Genie 4 Đang hoạt động

Genie 4 là mô hình thế giới thế hệ mới do Google DeepMind phát triển, có thể tạo ra các thế giới ảo có thể tự do khám phá theo thời gian thực. Người dùng có thể điều khiển nhân vật bằng bàn phím, dùng văn bản để thay đổi thời tiết hoặc thêm yếu tố trong thời gian thực, đồng thời lần đầu hỗ trợ âm thanh nguyên bản và hội thoại tương tác. Genie 4 kết hợp năng lực của dòng Gemini: Gemini phụ trách suy luận và lập kế hoạch, còn Genie phụ trách kết xuất môi trường. Công nghệ này có thể được dùng để huấn luyện robot, tiền kỳ phim, tạo nguyên mẫu trò chơi và nhiều mục đích khác. Hiện thời lượng mô phỏng khoảng 2 phút và đã được cung cấp cho người thử nghiệm thông qua bản xem trước nghiên cứu.

Tạo thế giới có thể khám phá theo thời gian thực: nhập một đoạn văn bản để tạo ra thế giới ảo có thể tự do khám phá mà không cần dựng cảnh 3D trước.
Điều khiển bằng bàn phím và văn bản theo thời gian thực: dùng bàn phím để điều khiển chuyển động của nhân vật và camera, đồng thời nhập lời nhắc bất cứ lúc nào để thay đổi thời tiết hoặc thêm nhân vật, vật thể trong khi chạy.
Tạo âm thanh nguyên bản: lần đầu hỗ trợ tạo đồng bộ âm thanh môi trường, âm nhạc và hội thoại nhân vật với thế giới, trở thành mô hình Genie đa phương thức nguyên bản đầu tiên.
Hội thoại tương tác với nhân vật: nhân vật ảo có thể tạo ngôn ngữ và phản ứng theo thời gian thực dựa trên nội dung người dùng nhập và các sự kiện trong thế giới, không còn phụ thuộc vào lời thoại dựng sẵn.
Mô phỏng vật lý chân thực: mô phỏng va chạm, khí động học, trọng lực và các quy luật vật lý khác; chuyển động của nhân vật tự nhiên và có thể được hướng dẫn theo thời gian thực.
Vòng lặp tác nhân thông minh Gemini: Gemini 3.8 Flash đóng vai trò tác nhân hướng dẫn theo thời gian thực, quan sát hình ảnh, phân rã nhiệm vụ thành các bước và xác minh kết quả thực hiện để đảm bảo tính nhân quả mạch lạc của mô phỏng.
Mô phỏng huấn luyện robot: kết hợp với Gemini 4 Argon, cho phép robot luyện tập nhiều lần các nhiệm vụ phức tạp trong thế giới ảo trước khi chuyển sang thực tế.
Công cụ tạo nguyên mẫu đa ngành: hỗ trợ tiền kỳ phim, kiểm chứng ý tưởng trò chơi, tái dựng bối cảnh từ ảnh lịch sử, mô phỏng công nghiệp cho doanh nghiệp và các tình huống tạo nội dung từ đầu.

