Google показала Genie 4 з аудіо та керуванням сценами

Google DeepMind відкрила Genie 4 у research preview для trusted testers. Модель генерує інтерактивні світи, додає звук у реальному часі й змінює сцену під час симуляції.

Google DeepMind представила Genie 4 — нову world model, яка вже доступна у форматі research preview для trusted testers. Компанія називає її найфотореалістичнішою та найінтерактивнішою серед своїх попередніх версій, а однією з головних змін стало аудіо в реальному часі.

Йдеться не просто про генерацію зображення чи короткого відео. У Genie 4 користувач може змінювати сцену прямо під час симуляції, а система підлаштовує світ під нові команди. Це й робить реліз помітним на тлі ринку world models, де конкуренція вже виходить за межі одного лише тексту або відео.

Поки що Genie 4 не позиціонують як завершений продукт. Але Google вже показує, куди рухається: від окремих AI-інструментів — до систем, які можуть у реальному часі будувати кероване інтерактивне середовище.

Genie 4 отримала аудіо та довшу стабільність сцени

Google називає Genie 4 своєю найновішою world model. Порівняно з Genie 3, яку компанія показала трохи більше ніж рік тому, нова версія стала помітно фотореалістичнішою й отримала аудіо.

Модель може генерувати музику, фонові звуки та інтерактивні діалоги, що відповідають подіям у віртуальному світі. Користувачі також можуть вводити підказки просто під час симуляції — наприклад, змінити погоду, кут камери або додати нових людей чи об’єкти.

Ще одна зміна стосується тривалості стабільної сцени. Genie 4 здатна зберігати послідовний світ до двох хвилин — це вдвічі більше, ніж у попередника. Google також заявляє про кращу фізику та більш «людських» персонажів.

Gemini у зв’язці з Genie відповідає за планування

Окремо Google акцентує на тому, як Genie 4 працює разом із Gemini. За словами компанії, Gemini тут виконує роль своєрідного режисера: планує кроки, перевіряє кадри, а Genie створює візуальну частину.

У межах дослідницького експерименту, пов’язаного з Gemini Robotics, модель Gemini 4 Argon розбивала завдання на етапи, а Genie 4 симулювала їх у реальному часі. У Google вважають, що такий підхід може допомогти тестувати сценарії для роботів у симуляції ще до того, як вони відбудуться в реальному світі.

Директор досліджень Google Теджас Кулкарні під час брифінгу описав майбутнє як поєднання моделей, де Gemini пише код і текст, а Genie в реальному часі перетворює це на симуляцію реальності на різних рівнях абстракції. Як повідомляють Новини IT-PUB, саме на такій зв’язці Google зараз робить окремий акцент.

Google бачить застосування в іграх, навчанні та робототехніці

Як і в інших world models, Google називає кілька можливих комерційних сценаріїв. Серед них — ігри, інтерактивне навчання та робототехніка.

Один із прикладів, який навела компанія, — навчальний сценарій, де користувач може зайти в зображення історичної сцени й спілкуватися з персонажами, які її «населяють». Це поки лише ілюстрація можливостей, а не готовий продукт, але вона показує, у який бік Google розвиває Genie 4.

Серед trusted testers з’явилася й інша ідея використання — прототипування фільмів. Інженер Google DeepMind Дієго Рівас пояснив, що можливість працювати в реальному часі особливо цінна там, де важливо не втрачати творчий потік, зокрема на етапах ідей та сторібордингу.

Для людей, які створюють контент, це може бути корисним. Водночас поки що йдеться радше про раннє тестування підходу, ніж про готовий інструмент для масового ринку.

Google визнає технічні проблеми Genie 4

Попри демонстрацію нових можливостей, у Google не приховують, що Genie 4 ще далека від завершеного продукту. Під час брифінгу Рівас неодноразово наголошував: це лише ранній етап, і компанія ще не визначилася, яким буде кінцевий користувацький досвід.

Команда також визнає наявні недоліки. Якщо симуляція триває довше, деталі та об’єкти можуть «дрейфувати» — тобто поступово змінюватися або втрачати сталість. Окремо Google ще не вирішила, як гарантувати точність аудіо та зробити так, щоб вбудований текст у світі був читабельним.

Ці обмеження важливі не менше за саму демонстрацію. Genie 4 справді виглядає як крок уперед у створенні інтерактивних світів, але наразі це дослідницька версія з помітними технічними прогалинами, а не повністю відшліфований продукт.

Google розширює тестування на тлі конкуренції в world models

Реліз Genie 4 відбувся в момент, коли ринок world models стає щільнішим і конкурентнішим. Кілька місяців тому AI-стартап Runway представив GWM Worlds 2 — свою другу world model, яка теж реагує на дії користувача та підтримує генерацію аудіо.

Паралельно галузь починає консолідуватися. Fei-Fei Li’s World Labs купує AMD, Amazon веде переговори про купівлю Decart, а Rivian щойно придбала Third Dimension, щоб перенести симуляційні можливості всередину компанії для тестування систем автономного водіння.

На цьому тлі Genie 4 виглядає як спроба Google утримати позиції в сегменті, де змагаються не лише за якість візуалізації. Не менш важливими стають звук, керування сценами, стабільність симуляції та інтеграція з іншими AI-системами.

Наразі Genie 4 доступна як research preview для trusted testers. У найближчі тижні модель почнуть розгортати для підписників Google AI Ultra в Project Genie, а також для ранніх партнерів Gemini API та Google AI Studio. Для ринку це означає, що Google поступово переводить експеримент із лабораторної демонстрації у ширше тестування — але до повноцінного продукту ще лишаються технічні кроки.