Genie 4 گوگل با صدای زنده و ویرایش میانِ شبیه‌سازی؛ مدل‌های جهان از نمایش به آزمایشگاه رباتیک می‌روند
گوگل دیپ‌مایند Genie 4 را با صدای هم‌زمان و فرمان متنی میان شبیه‌سازی در پیش‌نمایش پژوهشی عرضه کرد.
تصویر: Google DeepMind (از طریق تک‌کرانچ)
گوگل دیپ‌مایند روز سه‌شنبه ۲۷ اکتبر ۲۰۲۶ (۵ آبان ۱۴۰۵) نسخه چهارم مدل جهان خود، Genie 4، را به‌صورت پیش‌نمایش پژوهشی برای آزمایشگران مورد اعتماد عرضه کرد. این مدل برای نخستین بار صدای هم‌زمان با دنیای شبیه‌سازی‌شده تولید می‌کند و به کاربر اجازه می‌دهد وسط شبیه‌سازی با فرمان متنی آب‌وهوا، زاویه دوربین یا اشیای صحنه را عوض کند. گوگل می‌گوید این مدل کاربرد خود را تا شبیه‌سازی برای رباتیک هم گسترش می‌دهد.
در این خبر فناوری می‌خوانید
در یک نگاه
- عرضه: ۲۷ اکتبر ۲۰۲۶، پیش‌نمایش پژوهشی برای آزمایشگران مورد اعتماد؛ ورود «به‌زودی» برای مشترکان Google AI Ultra در Project Genie و شرکای دسترسی زودهنگام Gemini API و Google AI Studio (منبع: صفحه رسمی دیپ‌مایند).
- پایداری صحنه: تا دو دقیقه، دو برابر سقف نسخه پیشین، به‌نقل از تک‌کرانچ؛ صفحه رسمی از «چند دقیقه تعامل پیوسته» می‌گوید.
- تازگی‌ها: صدای هم‌زمان (موسیقی، صدای محیط، گفت‌وگو) و فرمان متنی میان شبیه‌سازی (منبع: تک‌کرانچ، ۲۷ اکتبر ۲۰۲۶).
- نسخه پیشین در Project Genie (۲۹ ژانویه ۲۰۲۶) هر تولید را به ۶۰ ثانیه محدود می‌کرد (منبع: وبلاگ گوگل).
چه چیزی عرضه شد و چرا مهم است؟
مدل‌های جهان سامانه‌هایی هستند که به‌جای تولید یک ویدیوی ثابت، محیطی تولید می‌کنند که کاربر در آن حرکت و با آن تعامل دارد. Genie 4 طبق صفحه رسمی دیپ‌مایند «واقع‌گرایانه‌ترین و تعاملی‌ترین مدل جهان» این مجموعه است. پرسش اصلی این است که افزودن صدا، ویرایش هم‌زمان و پیوند با Gemini این خانواده را از یک نمایش فناورانه به ابزاری کاربردی نزدیک می‌کند یا نه.
پیشینه و تاریخچه
- آگوست (۲۰۲۵، بر پایه بافت متن‌های گوگل)دیپ‌مایند Genie 3 را پیش‌نمایش کرد؛ وبلاگ گوگل فقط «در آگوست» نوشته است و تک‌کرانچ از «کمی بیش از یک سال پیش» یاد می‌کند.
- ۲۹ ژانویه ۲۰۲۶گوگل Project Genie را برای مشترکان Google AI Ultra در آمریکا (۱۸ سال به بالا) باز کرد؛ این محصول بر پایه Genie 3، Nano Banana Pro و Gemini بود و هر تولید را به ۶۰ ثانیه محدود می‌کرد. رویدادهای قابل‌فرمان که جهان را حین گشت‌وگذار تغییر دهند هنوز در آن نبود.
- ۲۲ اکتبر ۲۰۲۶ریوین استارتاپ مدل جهان Third Dimension را خرید (به‌نقل از تک‌کرانچ).
- ۲۷ اکتبر ۲۰۲۶عرضه Genie 4 در پیش‌نمایش پژوهشی.
بازار رقابتی هم گرم است: به گزارش تک‌کرانچ، Runway چند ماه پیش GWM Worlds 2 را عرضه کرده، AMD در حال تصاحب World Labs است و آمازون طبق گزارش‌ها برای خرید Decart مذاکره می‌کند. گزارش مذاکره آمازون ادعای منبع است و تأیید مستقل نشده.
