Перейти к содержанию
Публикация AiManual

Genie 4 в Project Genie: генерация интерактивных миров с редактированием по промпту и нативным звуком

Google DeepMind открыла Genie 4 в Project Genie: мир редактируется текстовым промптом прямо во время сессии, а звук генерируется нативно. Разбираем, что нового

Коротко

Что будет в материале

  1. 01

    Что такое Genie 4 и Project Genie

  2. 02

    Редактирование мира по промпту: как это работает на практике

  3. 03

    Нативный адаптивный звук: что это даёт

  4. 04

    Обновления Genie 3: длинные сессии, панорамы и связывание миров

Что такое Genie 4 и Project Genie

Google DeepMind открыла доступ к Genie 4 в Project Genie для подписчиков Google AI Ultra (анонс). Это новая world-модель: она позволяет менять сгенерированный мир текстовыми промптами прямо во время сессии и впервые объединяет генерацию картинки с нативным адаптивным звуком. Участники Google AI Pro пока могут только встать в лист ожидания.

Project Genie - исследовательский прототип, который соединяет передовые world-модели с моделями Gemini и работает в браузере. Мир можно сгенерировать, «войти» в него и менять по ходу. В релизе изменилось несколько вещей сразу: правки по промпту во время сессии, нативный звук, обновление Genie 3, агент сборки миров и общественная галерея.

Genie 4 и Genie 3: в чём разница

Это две модели с разными акцентами. Genie 4 добавляет редактирование мира по промпту в реальном времени и нативный звук; в анонсе её называют самой реалистичной и интерактивной world-моделью Google на текущий момент. Genie 3 остаётся в строю и получает обновления параллельно: более длинные сессии, привязка к панорамам и связывание миров в последовательности. Обе модели по-прежнему исследовательские, то есть не продукт с гарантией стабильности.

Как устроен доступ: Google AI Ultra и лист ожидания для Google AI Pro

Доступ к Genie 4 разворачивается для имеющих право подписчиков Google AI Ultra. Если у вас Google AI Pro, полноценного доступа к Genie 4 сейчас нет: на сайте Project Genie можно встать в лист ожидания. Цен, сроков и обещаний по расширению доступа в анонсе нет, так что планировать бюджет под конкретную дату смысла мало.

Реальные условия зависят от региона и статуса подписки, а проверять их нужно в аккаунте Google. Лист ожидания ничего не гарантирует: это заявка на доступ, а не бронь места.

Редактирование мира по промпту: как это работает на практике

Главное изменение Genie 4 - можно не перегенерировать мир с нуля, а менять его по ходу навигации. Во время сессии вы вводите новый текстовый промпт, и окружение обновляется в реальном времени (анонс). Это снимает главную боль ранних версий: раньше любая правка означала новый прогон генерации.

Механика простая на уровне пользователя: вы идёте по миру, замечаете, что сцена не та, и пишете, что поменять. Модель перестраивает нужный фрагмент, стараясь не ломать остальное. Насколько аккуратно это выходит, зависит от сложности сцены: чем больше в ней объектов и взаимодействий, тем выше шанс артефактов.

Примеры промптов и сценарии использования

В анонсе приводят три типа правок: сменить погоду, добавить в кадр персонажа и перенаправить действие. Из них складываются рабочие сценарии:

  • быстрое прототипирование сцены: меняете время суток и атмосферу, чтобы оценить, как локация читается в разных состояниях;
  • исследование вариантов: проверяете, как ведёт себя сцена с новым персонажем, не начиная заново;
  • обучение и демонстрации: показываете, как один и тот же мир меняется от промпта к промпту.

Сложные физические взаимодействия пока далеки от идеала, поэтому точную механику объектов лучше не планировать. Это инструмент для сцен и атмосферы, а не физический движок.

Нативный адаптивный звук: что это даёт

Genie 4 впервые сочетает визуал с нативным аудио в реальном времени: звук генерируется вместе с картинкой и подстраивается по ходу сцены (анонс). Это не отдельная дорожка, наложенная сверху, а часть генерации мира. В анонсе приводят фоновые звуковые ландшафты и реплики персонажей.

Практическая разница ощутима: при смене погоды или действия звук должен меняться вместе с ними, а не жить своей жизнью. Для прототипирования это ускоряет оценку атмосферы, для демонстраций добавляет погружения без ручного монтажа аудио.

Как Google генерирует голос по текстовому описанию, разобрано в отдельном материале о Gemini 3.8 Flash TTS: синтез и репликация голоса по промпту. Там же показано, какие детали синтеза остаются непроверенными, и это полезно держать в голове: точность аудио в Genie 4 тоже не стоит принимать на веру.

Точность звука остаётся открытым вопросом. Синхронность с действием, разборчивость реплик и отсутствие артефактов при быстрой смене сцены - то, что нужно оценивать на своих мирах, а не по демо-роликам.

