Google DeepMind unveils Genie 4, a world model that talks back

گوگل ڈیپ مائنڈ نے جینی 4 متعارف کرایا، ایک ورلڈ ماڈل جو جواب بھی دیتا ہے

गूगल डीपमाइंड ने जेनी 4 पेश किया, एक वर्ल्ड मॉडल जो जवाब भी देता है

Google DeepMind has unveiled Genie 4, a world model that generates explorable, photorealistic virtual worlds in real time from a text prompt or an image. Unlike earlier versions, it creates sound natively — music, ambient noise and spoken dialogue — and users can steer a running scene with plain-language prompts, changing the weather, moving the camera or adding objects. Scenes stay coherent for about two minutes, double the length of Genie 3. It is launching as a research preview for trusted testers, with Google AI Ultra subscribers and Gemini API partners to follow.

گوگل ڈیپ مائنڈ نے جینی 4 متعارف کرایا ہے، ایک ورلڈ ماڈل جو تحریری ہدایت یا تصویر سے حقیقت جیسی ورچوئل دنیا فوری طور پر بناتا ہے۔ پچھلے ورژنز کے برعکس یہ آواز بھی خود بناتا ہے — موسیقی، ماحول کی آوازیں اور بولی جانے والی بات چیت — اور صارف چلتے ہوئے منظر کو سادہ الفاظ میں بدل سکتا ہے، جیسے موسم تبدیل کرنا یا کیمرہ گھمانا۔ مناظر تقریباً دو منٹ تک مربوط رہتے ہیں، جو جینی 3 سے دوگنا ہے۔ یہ پہلے منتخب محققین کے لیے تجرباتی طور پر آ رہا ہے، بعد میں گوگل اے آئی الٹرا صارفین اور جیمنی اے پی آئی شراکت داروں کو ملے گا۔

गूगल डीपमाइंड ने जेनी 4 पेश किया है, एक वर्ल्ड मॉडल जो लिखित निर्देश या तस्वीर से यथार्थ जैसी वर्चुअल दुनिया तुरंत बनाता है। पिछले संस्करणों के विपरीत यह आवाज़ भी खुद बनाता है — संगीत, परिवेश की आवाज़ें और बोली जाने वाली बातचीत — और उपयोगकर्ता चलते हुए दृश्य को सरल शब्दों में बदल सकता है, जैसे मौसम बदलना या कैमरा घुमाना। दृश्य लगभग दो मिनट तक सुसंगत रहते हैं, जो जेनी 3 से दोगुना है। यह पहले चुनिंदा शोधकर्ताओं के लिए प्रायोगिक रूप से आ रहा है, बाद में गूगल एआई अल्ट्रा उपयोगकर्ताओं और जेमिनी एपीआई साझेदारों को मिलेगा।