Genie 4 od Google DeepMind tworzy światy na żywo. Do obrazu dochodzi dźwięk
By Paweł Lisowski
Spis treści
Google DeepMind pokazało Genie 4, nową wersję modelu świata, który tworzy interaktywne środowiska i pozwala zmieniać je poleceniami wpisywanymi w trakcie symulacji. Do generowanych obrazów dołącza także dźwięk: od tła i muzyki po dialogi zależne od sytuacji.
Świat można zmieniać w trakcie działania
Genie 4 nie ogranicza się do pojedynczego filmu. Model buduje środowisko, po którym można się poruszać, a następnie reaguje na kolejne instrukcje. Użytkownik może zmienić pogodę, przesunąć kamerę, dodać postać lub obiekt i od razu zobaczyć dalszy ciąg sceny. Google opisuje też symulacje, w których obiekty zderzają się, woda płynie, drzewa poruszają się na wietrze, a bohaterowie zachowują się bardziej naturalnie.
To rozwinięcie kierunku zapoczątkowanego przez Genie 3, zaprezentowane w sierpniu 2025 r. Według informacji przekazanych przy premierze nowa wersja może utrzymywać zgodność sceny przez około dwie minuty, czyli dwa razy dłużej niż poprzednik.
Gemini ma planować, a Genie symulować
Istotną zmianą jest bliższe połączenie Genie z rodziną Gemini. W eksperymencie związanym z robotyką Gemini 4 Argon rozkładało zadanie na etapy, a Genie 4 odtwarzało je w symulowanym świecie. Taki podział może pomóc badać plany działania robotów przed testami w świecie fizycznym.
Na razie to badawcza zapowiedź
Genie 4 jest dostępne jako podgląd badawczy dla zaufanych testerów. W kolejnych etapach ma trafić do Google AI Ultra w ramach Project Genie oraz do wybranych partnerów Gemini API i Google AI Studio. Google wymienia ograniczenia: szczegóły i obiekty mogą z czasem dryfować, model nie odwzorowuje idealnie prawdziwych miejsc, ma problemy z czytelnym tekstem, a dokładność audio nadal jest rozwijana.
Diego Rivas z Google DeepMind ocenił, że czas rzeczywisty może być szczególnie przydatny na etapie ideacji i storyboardingu. Na tym etapie Genie 4 wygląda więc bardziej jak narzędzie do szybkiego sprawdzania pomysłów niż kompletne środowisko produkcyjne.
Źródła
Autor Artykułu
Paweł Lisowski
Paweł Lisowski - pasjonat technologii, komputerów i internetu. Od wielu lat śledzi rozwój sprzętu i oprogramowania, testuje nowe rozwiązania i dzieli się wiedzą z czytelnikami. Zafascynowany wpływem technologii na codzienne życie, tworzy praktyczne poradniki i inspiruje do świadomego korzystania z cyfrowego świata.