Genie 4 открыли для Google AI Ultra: интерактивное видео

18 ноября Google открыла Genie 4 подписчикам AI Ultra, и это первый день, когда модель можно потрогать снаружи. Смотрю на событие прикладно: что даёт звук в реальном времени, чем интерактивное видео отличается от готового ролика и где Google сама перечисляет слабые места.

Человек идёт по миру, который дорисовывается впереди и рассыпается позади — Genie 4 считает сцену на ходу
01

Что открыли 18 ноября

Пост в блоге Google называется «Genie 4 is now available», подпись под ним: Diego Rivas и Pavan Kumar. Новый Project Genie раскатывают на подходящих подписчиков Google AI Ultra, а подписчики Google AI Pro могут встать в лист ожидания. Слово «подходящих» оставляет Google пространство для манёвра, и точные условия в тексте не раскрыты.

Главное в этом посте одно слово: впервые. До 18 ноября Genie 4 был анонсом с картинками, теперь это инструмент, который открывается у части подписчиков. Анонс Genie 4 со звуком мы разбирали отдельно, и там речь шла о возможностях. Здесь интереснее другое: что реально доступно в день запуска и как это встроить в работу над роликом. Ставить ничего не нужно, Project Genie работает в браузере.

02

Чем интерактивное видео отличается от готового ролика

Обычная генерация видео устроена как пре-рендер: модель считает клип от первого кадра до последнего, вы получаете файл и смотрите его одинаково при каждом запуске. Интерактивное видео работает иначе. Мир считается на ходу, пока вы в нём находитесь: повернули камеру, и модель дорисовала то, что открылось за поворотом.

Проще говоря, это комната, в которой можно ходить. Хронометраж перестаёт быть свойством файла, его задаёт ваша прогулка. И результат перестаёт быть воспроизводимым: второй проход по тому же маршруту не обязан дать ту же картинку.

Для заказчика это важно по одной причине. Интерактивное видео нельзя положить в папку «финал» и отправить на площадку. Его можно показать, обсудить и использовать как черновик решения.

Слева запечатанная плёнка готового ролика, справа открытая тропа, которую проходит камера — интерактив против пре-рендера
03

Нейросеть Google для видео: что именно изменилось

Три изменения важны, когда смотрите демо Genie 4.

Первое: промпт можно писать посреди сессии. Прямо во время прогулки вы меняете погоду, добавляете персонажа, поворачиваете действие, и мир реагирует на текст без перезапуска сцены.

Второе: звук. Впервые картинка идёт вместе со звуком, который генерируется в реальном времени, от фонового шума до реплик персонажей. Это меняет ощущение от демо, потому что тишина сразу выдавала технический характер ролика.

Третье: Genie 3 остаётся в выборе моделей, и это не архивная опция. У неё другой профиль: до 3 минут на генерацию вместо 60 секунд, сцепка миров, старт с панорамы 360 градусов, вызов событий текстом. Для долгих прогулок по одному миру эта модель остаётся рабочей.

04

Агент, галерея и два примера

Мир здесь собирается из разговора. Агент Project Genie подбирает стартовые визуалы и фоновую музыку под настроение, а Gemini может смотреть на экран и предлагать, куда идти дальше. Это снижает порог входа: человеку без опыта в 3D-редакторах не нужно ничего настраивать вручную.

Публичная часть это галерея миров. Там лежат кураторские подборки и работы пользователей, любой мир можно ремиксить, а свой опубликовать. Два примера из поста: «Villa Giallo», собранная с Will aka BLVCKL!GHT, и «The Life of Ants» с режиссёром Anand Gandhi. Второй пример любопытен тем, что автор пришёл из кино, где сценарий и раскадровка пишутся заранее.

Схема препродакшена: набросок, прогулка внутри мира как черновик решения, затем три версии готового кадра
05

Что из этого пригодится заказчику уже сейчас

Вижу три задачи, где интерактивный мир закрывает боль, которую обычно лечат картинками и словами.

Превиз локации. Спор «балкон или терраса» в переписке идёт сутками. Если заказчик сам прошёлся по обоим вариантам, вопрос закрывается за одну прогулку.

