Звук, физика и люди в Genie 4
Genie 4 — первая модель мира DeepMind с нативным звуком. Она генерирует его в реальном времени, согласованно с симулируемым окружением: музыку, фоновые шумы и интерактивный диалог. Аудиоэлементы можно указывать прямо в промпте. DeepMind обещает, что диалог будет адаптироваться к изменениям в симуляции.
Должна была улучшиться и физика. Модель лучше справляется с аэродинамикой и коллизиями, а персонажи выглядят менее искусственно и естественнее реагируют на окружение. При более длительных сессиях детали и объекты начинают дрейфовать, и DeepMind признаёт, что ещё не справилась с достоверностью звука и читаемостью текста внутри мира.
Погоду, угол камеры, новых людей и объекты меняют в реальном времени, не останавливая сцену. Связность сохраняется до двух минут, вдвое дольше, чем у Genie 3.
Пока Genie 4 доступна как research preview для доверенных тестировщиков.
Gemini 3.8 Flash как режиссёр симуляции
За управление симуляцией в Genie 4 отвечает Gemini 3.8 Flash, который в этой конфигурации выполняет роль ведущего агента. Модель разбивает цели на шаги и оценивает каждый сгенерированный кадр, благодаря чему симуляция не сходит с курса, когда пользователь меняет сцену. TechCrunch описывает его как режиссёра: Gemini планирует и проверяет, Genie создаёт визуал.
В исследовательском эксперименте, связанном с Gemini Robotics, модель Gemini 4 Argon разбила задачи на шаги, которые Genie 4 симулировала в реальном времени. Для DeepMind это аргумент, что сценарии роботов можно тестировать в симуляции, прежде чем они попадут в реальный мир. Миры Genie 4 сохраняют связность только около двух минут. Потом модель забывает, с чего начинала.
Для создателей игр, симуляций и видео
В качестве коммерческих применений DeepMind указывает игры, интерактивное обучение и робототехнику. Тестировщики, которые первыми получили доступ к модели, видят ещё одно направление: прототипирование фильмов. Инженер Google DeepMind Диего Ривас утверждает, что режим реального времени наиболее ценен там, где важна быстрая генерация идей, например на этапе раскадровок.
У Google есть также Veo — модель для генерации видеоклипов с синхронизированным звуком, популярная среди кинематографистов. Ривас отмечает, что Genie 4 пока находится на раннем этапе и неизвестно, как будет выглядеть полный продуктовый опыт.
Сам DeepMind признаёт ограничения. Чем дольше длится симуляция, тем сильнее могут меняться детали и устойчивость объектов. Не решён также вопрос точности аудио и читаемости текста, появляющегося в генерируемом мире.
Доступ будет постепенным. Модель попадёт к подписчикам Google AI Ultra в рамках Project Genie, а также к партнёрам Gemini API и Google AI Studio. Цены пока не объявлены. Потребительская версия будет внедряться поэтапно в самых дорогих планах AI Ultra, от 100 долларов в месяц.
Кого касается Genie 4
Genie 4 сначала попадёт к доверенным тестировщикам, а в последующие недели — к подписчикам Google AI Ultra в Project Genie и партнёрам Gemini API и Google AI Studio. Цены пока неизвестны; планы AI Ultra начинаются от 100 долларов в месяц.
Источники
- 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
Статья подготовлена с помощью искусственного интеллекта на основе: TechCrunch, Ars Technica, The Verge - Tech. Факты автоматически проверены по этим источникам. За публикацию отвечает редакция Wiadomości PRO.




Комментарии (0)
Загрузка комментариев...