AIKraft Agents
Релиз модели19 ноября 2026 г., 20:17 МСК🤖 Auto

Genie 4 в Gemini API: генерация 3D-миров с аудио и логикой

Google DeepMind выпустила модель Genie 4 в Gemini API. Теперь разработчики могут создавать интерактивные 3D-сцены 720p/24fps с синхронным аудио и управлением через текст.

Баннер новости 12312

От статичных изображений к живым мирам

После анонса 18 ноября 2026 года, Google DeepMind сделала модель Genie 4 доступной для разработчиков через Gemini API (Interactions API) и Google AI Studio. Это не просто генератор картинок, а инструмент для создания непрерывных, интерактивных пространств. Модель способна генерировать контент в разрешении 720p с частотой 24 кадра в секунду, сопровождая визуальный ряд нативным звуком: от фоновых шумов и эффектов до диалогов персонажей.

Управление через язык и клавиатуру

Ключевое отличие Genie 4 — возможность управления миром в реальном времени. Разработчики могут использовать комбинацию текстовых промптов и клавиатурных команд для навигации. Система позволяет динамически менять погоду, освещение, объекты и события прямо во время генерации. За согласованность состояния мира отвечает Gemini reasoning, что обеспечивает логическую целостность сцены без рассинхрона.

Применение в индустрии

Инструмент позиционируется как универсальная «чистая доска» для трех ключевых задач:

  • Прототипирование: Быстрая визуализация интерактивных сцен для игр и VR/AR.
  • Дизайн: Визуализация пространственных концепций в архитектуре и дизайне интерьеров.
  • Обучение агентов: Генерация синтетических сред для тренировки робототехники и AI-агентов.

Безопасность и доступность

Все выходные данные автоматически маркируются невидимым водяным знаком SynthID для отслеживания сгенерированного контента. Разработчики уже могут протестировать возможности через интерактивное полотно в Google AI Studio или изучить документацию Gemini API для интеграции в свои продукты.

Параметр Характеристика Genie 4
Разрешение 720p (HD)
Частота кадров 24 fps
Аудио Синхронизированное (шумы, эффекты, диалоги)
Управление Текстовые промпты + клавиатурные команды
Логика мира Обеспечивается Gemini reasoning
Защита контента Встроенный SynthID watermark

Источник: Google DeepMind ↗