گوگل در ۱۸ نوامبر ۲۰۲۶ نسخه بازطراحی‌شده Project Genie را برای مشترکان واجد شرایط Google AI Ultra باز کرد و همراه آن، نخستین دسترسی عمومی به Genie 4، تازه‌ترین مدل جهان تعاملی خود را داد. Project Genie یک نمونه پژوهشی آزمایشی است که اجازه می‌دهد کاربر از داخل مرورگر جهان بسازد و در آن حرکت کند. در متنی که Diego Rivas از Google DeepMind و Pavan Kumar از Google Labs امضا کرده‌اند، شرکت می‌گوید آزمایش‌کنندگان اولیه کنترل بیشتر داخل جهان‌ها و راه ساده‌تری برای ساختن و به اشتراک گذاشتن آن‌ها خواسته بودند.

Genie 4 واقع‌گرایانه‌ترین و تعاملی‌ترین مدل جهان گوگل تا امروز معرفی شده است. مهم‌ترین تغییر برای کاربر، دستور دادن در میانه جلسه است: هنگام حرکت در جهان می‌شود دستور تازه‌ای نوشت و محیط را همان لحظه تغییر داد، مثلاً آب‌وهوا را عوض کرد، شخصیتی اضافه کرد یا مسیر ماجرا را برگرداند. گوگل می‌گوید Genie 4 برای نخستین بار تصویر را با صدای بومی و بی‌درنگ همراه می‌کند، از صداهای محیط تا گفتار شخصیت‌ها، و صدا با تحول صحنه هماهنگ می‌شود.

Genie 3 در انتخاب‌گر مدل می‌ماند و برای کسانی که اجرای طولانی‌تر یا فضاهایی بر پایه تصویر پانوراما می‌خواهند بهبود می‌یابد. جلسه‌ها حالا تا سه دقیقه برای هر تولید ادامه دارند، در حالی که پیش‌تر ۶۰ ثانیه بود، و می‌شود چند جهان را به هم زنجیر کرد. Genie 3 همچنین تصویر پانورامای ۳۶۰ درجه را به‌عنوان نقطه شروع می‌پذیرد و رویدادهای بی‌درنگ درون جهان را که با دستور زبان طبیعی فعال می‌شوند پشتیبانی می‌کند.

این به‌روزرسانی دو لایه تازه دور مدل‌ها اضافه می‌کند. عامل Project Genie اجازه می‌دهد ایده را در گفتگو توضیح بدهید و مدل‌های چندوجهی گوگل را هماهنگ می‌کند تا ظاهر اولیه جهان و یک موسیقی پس‌زمینه متناسب بسازند؛ در طول جلسه هم می‌تواند مدل‌های Gemini را وارد کند که صفحه را می‌بینند، مسیر بعدی را پیشنهاد می‌دهند یا رویداد فعال می‌کنند. گالری جامعه کاربران جهان‌های منتخب و آثار کاربران را کنار هم می‌آورد و هر کس می‌تواند اثر خود را منتشر کند یا کار دیگران را با تغییر ساختار، موسیقی یا قاعده‌ها بازترکیب کند. گوگل نمونه‌هایی مانند «Living Memory»، «Dino Field Guide»، «Rock Paper Scissors»، یک معمای عمارت گوتیک به نام «Villa Giallo» با همکاری Will aka BLVCKL!GHT و «The Life of Ants» با همکاری فیلم‌ساز Anand Gandhi را نشان می‌دهد.

دسترسی محدود است. مشترکان واجد شرایط Google AI Ultra از ۱۸ نوامبر می‌توانند از تجربه جدید استفاده کنند و اعضای Google AI Pro در همان صفحه می‌توانند به فهرست انتظار بپیوندند. متن گوگل نه کشورها را مشخص می‌کند و نه قیمتی می‌دهد.

گوگل تدابیر ایمنی و محدودیت‌ها را هم برمی‌شمارد. تصویر و صدای تولیدشده در Project Genie نشان SynthID دارد و همه ورودی‌ها و خروجی‌های مدل از بررسی ایمنی می‌گذرند. شرکت Genie 3 و Genie 4 را مدل‌هایی در مرز پژوهش می‌نامد و چالش‌های حل‌نشده‌ای را نام می‌برد: تأخیر دوربین، تعامل‌های فیزیکی پیچیده، دقت صدای بی‌درنگ و پایداری بلندمدت صحنه. برای جزئیات محدودیت‌ها به یک مرور پژوهشی جداگانه درباره Genie 4 ارجاع می‌دهد.

این اعلام نه عدد عملکرد دارد و نه ارزیابی مستقل. ادعاهای مربوط به واقع‌گرایی و تعامل‌پذیری از خود گوگل است و متن نمی‌گوید جلسه با Genie 4 تا چه مدت می‌تواند ادامه یابد.

منابع