Поиск ракурса. Мир даёт возможность посмотреть на сцену с любой точки, и это дешевле, чем строить два варианта сцены в 3D ради одного кадра.

Моковая прогулка для питча. Живая демонстрация вместо слайда с текстом: вы говорите, что будет за углом, и поворачиваете камеру.

Сборка ролика нейросетями после такого превиза идёт быстрее, потому что решения по антуражу и свету приняты до генерации. Если проект требует ручной работы с кадром, смотрите ручные ролики: там превиз обсуждают с режиссёром, а агент отвечает за другое.

06

Где Google сама называет границы

В посте есть список ограничений, и он честнее большинства демо. Google перечисляет задержку камеры, сложные физические взаимодействия, точность звука в реальном времени и долгое постоянство сцены.

Разберу два пункта, которые заметит любой, кто заказывает видео. Задержка камеры означает, что управление не мгновенное: между вашим движением и картинкой есть пауза, и на живой демонстрации это чувствуется. Долгое постоянство сцены означает, что мир держится не бесконечно: у длинной прогулки больше шансов, что детали начнут меняться.

Физика и звук это места, где обмануть глаз проще всего, и Google их не прячет. Для питча такие огрехи прощаются, для финального кадра нет.

Отдельно про маркировку. Всё видео и аудио из Project Genie идёт с водяным знаком SynthID, а входы и выходы проходят проверку безопасности. Для агентства это означает простую вещь: материал из галереи и из своей сессии помечен на уровне генерации, и эту метку стоит сохранять при монтаже. Про открытые модели мира на одной видеокарте у нас есть отдельный разбор: там видно, насколько близко к этому подходят локальные решения.

07

Почему это пока не замена готовых шотов

Готовый ролик требует предсказуемости. Монтаж, титры, цвет, три версии под разные площадки, и в каждой версии кадр должен быть тем же кадром. Интерактивный мир эту предсказуемость не даёт по устройству: он считается заново каждый раз.

Есть и вторая причина, техническая. Задержка камеры, о которой пишет Google, для игрока мелочь, а для съёмки точного проезда камеры уже помеха. Пока эти ограничения в списке, интерактивный мир остаётся инструментом препродакшена.

Третья причина денежная, и её редко проговаривают. Прогулка по миру не создаёт актив, который можно перемонтировать через месяц. Ролик создаёт.

08

Мой вывод

Мой интерес в этой новости связан со скоростью согласования, а звук в реальном времени это приятный бонус. Самая дорогая часть работы это не генерация. Это долгая переписка про то, как должна выглядеть локация, и интерактивный мир сокращает её до одного разговора.

Правило для проекта я бы сформулировал так. Сначала короткая прогулка в Genie 4 на превиз и поиск ракурса, потом решение по продакшену. Если заказчик хочет увидеть движение внутри сцены, дальше идёт обычная генерация шотов.

И последнее. Доступ открыт части подписчиков AI Ultra, а лист ожидания для AI Pro показывает, что раскатка идёт постепенно. Строить производственный процесс вокруг инструмента, который доступен не всем и меняется, рано. Использовать его как быстрый черновик уже можно.

частые вопросы

01Чем Genie 4 отличается от Genie 3
В Genie 4 появился звук, который генерируется в реальном времени вместе с картинкой, и возможность менять мир промптом посреди сессии. Genie 3 остаётся в выборе моделей и даёт более долгие прогулки: до 3 минут на генерацию, сцепку миров и старт с панорамы 360 градусов.
02Кому доступен Project Genie
Подписчикам Google AI Ultra, которых Google считает подходящими. Подписчики Google AI Pro могут встать в лист ожидания и ждать своей очереди.
03Подходит ли Project Genie для рекламного ролика
Как превиз локации, поиск ракурса и живая демонстрация идеи да. Как готовый файл для площадки нет: мир считается заново при каждом проходе, а у камеры есть задержка.
04Есть ли на видео водяной знак
Да. Всё видео и аудио помечается SynthID, а входы и выходы проходят проверку безопасности.