Genie 4: Google DeepMind показала модель мира со звуком и управлением текстом, но попробовать её пока нельзя

Google DeepMind 27 октября показала Genie 4 — новую «модель мира», которая в реальном времени строит интерактивную сцену, озвучивает её и меняет по текстовой команде прямо на ходу. Пока это исследовательское превью для узкого круга тестеров, но направление понятное: от генерации роликов Google идёт к генерации целых миров, по которым можно ходить, разговаривать с персонажами и проверять, что случится, если поменять условия.

Что произошло

По анонсу Google DeepMind, Genie 4 изначально мультимодальная: она рисует мир и одновременно генерирует к нему звук. Ты задаёшь событие, а модель симулирует, что будет дальше — как отреагирует окружение, как это звучит, как двигаются и говорят люди в кадре. Управление на демо — обычные клавиши для перемещения и камеры плюс текстовые подсказки.

Внутри работает связка с семейством Gemini. Gemini Omni отвечает за то, чтобы картинка была похожа на реальный мир, а другие модели Gemini следят за логикой и непрерывностью сцены. The Verge пишет, что под капотом используется Gemini 3.8 Flash. Между твоими командами Gemini сам подправляет сцену, чтобы мир развивался связно, а твою подсказку подгоняет под контекст.

Что нового в Genie 4

Если сравнивать с прошлой версией, изменений четыре. По данным TechCrunch, Genie 3 вышла как превью чуть больше года назад, и новая модель заметно реалистичнее, лучше справляется с физикой и людьми.

1. Фотореализм. Демо стилизованы под документальную съёмку на плёнку, с естественным светом.
2. Звук. Все звуки в роликах, по словам Google, генерирует сама модель.
3. Свободные правки. Можно на лету сменить погоду, ракурс или добавить персонажа.
4. Длительность. До двух минут связной сцены против минуты у предшественницы.

Отдельный эксперимент — робототехника. Gemini 4 Argon разбивает задачу на шаги и передаёт их текстом новой модели, а та рендерит симуляцию. На демо так «сыграл в шашки» гуманоид Apollo от Apptronik. Идея в том, чтобы прогонять сценарии для роботов в виртуальном мире до реальных испытаний. Про саму Argon мы писали, когда Google открыла её с ценой $2/$10.

Это не очередной генератор видео, а попытка дать ИИ и роботам бесконечный тренажёр, где можно ошибаться бесплатно.

Где слабые места

Google сама перечисляет ограничения, и их стоит прочитать до восторгов. Детали и постоянство объектов «плывут», особенно на длинной симуляции, после нескольких сложных правок или при активном перемещении по сцене. Сложная физика, точность звука в реальном времени, читаемый текст в кадре, пространственная точность и долгая согласованность — всё это пока в работе. Для тех, кто надеется собрать на модели готовую игру, это важная оговорка: две минуты связного мира — это сцена, а не уровень на несколько часов.

В TechCrunch инженер DeepMind Диего Ривас на брифинге несколько раз повторил, что всё только начинается и итоговый продукт пока не определён. Журналист The Verge при этом честно признал, что сам модель не пробовал: доступа у прессы нет, есть только ролики от Google. То есть все красивые демо — это отобранные примеры компании, а независимых тестов пока нет.

На рынке у новинки плотная конкуренция. TechCrunch напоминает, что Runway пару месяцев назад выпустила вторую модель мира GWM Worlds 2 со звуком, стартап World Labs Фэй-Фэй Ли покупает компания AMD, Amazon ведёт переговоры о покупке Decart, а Rivian купила Third Dimension для симуляций беспилотников. Так что Genie 4 выходит не в пустоту: модели мира становятся отдельной гонкой, как когда-то видео-генераторы.

Что это значит для тебя

Попробовать модель прямо сейчас не получится — только встать в лист ожидания Project Genie. Ближе всего к доступу будут подписчики Google AI Ultra. Если ты делаешь игры, ролики или прототипы, это потенциально быстрый «черновой режим»: тестеры уже используют модель для превизуализации, когда режиссёр прогоняет несколько дублей сцены с разной камерой и светом. Фотожурналисты пробуют превращать одну архивную фотографию в живую симуляцию места, а разработчики игр — проверять визуальный стиль и механику до того, как написана первая строчка кода движка.

Есть и обратная сторона, особенно для крипты. Реалистичные сцены с голосами — подарок для тех, кто делает фейковые «интервью» и «стримы» знаменитостей ради раздач. Google обещает, что всё видео и аудио из модели будет помечено невидимым водяным знаком SynthID. Но знак проверяют инструменты, а не глаза, поэтому любые ролики с обещанием удвоить твои монеты по-прежнему игнорируй. Как ИИ уже учится говорить без текста, мы разбирали на примере модели Dessa.

FAQ

Где попробовать Genie 4? Пока нигде публично: доступ у доверенных тестеров. Дальше обещают Project Genie для подписчиков Google AI Ultra и ранний доступ в Gemini API и AI Studio.

Сколько длится одна симуляция? По данным TechCrunch и The Verge, до двух минут связной сцены.

Можно ли отличить такой ролик от реального? Google маркирует всё сгенерированное водяным знаком SynthID, но на глаз он не виден.

Есть ли цена? Цену и даты Google не называла.

Итог: Genie 4 — серьёзный шаг к интерактивным мирам со звуком и управлением текстом, но пока это превью с честно названными дырами. Следи за листом ожидания, а ролики, которые выглядят слишком настоящими, проверяй вдвойне.

Материал не является инвестиционной рекомендацией. Крипта — высокий риск, решения принимаешь сам.