STRUCTUREцифровые системыОбсудить проект
НОВОСТЬ · Technology

Google DeepMind представила Genie 4: виртуальные миры со звуком и изменением сцены по команде

Google DeepMind показала Genie 4 — модель для создания интерактивных виртуальных пространств. Она генерирует не только изображение, но и звуки, позволяет менять условия прямо во время сеанса и удерживает согласованность сцены до двух минут. Пока технология доступна лишь ограниченному кругу тестировщиков.

Главное

Genie 4 относится к так называемым моделям мира: пользователь получает пространство, по которому можно перемещаться, а система продолжает достраивать происходящее в ответ на действия. Это отличается от обычного видеоролика, где последовательность кадров уже определена. По описанию разработчиков, управлять исследованием пространства можно с клавиатуры и дополнительными текстовыми указаниями.

Изменения не обязательно задавать до начала генерации. Во время сеанса можно попросить модель изменить погоду, положение виртуальной камеры или добавить объект либо персонажа. Система должна перестроить дальнейшее развитие сцены с учётом нового условия. Именно возможность управлять миром по ходу взаимодействия делает демонстрацию интересной для прототипирования и экспериментов.

Подробности

Отдельный акцент сделан на физическом поведении объектов. Google сообщает о более правдоподобной передаче столкновений, аэродинамики и движений людей. Эти улучшения важны не только для зрелищности: в симуляции результат действия должен выглядеть согласованно с окружающей средой. При этом компания признаёт, что ошибки физики и визуальные несоответствия пока сохраняются.

Модель получила встроенную генерацию звука. Виртуальная сцена может сопровождаться шумами окружения, музыкой и речью персонажей, причём реплики и звучание должны меняться вместе с действиями пользователя. В отличие от добавления готовой дорожки к ролику, здесь звук включён в сам интерактивный процесс. Надёжность таких диалогов ещё предстоит оценивать в более широких испытаниях.

Что это меняет

Для согласования действий Google использует модель Gemini 3.8 Flash, которая анализирует кадры и помогает разбивать цель на последовательные шаги. Компания также показала исследовательский сценарий с Gemini 4 Argon и виртуальным роботом. Эти примеры демонстрируют направление разработок, но не означают, что полученные миры уже подходят для проверки безопасности реальной робототехники.

Продолжительность непрерывной согласованной сцены выросла по сравнению с Genie 3: вместо примерно одной минуты заявлены две. Доступ сейчас ограничен исследовательским предварительным тестированием; в дальнейшем упоминаются Project Genie для подписчиков AI Ultra и инструменты для разработчиков. Конкретные сроки массового запуска не названы, а устойчивость деталей на длинных сеансах остаётся нерешённой задачей.

Первоисточник

Материал подготовлен STRUCTURE по открытой публикации 3DNews. Текст и иллюстрации первоисточника не воспроизводятся целиком.

Читать исходную новость целиком ↗