Google DeepMind Genie 4’ni chiqardi: tovush, realistik dunyolar va real vaqtdagi tuzatishlar

Genie 4 da nima yangilik bor

Google DeepMind seshanba kuni, 27-oktabrda, Genie 4 nomli yangi jahon modelini research preview (tadqiqot oldindan ko‘rish) holatida chiqardi. TechCrunch ma’lumotiga ko‘ra, model avvalgi barcha versiyalar orasida eng fotorealizmli va eng interaktiv dunyolarni yaratadi: foydalanuvchi simulyatsiya davom etayotgan paytda matnli ko‘rsatmalar kiritib, sahnani shu zahoti o‘zgartirishi mumkin — masalan, ob-havo, kamera burchagi, yangi odamlar yoki obyektlar qo‘shish orqali. Model birinchi marta real vaqtda tovush ham yaratadi: simulyatsiya qilinayotgan dunyoga mos keladigan musiqa, fon shovqinlari va interaktiv dialoglar.

Genie 3 ga nisbatan yutuqlar

Oldingi versiya — Genie 3 — research preview holatida bir yildan sal ko‘proq oldin chiqqan edi. Genie 4 izchil sahnani ikki daqiqagacha saqlab turadi — bu o‘tmishdoshidan ikki barobar ko‘p — hamda yaxshilangan fizika va odamga yaqinroq personajlarni taklif etadi. Jamoa modelda hali ham kamchiliklar borligini tan oladi: uzoq simulyatsiya davomida tafsilotlar va obyektlar «suzib» ketishi mumkin, tovush aniqligi va dunyo ichidagi matnning o‘qilishi esa hali yechilmagan muammolar.

Gemini bilan integratsiya va mumkin bo‘lgan qo‘llash sohalari

Genie 4 Gemini modeli bilan yanada chambarchas bog‘langan; Gemini «rejissyor» rolini o‘ynaydi: qadamlarni rejalashtiradi va kadrlarni tekshiradi, Genie esa vizual qismini yaratadi. Gemini Robotics bilan bog‘liq bir tajribada Gemini 4 Argon modeli vazifalarni qadamlarga bo‘lib, Genie 4 ularni real vaqtda simulyatsiya qildi — bu robotlar uchun senariylarni real dunyoda tekshirishdan oldin simulyatsiyada sinab ko‘rishning mumkin bo‘lgan usulini ko‘rsatadi. «Kelajakda gibrid jahon modellarini tobora ko‘proq ko‘ramiz: Gemini kod va matn yozadi, Genie esa buni real vaqtda qabul qilib, turli abstraksiya darajalarida reallikni simulyatsiya qiladi», — dedi Google tadqiqotlar direktori Tejas Kulkar brifingda.

Bu kimlarga qaratilgan

E’lon qilingan tijoriy qo‘llash sohalari orasida o‘yinlar, interaktiv ta’lim va robototexnika bor; ta’limning spekulativ misollaridan biri — tarixiy sahnani tasvirlangan kartina ichiga kirib, uning qahramonlari bilan suhbatlashish. Google mahsulotlariga erta kirish huquqini oladigan ishonchli sinovchilar (trusted testers) yangi qo‘llash sohasini ko‘rsatadi: filmlarni prototiplash. «Real vaqt jihati ijodiy jarayonda g‘oyalar oqimini saqlash muhim bo‘lgan joylarda eng qadrli», — dedi Google DeepMind muhandisi Diego Rivas va misol sifatida g‘oyalar bosqichi va storbordingni keltirdi. Rivas qo‘shimcha qilishicha, vaqt o‘tishi bilan foydalanuvchilar yordamida Gemini Omni — tasvirlar, audio va matndan video yaratadigan multimodal model — prototiplarni tayyor ijodiy materiallarga aylantira oladilar, biroq uning so‘zlariga ko‘ra, bunday imkoniyatlar hozircha uzoq istiqbolda. Googleda Veo ham bor — sinxron tovush bilan video yaratadigan va kinematograflar orasida shuhrat qozonayotgan model.

Kontekst: jahon modellari bozorining konsolidatsiyasi

Genie 4 chiqarilishi raqobat keskinlashuvi va tarmoq konsolidatsiyasi fonida yuz berdi. Bir-ikki oy oldin Runway video-startapi o‘zining ikkinchi jahon modelini GWM Worlds 2 — foydalanuvchi harakatlariga dinamik javob beradigan va tovush ham yaratadigan o‘ynaladigan modelni chiqardi. Ayni paytda bozorda yirik o‘yinchilar faol sotib olishlar qilmoqda: Fei-Fei Li’ning World Labs kompaniyasi AMDni sotib olmoqda, Amazon Decartni sotib olish bo‘yicha muzokaralar olib bormoqda taxminan 7 milliard dollarga, Rivian esa Third Dimensionni sotib oldi— kompaniya ichida avtonom haydashni sinash uchun simulyatsiya quvvatlariga ega bo‘lish maqsadida. Genie 4 — Google’ning tobora zichlashayotgan bu sohada o‘z o‘rnini saqlab qolish uchun yana bir qadami.

Qanday kirish mumkin

Hozirda Genie 4 ishonchli sinovchilar uchun research preview holatida mavjud. Yaqin haftalarda model Google AI Ultra obunachilari uchun Project Genie — matnli yoki grafik ko‘rsatmalardan interaktiv dunyolar yaratadigan Google vositasi — hamda Gemini API va Google AI Studio erta kirish hamkorlari uchun paydo bo‘ladi. Rivas brifingda mahsulot hali erta bosqichda ekanligini va yakuniy foydalanuvchi tajribasi qanday bo‘lishi noma’lumligini ta’kidlagan edi.