Genie 4 od Google DeepMind generuje interaktivní svět a k němu rovnou i zvuk. DeepMind model představil 27. října 2026 jako world model, tedy systém, který z textového popisu nebo obrázku vytváří prostředí, jímž se dá v reálném čase procházet. Podle firmy je to její první real-time world model, který zvuk generuje sám, souběžně s obrazem. Ve světě fouká vítr ve stromech nebo šumí příboj, případně hraje hudba. Postavy mluví. Reagují přitom na hráče i na to, co se kolem nich děje. Pohyb a kameru uživatel ovládá klávesnicí a myší, scénu mění za běhu textovými pokyny, třeba přidá postavu nebo změní počasí. Vyzkoušet si to zatím mohou jen vybraní testeři (trusted testers), Genie 4 je ve fázi výzkumného preview.
Oznámení podepsali Raia Hadsell, Diego Rivas a Hang Qi. Genie 4 podle nich staví na modelech z rodiny Gemini. Gemini Omni má zajistit, aby simulace vypadala a chovala se jako skutečný svět, a další modely Gemini se starají o uvažování, které drží simulaci souvislou. Přímo ve smyčce běží Gemini 3.8 Flash. Sleduje generovanou scénu a rozkládá zadaný cíl na kroky. Na nových snímcích pak kontroluje, jestli se krok povedl. Gemini také přizpůsobí pokyn od uživatele tomu, co se ve scéně zrovna děje, a mezi pokyny scénu sám řídí tak, aby děj plynule pokračoval. DeepMind takhle zkoušel i robotiku: Gemini 4 Argon, na který 28. října navázal Gemini 4 Carbon, rozložil úlohu na kroky a Genie 4 je za běhu dostával jako textové popisky. Vznikla tak simulace, v níž humanoidní robot Apollo od firmy Apptronik hraje dámu. Tejas Kulkarni, výzkumný ředitel v Googlu, na briefingu pro novináře podle TechCrunch řekl, kam má spolupráce obou modelů vést.
What we’ll increasingly see in the future are these hybrid world models, where you have a combination of Gemini writing code and text, and Genie ingesting that in real time and simulating reality at different levels of abstraction.
Předchozí Genie 3 ukázal DeepMind 5. srpna 2025. Generoval svět z textu rychlostí 24 snímků za sekundu v rozlišení 720p a soudržný ho udržel několik minut, přičemž počasí nebo nové postavy šlo textovými pokyny měnit už tehdy (DeepMind tomu říkal promptable world events). Kromě zvuku má Genie 4 podle DeepMindu realističtější obraz a věrněji simuluje fyziku, třeba aerodynamiku nebo srážky předmětů. Největší posun firma vidí u lidí: postavy se podle ní pohybují přirozeně a reagují na okolí, uživatel je navíc může za běhu řídit. Mimo okruh testerů se Genie 3 dostal 29. ledna 2026 do prototypu Project Genie v Google Labs. Dostali ho předplatitelé Google AI Ultra v USA starší 18 let, s limitem 60 sekund na jednu generaci a bez změn světa za běhu. Genie 4 dostanou v Project Genie opět nejdřív předplatitelé Ultra a vedle nich partneři s předběžným přístupem ke Gemini API a Google AI Studio. TechCrunch 27. října napsal, že se tak stane během několika týdnů.
DeepMind spolupracuje s testery z kreativních oborů, žurnalistiky, vzdělávání, herního vývoje a inženýrství. Filmaři podle blogu berou Genie 4 jako rychlý náčrt: vstoupí do simulace scény a natočí několik „záběrů“ po sobě, přičemž za běhu mění úhel kamery, světlo, dialog i děj. Fotoreportéři testují, jestli jde z jediné archivní fotografie během pár sekund udělat prostředí, kterým se dá projít. Herní vývojáři s ním zkoušejí vizuální styl a herní mechaniky dřív, než napíšou první řádek kódu pro engine. Slabiny DeepMind vyjmenovává sám. Detaily a předměty se v delší simulaci posouvají nebo mizí, hlavně po několika složitějších úpravách nebo při delším pohybu scénou. Souvislá interakce vydrží jen několik minut. Čitelný text se objeví většinou jen tehdy, když je přímo v zadání, a skutečná místa model zatím přesně nenapodobí. Na přesnosti zvuku v reálném čase se ještě pracuje. Video i zvuk z Genie 4 ponesou neviditelný vodoznak SynthID.
Zdroje:
- Google DeepMind: Genie 4: A new generation of world simulation, Raia Hadsell, Diego Rivas, Hang Qi, 27. října 2026
- Google DeepMind: Genie 4, stránka modelu
- Google: We’re announcing Genie 4, our new world model for real-time interactive simulation, 27. října 2026
- Google DeepMind: Genie 3: A new frontier for world models, 5. srpna 2025
- Google: Project Genie: Experimenting with infinite, interactive worlds, 29. ledna 2026
- TechCrunch: Google’s Genie 4 world model adds audio, more realistic worlds, and real-time steering, Rebecca Bellan, 27. října 2026
