Google DeepMind Genie 4 erweitert sein Weltmodell um natives Audio

Google DeepMind hat am 27. Oktober 2026 Genie 4 vorgestellt, ein Weltmodell, das interaktive Szenen mit integriertem Ton erzeugt. Ein Weltmodell ist ein KI-System, das einen Ort erschafft, durch den man sich in Echtzeit bewegen und den man verändern kann, wie ein Spiellevel, das spontan entsteht. Laut Googles Ankündigung erzeugt jede Welt jetzt „natives Audio im laufenden Betrieb, darunter Umgebungsgeräusche, Musik und interaktive Dialoge“. Eine kleine Gruppe vertrauenswürdiger Tester hat bereits Zugriff, als Nächstes sind Entwickler über die Gemini API an der Reihe.

Google sieht in der Arbeit mehr als Unterhaltung. „Die Simulation der Welt ist ein entscheidender Schritt in Richtung AGI und ermöglicht sichere Trainingsumgebungen für Roboter und Agenten“, heißt es im Blogbeitrag.

Was Genie 4 neu bringt

Nutzer steuern eine Szene während der Laufzeit mit Anweisungen in normaler Sprache. Zu Googles Beispielen gehören Kamerabewegungen, Wetterwechsel und das Hinzufügen von Figuren.

Die Modellseite von Google DeepMind nennt Genie 4 „unser bisher realistischstes und interaktivstes Weltmodell“. Laut der Seite bestimmt Gemini Omni, wie Dinge aussehen und sich verhalten. Andere Gemini-Modelle übernehmen das logische Denken, das eine Szene über die Zeit stimmig hält.

Gizmodo vergleicht es mit Genie 3, das Google im August vergangenen Jahres vorgestellt hatte. Genie 3 hatte kein Audio, und seine Menschen „wirkten eher mechanisch“, schreibt das Medium. Genie 4 zeigt flüssigere menschliche Bewegungen und Mimik, mit Figuren, die sprechen und reagieren. Laut Gizmodos Schlagzeile erzeugt das Modell menschliche Stimmen. Googles eigene Seiten beschreiben „interaktive Dialoge“, verwenden aber nicht das Wort Stimme.

Wer es nutzen kann und wann

Gruppe	Zugang
Vertrauenswürdige Tester	Wird jetzt als Research Preview eingeführt
Abonnenten von Google AI Ultra	„Bald verfügbar“ in Project Genie
Early-Access-Partner der Gemini API	„Bald verfügbar“
Early-Access-Partner von Google AI Studio	„Bald verfügbar“
Alle anderen	Eine Warteliste auf der DeepMind-Seite

Google hat weder einen Preis noch einen Termin für eine breitere Veröffentlichung genannt. Laut Gizmodo gehören zu den aktuellen Testern Videospielentwickler.

Project Genie ist Googles Web-App, mit der man generierte Welten erkunden kann. Gizmodo merkt an, dass der Start im Januar Berichten zufolge die Aktien von Videospielfirmen deutlich fallen ließ.

Sicherheit und Wasserzeichen

Google DeepMind sagt, es habe Genie 4 bewusst zuerst für vertrauenswürdige Tester freigegeben. Das Modell hat „strenge Sicherheitsvorkehrungen, die mit unseren Sicherheitsrichtlinien für andere Modelle übereinstimmen“, heißt es auf der Modellseite.

Jeder Video- und Audioclip, den Genie 4 erzeugt, wird SynthID tragen, Googles unsichtbares Wasserzeichen zur Erkennung KI-generierter Inhalte. Das gilt für Bild und Ton.

Was Google nach eigenen Angaben noch nicht kann

Die Modellseite enthält eine offene Liste von Grenzen:

• Es unterstützt „einige Minuten kontinuierlicher Interaktion statt längerer Sitzungen“.
• Es kann reale Orte nicht mit perfekter Genauigkeit simulieren.
• An der Genauigkeit des Audios in Echtzeit wird noch gearbeitet.
• Visuelle Details und die Objektpermanenz können sich mit der Zeit verschieben, besonders nach mehreren komplexen Prompt-Änderungen.
• Interaktionen zwischen vielen unabhängigen Agenten in einer gemeinsamen Welt bleiben schwierig.
• Lesbarer Text erscheint meist nur, wenn die Eingabe ihn beschreibt.

Gizmodo ergänzt, dass das Modell „gelegentlich Mühe hat, visuelle Konsistenz und Audiogenauigkeit zu wahren“.

Was das für Entwickler bedeutet

Genie 4 ist nichts, was die meisten Entwickler heute aufrufen können. Die Schritte, die sich jetzt lohnen, drehen sich um Vorbereitung.

• Tragen Sie sich in die Warteliste ein, wenn Sie Spiele oder Simulationen bauen. Early-Access-Partner der Gemini API werden mitbestimmen, wie das Modell bereitgestellt wird. Wer früh dabei ist, kann mitreden.
• Planen Sie für kurze Sitzungen. Einige Minuten Interaktion passen zu Prototypen, Demos und Level-Ideen. Für lange Spielsitzungen oder dauerhafte Welten passt das noch nicht.
• Nutzen Sie es vorsichtig als Trainingsgelände für Roboter. Google prüft Einsätze in der Robotik. Welten, die sich mit der Zeit verschieben, können Agenten Falsches beibringen. Prüfen Sie Ergebnisse deshalb mit Tests in der realen Welt.
• Planen Sie Wasserzeichenprüfungen ein. Alle Ausgaben tragen SynthID. Wenn Ihr Produkt echtes und generiertes Material mischt, legen Sie fest, wie Sie es kennzeichnen und erkennen.
• Halten Sie Ihr Budget zurück. Es gibt noch keinen veröffentlichten Preis. Erstellen Sie keinen Business Case, bevor Preise und Rate Limits öffentlich sind.
• Behalten Sie das Audio im Blick. Ton ist die zentrale Neuerung und zugleich eine genannte Schwachstelle. Testen Sie, ob Dialoge synchron bleiben, bevor Sie sich für wirklich interaktive Figuren darauf verlassen.

Genie 4 führt Weltmodelle von stummen Clips zu Szenen mit Ton und Sprache. Das Limit von wenigen Minuten und die Probleme mit der Drift zeigen, wie weit sie noch davon entfernt sind, eine Game Engine zu ersetzen.