گوگل دیپ‌مایند مدل جهانی Genie 4 را با قابلیت تولید صوت معرفی کرد
گوگل دیپ‌مایند نسخه پیش‌نمایش پژوهشی Genie 4 را عرضه کرده است؛ یک مدل جهانی بی‌درنگ که علاوه بر خلق محیط‌های تعاملی بصری، قادر است صدا، موسیقی و گفتار را نیز به صورت بومی تولید کند.
گوگل دیپ‌مایند از انتشار Genie 4 به عنوان یک پیش‌نمایش پژوهشی برای آزمایش‌کنندگان معتمد خبر داد. این مدل جهانی قادر است جهان‌های تعاملی و قابل کاوش را از روی متن و تصاویر به صورت بی‌درنگ شبیه‌سازی کند. برخلاف تولیدکنندگان ویدیو، این سیستم فریم‌ها را بر اساس ورودی‌های کاربر در لحظه پاسخ می‌دهد.
یکی از مهم‌ترین پیشرفت‌های Genie 4، توانایی تولید هم‌زمان فضاهای صوتی، موسیقی محیطی و گفتار شخصیت‌ها است. در این معماری، مدل‌های جمنای به عنوان برنامه‌ریز درون حلقه شبیه‌سازی فعالیت می‌کنند تا اهداف کاربران را به گام‌های اجرایی تبدیل کرده و سازگاری صحنه را حفظ نمایند. این مدل می‌تواند در صنایع خلاق، آموزش و بازی‌سازی برای پیش‌نمایش طرح‌ها مورد استفاده قرار گیرد.
با این حال، دیپ‌مایند به برخی محدودیت‌ها از جمله پدیده انحراف جزئیات بصری در نشست‌های طولانی و محدودیت زمانی تعاملات اشاره کرده است. تمام محتوای خروجی این سیستم با واترمارک‌های SynthID نشانه‌گذاری می‌شوند و دسترسی به آن فعلاً برای کاربران منتخب و توسعه‌دهندگان فراهم شده است.
گزارش فارسی این خبر با کمک هوش مصنوعی و فقط بر اساس اطلاعات منتشرشده در منبع تهیه شده است.