Genie 4 прави светове със звук и говор – засега само за Ultra

Накратко

Google DeepMind обяви Genie 4 на 27 октомври: модел на свят, който гради управляем свят в реално време, вече с музика, околни звуци и диалог.
Достъп днес: research preview за доверени тестери. Потребителите и разработчиците идват после, първо Google AI Ultra абонатите в Project Genie и ранни партньори на Gemini API и AI Studio. Има списък на чакащите.
Парите: цена няма, затова засега е демо за наблюдение, не инструмент за бюджет.

Google направи свят, с който можеш да говориш. Пишеш „нека вали“ и вали. Добавяш човек и той проговаря. Впечатляващо. Можеш ли да го ползваш днес? Не.

Какво се случи

На 27 октомври Google DeepMind обяви Genie 4, новия си модел на свят. Предишните версии правеха светове, в които можеш да се движиш. Този е нативно мултимодален: музика, околни шумове и интерактивен диалог се генерират заедно със самия свят.

Как работи? Genie 4 стъпва на семейството Gemini. Gemini Omni държи симулацията близо до реалния вид и поведение. Други Gemini модели пазят сцената последователна, докато върви. Управляваш с клавиатура за движение и камера и с текст: смяташ времето, местиш камерата, добавяш човек или предмет. Google казва, че иска тези светове и за среди за обучение на роботи и агенти.

Кой го получава? Google го нарича research preview за доверени тестери, за да събере обратна връзка преди по-широко пускане. Следват потребители и разработчици, първо абонатите на Google AI Ultra в Project Genie и ранни партньори на Gemini API и Google AI Studio. Всички останали могат да влязат в списъка на чакащите. Цена няма. Дата няма.

Как да го използваш

Днес, честно: запиши се в списъка и чакай. Ако правиш игри, реклами или симулации, това е единствената смислена стъпка. Ето какво бих тествал, когато отворят достъпа (мои идеи, не на Google):

Демо за клиент. Покажи играема сцена вместо moodboard.
Тест на рекламна идея. Пробвай пет сцени, преди да платиш на студио за една.
Сценарии за обучение. Самият Google сочи среди за обучение на роботи и агенти.

Сметката: цена няма, затова използвам разхода, който може да замени. Да кажем, че фрийлансър взима €300 за едно играемо концептуално демо и ти правиш по десет презентации на година. Това са €3 000. Ако достъпът до Genie излезе по-евтин от това, сметката излиза. Засега никой не знае, затова не планирай около него. Числата са мои примерни.

Какво означава

Моделите на светове преминават от безшумни клипове към цели сцени със звук и реч. Google го представя като стъпка към AGI. За теб полезното е по-просто: сцена, която редактираш с едно изречение. Ако някой ден получи цена и API, първи ще спечелят студията за игри и реклами. Дотогава Google ти дава блог пост, видеа и списък на чакащите.

Мнението на Иван

Яка технология, нулева полза днес. Не градя план върху списък на чакащите. Бих се записал, бих изчакал цена и API и бих направил един тест: може ли да направи демо за клиент за един следобед? Ако да, това е работа за €300, свършена за минути. Ако не, остава хубаво видео.

Източник: Google DeepMind

За автора

Ivan Ivanov

Основател на