Google DeepMind stellt Genie 4 vor: World Model mit Audio und Echtzeit-Steuerung
Genie 4 erzeugt realistischere Simulationen, kann diese in Echtzeit per Text-Eingabe verändern und erstmals auch Audio generieren. Das Modell ist vorerst als Research Preview für ausgewählte Tester verfügbar.
Kaufe ein Founder Summit Ticket, erhalte ein zweites gratis. Jetzt registrieren.
Die Tore von Disrupt öffnen am 13. Oktober. Hole dir deinen Pass und bring jemanden mit, mit 50% Rabatt. JETZT REGISTRIEREN.
TechCrunch Desktop Logo TechCrunch Mobile Logo Latest Startups Venture Apple Security AI Apps Disrupt 2026 Events Podcasts Newsletters Search Submit Site Search Toggle Mega Menu Toggle Topics Latest
Googles Weltmodell Genie 4 bietet Audio, realistischere Welten und Lenkung in Echtzeit Rebecca Bellan 9:30 Uhr PDT · 27. Oktober 2026 Google DeepMind hat sein neuestes Weltmodell, Genie 4, am Dienstag als Research Preview veröffentlicht. Das aktuellste Modell erzeugt die bislang fotorealistischsten und interaktivsten Welten und ermöglicht es Nutzern, mitten in der Simulation Eingaben zu machen, um die Szene zu verändern. Das Modell erzeugt zudem Echtzeit-Audio, das zur simulierten Welt passt, einschließlich Musik, ambienten Geräuschen und interaktivem Dialog.
Die Veröffentlichung von Genie 4 kommt nur wenige Monate nachdem das KI-Video-Startup Runway sein zweites Weltmodell, GWM Worlds 2, vorgestellt hatte, ein spielbares Modell, das dynamisch auf Nutzereingaben reagiert und Audio-Generierung enthält. Gleichzeitig beginnt die Weltmodell-Branche, sich zu konsolidieren. Fei-Fei Lis World Labs wird von AMD übernommen, Amazon verhandelt über den Kauf von Decart, und Rivian hat gerade Third Dimension erworben, um Simulationsfähigkeiten für Tests autonomer Fahrfunktionen intern aufzubauen.
Genie 4 ist Googles jüngster Schritt, um sich im überfüllten Feld an der Spitze zu halten.
Google hatte seinen Vorgänger, Genie 3, vor gut einem Jahr als Research Preview veröffentlicht. Abgesehen davon, dass Genie 4 deutlich fotorealistischer ist und Audio bietet, ermöglicht es freie Bearbeitungen, wie etwa das Ändern des Wetters oder des Kamerawinkels in Echtzeit oder das Hinzufügen neuer Personen oder Objekte. Es kann eine Szene bis zu zwei Minuten lang konsistent halten, doppelt so lange wie der Vorgänger, und bietet bessere Physik und menschenähnlichere Charaktere.
Gemini, Googles KI-Modell, ist ebenfalls enger in Genie 4 integriert und fungiert als Regisseur, der Schritte plant und Frames prüft, während Genie die Visualisierungen erstellt. In einem Forschungsexperiment im Zusammenhang mit Gemini Robotics zerlegte ein Gemini 4 Argon Modell Aufgaben in Schritte, die Genie 4 in Echtzeit simulierte. Das Experiment zeigt einen möglichen Weg, Roboterszenarien in der Simulation zu testen, bevor sie in der realen Welt stattfinden.
„Was wir künftig zunehmend sehen werden, sind diese hybriden Weltmodelle, bei denen eine Kombination aus Gemini, das Code und Text schreibt, und Genie, das diese in Echtzeit aufnimmt und die Realität auf verschiedenen Abstraktionsebenen simuliert, zum Einsatz kommt“, sagte Tejas Kulkarni, Research Director bei Google, in einem Briefing.
Wie bei anderen Weltmodellen gehören Gaming, interaktives Lernen und Robotik zu den beworbenen kommerziellen Anwendungsfällen. Ein spekultives Beispiel für interaktives Lernen wäre, ein Gemälde einer historischen Szene zu betreten und mit den dargestellten Personen über das gezeigte Ereignis zu sprechen.
Doch die „trusted testers“, diejenigen, die als Erste Zugang zu Googles neuesten Produkten erhalten, weisen auf eine mögliche neue Anwendung hin: das Prototyping von Filmen.
