Google представила новую ИИ-модель Genie 4 для создания интерактивных миров

Google DeepMind представила ИИ-модель Genie 4, способную в реальном времени создавать интерактивные миры со звуком. Разработчики заявили о более реалистичной картинке, улучшенном моделировании физики и поведении персонажей.

Genie 4 относится к классу моделей мира: такие системы не просто создают последовательность кадров, а моделируют изменения среды в ответ на действия пользователя. Человек может перемещаться по пространству с клавиатуры и управлять камерой, а текстовыми командами – добавлять объекты, менять погоду. Gemini подстраивает запросы под происходящее и следит за последовательностью мира. По данным TechCrunch, Genie 4 удерживает согласованную сцену до двух минут – вдвое дольше предшественника.

Одно из главных изменений – встроенная генерация звука: модель создает шумы, музыку и речь одновременно с изображением. Персонажи ведут диалоги, реагируют на действия пользователя и меняют реплики по ходу сцены. Разработчики также заявили об улучшении аэродинамики, столкновений и других физических взаимодействий, а самым заметным шагом назвали симуляцию людей: персонажи естественнее двигаются и реагируют на окружение. В демо показаны полет на воздушном шаре над Антарктидой, японская станция 1980-х, гонки на драконах и мир из витражного стекла.

Genie 4 опирается на модели Gemini: Gemini Omni отвечает за реалистичный вид и поведение объектов, а Gemini 3.8 Flash работает управляющим агентом – наблюдает за сценой, разбивает задачу на шаги и корректирует план при вмешательстве пользователя.

В рамках Gemini Robotics модель тестируют вместе с Gemini 4 Argon: Argon разбивает задачу на шаги, а Genie 4 моделирует, как робот Apollo от Apptronik играет в шашки. Такие среды помогут обучать роботов до переноса в реальный мир.

Модель уже тестируют в кино, журналистике, образовании, разработке игр и инженерии. При этом Genie 4 остается экспериментальной: детали и объекты со временем могут менять вид, особенно в длинных сессиях. Все видео и аудио получат водяные знаки SynthID. Доступ откроют ограниченной группе тестировщиков, затем – подписчикам Google AI Ultra в Project Genie и партнерам через Gemini API и Google AI Studio; стоимость API не раскрыта.