Genie 4 Google DeepMind Hadir dengan Audio dan Dunia Interaktif
CIANJUR.CO - Google DeepMind merilis Genie 4, model dunia terbarunya, dalam tahap pratinjau riset pada Selasa. Model ini dapat menghasilkan lingkungan simulasi yang lebih realistis dan interaktif, sekaligus merespons instruksi teks yang diberikan pengguna ketika simulasi sedang berlangsung. Genie 4 juga menghadirkan audio secara real-time yang menyesuaikan dengan dunia yang dibangun, mulai dari musik dan suara sekitar hingga dialog interaktif.
Berdasarkan laporan TechCrunch AI, Genie 4 memungkinkan pengguna mengubah adegan tanpa harus memulai simulasi dari awal. Instruksi dapat digunakan untuk mengarahkan perubahan pada dunia virtual yang sedang berjalan. Kemampuan tersebut menjadi salah satu pembaruan utama dibandingkan Genie 3, pendahulunya yang dirilis Google sebagai pratinjau riset lebih dari setahun sebelumnya.
Genie 4 hadir ketika persaingan model dunia semakin ramai. Beberapa bulan sebelumnya, perusahaan rintisan video AI Runway merilis model dunia keduanya, GWM Worlds 2. Model yang dapat dimainkan itu merespons masukan pengguna secara dinamis dan juga memiliki kemampuan menghasilkan audio. Di tengah perkembangan tersebut, industri model dunia mulai mengalami konsolidasi.
TechCrunch AI juga melaporkan sejumlah langkah perusahaan di sektor ini. World Labs milik Fei-Fei Li sedang diakuisisi AMD, Amazon tengah berunding untuk membeli Decart, sedangkan Rivian baru saja mengakuisisi Third Dimension. Rivian melakukan langkah tersebut untuk membawa kemampuan simulasi ke dalam perusahaan, khususnya bagi pengujian kendaraan otonom. Peluncuran Genie 4 menjadi langkah Google untuk tetap unggul di bidang yang semakin padat pemain.
Baca juga: Mantan Direktur Meta Rohit Patel Bangun Ndoc, Workspace AI untuk Perusahaan
Dari sisi kemampuan, Genie 4 menghasilkan tampilan yang lebih fotorealistis serta menyertakan audio, tetapi pembaruannya tidak berhenti di sana. Pengguna dapat melakukan penyuntingan bebas saat simulasi berlangsung, misalnya mengganti cuaca atau sudut kamera, serta menambahkan orang dan objek baru. Dengan demikian, perubahan pada dunia virtual bisa diarahkan melalui prompt di tengah proses, bukan hanya ditentukan sebelum simulasi dimulai.
Model ini dapat mempertahankan konsistensi adegan hingga dua menit, dua kali lebih lama daripada batas pada Genie 3. Google juga menyebut adanya peningkatan pada fisika simulasi dan karakter manusia yang terlihat lebih alami. Sementara itu, audio yang dihasilkan menyesuaikan dengan lingkungan simulasi, sehingga model dapat menyertakan unsur suara seperti musik, suasana sekitar, dan percakapan interaktif.
Integrasi dengan Gemini, model AI Google, juga dibuat lebih erat. Gemini dapat bertindak sebagai pengarah yang menyusun langkah dan memeriksa bingkai, sedangkan Genie menghasilkan visual simulasi. Dalam sebuah eksperimen riset yang berkaitan dengan Gemini Robotics, model Gemini 4 Argon membagi tugas menjadi beberapa langkah, kemudian Genie 4 mensimulasikan langkah-langkah tersebut secara real-time.
Baca juga: GMO Internet Selidiki Dugaan Kebocoran Data Pelanggan Onamae
Eksperimen itu memperlihatkan salah satu kemungkinan penggunaan simulasi untuk menguji skenario robot sebelum diterapkan di dunia nyata. Tejas Kulkarni, direktur riset di Google, mengatakan dalam pengarahan bahwa model dunia pada masa mendatang dapat menggabungkan Gemini yang menulis kode dan teks dengan Genie yang menerima masukan tersebut secara langsung untuk menyimulasikan realitas pada tingkat abstraksi berbeda.
Penggunaan komersial yang dibicarakan untuk model dunia mencakup gim, pembelajaran interaktif, dan robotika. Salah satu contoh pembelajaran interaktif yang masih bersifat spekulatif adalah pengguna memasuki sebuah lukisan yang menggambarkan peristiwa sejarah, lalu berbincang dengan tokoh-tokoh di dalam lukisan mengenai kejadian yang ditampilkan.
Namun, para penguji tepercaya yang mendapat akses awal terhadap produk terbaru Google mengangkat kemungkinan pemanfaatan lain, yakni pembuatan prototipe film. Diego Rivas, insinyur Google DeepMind, menjelaskan dalam pengarahan pers bahwa kemampuan real-time dinilai berguna ketika proses kreatif membutuhkan alur kerja yang tetap terjaga. Ia mencontohkan tahap pencarian ide dan pembuatan storyboard sebagai situasi yang memerlukan pengembangan gagasan dengan cepat.
Baca juga: General Compute Raih Pendanaan Seri A US$100 Juta
Google juga memiliki Veo, model pembuat video AI yang dapat menghasilkan klip berdefinisi tinggi dengan audio tersinkronisasi. Veo menerima prompt berupa teks, gambar, atau video, dan popularitasnya di kalangan pembuat film terus meningkat. Rivas menyebut pengguna pada akhirnya mungkin dapat memanfaatkan Gemini Omni, model bahasa besar multimodal yang mampu menghasilkan video dari gambar, audio, dan teks, untuk mengembangkan prototipe menjadi aset kreatif. Namun, menurutnya, kemampuan tersebut masih belum akan tersedia dalam waktu dekat.
Rivas menekankan bahwa pengembangan Genie 4 masih berada pada tahap awal dan pengalaman produk menyeluruhnya belum dapat dipastikan. Tim Google juga mengakui sejumlah keterbatasan: detail dan objek dapat berubah atau bergeser ketika simulasi berlangsung semakin lama. Selain itu, tim belum menemukan cara yang sepenuhnya tepat untuk menjamin audio selalu akurat dan teks di dalam dunia simulasi dapat terbaca jelas.
Saat ini Genie 4 tersedia sebagai pratinjau riset bagi penguji tepercaya. Dalam beberapa minggu mendatang, model tersebut akan diluncurkan kepada pelanggan Google AI Ultra melalui Project Genie, alat AI Google untuk membuat dunia interaktif dari prompt teks atau gambar. Akses awal juga akan diberikan kepada mitra Gemini API dan Google AI Studio.