Google выпустила Genie 4: нейросеть строит мир со звуком и репликами в реальном времени
Google выпустила Genie 4 — нейросеть, которая в реальном времени создаёт интерактивный мир, где можно действовать, как в игре. Вместе с кадром генерируются музыка, шум окружения и реплики героев, подстраивающиеся под действия игрока. Сцену можно менять промптами на лету: например, включить дождь или добавить персонажей. Для разработчиков роботов и агентов это виртуальный полигон, где проверки не нужно собирать вручную.
AI-обработка оригинала TG: @data_secrets (Data Secrets); редакция Hamidun News
Google выпустила Genie 4 — новое поколение своей «модели мира». Так называют нейросеть, которая в реальном времени создаёт интерактивную среду: в ней можно двигаться, что-то менять и получать реакцию, как в игре. В Genie 4 мир сразу приходит со звуком: музыка, шум окружения и даже реплики персонажей генерируются вместе с картинкой, а реплики подстраиваются под действия пользователя. Предыдущая версия вышла больше года назад, в августе 2025 года, а в новой Google сделала упор на реализм, мультимодальность, улучшенную физику и интерактивность.
Зачем это практику? Представьте, что нужно проверить, как робот или ИИ-агент поведёт себя в сотне ситуаций: на улице в дождь, в комнате с незнакомыми людьми, в помещении, где внезапно появился новый предмет. Собирать такие сцены вручную долго и дорого. Genie 4 предлагает другой путь: описать ситуацию словами и получить среду, в которой система должна действовать.
Мир со звуком и живыми репликами
Первое, что бросается в глаза, — звук. Прежние генераторы миров в основном выдавали картинку, а озвучку приходилось добавлять отдельно. Здесь музыка, шум окружения и диалоги создаются одновременно с видео. Реплики не записаны заранее: если вы подошли к герою или что-то сделали в сцене, ответ учтёт это.
Второе — режиссура на лету. Сцену можно менять промптами прямо во время работы: поменять погоду, добавить персонажей или объекты. По ощущению это игровой движок, в котором вместо редактора уровней вы пишете, что хотите увидеть.
Как устроено внутри
Под капотом работает связка из нескольких моделей Gemini, и у каждой своя роль:
- Gemini Omni отвечает за реалистичный внешний вид и поведение мира;
- другие модели следят за связностью симуляции, чтобы мир не разваливался по ходу действия;
- Gemini 3.8 Flash работает агентом в цикле — своего рода мозгом системы.
Роль последнего проще понять на примере. Допустим, вы задали цель «устроить вечеринку во дворе». Агент разбивает её на шаги, проверяет, выполнены ли они, и перестраивает план, если посреди сцены вы решили, что вечер должен быть дождливым, а гостей стало больше. Получается, что мир ведётся по плану, который можно менять в любой момент, а кадры при этом остаются согласованными друг с другом.
Что это даёт разработчикам и продактам
По замыслу Google, в таких средах можно тестировать роботов и агентов. Для демонстрации компания показала гуманоида Apollo от Apptronik, который играет в шашки внутри сгенерированного мира. Вместо дорогого физического полигона или ручной настройки симулятора сценарий задаётся текстом.
Что из этого можно вынести:
- Тестирование агентов постепенно смещается в генеративные среды: сценарии создаются и меняются текстом, без отдельной разработки симулятора.
- Звук и диалоги внутри самой симуляции открывают путь к проверке голосовых и мультимодальных ассистентов в более живых условиях.
- Схема «модель-художник, модели-контролёры и агент-планировщик» — хороший ориентир для собственных систем: разделение ролей помогает удерживать целостность долгой сессии.
Что остаётся проверить
Пока это анонс и демонстрация. Шашки — показательный, но простой сценарий с понятными правилами. Для серьёзного тестирования роботов важно, насколько физика сгенерированного мира совпадает с реальной, как долго мир сохраняет связность, с какой задержкой он реагирует на действия и можно ли повторить один и тот же сценарий, чтобы сравнивать версии агента между собой. От ответов на эти вопросы зависит, станет ли Genie 4 рабочим инструментом проверки или останется эффектной витриной.
Направление при этом ясное: Google делает ставку на симуляцию как на площадку, где обучаются и проверяются будущие агенты и роботы. Тем, кто строит такие системы, стоит следить за доступностью Genie 4 и сравнивать её с привычными симуляторами. Подробности опубликованы в блоге Google DeepMind.
- 21 нояб. 2026 г.Стартап Osmo обучил ИИ запахам на 10 млн оценок людей и генерирует ароматы по тексту
- 21 нояб. 2026 г.КНДР показала первый чатбот «Источник мудрости»: только наука, без политики
- 21 нояб. 2026 г.OpenAI открыла ChatGPT Spaces подписчикам Plus: совместные документы с ИИ
- 21 нояб. 2026 г.Google научила Gemini делать GIF: 3 секунды, только 16:9 или 9:16, без петли
Вопросы и ответы по материалу
Что известно по теме: мир со звуком и живыми репликами?
Первое, что бросается в глаза, — звук. Прежние генераторы миров в основном выдавали картинку, а озвучку приходилось добавлять отдельно. Здесь музыка, шум окружения и диалоги создаются одновременно с видео. Реплики не записаны заранее: если вы подошли к герою или что-то сделали в сцене, ответ учтёт это. Второе — режиссура на лету. Сцену можно менять промптами прямо во время работы: поменять погоду, добавить персонажей или объекты.
Что известно по теме: как устроено внутри?
Под капотом работает связка из нескольких моделей Gemini, и у каждой своя роль: Gemini Omni отвечает за реалистичный внешний вид и поведение мира; другие модели следят за связностью симуляции, чтобы мир не разваливался по ходу действия; Gemini 3.8 Flash работает агентом в цикле — своего рода мозгом системы. Роль последнего проще понять на примере. Допустим, вы задали цель «устроить вечеринку во дворе».
Что известно по теме: что это даёт разработчикам и продактам?
По замыслу Google, в таких средах можно тестировать роботов и агентов. Для демонстрации компания показала гуманоида Apollo от Apptronik, который играет в шашки внутри сгенерированного мира. Вместо дорогого физического полигона или ручной настройки симулятора сценарий задаётся текстом. Что из этого можно вынести: Тестирование агентов постепенно смещается в генеративные среды: сценарии создаются и меняются текстом, без отдельной разработки симулятора.
Протестируйте новые LLM и мультимодальные модели в одном окне
Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.