Kiến trúc mô hình thế giới: Genie 4 tiếp nối hướng phát triển “học về thế giới từ video” của dòng Genie. Thông qua việc học từ lượng lớn dữ liệu video, mô hình nắm bắt quan hệ nhân quả giữa hành động và thay đổi môi trường, đồng thời dự đoán và tạo ra khung hình tiếp theo theo thời gian thực sau mỗi thao tác của người dùng.
Gemini Omni làm nền tảng cảm giác: Gemini Omni cung cấp các tiên nghiệm về diện mạo và hành vi của thế giới thực cho mô phỏng, đảm bảo thế giới được tạo ra gần với thực tế về chất lượng hình ảnh, hành vi vật thể và quy luật vật lý, đóng vai trò nền tảng cảm giác cho toàn bộ mô phỏng.
Vòng lặp tác nhân Gemini 3.8 Flash: Gemini 3.8 Flash đóng vai trò tác nhân hướng dẫn theo thời gian thực, liên tục quan sát hình ảnh được tạo, phân rã nhiệm vụ thành các bước và xác minh từng khung hình xem việc thực hiện có thành công hay không. Khi người dùng can thiệp hoặc môi trường thay đổi, mô hình lập tức điều chỉnh kế hoạch để duy trì tính nhân quả mạch lạc trong mô phỏng dài.
Argon thúc đẩy kết xuất bằng phân rã nhiệm vụ: trong các thí nghiệm nghiên cứu, Argon chia chỉ thị của người dùng thành các bước liên tiếp và đưa chúng vào Genie 4 theo thời gian thực dưới dạng phụ đề văn bản. Vì Genie 4 hỗ trợ hướng dẫn bằng văn bản theo thời gian thực, quá trình mô phỏng có thể tự thích ứng khi nhiệm vụ tiến triển, mở đường cho các tình huống phức tạp như huấn luyện robot.

Tham gia danh sách chờ: truy cập trang web chính thức của Project Genie và gửi yêu cầu để tham gia waitlist của Genie 4.
Chờ quyền truy cập: hiện bản xem trước nghiên cứu chỉ mở cho những người thử nghiệm được tin cậy.
Mở Project Genie: sau khi được cấp quyền, truy cập giao diện sáng tạo của Genie 4 thông qua Project Genie.
Nhập lời nhắc để tạo thế giới: mô tả cảnh bạn muốn bằng một đoạn văn bản, Genie 4 sẽ tạo thế giới ảo có thể khám phá theo thời gian thực.
Điều khiển bàn phím và camera: sử dụng bàn phím tiêu chuẩn để điều khiển chuyển động của nhân vật và góc nhìn camera, tự do khám phá thế giới.
Thay đổi cảnh bằng chỉ thị theo thời gian thực: tiếp tục nhập lời nhắc văn bản trong khi chạy để thay đổi thời tiết hoặc thêm nhân vật, vật thể bất cứ lúc nào; Gemini sẽ tự động kết hợp bối cảnh hiện tại để hiểu ý định của bạn.
Hội thoại tương tác với nhân vật: trò chuyện trực tiếp với nhân vật ảo; nhân vật sẽ tạo phản hồi theo thời gian thực và giọng nói được mô hình tạo nguyên bản.
Cách sử dụng nâng cao cho người thử nghiệm: nhà phát triển có thể gọi Genie 4 trong Gemini API / AI Studio để tích hợp vào quy trình tạo nguyên mẫu trò chơi, tiền kỳ phim ảnh hoặc mô phỏng robot.

Tương tác theo thời gian thực: nâng cấp từ “video AI chỉ có thể xem” thành một thế giới sống động mà người dùng có thể bước vào và viết lại bất cứ lúc nào; mỗi thao tác trở thành một biến số mới ảnh hưởng đến sự phát triển của thế giới.
Đa phương thức nguyên bản: mô hình thế giới đầu tiên đồng thời tạo hình ảnh và âm thanh, với âm thanh môi trường, âm nhạc, hội thoại nhân vật được đồng bộ theo thời gian thực với cảnh quan thị giác.
Năng lực suy luận nhờ Gemini: mô hình ngôn ngữ lớn phụ trách lập kế hoạch và xác minh, Genie phụ trách kết xuất, giúp mô phỏng có logic nhân quả đáng tin cậy và năng lực suy luận nhiều bước.
Độ chân thực hàng đầu: dựa trên tiên nghiệm về diện mạo và hành vi của Gemini Omni, độ chân thực hình ảnh, sự tự nhiên trong chuyển động nhân vật và độ chính xác mô phỏng vật lý đạt mức cao nhất trong dòng sản phẩm.
NPC thông minh: nhân vật có thể tạo ngôn ngữ và phản ứng linh hoạt dựa trên môi trường và nội dung người dùng nhập, vượt qua giới hạn của lời thoại dựng sẵn và cây hành vi trong trò chơi truyền thống.

