Google DeepMind 27. října 2026 uvedl výzkumnou verzi modelu světů Genie 4. Vytváří interaktivní prostředí se zvukem a dovoluje uživatelům měnit scénu textovými pokyny během simulace. Zatím je dostupný vybraným důvěryhodným testerům.
Úpravy scény a zvuk v reálném čase
Oproti Genie 3 nabízí novinka fotorealističtější obraz a přidává zvuk. Ten vzniká v reálném čase podle simulovaného prostředí a zahrnuje hudbu, okolní ruchy i interaktivní dialogy.
Scénu lze průběžně upravovat: textovým pokynem například změnit počasí nebo úhel kamery či přidat lidi a další objekty.
Dvě minuty konzistentní scény a spolupráce s Gemini
Genie 4 dokáže udržet konzistentní scénu až dvě minuty, dvojnásobek limitu předchozí verze. Oproti ní také lépe simuluje fyziku a vytváří lidštější postavy.
Model je těsněji propojený s Gemini. Ten při tvorbě funguje jako režisér: plánuje jednotlivé kroky a kontroluje snímky, zatímco Genie vytváří obraz.
Vývojový tým upozornil, že při delších simulacích se mohou měnit detaily a objekty. Zatím také nevyřešil, jak zajistit přesnost zvuku a čitelnost textu uvnitř generovaného prostředí.
Robotické scénáře a filmové prototypy
Ve výzkumném experimentu spojeném s Gemini Robotics rozkládal model Gemini 4 Argon úkoly na jednotlivé kroky, které Genie 4 simuloval v reálném čase. Experiment ukazuje možnou cestu, jak robotické scénáře zkoušet v simulaci před jejich uskutečněním v praxi.
Mezi navrhovaná využití patří také prototypování filmů. Inženýr Google DeepMind Diego Rivas uvedl, že práce v reálném čase může pomoci při rychlém hledání nápadů a tvorbě storyboardů. Současně zdůraznil, že vývoj je stále v rané fázi a konečná podoba produktu není jasná.
Kdo získá přístup
Po úvodním zpřístupnění vybraným důvěryhodným testerům má Genie 4 v následujících týdnech zamířit k předplatitelům Google AI Ultra v nástroji Project Genie. Ten slouží k vytváření interaktivních světů z textových nebo obrazových zadání.
Model mají získat také partneři s předběžným přístupem ke Gemini API a Google AI Studio.
