Genie 4: исследовательский доступ к интерактивным мирам со звуком
Google DeepMind тестирует генерацию миров с небольшой группой партнёров. Модель добавляет звук и управление через Gemini. Более широкий доступ ещё впереди; длительная согласованность и физическая точность остаются нерешёнными задачами.
27 октября Google DeepMind представила Genie 4 и начала исследовательское тестирование с небольшой группой доверенных участников. Модель продолжает сцену после движения пользователя или изменения запроса, а не просто выдаёт готовый ролик. Важные дополнения — звук, создаваемый вместе с миром, и постоянное наблюдение со стороны Gemini.
- Пользователь задаёт цель или действие
- Gemini планирует и наблюдает кадры
- Genie 4 создаёт следующие кадры и звук
- Наблюдение и коррекция продолжаются; ошибки возможны
Мир отвечает на действия
Обычный генератор видео выдаёт клип, а интерактивная модель мира должна сохранять предыдущее состояние после нового действия. Genie 4 поддерживает навигацию с клавиатуры, управление камерой и текстовые изменения во время симуляции: например, смену погоды или добавление персонажа. Фоновые звуки, музыка и диалог создаются вместе со сценой, а не только накладываются впоследствии.
По описанию DeepMind, Gemini Omni задаёт основу внешнего вида и поведения, а Gemini 3.8 Flash разбивает цель на шаги, наблюдает кадры и проверяет продвижение. Мы рассматриваем это как генерацию с обратной связью. Такая схема объясняет замысел постоянного управления, но не доказывает успешность каждой коррекции.
Границы демонстрации с роботом
В отдельном исследовательском эксперименте Gemini 4 Argon и Genie 4 моделируют игру робота Apptronik Apollo в шашки. Планирование шагов и генерация сцены показывают возможную связь рассуждения с визуальной симуляцией. Однако действие происходит в сгенерированной среде: это не свидетельство выполнения той же задачи физическим роботом.
При разработке творческой идеи некоторые визуальные ошибки допустимы. Среде обучения роботов, напротив, необходимо устойчиво воспроизводить реальные физические отношения. По нашей оценке, этим применениям нужны разные проверки. Объявление ещё не устанавливает улучшение обучения роботов в реальном мире.
Кому доступна модель и что пока не решено
Сейчас доступен исследовательский предварительный вариант для доверенных тестеров. Project Genie для подписчиков Google AI Ultra и доступ для ранних партнёров Gemini API и AI Studio только запланированы. Официальная краткая публикация Google и независимое освещение различают эти стадии. Речь не идёт ни об общедоступном продукте, ни об открытых весах.
DeepMind признаёт возможное изменение объектов и деталей в длинных сеансах, после сложного редактирования и перемещения по сцене. Физические взаимодействия, точность звука, читаемый текст и пространственная согласованность остаются исследовательскими задачами. Официальные записи — демонстрации, а не наши независимые испытания. Маркировка SynthID для видео и звука не гарантирует достоверность содержания или точность симуляции.
Комментарии
Присоединяйтесь к обсуждению с аккаунтом GitHub. Все языковые версии используют общие комментарии.
Обсуждение на GitHubПрежние комментарии (Disqus)