Google показала ИИ-модель Genie 4: мир можно менять на ходу
Google DeepMind представила Genie 4, новую ИИ-модель для интерактивных виртуальных миров. Исследовательский доступ пока открыт доверенным тестировщикам: компания собирает отзывы перед более широким запуском.
Модель генерирует изображение и звук, а пользователь может менять происходящее текстовыми командами во время сеанса. Компания открыла исследовательский доступ доверенным тестировщикам, чтобы собрать отзывы перед более широким запуском.
В демонстрациях участники перемещаются по миру Genie 4 и управляют камерой с клавиатуры. Текстовыми командами они могут изменить погоду, передвинуть камеру или добавить человека либо предмет. Модель учитывает окружающую сцену и продолжает её генерировать между командами. Вместе с изображением она создаёт музыку, звуки окружения и диалоги персонажей, реагирующих на события.
Google отмечает, что Genie 4 лучше работает с движением людей и физикой. По заявлению компании, персонажи двигаются естественнее и реагируют на окружение, а модель может воспроизводить столкновения и аэродинамику. За связностью сцены следит ИИ-модель Gemini 3.8 Flash: она наблюдает за происходящим, разбивает задачу на шаги и проверяет по новым кадрам, выполнен ли каждый из них. Если обстановка меняется или вмешивается пользователь, Gemini корректирует план.
Genie 4 используют и в исследованиях. В одном из экспериментов модель Gemini 4 Argon разбивала задачу на шаги, а Genie 4 показывала их в симуляции с человекоподобным роботом Apollo компании Apptronik, играющим в шашки. Google рассматривает такие сценарии как способ проверять действия ИИ-систем в виртуальной среде до испытаний в реальном мире.
Genie 4: сравнение с Genie 3 и доступность
Предыдущая версия, Genie 3, тоже позволяла исследовать мир по мере его генерации и менять сцену во время сеанса. В Genie 4 Google добавила звук: компания называет её своей первой моделью интерактивного мира, которая генерирует аудио непосредственно в реальном времени. По заявлению Google, также улучшились фотореализм, движение персонажей и симуляция физических процессов.
По данным TechCrunch, Genie 4 удерживает связную сцену до двух минут — вдвое дольше Genie 3. Однако со временем внешний вид деталей и положение объектов могут меняться, предупреждает Google. Это особенно заметно после нескольких сложных правок или перемещения по сцене. Точность звука, сложные физические взаимодействия, читаемость текста и пространственная точность тоже остаются предметом исследований.
Сейчас Genie 4 доступна доверенным тестировщикам в рамках исследовательского предварительного запуска. Затем доступ получат подписчики Google AI Ultra через инструмент создания интерактивных миров Project Genie, а также партнёры с ранним доступом к программному интерфейсу Gemini API и платформе Google AI Studio. Желающие могут записаться в лист ожидания Project Genie. Дату широкого запуска и цену отдельного доступа к Genie 4 компания не назвала.
Среди первых тестировщиков — специалисты из кино, журналистики, образования, разработки игр и инженерии. Кинематографисты пробуют менять ракурс, свет, реплики и действия внутри сцены; разработчики игр создают исследуемые прототипы по текстовым описаниям. Фотожурналисты изучают, можно ли превратить архивную фотографию в интерактивное окружение. Это испытания модели, а не перечень готовых общедоступных функций.
Google добавляет к видео и аудио, созданным Genie 4, цифровую маркировку SynthID, которая помогает определять ИИ-контент. Перед предварительным запуском компания проверила модель на риски генерации вредоносных материалов. Google планирует собрать отзывы первых тестировщиков до открытия доступа следующей группе пользователей.
