Google представила Genie 4: ИИ создаёт интерактивные миры со звуком и речью в реальном времени

Google DeepMind представила Genie 4 — модель, которая создаёт интерактивные миры прямо в процессе работы. Пользователь не просто получает готовый ролик, а входит в сгенерированную сцену и управляет происходящим. Раньше подобные системы выдавали статичную картинку или короткое видео без возможности вмешаться. Теперь окружение можно исследовать, а его параметры меняются текстовыми командами в реальном времени.

Новая модель работает и со звуком: она создаёт фоновые шумы, музыку и реплики персонажей. Всё это превращает нейросеть из генератора контента в рабочий инструмент для творческих и исследовательских задач. Ниже разберём, как это устроено, кому пригодится и какие ограничения есть у технологии.

Принцип работы Genie 4 строится на описании. Пользователь задаёт окружение и события, после чего модель запускает симуляцию, по которой можно перемещаться. В демонстрациях для движения и управления камерой используется клавиатура, то есть взаимодействие напоминает привычный игровой процесс. Главное отличие в том, что мир не заложен заранее, а формируется на ходу. Каждое действие пользователя и каждая команда влияют на дальнейшее развитие сцены.

Особое внимание разработчики уделили вмешательству в уже запущенную симуляцию. Можно изменить погоду, добавить людей и предметы или сменить положение камеры, не начиная всё заново. Например, дождь легко заменить солнечным днём, а в пустую улицу добавить прохожих. Практический совет: формулируйте команды по одному изменению за раз. Так проще понять, какая именно правка повлияла на результат, и при необходимости откатить её.

Звуковая часть заслуживает отдельного внимания. Модель одновременно с изображением генерирует звуки окружения, музыку и речь персонажей. Герои способны разговаривать друг с другом и с пользователем, причём реагируют на команды и события внутри сцены. Если в симуляции начинается гроза, персонажи могут отреагировать на неё репликой, а звуковой фон изменится соответствующим образом. Благодаря этому мир воспринимается цельным, а не набором картинок с наложенной озвучкой.

Качество симуляции Genie 4 обеспечивает не одна модель, а связка. По данным Google, система лучше прежних версий воспроизводит физические взаимодействия и движения людей. Она создаёт как реалистичные, так и стилизованные пространства, где объекты взаимодействуют по заданным условиям. За согласованность событий отвечают модели семейства Gemini. Gemini Omni следит за тем, чтобы внешний вид и поведение объектов соответствовали реальному миру. Gemini 3.8 Flash работает как управляющий агент: анализирует кадры, разбивает задачу на последовательность шагов и проверяет их выполнение. Если пользователь меняет сцену, агент пересчитывает план действий.

Сфер применения несколько. Кинематографисты могут использовать модель для предварительной проработки сцен: проверять ракурсы, освещение, диалоги и действия персонажей, не создавая каждый вариант с нуля. Разработчики игр получают возможность тестировать визуальные стили и механики взаимодействия ещё до переноса идей в игровой движок. Для таких задач полезно вести журнал удачных описаний: рабочая формулировка с указанием места, времени суток, освещения, камеры и действий героев позволит быстро воспроизвести нужный результат и сравнить варианты между собой.

Отдельное направление — робототехника и исследования ИИ-агентов. В одной из демонстраций агент Gemini 4 Argon разбивает задачу на последовательность действий, а Genie 4 моделирует, как гуманоидный робот Apollo играет в шашки. Важно понимать, что это именно симуляция, а не показ реальной игры робота. Тем не менее такой подход позволяет изучать поведение агентов в виртуальной среде и проверять цепочки действий до применения в реальных условиях. Это экономит время и снижает риск повредить дорогостоящее оборудование. При этом результат симуляции стоит рассматривать как предварительную гипотезу, которую всё равно нужно подтверждать на практике.

У модели есть и заметные ограничения. Непрерывное взаимодействие с миром пока ограничено несколькими минутами. В длительных сеансах и после сложных изменений Genie 4 хуже сохраняет внешний вид объектов и детали окружения. Среди других слабых мест Google называет неточности в звуке, трудности с воспроизведением читаемого текста и моделированием реальных мест. Поэтому вывески, надписи и узнаваемые локации лучше не включать в ключевые элементы сцены. Работу разумно планировать короткими сессиями: сначала задать основу, затем вносить правки и фиксировать результат, не дожидаясь деградации картинки.

Вопрос прозрачности компания решает с помощью маркировки. Созданные видео и аудио получают скрытую метку SynthID, которая помогает отличить синтетический контент от обычного. Для тех, кто планирует публиковать материалы, созданные с помощью подобных инструментов, это важный аргумент: наличие метки снижает риск путаницы и упрощает проверку происхождения файлов. В любом случае при использовании ИИ-контента в коммерческих проектах стоит заранее уточнять правила платформ и требования к раскрытию информации.

Что касается доступности, Google анонсировала Genie 4 27 октября 2026 года и открыла ограниченный доступ для доверенных тестировщиков в рамках исследовательской программы. В дальнейшем компания планирует предоставить модель подписчикам Google AI Ultra через Project Genie, а также партнёрам раннего доступа к Gemini API и Google AI Studio. На странице Project Genie уже работает список ожидания. Сроки расширения доступа, стоимость API и пользовательские лимиты пока не раскрыты. Тем, кто хочет попробовать технологию одним из первых, имеет смысл заранее записаться в список ожидания и подготовить несколько рабочих сценариев, чтобы эффективно использовать ограниченное время тестирования.

Читайте также:

neuronews.by

Google представила Genie 4: ИИ создаёт интерактивные миры со звуком и речью в реальном времени

Последние новости: