Genie 4 научила миры говорить, шуметь и перестраиваться по ходу сцены

Запрос для одного из демо Genie 4 читается как бриф от арт-директора, который не любит повторять: полупрозрачное цветное стекло, тёмные свинцовые контуры, светящиеся слоистые панели, объёмная глубина, «ремесленные» стеклянные текстуры. Дальше идут река, зелёные поля, цветы на переднем плане, деревья, и текст на странице обрывается на полуслове. Зато мир, собранный из этого описания, можно исследовать: камера свободно ходит по трёхмерному витражу. Так Google DeepMind показала Genie 4, новое поколение модели мира, которая симулирует интерактивные среды. Теперь в этих средах есть звук и диалоги.

Компания называет Genie 4 самой реалистичной и интерактивной из своих моделей такого типа. По сравнению с Genie 3 заявлены более живые люди и более правдоподобная физика. Замеров к этим словам не приложено. Нет ни разрешения, ни длительности сессий, ни бенчмарков, так что «заметно живее» пока приходится принимать на веру и глаз.

Звук, реплики и правки на ходу

Главная новость для тех, кто работает с картинкой: мир перестал быть немым. Персонажи говорят и реагируют на происходящее. Сцену можно менять текстом прямо во время работы, без перезапуска. Написал фразу, и симуляция продолжилась уже с поправкой.

Судя по описанию, во время работы доступно вот что:

• описывать ландшафты и события;
• двигать камеру;
• добавлять новых персонажей;
• менять погоду.

После каждой правки пользователь смотрит, что произойдёт дальше. Модель не выдаёт один готовый ролик, а продолжает жить в сцене. Для режиссёра и моушн-дизайнера это разница между «заказать дубль» и «стоять рядом с камерой и командовать».

Кто думает за кадром

За сложные события отвечает Gemini 3.8 Flash. Название приведено так, как его назвала сама компания. Модель разбивает задачу на шаги, разглядывает генерируемые кадры, проверяет результат и меняет план, если сцена пошла в другую сторону. Получается режиссёр-ассистент, который смотрит в монитор вместе с вами и вовремя шепчет: «тут уже дождь, давайте поправим».

На уровне архитектуры Genie 4 опирается на семейство Gemini. Gemini Omni задаёт реалистичный внешний вид и поведение объектов. Другие модели семейства занимаются сложными рассуждениями и помогают сохранять связность и непрерывность мира. Нас подкупает именно эта часть. Слабое место всех подобных систем в том, что мир к десятой секунде забывает, каким он был на второй. Здесь за непрерывностью следит отдельный слой, и это выглядит разумной ставкой. Насколько она сработала, пожалуй, покажут только руки тестировщиков.

Что уже показали

На странице модели четыре демо в секции «Shape worlds» и отдельный постер-ролик. Сюжеты такие:

• кран на снегу под ясным сумеречным градиентным небом, натуральные цвета, документальный стиль;
• исследуемый трёхмерный мир из витражного стекла, тот самый, с оборванным запросом;
• катание на лыжах от первого лица;
• лодка и кувшинки.

Набор говорящий. Документальная съёмка, стилизованная материальность, камера «из глаз» и спокойная водная сцена: четыре разных способа проверить, держит ли модель свет, фактуру и движение. Диалогов в этом перечне не видно, поэтому как именно говорят персонажи, мы по материалам оценить не можем.

Как попасть и чего ждать

Сейчас Genie 4 доступна в закрытом превью для тестировщиков. Заявку подают через лист ожидания, это форма Google Forms. Дальше компания обещает открыть доступ двум группам: подписчикам Google AI Ultra через Project Genie и партнёрам с ранним доступом через Gemini API и AI Studio.

Цена и сроки публичного запуска не объявлены. На странице модели есть разделы «Будущие применения», «Ограничения» и «Ответственность», но их содержание нам недоступно, поэтому границы возможностей судить рано. Genie 3 в линейке была подписана как «Generate and explore interactive worlds», и четвёртая версия явно продолжает ту же идею, только с голосом и планировщиком.

Что это меняет в работе

Главный сдвиг в скорости проверки идеи. Раньше, чтобы понять, как выглядит сцена в сумерках под снегопадом, нужен был сториборд, референсы и пара дней. Теперь гипотезу можно проверить, написав фразу и подвинув камеру. Мы бы попробовали Genie 4 для питчей и предвизуализации: сменить погоду, добавить персонажа, посмотреть сцену с другого ракурса, пока клиент ещё в комнате.

Есть и оговорка. Без данных о длительности, разрешении и стоимости генерации говорить о продакшене рано. Для черновика мира модель выглядит убедительно, а для финального кадра пока непонятно. Но привычка менять мир репликой, а не рендером, уже формируется.

Бриф, по которому можно пройтись пешком, — вот что на самом деле анонсировали.