Google Genie 4 přidává zvuk a umožňuje měnit virtuální svět za běhu
Google DeepMind představil Genie 4, model pro tvorbu interaktivních virtuálních světů. Novinka zvládá generovat zvuk a umožňuje měnit scénu textovými pokyny přímo během simulace.
Svět reaguje na pokyny v reálném čase
Google DeepMind zpřístupnil Genie 4 v úterý 27. října 2026 jako výzkumnou ukázku. Model vytváří interaktivní prostředí, která lze během simulace upravovat běžným textovým zadáním. Uživatel tak může například změnit počasí či úhel kamery nebo do scény přidat nové postavy a předměty, aniž by musel začínat znovu.
Oproti předchůdci Genie 3 má novinka podle Googlu realističtější obraz, propracovanější fyziku a postavy, které působí lidštěji. Jednu scénu dokáže udržet konzistentní až dvě minuty, což je dvojnásobek limitu předchozí verze. Součástí výstupu je také zvuk vytvářený v reálném čase: hudba, ruchy prostředí i dialogy, které reagují na dění ve virtuálním světě.
Gemini může simulaci řídit
Genie 4 je těsněji propojený s Gemini. Jazykový model může fungovat jako režisér, který plánuje jednotlivé kroky a kontroluje snímky, zatímco Genie vytváří obraz. V experimentu souvisejícím s Gemini Robotics rozdělil model Gemini 4 Argon úkol na dílčí kroky a Genie 4 je v reálném čase simuloval. Takový postup by mohl pomoci zkoušet scénáře pro roboty nejprve ve virtuálním prostředí, ještě před jejich ověřením v realitě.
Výzkumný ředitel Googlu Tejas Kulkarni popsal možný budoucí směr jako kombinaci modelů, v níž Gemini vytváří text či kód a Genie je průběžně převádí do simulované reality. Jde zatím o výzkumnou vizi, nikoli o hotovou funkci určenou k běžnému nasazení.
Možnosti pro hry i filmové nápady
Mezi zmiňovaná využití světových modelů patří hry, interaktivní vzdělávání a robotika. Vzdělávací aplikace by například mohla umožnit vstoupit do výjevu z historického obrazu a vést rozhovor s jeho postavami. Testeři Googlu upozorňují také na využití při přípravě filmů: okamžité úpravy prostředí mohou pomoci při hledání nápadů nebo tvorbě storyboardu.
Google už nabízí také Veo, svůj model pro generování videa, který vytváří klipy ve vysokém rozlišení a synchronizuje k nim zvuk. Inženýr Google DeepMind Diego Rivas uvedl, že Genie 4 by v budoucnu mohl sloužit k rychlému rozvíjení kreativních konceptů. K jejich převodu na hotové tvůrčí materiály by jednou mohl přispět i multimodální model Gemini Omni; podle Rivase jsou však takové možnosti zatím vzdálené.
Zatím jen pro vybrané uživatele
Genie 4 je nyní dostupný takzvaným důvěryhodným testerům, kteří dostávají přednostní přístup k novým technologiím Googlu. V následujících týdnech se má začít zpřístupňovat také předplatitelům Google AI Ultra v nástroji Project Genie, který vytváří interaktivní světy z textových nebo obrazových zadání. K modelu mají získat časný přístup rovněž partneři Gemini API a Google AI Studio.
Google zároveň upozorňuje, že vývoj je v rané fázi a podoba konečného produktu není jasná. Během delších simulací se mohou měnit detaily i samotné objekty. Tým dosud nevyřešil ani to, jak spolehlivě zajistit přesnost zvuku a čitelnost textu uvnitř generovaného světa.