Genie 4 играет музыку и говорит голосами, пока вы идёте по сгенерированному миру
Нажимаете стрелки на клавиатуре — и идёте по улице, которой минуту назад не существовало. Пишете в строке «пусть пойдёт дождь», и небо темнеет, а звук города меняется вместе с картинкой. Никто не подкладывал саундтрек под готовый кадр: музыка, шум окружения и реплики людей рождаются в том же такте, что и мир. Так выглядит Genie 4, новая мировая модель Google DeepMind, которую компания анонсировала 27 октября 2026 года.
Что это за зверь
Мировая модель не рисует ролик по запросу, а симулирует место, где можно находиться. Вы задаёте событие, Genie 4 просчитывает, что будет дальше: как отреагирует среда, как она зазвучит, как люди в ней двинутся, ответят и заговорят. Картинка и звук здесь не два конвейера, склеенных в монтажной, а один процесс. Разработчики называют модель нативно мультимодальной.
Управление намеренно простое. Навигация и камера живут на обычной клавиатуре, всё остальное делается текстовыми запросами. Прямо по ходу сцены можно менять погоду, двигать камеру, добавлять в кадр нового человека или предмет. Режиссёрский пульт сводится к строке ввода (звучит почти слишком скромно).
Из чего сложена модель
Genie 4 опирается на семейство Gemini, и роли там распределены чётко:
- Gemini Omni отвечает за то, как мир выглядит и как ведут себя объекты, то есть привязывает симуляцию к реальному облику вещей;
- другие модели Gemini дают рассуждения, на которых держится связность: сцена не должна рассыпаться и забывать, что в ней уже случилось;
- сама Genie 4 собирает из этого интерактивный мир с движением и звуком.
Заявлены три улучшения: фотореализм, плавное движение и нативное аудио. Компания утверждает, что все звуки в демонстрациях сгенерировала сама Genie 4, без добавленных дорожек. Проверить это со стороны пока нельзя, так что пометим как заявление, а не как установленный факт. На сравнительном ролике Genie 3 и Genie 4 стоят рядом с дисклеймером: именно там, пожалуй, лучше всего видно, что изменилось. Из четырёх ключевых возможностей, обещанных в анонсе, подробно раскрыта по сути одна: правка мира на лету через естественный язык.
Кому и когда дадут попробовать
Доступ закрытый. Genie 4 вышла как research preview для доверенных тестировщиков, и компания собирает обратную связь до широкого выпуска. Очередь выстроена так:
- первыми модель получают подписчики Google AI Ultra в Project Genie;
- рядом с ними партнёры раннего доступа Gemini API и Google AI Studio;
- следом выйдет версия для потребителей и разработчиков, но сроков компания не назвала.
Лист ожидания на Genie 4 в Project Genie открыт. Цены, тарифы и лимиты не раскрыты. Независимых отзывов тестировщиков и сравнительных бенчмарков пока тоже нет, всё, что мы знаем, исходит от самой компании. Авторы анонса — Raia Hadsell, Diego Rivas и Hang Qi.
Зачем это Google
Для DeepMind мир-модель не игрушка для креаторов, а ступень на пути к AGI: по логике компании, понимать и симулировать мир — значит приблизиться к общему интеллекту. Практические применения названы два. Первое — среды для обучения роботов и агентов: цель сформулирована как безопасные и бесконечно разнообразные симуляции. Второе — новые интерактивные впечатления, то есть продукты, которых пока нет.
На странице анонса в навигации рядом стоят Genie 3 и Genie 4. Линейка живёт, а не заменяется, и это тоже деталь: новая версия выходит как следующий шаг, а не как закрытие прошлой.
Что это меняет в вашей работе
Для арт-директора и моушн-дизайнера главный сдвиг в том, что звук перестаёт быть этапом после картинки. Если мир сам озвучивает себя, питч-прототип атмосферы, игрового уровня или рекламной сцены можно собрать в одной строке ввода и сразу увидеть, как он звучит, ходит и разговаривает. Смена погоды, добавление героя, перестановка камеры превращаются из задач на день в реплики на секунду. Мы бы попробовали это в первую очередь для раннего поиска настроения: когда нужно показать клиенту не мудборд, а место, по которому можно пройтись.
Ограничения тоже очевидны. Доступ узкий, цен нет, а пока никто снаружи не показал, как долго такой мир держится связным и насколько точно слушается запросов. Если верить демо, держится хорошо. Но демо — это всегда лучшие кадры.
Мир, который сам знает, как он звучит, сначала заберёт у вас черновой монтаж. Режиссёрское решение — что здесь должно быть и зачем — останется при вас.
