Google DeepMind показала Genie 4 — генератор интерактивных миров, где сцену можно не только смотреть, но и водить по ней камерой, гулять с клавиатуры и менять происходящее текстовой командой. Попросил дождь, нового персонажа или другой ракурс — сцена должна подстроиться на ходу.
Главная прибавка здесь — нативный звук. Модель генерирует не отдельный немой ролик с приклеенной дорожкой, а шум окружения, музыку и диалоги вместе с картинкой. Внутри помогает семейство Gemini: оно держит последовательность действий и следит, чтобы мир не рассыпался сразу после очередной правки.
Пока это не сервис, куда можно зайти вечером и собрать себе игру. Genie 4 выдали доверенным тестерам в исследовательском превью. Дальше доступ обещан подписчикам Google AI Ultra через Project Genie и ранним партнёрам Gemini API и Google AI Studio. Для остальных есть лист ожидания. Цену и срок широкого запуска не раскрыли.
Практический смысл у штуки не только игровой. DeepMind обкатывает такие сцены как быстрые черновики для кино, игровых прототипов и тренировки агентов или роботов: можно прогнать ситуацию в нарисованной среде, прежде чем тащить железо в реальный цех. Но это именно набросок, а не готовый полигон: при долгой сессии, сложных правках и перемещении по сцене детали и объекты могут менять вид или пропадать. С точной физикой, читаемым текстом, звуком и связностью на длинной дистанции работа ещё идёт.
Все сгенерированные видео и аудио DeepMind собирается помечать невидимым водяным знаком SynthID. Полезная деталь: когда генерация делает и картинку, и звук, отличать симуляцию от записи станет только веселее.
Здесь один источник — материал самого DeepMind. Независимых проверок работы Genie 4 в этом тексте нет; зато понятно главное: это ранний доступ к инструменту для управляемых симуляций, а не готовый игровой движок из промпта.