Обновления Genie 3: длинные сессии, панорамы и связывание миров

Genie 3 обновили одновременно с релизом Genie 4. В анонсе названы три улучшения: более длинные сессии, привязка к панорамам и связывание миров в последовательности. Конкретную длительность сессий в подтверждённых материалах не приводят, поэтому цифры в минутах лучше не брать из сторонних пересказов.

Что это даёт на практике:

  • длинные сессии: можно дольше исследовать мир, не упираясь в перезапуск;
  • привязка к панорамам: генерация опирается на панорамные изображения, так что сцену можно строить вокруг реальной или заранее подготовленной панорамы;
  • связывание миров: отдельные миры соединяются в цепочки, и переходы между сценами становятся частью одного маршрута.

Для сборки больших маршрутов связывание миров экономит время: не нужно каждый раз заново выстраивать переходы. Ограничение в том, что стабильность длинной сцены и качество швов между мирами придётся проверять самостоятельно.

Агент Project Genie: сборка мира через диалог

Новый агент Project Genie помогает строить кастомные миры через диалог на естественном языке. Вместо набора отдельных промптов вы описываете задумку, а агент уточняет детали и собирает сцену. Это сдвиг от «напиши точный промпт» к «объясни, что хочешь», что снижает порог входа для тех, кто не набил руку на промптинге.

Логика работы похожа на разговор: вы говорите, какой мир нужен, агент задаёт наводящие вопросы про масштаб, объекты и атмосферу, затем предлагает результат. Насколько глубоко он понимает сложные окружения, зависит от формулировок, но сама идея итеративной сборки через диалог экономит время на старте.

Агент - часть исследовательского прототипа, поэтому ждать от него предсказуемости продакшн-инструмента не стоит. Для быстрого черновика мира он удобен, для тонкой ручной настройки всё равно придётся брать управление на себя.

Галерея и ремикс: как делиться мирами и использовать чужие

Созданные миры можно публиковать в общественную галерею, а другие пользователи могут их исследовать и ремиксовать. Это превращает Project Genie из личной песочницы в общий каталог: чужие работы служат отправной точкой, а не готовым финалом.

Ценность галереи в трёх вещах. Быстрый старт: берёте готовый мир и правите под себя, не начиная с пустого места. Обмен идеями: видно, какие приёмы работают у других, и это ускоряет обучение. Ремикс как основа: доработанный чужой мир становится вашим черновиком, на который можно опереться в следующем проекте.

Публикуя мир, учитывайте, что он уходит в общий доступ. Если в сцене есть что-то чувствительное, лучше проверить результат до публикации, а не после.

Ограничения и открытые проблемы: что пока не работает

Genie 3 и Genie 4 остаются исследовательскими world-моделями. Даже формулировка про «самую реалистичную и интерактивную» модель не означает готовности к продакшену: доступ ограничен подпиской, а часть возможностей описана на уровне идеи. Ниже то, что стоит проверить на своих мирах, прежде чем строить на Genie рабочие процессы.

Смотрите на четыре вещи. Задержка камеры при резких поворотах: если картинка «плывёт» или отстаёт, в динамичных сценах это мешает. Сложные физические взаимодействия: точная механика объектов пока приблизительна. Точность нативного аудио: синхронность звука с действием и разборчивость реплик нужно слушать. Долговременная стабильность сцены: на длинных сессиях мир может терять связность.

Это ожидаемое поведение прототипа, а не сбой аккаунта. Если задача критична к стабильности, world-модель пока не тот инструмент.

Безопасность и маркировка SynthID

Отдельный вопрос - маркировка и проверки безопасности. В доступном тексте анонса эти детали не разобраны, поэтому судить по ним о конкретных процедурах нельзя. Google применяет для синтетического контента водяной знак SynthID, но как именно он работает в Project Genie, по открытым материалам не проверить.

Практический вывод: если идентификация происхождения контента критична, уточняйте маркировку и правила модерации в актуальной документации проекта до публикации миров в галерее. Полагаться на водяной знак как на единственный контроль не стоит: мир синтетический по своей природе, и это видно без дополнительной метки.

Кому и зачем это нужно: практический взгляд

Genie 4 полезна тем, кто работает с интерактивными сценами и хочет быстро проверять идеи. Разработчикам она даёт прототипирование окружений и материал для изучения world-моделей: видно, как генерация справляется с правками по промпту и звуком. Энтузиастам интересен сам подход к интерактивной генерации, а не готовый продукт. Продакт-менеджерам - способ оценить, куда движется технология и где её потолок.

Для продакшена рано: доступ ограничен, стабильность не гарантирована, а часть проблем открыта. Для экспериментов и обучения это хороший полигон, если есть подписка Google AI Ultra и готовность мириться с шероховатостями прототипа.

Реалистичный план: проверить доступ в аккаунте, собрать пару миров через агента, прогнать правки по промпту и послушать, как ведёт себя звук. Если результаты устраивают под вашу задачу, можно двигаться дальше; если нет, технология ещё не доросла до вашего сценария.

Подписаться на канал