Trang web dự án：https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/

Tạo mô phỏng thế giới theo thời gian thực
Environment prompt: A sweeping aerial view over the vast, frozen landscape of Antarctica, featuring endless snow-covered glaciers, jagged icy mountain peaks, and sculpted blue icebergs bathed in crisp polar sunlight under a clear, pale blue sky. Numerous hot air balloons dot the horizon at varying altitudes, with a large cream, red, and blue striped balloon floating prominently in the mid-distance above the ice sheet.
Character prompt: Shot from a first-person POV standing inside the woven wicker basket of a flying hot air balloon, looking out over the leather-trimmed basket edge on the right side of the frame, where black padded support poles, metal rigging chains, and the dark base of the balloon canopy overhead frame the drifting polar vista.
Lời nhắc môi trường: Một góc nhìn trên không rộng lớn bao quát cảnh quan băng giá mênh mông của Nam Cực, với những sông băng phủ tuyết bất tận, các đỉnh núi băng lởm chởm và những tảng băng trôi màu xanh được điêu khắc, tỏa sáng dưới ánh nắng vùng cực trong trẻo bên dưới bầu trời xanh nhạt quang đãng. Nhiều khinh khí cầu ở các độ cao khác nhau điểm xuyết đường chân trời, trong đó một khinh khí cầu lớn có sọc màu kem, đỏ và xanh nổi bật giữa khoảng cách trung bình phía trên lớp băng.
Lời nhắc nhân vật: Cảnh quay từ góc nhìn thứ nhất, đứng bên trong chiếc giỏ mây đan của một khinh khí cầu đang bay, nhìn ra ngoài qua mép giỏ bọc da ở phía bên phải khung hình. Các cột đỡ bọc đệm màu đen, dây xích kim loại và phần đáy tối màu của mái vòm khinh khí cầu phía trên cùng tạo khung cho khung cảnh vùng cực đang trôi qua chậm rãi.
Mô phỏng sự kiện phức tạp
Prompt: crowned crane walks across the snow beneath the clear dusk gradient sky. Natural colors in a documentary style.
Lời nhắc: Một con sếu đầu đỏ bước qua nền tuyết dưới bầu trời hoàng hôn chuyển sắc quang đãng. Màu sắc tự nhiên, phong cách phim tài liệu.

Tiền kỳ phim ảnh (Pre-vis): đạo diễn dùng văn bản để tạo các bối cảnh ảo có thể bước vào, điều chỉnh camera, ánh sáng, lời thoại và hành động theo thời gian thực, nhanh chóng thử nhiều phương án quay mà không cần dựng cảnh hoặc diễn thử trước.
Phát triển nguyên mẫu trò chơi: nhà phát triển tạo môi trường trò chơi có thể khám phá chỉ trong vài giây bằng lời nhắc, kiểm chứng phong cách mỹ thuật, chất liệu và cách chơi tương tác trước khi quyết định đầu tư phát triển chính thức.
Giáo dục tin tức và lịch sử: phóng viên ảnh chuyển ảnh lịch sử hai chiều thành bối cảnh động có thể khám phá hoặc mô phỏng diễn biến của các sự kiện như lũ lụt và cháy rừng, giúp tin tức và giảng dạy trở nên nhập vai hơn.
Mô phỏng huấn luyện robot: robot hình người luyện tập nhiều lần các nhiệm vụ phức tạp trong thế giới ảo; Gemini phụ trách phân rã bước thực hiện, còn Genie 4 phụ trách mô phỏng môi trường, từ đó giảm chi phí và rủi ro.
Mô phỏng công nghiệp cho doanh nghiệp: doanh nghiệp có thể nhanh chóng tạo các bối cảnh phức tạp theo phương thức từ 0 đến 1 để mô phỏng công nghiệp, kiểm thử môi trường và xác minh quy trình, giảm thời gian và chi phí thử nghiệm thực tế.