Google DeepMind donne vie à des mondes qui dialoguent

Google DeepMind présente Genie 4 comme son nouveau modèle de monde, capable de transformer des instructions en scènes photoréalistes explorables en temps réel. Le système génère désormais son propre environnement sonore, avec des bruits de fond et de la musique. Les personnages présents dans ces mondes peuvent aussi tenir des conversations en direct avec l’utilisateur. Les déplacements s’effectuent au clavier. Des instructions textuelles permettent de modifier une scène pendant son déroulement, tout en conservant sa cohérence entre les changements. Genie 4 arrive en aperçu de recherche auprès de testeurs de confiance. Les abonnés Google AI Ultra et les partenaires de l’API Gemini doivent ensuite y accéder. Lire la présentation complète.

Genie 3 fournissait déjà l’exploration de mondes générés par IA pendant quelques minutes. Genie 4 ajoute donc plusieurs interactions dans une même simulation. L’utilisateur peut parler aux personnages, écouter une bande sonore générée et modifier l’environnement avec des commandes textuelles. Le modèle conserve la scène entre les différentes entrées, selon la présentation de Google DeepMind. Cette continuité distingue l’expérience d’une simple succession d’images. Elle rapproche aussi Genie 4 d’un outil de mise en scène, en plus de son rôle de simulateur de mondes. La démonstration associe enfin le modèle à Gemini 4 Argon, qui planifie les mouvements d’un robot humanoïde dans cet environnement.

Google DeepMind ajoute le son

Le son devient natif dans Genie 4, avec une génération intégrée de bruits d’ambiance et de musique. Cette fonction accompagne les conversations en direct des personnages simulés. Les utilisateurs conservent le contrôle de leurs déplacements grâce au clavier. Ils peuvent également saisir des instructions textuelles pour provoquer des changements pendant la scène. Google DeepMind indique que l’environnement reste cohérent entre ces interventions. Cette combinaison relie navigation, dialogue et modification d’un même espace généré. Les usages liés au jeu vidéo apparaissent directement dans cette démonstration. Le modèle est aussi présenté comme un outil de direction, car les utilisateurs peuvent façonner une scène au fil de leurs interactions.

La robotique apparaît ensuite dans une démonstration avec un robot humanoïde Apptronik Apollo. Le robot joue aux dames dans l’un des mondes générés par Genie 4. Gemini 4 Argon planifie chaque mouvement de la partie. Google DeepMind présente cette scène comme un indice des applications possibles de Genie pour l’entraînement de robots. Le modèle fournit ainsi un environnement simulé, tandis que Gemini 4 Argon organise l’action du robot. La démonstration ne décrit pas de déploiement industriel. Elle montre toutefois l’association de deux systèmes dans une tâche concrète et observable. Le choix des dames permet de visualiser la planification d’actions dans un monde interactif.

L’accès reste progressif pour Genie 4. Le modèle commence par un aperçu de recherche réservé à des testeurs de confiance. Les abonnés Google AI Ultra et les partenaires de l’API Gemini doivent recevoir un accès dans l’étape suivante. Cette séquence place Genie 4 avant tout dans une phase d’évaluation. La présentation met déjà en avant les échanges avec des personnages, l’audio natif et la cohérence des scènes. Elle associe également le système à un cas de robotique simulée. Les prochaines utilisations dépendront donc de l’accès accordé à ces groupes et des expérimentations menées dans ce cadre. Consulter l’article original.