قابلیت‌ها و محدودیت‌ها
| محور | Genie 4 (طبق گزارش‌ها) | Project Genie با Genie 3 (ژانویه ۲۰۲۶) |
|---|---|---|
| صدا | موسیقی، صدای محیط و گفت‌وگوی تعاملی هم‌زمان | در منابع خوانده‌شده ذکر نشده |
| تغییر حین شبیه‌سازی | فرمان متنی برای آب‌وهوا، زاویه دوربین، افزودن افراد یا اشیا | رویدادهای قابل‌فرمان هنوز گنجانده نشده بود |
| مدت | تا دو دقیقه پایداری صحنه (تک‌کرانچ)؛ «چند دقیقه» (دیپ‌مایند) | سقف ۶۰ ثانیه برای هر تولید |
| دسترسی | آزمایشگران مورد اعتماد؛ به‌زودی برای Ultra و شرکای API | مشترکان Ultra در آمریکا، ۱۸+ |
تفاوت دو عدد «دو دقیقه» و «چند دقیقه» ناشی از دو منبع است و رونما عدد قطعی دیپ‌مایند را نیافت. رزولوشن، نرخ فریم و قیمت در منابع خوانده‌شده نیامده است. به گفته تیم، جزئیات و اشیا با طولانی‌تر شدن شبیه‌سازی دچار رانش می‌شوند و دقت صدا و خوانایی متن داخل دنیا هنوز حل نشده است.
Gemini در نقش کارگردان
به گزارش تک‌کرانچ، در یک آزمایش مرتبط با Gemini Robotics، مدل زبانی کار را به گام‌ها می‌شکند و فریم‌ها را بررسی می‌کند، در حالی که Genie تصویر را می‌سازد. تِجاس کولکارنی از گوگل در توضیحی خبری گفته است در آینده بیشتر «مدل‌های جهان ترکیبی» خواهیم دید که در سطوح مختلف انتزاع کار می‌کنند. این ادعای شرکت است، نه نتیجه آزمون مستقل.
بازار و سهام
پیامد بازاری مستقیم گزارش نشده است. واکنش بازار سهام آلفابت (GOOGL) به این خبر تأییدنشده است و رونما قیمت یا درصدی برای آن نقل نمی‌کند. برای بررسی بازارها به نقشه بازار رونما و برای سهام فناوری به بخش سهام رونما مراجعه کنید.
تأثیر و راهکارها
از نظر فنی، اگر ادعای هدایت‌پذیری بدون افت کیفیت در آزمون‌های مستقل تأیید شود، شبیه‌سازی ارزان سناریوهای رباتیک و بازی راه تازه‌ای پیدا می‌کند؛ اما محدودیت مدت و رانش جزئیات فعلاً مانع کاربرد تولیدی است. برای کاربران ایرانی، دسترسی عملی به ابزارهای Ultra و Gemini API به محدودیت‌های تحریمی و حساب‌های اشتراکی بستگی دارد و کانال اثر مستندی در منابع نیامده است. در حوزه هوش مصنوعی هم این عرضه رقابت مدل‌های جهان را با Runway و دیگر بازیگران تشدید می‌کند، چنان‌که در گزارش رونما درباره سرمایه‌گذاری روی نرم‌افزار استنتاج هم دیده می‌شود که هزینه محاسبه محور رقابت است.
راهکارها و توصیه‌های عملی
توسعه‌دهندگان و مدیران فنی: تا انتشار مستندات Gemini API، فقط آمادگی ارزیابی داشته باشید و سنجه‌های خود (پایداری، تأخیر، هزینه) را از پیش تعریف کنید. سرمایه‌گذاران و فعالان بازار: رصد کنید که گوگل چه زمانی محصول را به اشتراک‌ها می‌آورد و آیا هزینه‌های محاسباتی اعلام می‌شود؛ ریسک اصلی، فاصله میان نمایش پژوهشی و محصول است. این نوشته توصیه خرید یا فروش نیست. کاربران و کسب‌وکارها: خروجی را برای پیش‌نمایش ایده و استوری‌بورد در نظر بگیرید، نه رسانه نهایی.
پرسش‌های پرتکرار
Genie 4 چیست؟
چه کسانی الان می‌توانند از آن استفاده کنند؟
شبیه‌سازی چقدر پایدار می‌ماند؟
ارتباطش با رباتیک چیست؟
منابع
اعتبارسنجی
پیوند تأیید همین خبرمطالب مرتبط
فناوری · ۱۱ آبان ۱۴۰۵سامسونگ قابلیت بازگشت وجه را با همکاری راکوتن به Samsung Wallet افزود
فناوری · ۱۱ آبان ۱۴۰۵جنرال موتورز برنامه رانندگی خودکار بزرگراهی را به شاسی‌بلندها و وانت‌ها گسترش می‌دهد
فناوری · ۱۱ آبان ۱۴۰۵