Google жаңа Genie 4 AI моделін интерактивті әлемдер жасау үшін таныстырды

Google DeepMind Genie 4 атты жаңа AI моделін таныстырды, ол нақты уақытта дыбыспен интерактивті әлемдерді жасай алады. Әзірлеушілер шынайы графика, физика моделін жақсарту және кейіпкерлердің мінез-құлқын жақсарту туралы хабарлады.

Genie 4 әлем модельдерінің класына жатады: мұндай жүйелер кадрлар тізбегін ғана жасамай, пайдаланушы әрекеттеріне жауап ретінде қоршаған ортаның өзгерістерін модельдейді. Адам пернетақтаны пайдаланып кеңістікте қозғала алады және камераны басқара алады, ал мәтіндік командалар объектілерді қосып, ауа райын өзгерте алады. Gemini болып жатқан жағдайларға сұраныстарды бейімдейді және әлемнің тізбегін бақылайды. TechCrunch мәліметі бойынша, Genie 4 көріністі екі минутқа дейін тұрақты ұстайды — бұл оның алдындағы модельден екі есе ұзақ.

Негізгі өзгерістердің бірі — дыбыс генерациясының кіріктірілген болуы: модель суретпен қатар шу, музыка және сөйлеуді жасайды. Кейіпкерлер диалогтарға қатысады, пайдаланушы әрекеттеріне жауап береді және көрініс барысында өз репликаларын өзгертеді. Әзірлеушілер аэродинамика, соқтығысу және басқа физикалық өзара әрекеттесулерді жақсарту туралы да хабарлады, ең маңызды қадам — адамдарды модельдеу: кейіпкерлер табиғи қозғалады және қоршаған ортаға жауап береді. Демонстрацияда Антарктида үстінен әуе шарының ұшуы, 1980 жылдардағы жапон станциясы, айдаһар жарыстары және витраждар әлемі көрсетілген.

Genie 4 Gemini модельдеріне сүйенеді: Gemini Omni объектілердің шынайы көрінісі мен мінез-құлқына жауап береді, ал Gemini 3.8 Flash басқарушы агент ретінде әрекет етеді — көріністі бақылап, тапсырмаларды қадамдарға бөледі және пайдаланушы араласқанда жоспарды түзетеді.

Gemini Robotics аясында модель Gemini 4 Argon-мен бірге сынақтан өтуде: Argon тапсырмаларды қадамдарға бөледі, ал Genie 4 Apptronik компаниясының Apollo роботының дойбы ойнауын модельдейді. Мұндай орталар роботтарды нақты әлемге ауысқанға дейін үйретуге көмектеседі.

Модель кино, журналистика, білім беру, ойын әзірлеу және инженерия салаларында сынақтан өтуде. Алайда, Genie 4 әлі де эксперименталды болып табылады: ұзақ сессияларда егжей-тегжейлер мен объектілердің көрінісі өзгеруі мүмкін. Барлық бейне және аудио SynthID сутаңбаларын алады. Қол жетімділік шектеулі тестерлер тобына, содан кейін Project Genie-дегі Google AI Ultra жазылушыларына және Gemini API мен Google AI Studio арқылы серіктестерге ашылады; API құны жарияланбаған.