है।