Genie 4: ИИ Google создаёт миры со звуком, которыми можно управлять словами

Genie 4 — новая модель мира от Google DeepMind, и созданные ею миры наконец звучат. Опишите сцену одним предложением или дайте модели изображение-образец — и она создаст место, по которому можно перемещаться с помощью клавиатуры, пока вокруг слышны шум ветра в деревьях, волны на берегу и голоса стоящих рядом людей. Теперь с этими людьми можно поговорить: они реагируют на ваши действия. Именно это DeepMind называет главным прорывом нового выпуска.

Для тех, кто пробовал предыдущие версии, важнее всего другое новшество — управление. Можно ввести команду, чтобы изменить погоду, повернуть камеру или добавить в сцену нового человека либо предмет, а Gemini переформулирует запрос так, чтобы он соответствовал тому, что уже видно на экране. Между вашими командами Gemini продолжает управлять симуляцией, не давая миру рассыпаться. Это больше похоже не на видеоигру, а на съемочную площадку, где камера не перестает работать, — именно так Genie 4 уже используют некоторые первые тестировщики.

Gemini продумывает сцену, а Genie создает ее

Genie 4 опирается на другие модели Google. Как говорится в объявлении DeepMind, Gemini Omni задает каждой симуляции реалистичный облик и поведение, а другие модели Gemini отвечают за логику, благодаря которой сцена остается связной от одного момента к следующему. Gemini 3.8 Flash работает в цикле как управляющий агент: наблюдает за миром, который создает Genie 4, разбивает цель на шаги, проверяет поступающие кадры, чтобы убедиться, что каждый шаг выполнен, и меняет план, если вы вмешиваетесь.

По словам DeepMind, самый заметный скачок произошел в изображении людей. Персонажи двигаются естественнее, реагируют на окружение, а их действиями можно управлять прямо во время симуляции; кроме того, модель учитывает физические явления, например аэродинамику и столкновения. Среди демонстраций в блоге компании — кленовая семянка, кружась, опускается в траву, переполненная сельская железнодорожная станция в Японии 1980-х годов и гонка драконов от первого лица под оглушительный шум крыльев. Все звуки созданы самой Genie 4. Genie 3 генерировала беззвучные миры с разрешением 720p и частотой 24 кадра в секунду; на этот раз DeepMind не опубликовала данных ни о разрешении, ни о частоте кадров, поэтому оценить улучшение можно только по собственным роликам компании.

Игры — не единственная цель проекта. DeepMind считает симуляцию мира важным шагом на пути к общему искусственному интеллекту. В одной из демонстраций Genie 4 работает вместе с Gemini 4 Argon и моделирует, как человекоподобный робот Apollo компании Apptronik играет в шашки. Argon разбивает задачу на шаги и передает их Genie 4 в виде текстовых подписей, пока та отрисовывает сцену. В долгосрочной перспективе бизнес-смысл проекта — в безопасных и бесконечно разнообразных тренировочных мирах для роботов и программных агентов, задолго до того, как кто-либо начнет продавать игру на Genie.

Первыми доступ получили кинематографисты и фотожурналисты

DeepMind тестирует Genie 4 с группами представителей творческих индустрий, журналистики, образования, игровой отрасли и инженерного дела. Кинематографисты используют модель как черновой инструмент для предварительной визуализации: они погружаются в сцену, снимают несколько вариантов и на ходу меняют ракурсы камеры, освещение, диалоги и действие. Разработчики игр за секунды превращают идею в прототип, который можно исследовать, еще до того, как напишут первую строчку кода для игрового движка. Корпоративные партнеры проверяют модель на создании сценариев.

Самый деликатный эксперимент проходит с фотожурналистами: они проверяют, можно ли за секунды превратить одну архивную фотографию в симуляцию изображенного на ней места — с людьми и движением. DeepMind также упоминает визуализацию того, как развиваются внезапное наводнение или лесной пожар. Убедительная прогулка по настоящей исторической улице, где говорят вымышленные люди, — это еще и убедительная подделка. Ответ DeepMind — SynthID, невидимый водяной знак, который компания добавляет ко всем видео и аудио, созданным Genie 4, а также внутренние проверки безопасности и постепенный запуск. SynthID поможет только в том случае, если платформы и зрители действительно будут использовать детектор, а на самом изображении ничто не подсказывает обычному зрителю, что перед ним синтетическая запись.

Миры по-прежнему меняются со временем

DeepMind на редкость откровенно говорит об ограничениях. Genie 4 сохраняет целостность окружения в течение коротких сессий, но по мере их продолжения, после нескольких сложных правок запросов или при перемещении по сцене визуальные детали и постоянство объектов могут меняться. Сложные физические взаимодействия, точное аудио в реальном времени, читаемый текст, пространственная точность и долговременная согласованность перечислены среди нерешенных исследовательских задач. Проще говоря, книжная полка, мимо которой вы прошли минуту назад, может оказаться уже другой, когда вы обернетесь.

Большинство людей пока не могут опробовать модель. Genie 4 доступна лишь в виде исследовательской предварительной версии для проверенных тестировщиков. Google сообщает, что вскоре она появится у подписчиков Google AI Ultra в Project Genie — веб-приложении для создания миров, — а также у партнеров, получивших ранний доступ к Gemini API и Google AI Studio. Запись в лист ожидания уже открыта. Даты запуска нет, как нет и отдельной цены помимо подписки Ultra — самого дорогого тарифного плана Google с ИИ, — а о том, какие страны получат доступ первыми, компания не сообщает. Когда 29 января 2026 года запустился Project Genie на базе Genie 3, он был доступен только подписчикам Ultra в США старше 18 лет, а продолжительность сессий ограничивалась 60 секундами.

DeepMind объявила о Genie 4 27 октября 2026 года в публикации за подписью Райи Хадселл, Диего Риваса и Хан Ци. История началась в феврале 2024 года с модели, превращавшей изображения в простые двухмерные платформенные игры, продолжилась выходом Genie 2 в трехмерный формат в декабре 2024 года и привела к исследованию миров в реальном времени с Genie 3 в августе 2025-го. Каждое новое поколение добавляло что-то важное: сначала третье измерение, затем движение в реальном времени, теперь — звук и речь. Genie 4 еще предстоит доказать, что мир способен помнить самого себя дольше, чем длится перерыв на кофе.

Теги: искусственный интеллект, Google, Gemini, Google DeepMind, Genie 4, Project Genie