Google DeepMind 27. októbra 2026 predstavil svetový model Genie 4, ktorý v reálnom čase vytvára interaktívne prostredia so zvukom a dialógmi postáv. Model je zatiaľ dostupný len vybraným testerom, ale ukazuje, kam sa posúva technológia, ktorá dokáže simulovať celé scény namiesto toho, aby generovala len hotové video. Pre odvetvie hier, filmu a robotiky ide o významný krok, pretože podobné svetové modely práve prechádzajú vlnou konsolidácie na trhu.
V skratke
- Google DeepMind zverejnil Genie 4 ako výskumnú ukážku 27. októbra 2026, ide o nástupcu modelu Genie 3 z augusta 2025.
- Po prvý raz model generuje zvuk v reálnom čase, teda hudbu, zvuky prostredia aj dialógy postáv.
- Scéna zostáva súvislá až dve minúty, dvojnásobne dlhšie než pri Genie 3.
- V experimente s projektom Gemini Robotics model Gemini 4 Argon rozdelil hru dáma na kroky, ktoré Genie 4 simuloval s humanoidným robotom Apollo od firmy Apptronik, bez skutočného robota.
Zvuk, dialógy a dlhšie scény
Najväčšia zmena oproti predchádzajúcej verzii je zvuk. Genie 4 ku každej simulovanej scéne generuje vlastnú zvukovú stopu, napríklad vietor v korunách stromov, a postavy dokážu viesť dialóg a reagovať v reálnom čase na to, čo používateľ napíše alebo urobí. DeepMind tvrdí, že ide o prvý jeho svetový model s takouto schopnosťou. Používatelia môžu scénu upravovať priamo počas simulácie, napríklad zmeniť počasie, uhol kamery alebo doplniť nové postavy a predmety, a model zvládne udržať súvislú scénu až dve minúty, čo je dvojnásobok oproti Genie 3. DeepMind pri tom hovorí aj o lepšej fyzike a prirodzenejších postavách.
Podobne ako pri predchádzajúcich verziách počíta DeepMind s využitím v hrách, interaktívnom vzdelávaní a robotike. Jeden z príkladov, ktorý firma pri predstavení ukázala, je vstup do obrazu historickej scény a rozhovor s postavami na ňom o udalosti, ktorú zobrazuje. Práve táto kombinácia vzdelávacieho a herného použitia má byť podľa DeepMind dôvodom, prečo sa oplatí svetové modely stavať ako samostatnú kategóriu produktov, nie len ako doplnok k existujúcim nástrojom na generovanie videa, ako je Google Veo.
Ako to funguje: Gemini ako režisér
Genie 4 nevytvára hotové video, ale počíta scénu snímku po snímku a reaguje na vstup za pochodu, podobne ako počítačová hra. Rozdiel je v tom, že svet aj postavy v ňom vznikajú priamo z textových príkazov. Úlohu režiséra prevzali modely Gemini, konkrétne Gemini 4 Argon, ktoré podľa DeepMind plánujú ďalšie kroky, sledujú jednotlivé snímky a kontrolujú, či sa simulácia stále drží zadania. Ak používateľ zmení zadanie alebo sa scéna vyvinie iným smerom, Gemini plán priebežne upraví. Model tak funguje ako dvojica, Genie generuje obraz a zvuk, Gemini rozhoduje, čo sa má v scéne ďalej stať. Všetky vygenerované videá a zvukové stopy navyše nesú vodoznak SynthID, podobne ako pri výrazne lacnejšom značkovaní videí pre roboty, o ktorom AIportal.sk písal len deň predtým.
Robotika a prvé reálne testy
DeepMind spojil Genie 4 aj so svojím programom Gemini Robotics. V jednom z experimentov model Gemini 4 Argon rozložil úlohu, hru dáma, na jednotlivé kroky a Genie 4 ich simuloval s humanoidným robotom Apollo od firmy Apptronik, bez toho, aby sa čohokoľvek dotkol skutočný robot. Ukazuje to smer, kam sa svetové modely môžu posunúť, teda ako prostredie na testovanie robotických úloh skôr, než sa vyskúšajú v reálnom svete.
Trh svetových modelov sa však rýchlo zahusťuje. Len pár mesiacov predtým vydala svoj druhý model GWM Worlds 2 konkurenčná spoločnosť Runway, a podľa TechCrunch zároveň prebieha aj konsolidácia odvetvia, firmu World Labs od Fei-Fei Li kupuje AMD, Amazon rokuje o kúpe Decart a výrobca áut Rivian prevzal firmu Third Dimension, aby mal simulácie pre testovanie samoriadenia pod vlastnou strechou. Genie 4 je tak pre Google skôr krokom, ktorým sa snaží v preplnenom poli udržať náskok, než osamotenou novinkou.
Čo to znamená pre firmy
DeepMind aj počas prezentácie pripustil, že ešte nie je jasné, ako bude finálny produkt vyzerať, Genie 4 je stále experimentálny model s medzerami, napríklad objekty sa v dlhších scénach vedia posunúť alebo zmiznúť a text v scéne ešte nie je vždy čitateľný. Napriek tomu testeri podľa TechCrunch skúšajú model aj na prototypovanie filmov, teda rýchle nákresy scén a storyboardov ešte pred samotným natáčaním. Pre firmy to môže znamenať rýchlejšie overenie nápadu pred tým, než doň investujú produkčný rozpočet, či už vo filme, hre alebo pri tréningu robotov. Google zároveň posilňuje vlastný ekosystém v čase, keď konkurencia naopak otvára svoje modely aj inde, napríklad OpenAI ponúka svoje modely aj na Google Cloud, čo ukazuje, že hranice medzi veľkými AI firmami sa stierajú aj obchodne. Zároveň to naznačuje, že firmy, ktoré chcú takéto nástroje nasadiť vo vlastnej praxi, budú musieť sledovať viacero platforiem naraz, nielen jedného dodávateľa.
Čo sledovať ďalej
Genie 4 má v najbližších týždňoch postupne pribudnúť predplatiteľom Google AI Ultra v nástroji Project Genie a partnerom s predbežným prístupom k Gemini API a Google AI Studio. Sledovať treba, ako DeepMind vyrieši spomínané medzery, najmä stabilitu dlhších scén a presnosť zvuku, a tiež ako na vydanie zareagujú konkurenti ako Runway alebo OpenAI, ktorí vo vývoji svetových modelov tiež napredujú.
