Genie 4 научилась шуметь, а AMD тем временем покупает геометрию
В демо Google гуманоидный робот Apollo играет в шашки. Робота нет, доски нет, камеры тоже: каждый кадр, каждое движение руки и реакция сцены сгенерированы на лету. Это Genie 4, новая world model, которая строит интерактивные миры в реальном времени. Если Genie 3 показывала, как мир выглядит, то четвёртая версия, судя по описанию, начала его озвучивать и подчинять физике.
Генерируется всё сразу: кадры, звук, движения и ответ среды на действия пользователя. Вы что-то делаете, мир реагирует, и никакой заранее собранной сцены за этим нет.
Что изменилось по сравнению с Genie 3
Google заявляет три сдвига:
- Нативный звук. Ветер, вода, фоновые шумы, музыка и интерактивные реплики персонажей. Звук рождается вместе с картинкой, его не подкладывают сверху.
- Физика. Аэродинамика, столкновения, падение предметов, движения людей и реакция персонажей на окружение.
- Фотореализм. Более естественные движения, освещение и визуальная согласованность кадров.
Последний пункт для нас самый интересный. Согласованность между кадрами — вечная боль генеративного видео: предмет моргнул, тень уехала, и магия кончилась. Насколько Genie 4 справляется с этим на деле, по одним заявлениям не понять. Нужны руки и время.
Кто следит за сюжетом
Длинные цепочки причин и следствий одной Genie не потянуть, поэтому ей в пару ставят Gemini 3.8 Flash. Она работает как режиссёр-постановщик при камере. Схема такая:
- Gemini получает задачу и разбивает её на последовательные шаги.
- Genie генерирует сцену в реальном времени.
- Gemini непрерывно смотрит на новые кадры и проверяет, выполнен ли очередной шаг.
- Если ситуация изменилась, Gemini корректирует план.
- Genie продолжает генерацию с учётом правок.
Отдельно подключается Gemini Omni: она помогает привязать симуляцию к внешности и поведению реального мира. Демо с шашками устроено так же. Gemini 4 Argon делит задачу на шаги, Genie показывает, как Apollo их выполняет.
Кажется, главная идея здесь не в самой картинке. Генератор рисует, а отдельная модель следит, чтобы нарисованное шло к цели. Для сцен, где что-то должно произойти в нужном порядке, это важнее ещё одного шага в реализме.
Экспорт: пока только видео
Из Genie 4 можно выгрузить только видео. Ни сцены, ни геометрии, ни коллизий. Публичной технической документации, которая подтверждала бы форматы выгрузки, пока нет, так что даже это стоит считать текущим состоянием дел, а не обещанием.
Чего нет в материалах вообще: даты выхода, цен, лимитов и условий доступа. Попробовать Genie 4 завтра не получится, во всяком случае, никто не сказал как.
Параллельный сюжет: AMD и World Labs
В сентябре AMD объявила о соглашении о покупке World Labs, компании Фей-Фей Ли. Сумма — $8,2 млрд, закрытие сделки ожидается до конца 2026 года. World Labs сделала Marble — генератор 3D-миров. Он превращает текстовые описания и изображения в пространственную 3D-сцену, которую можно исследовать и редактировать.
Из Marble выходит три вида данных:
- Gaussian splats;
- triangle meshes, включая облегчённые коллизионные меши для физики и более качественную геометрию;
- видео с попиксельно точным управлением камерой и улучшенной обработкой изображения с сохранением геометрии сцены.
Сравнение с Genie 4 получается почти зеркальным:
| Marble | Genie 4 | |
|---|---|---|
| Что создаёт | Пространство и геометрию | Происходящее в мире |
| Что можно выгрузить | Splats, меши, видео | Только видео |
| Документация по экспорту | Форматы перечислены | Публичной нет |
Между собой две системы не конкурируют, они решают разные задачи. Marble строит сцену, в которой потом можно работать. Genie 4 разыгрывает в мире событие, но оставляет вам только запись.
Что это меняет в работе
Для дизайнера, арт-директора и моушн-специалиста разница между «видео» и «сцена» практическая. Меш с коллизиями можно взять в движок, переставить камеру, дорисовать свет. Видео придётся принимать таким, какое получилось. Поэтому Genie 4 пока выглядит инструментом для быстрых проб: как поведёт себя ветер в кадре, как человек пройдёт по сцене, как прозвучит среда. Для питча или анимации настроения это уже много. Для финального продакшена, где нужен контроль над каждым слоем, — пока нет.
А вот связка из двух подходов выглядит соблазнительно: геометрия из одного места, жизнь в кадре из другого. Её никто не обещал, и мы только прикидываем, как могла бы выглядеть такая цепочка. Но если форматы выгрузки у Genie когда-нибудь расширятся, граница между «собрать мир» и «сыграть в нём сцену» сильно сотрётся.
Пока же мир научился шуметь, а пространство для него за $8,2 млрд купил кто-то другой.