„Der Echtzeit-Aspekt wird dort am wertvollsten, wo das Aufrechterhalten eines Flow-Zustands im kreativen Raum unglaublich nützlich ist“, sagte Diego Rivas, Ingenieur bei Google DeepMind, in einem Presse-Briefing. „Zum Beispiel in der Ideationsphase, in der Storyboarding-Phase, immer dann, wenn man schnelle Ideenfindung braucht.“
Google bietet zudem Veo an, sein KI-Video-Generierungsmodell, das High-Definition-Clips mit integriertem, synchronisiertem Audio aus Text-, Bild- oder Video-Eingaben erzeugt, ein Tool, das bei Filmemachern zunehmend beliebter wird.
Rivas ergänzte, dass Nutzer eventually auf Gemini Omni zurückgreifen könnten, ein multimodales großes Sprachmodell, das Video aus Bildern, Audio und Text generieren kann, um diese Prototypen in kreative Assets zu verwandeln. Diese Fähigkeiten seien allerdings, so sagt er, noch in weiter Ferne.
Während des gesamten Briefings betonte Rivas, dass es noch frühe Tage für Genie 4 sind und noch nicht klar sei, wie das End-to-End-Produkterlebnis aussehen wird. Das Team räumte zudem ein, dass Genie 4 noch Lücken aufweist: Details und Objekte können abdriften, je länger eine Simulation läuft, und man hat noch nicht ganz herausgefunden, wie sichergestellt werden kann, dass das Audio korrekt und jeglicher Text in der Welt lesbar ist.
Genie 4 ist jetzt als Research Preview für trusted testers verfügbar. In den kommenden Wochen wird das Modell für Google AI Ultra Abonnenten in Project Genie ausgerollt, Googles KI-Tool zur Generierung interaktiver Welten aus Text- oder Bild-Eingaben, sowie für Early-Access-Partner der Gemini API und Google AI Studio.
Wenn du über Links in unseren Artikeln einkaufst, erhalten wir möglicherweise eine kleine Provision. Dies beeinträchtigt nicht unsere redaktionelle Unabhängigkeit.
Rebecca Bellan ist Senior Reporterin bei TechCrunch, wo sie über das Geschäft, die Politik und aufkommende Trends berichtet, die die künstliche Intelligenz prägen. Ihre Arbeiten erschienen auch in Forbes, Bloomberg, The Atlantic, The Daily Beast und anderen Publikationen.
Du kannst Rebecca kontaktieren oder Anfragen von ihr verifizieren, indem du an [email protected] schreibst oder ihr über die verschlüsselte Nachricht rebeccabellan.491 auf Signal erreichst.
4. November Boston Kaufe einen Pass, erhalte einen zweiten gratis. Weise bei TechCrunch ultimativem Founder Bootcamp des Jahres mehr Fläche aus, indem du deinen Co-Founder oder Partner kostenlos mitbringst. Buche, bevor das BOGO-Angebot abläuft.
Grok veröffentlicht die ersten sieben Minuten seines KI-generierten „Odyssey“ Anthony Ha
Der KI-Friedhof: eine laufende Liste von Projekten und Startups, die es nicht geschafft haben Lauren Forristal
Warhound sammelt 200 Millionen Dollar ein, um Kriegshunde zu entwickeln und sie mit Anduril-Ausrüstung auszustatten Dominic-Madori Davis
Uber bringt alle 30.000 Mitarbeiter auf ChatGPT Work Lucas Ropek
Airbnb beschränkt Aufgaben für Gäste und löst Kritik von Gastgebern aus Lauren Forristal
Tesla beginnt mit der Produktion des Optimus-Roboters in Kalifornien, während der Gewinn um 43% fällt Kirsten Korosec Sean O'Kane
Das Internet hat einen sehr schlechten Cybersicherheitstag Sarah Perez
X LinkedIn Facebook Instagram youTube Mastodon Threads Bluesky TechCrunch Staff Contact Us Advertise Site Map Terms of Service Privacy Policy RSS Terms of Use Code of Conduct Voice AI Anthropic Flock Startup Battlefield Disrupt 2026 Tech Layoffs ChatGPT © 2026 TechCrunch Media LLC.
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
Buy One Founder Summit Ticket, Get a Second for Free. Register now.
Disrupt doors open Oct. 13. Get your pass and bring someone with you at 50% off. REGISTER NOW.
TechCrunch Desktop Logo TechCrunch Mobile Logo Latest Startups Venture Apple Security AI Apps Disrupt 2026 Events Podcasts Newsletters Search Submit Site Search Toggle Mega Menu Toggle Topics Latest
Google’s Genie 4 world model adds audio, more realistic worlds, and real-time steering Rebecca Bellan 9:30 AM PDT · October 27, 2026 Google DeepMind released its newest world model, Genie 4, in research preview on Tuesday. The latest model generates the most photorealistic and interactive worlds yet, allowing users to type prompts mid-simulation to change the scene. The model also generates real-time audio that matches the simulated world, including music, ambient noises, and interactive dialogue.
