Звук, фізика й люди в Genie 4
Genie 4 — це перша модель світу DeepMind із нативним звуком. Вона генерує його в реальному часі, узгоджений із симульованим середовищем: музику, фонові звуки та інтерактивний діалог. Аудіоелементи можна вказувати безпосередньо в промпті. DeepMind обіцяє, що діалог адаптуватиметься до змін у симуляції.
Мала покращитися й фізика. Модель краще справляється з аеродинамікою та колізіями, а персонажі виглядають менш штучно й природніше реагують на оточення. Під час триваліших сесій деталі та об'єкти починають дрейфувати, і DeepMind визнає, що ще не подолала проблеми з достовірністю звуку та читабельністю тексту всередині світу.
Погоду, кут камери, нових людей та об'єкти змінюють у реальному часі, не зупиняючи сцену. Цілісність зберігається до двох хвилин, удвічі довше, ніж у Genie 3.
Поки що Genie 4 доступна як research preview для довірених тестувальників.
Gemini 3.8 Flash як режисер симуляції
За керування симуляцією в Genie 4 відповідає Gemini 3.8 Flash, який у цій конфігурації виконує роль провідного агента. Модель розбиває цілі на кроки й оцінює кожен згенерований кадр, завдяки чому симуляція не сходить із колії, коли користувач змінює сцену. TechCrunch описує його як режисера: Gemini планує й перевіряє, Genie створює візуалії.
У дослідницькому експерименті, пов'язаному з Gemini Robotics, модель Gemini 4 Argon розбила завдання на кроки, які Genie 4 симулювала в реальному часі. Для DeepMind це аргумент, що сценарії роботів можна тестувати в симуляції, перш ніж вони потраплять у реальний світ. Світи Genie 4 зберігають цілісність лише близько двох хвилин. Потім модель забуває, з чого починала.
Для творців ігор, симуляцій і відео
Як комерційні застосування DeepMind називає ігри, інтерактивне навчання та робототехніку. Тестувальники, які першими отримали доступ до моделі, бачать ще один напрям: прототипування фільмів. Інженер Google DeepMind Дієго Рівас переконує, що режим реального часу найцінніший там, де важливе швидке ідеювання, наприклад на етапі сторібордів.
Google має в пропозиції також Veo, модель для генерації відеокліпів із синхронізованим звуком, популярну серед кінематографістів. Рівас зазначає, що Genie 4 поки що на ранньому етапі й невідомо, як виглядатиме повний продуктовий досвід.
Сама DeepMind визнає обмеження. Що довше триває симуляція, то більше деталі та тривкість об'єктів можуть змінюватися. Не вирішено також питання точності аудіо та читабельності тексту, що з'являється у згенерованому світі.
Доступ буде поступовим. Модель потрапить до підписників Google AI Ultra у рамках Project Genie, а також до партнерів Gemini API і Google AI Studio. Цін ще не оголошено. Споживча версія впроваджуватиметься поетапно в найдорожчих планах AI Ultra, від 100 доларів на місяць.
Кого стосується Genie 4
Genie 4 спершу потрапить до довірених тестувальників, а в наступні тижні — до підписників Google AI Ultra у Project Genie та партнерів Gemini API і Google AI Studio. Ціни ще невідомі; плани AI Ultra починаються від 100 доларів на місяць.
Джерела
- TechCrunch: Google’s Genie 4 world model adds audio, more realistic worlds, and real-time steering
- Ars Technica: DeepMind unveils Genie 4 world model promising more realistic physics and humans
- The Verge - Tech: Google’s next Genie AI model generates more realistic experiences
Статтю підготовлено за допомогою штучного інтелекту на основі: TechCrunch, Ars Technica, The Verge - Tech. Факти автоматично перевірено за цими джерелами. За публікацію відповідає редакція Wiadomości PRO.




Коментарі (0)
Завантаження коментарів...