Genie 4 tworzy interaktywne światy z dźwiękiem. Google pokazuje nowy etap AI
By Paweł Lisowski
Spis treści
Google DeepMind pokazało Genie 4, model świata, który w czasie rzeczywistym generuje interaktywne środowiska wraz z natywnym dźwiękiem. Użytkownik może sterować sceną poleceniami tekstowymi, zmieniać pogodę, dodawać obiekty i przesuwać kamerę. Na razie jest to wersja badawcza dostępna dla zaufanych testerów.
Co potrafi Genie 4
World model nie tworzy pojedynczego obrazka ani gotowego filmu. Symuluje środowisko i przewiduje, co powinno wydarzyć się w kolejnych chwilach po ruchu użytkownika. Google deklaruje poprawę w odwzorowaniu fizyki, między innymi kolizji i aerodynamiki, a także bardziej naturalne zachowanie postaci.
Genie 4 można prowadzić językiem naturalnym podczas działania symulacji. W praktyce oznacza to możliwość opisania nowego wydarzenia, zmiany warunków albo ruchu kamery bez zatrzymywania świata. Za utrzymanie spójności złożonych sekwencji ma odpowiadać między innymi Gemini 3.8 Flash, który obserwuje kolejne klatki, rozbija cel na kroki i sprawdza postęp.
Dźwięk jest najważniejszą nowością
To pierwsza generacja world modelu Google DeepMind, która tworzy dźwięk natywnie. Według Google sceny mogą obejmować odgłosy otoczenia, takie jak wiatr czy szum fal, a także interaktywny dialog postaci. To istotna zmiana, ponieważ świat generowany przez model nie kończy się już na obrazie i ruchu, lecz ma reagować również akustycznie.
To nadal eksperyment, nie gotowa usługa
Genie 4 pozostaje na etapie research preview. Google udostępnia je najpierw zaufanym testerom, a w następnej kolejności planuje szerszy dostęp przez Project Genie, Gemini API i Google AI Studio. Firma nie obiecuje jeszcze pełnej stabilności: szczegóły i obiekty mogą z czasem dryfować, złożone interakcje nadal są problemem, a dokładność dźwięku pozostaje obszarem badań. Sesje mają trwać najwyżej kilka minut, więc nie jest to jeszcze narzędzie do budowania trwałych, rozbudowanych światów.
Dla twórców gier i filmów Genie 4 może być szybkim sposobem na sprawdzanie pomysłów, a dla zespołów robotycznych, środowiskiem do testowania zachowania agentów. To jednak kierunki eksperymentalne, a nie zapowiedź natychmiastowego zastąpienia silników gier czy tradycyjnych symulatorów.
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.