The release of Genie 4 comes a couple of months after AI video startup Runway released its second world model, GWM Worlds 2, a playable model that responds dynamically to user inputs and includes audio generation. At the same time, the world model industry is beginning to consolidate. Fei-Fei Li’s World Labs is being acquired by AMD, Amazon is in talks to buy Decart, and Rivian just acquired Third Dimension to bring simulation capabilities in-house for self-driving testing.
Genie 4 is Google’s latest move to stay ahead in the crowded field.
Google released its predecessor, Genie 3, as a research preview a little over a year ago. Aside from being far more photorealistic and featuring audio, Genie 4 allows for freeform edits, like changing the weather or camera angle in real time or adding new people or objects. It can maintain a consistent scene for up to two minutes, double its predecessor’s limit, and offers better physics and more human-like characters.
Gemini, Google’s AI model, is also more closely integrated with Genie 4, acting as the director that plans steps and checks frames while Genie creates the visuals. In a research experiment tied to Gemini Robotics, a Gemini 4 Argon model broke down tasks into steps that Genie 4 simulated in real time. The experiment shows a possible way to test robot scenarios in simulation before they happen in the real world.
“What we’ll increasingly see in the future are these hybrid world models, where you have a combination of Gemini writing code and text, and Genie ingesting that in real time and simulating reality at different levels of abstraction,” Tejas Kulkarni, research director at Google, said during a briefing.
As with other world models, the pitched commercial use cases include gaming, interactive learning, and robotics. One speculative example of interactive learning would be entering a painting of a historical scene and chatting to the painting’s subjects about the event portrayed.
But “trusted testers” — the people who get first access to Google cutting-edge products — are pointing to a possible new use: prototyping films.
“The real time aspect becomes most valuable in the areas where keeping a state of flow in the creativity space becomes incredibly useful,” Diego Rivas, a Google DeepMind engineer, said during a press briefing. “For example, in the ideation phase, in the storyboarding phase — anytime you’re kind of in need of rapid ideation.”
Google also offers Veo, its AI video generation model that makes high-definition clips with built-in synchronized audio from text, image, or video prompts — a tool that has been growing in popularity among filmmakers.
Rivas added that users could, eventually, rely on Gemini Omni, a multimodal large language model that can generate video from images, audio, and text, to turn those prototypes into creative assets. Though those capabilities, he says, are still a ways off.
Throughout the briefing, Rivas stressed that it’s still early days for Genie 4, and that it’s not yet clear what the end-to-end product experience will be. The team also acknowledged that Genie 4 still has gaps: details and objects can drift the longer a simulation runs, and they still haven’t quite figured out how to ensure the audio will be accurate and any in-world text will be legible.
Genie 4 is available now as a research preview for trusted testers. In the coming weeks, the model will roll out to Google AI Ultra subscribers in Project Genie, Google’s AI tool for generating interactive worlds from text or image prompts, and early access partners of the Gemini API and Google AI Studio.
When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.
Rebecca Bellan is a senior reporter at TechCrunch where she covers the business, policy, and emerging trends shaping artificial intelligence. Her work has also appeared in Forbes, Bloomberg, The Atlantic, The Daily Beast, and other publications.
You can contact or verify outreach from Rebecca by emailing [email protected] or via encrypted message at rebeccabellan.491 on Signal.
November 4 Boston Buy One Pass, Get a Second Free Cover more ground at TechCrunch’s ultimate founder bootcamp of the year by bringing your co-founder or partner for free Book before the BOGO deal expires
Grok releases the first seven minutes of its AI-generated ‘Odyssey’ Anthony Ha
The AI graveyard: a running list of projects and startups that didn’t make it Lauren Forristal
Warhound raises $200M to engineer war dogs and arm them with Anduril gear Dominic-Madori Davis
Uber puts all 30,000 employees on ChatGPT Work Lucas Ropek
Airbnb limits chores for guests, sparking backlash from hosts Lauren Forristal
Tesla starts Optimus robot production in California as profit falls 43% Kirsten Korosec Sean O'Kane
The internet is having a very bad cybersecurity day Sarah Perez
X LinkedIn Facebook Instagram youTube Mastodon Threads Bluesky TechCrunch Staff Contact Us Advertise Site Map Terms of Service Privacy Policy RSS Terms of Use Code of Conduct Voice AI Anthropic Flock Startup Battlefield Disrupt 2026 Tech Layoffs ChatGPT © 2026 TechCrunch Media LLC.