Genie 4: Google симулира светове с глас в реално време

преди 3 дни

време за четене: 4 мин.

Google DeepMind представи на 27 октомври Genie 4 - модел, който не произвежда готово видео, а изгражда цял свят кадър по кадър, докато потребителят се движи из него. Сцената вече има собствен звук, а героите в нея говорят и реагират. Най-голямата стойност на такъв модел не е играта, а безопасното място за проба, преди нещо да се случи в истинския свят.

В светло студио жена режисьор с таблет описва сцена и пред нея се изгражда малка улица с дъжд, в която робот пристъпва внимателно, докато далечният край на улицата зад него вече се разпада на светещи частици, а мъж колега вдига вежди.

Какво представи Google DeepMind

Genie 4 е модел на света: потребителят описва сцена с текст или с изображение, а моделът я генерира в реално време. Движението става с клавиатурата, а сцената се променя с текстови команди - смяна на времето, на ъгъла на камерата, нов човек или предмет. Предишната версия, Genie 3, беше показана през август 2025 г. като изследователски преглед.

Новото е звукът. По думите на DeepMind това е първият ѝ модел на света в реално време, който генерира звук сам: шум на вятъра, музика, а и диалог, който се променя според действията на потребителя. Компанията твърди и по-реалистична физика - въздушни течения, удари - и по-естествени движения на хората.

Зад Genie 4 работи и езиков модел: Gemini 3.8 Flash следи сцената, разбива целта на стъпки и проверява всеки кадър. Така симулацията не се разпада при всяка нова команда. Според TechCrunch сцената остава последователна до две минути - двойно повече от Genie 3.

Къде Genie 4 още греши

Самата Google изброява границите. Детайлите и предметите се изместват, колкото по-дълго върви симулацията и колкото повече редакции се правят. Сложните физични взаимодействия, точността на звука, четимият текст в кадъра и дългата последователност още са в процес на изследване. Ars Technica отбелязва, че след няколко минути светът „забравя" как е започнал.

Две минути последователност стигат за идея и чернова, не за продукт. Достъпът е стъпаловиден: DeepMind пуска модела първо при доверени тестери, за да събере ранна обратна връзка. Предстои достъп за абонатите на Google AI Ultra в Project Genie - плановете започват от 100 долара на месец - и за ранни партньори през Gemini API и AI Studio. Цена за разработчици още няма, нито точна дата.

Всяко видео и всеки звук от Genie 4 носят SynthID - невидимия воден знак на Google за съдържание, създадено с AI.

Защо симулацията е важна за роботите

DeepMind свързва модела с роботиката. В демонстрация Gemini 4 Argon разбива задача на стъпки, а Genie 4 симулира хуманоидния робот Apollo на Apptronik, който играе на дама. Истински робот в опита не участва - точно това е идеята. Сценарий, който е опасен в реалния свят, може да се изиграе многократно в безопасна симулация.

Наблюдаваме, че същата логика вече работи и извън лабораторията. Тестерите на Google ползват модела като бърза чернова: режисьори пробват ъгли и реплики, преди да снимат, разработчици на игри стигат от идея до прототип, преди да напишат и ред код, а фотожурналисти изследват как архивна снимка може да стане сцена, в която да се влезе. Общото между тях е, че Genie 4 съкращава пътя от идея до нещо, което може да се види и обсъди.

Какво може да се направи

За екипите в маркетинга, обучението и продуктовия дизайн Genie 4 засега е повод да се подготвят, не да купуват. Струва си да се запишат сценариите, в които видима чернова пести дни - сторибордове, обучителни ситуации, представяне на продукт в среда. Когато достъпът се отвори, пробата върху тях ще покаже дали двете минути стигат.

Второто е въпрос на доверие. Свят, в който хората говорят и се движат естествено, лесно се бърка с истински запис. Когато симулираната сцена изглежда като репортаж, водният знак и ясното обозначаване стават част от работата, а не формалност. Особено при исторически сцени и при съдържание за медии.

Заключение

Genie 4 показва накъде вървят моделите на света: от видео, което се гледа, към среда, в която се действа и говори. Засега тя е кратка и капризна, но вече е полезна като чернова - за филм, за игра и най-вече за проба на робот, преди той да направи първата си крачка.

Искате да започнете с AI от нулата? Безплатният курс „Основи на AI“ е 17 видео урока, около 35 минути, със сертификат: Започнете безплатния курс по AI

Помагаме на български екипи в маркетинга, обучението и продуктовия дизайн да превърнат новите генеративни модели в работещи чернови - от сторибордове до обучителни сценарии. Услугите ни покриват одит, оценка на готовност, обучение на екипи и имплементация на специализирани AI автоматизации за всяка организация. Препоръчваме консултация при планиране на визуално и обучително съдържание с AI и правилата за обозначаването му. [Свържете се с нас за консултация: academy@razvivai.se]