Version 1

Google släpper Genie 4 för realtidsgenererade världar

Google DeepMind har lanserat världsmodellen Genie 4, som låter användare skapa och redigera interaktiva 3D-miljöer med ljud i realtid via textkommandon. Funktionen är tillgänglig för Google AI Ultra-prenumeranter.

Google DeepMind har börjat rulla ut Genie 4, en ny världsmodell som genererar interaktiva digitala miljöer med visuell och auditiv återkoppling i realtid [1](https://blog.google/innovation-and-research/models-and-research/google-deepmind/genie-4-now-available-project-genie/). Modellen ingår i projektet Project Genie och är för närvarande endast tillgänglig för prenumeranter på Google AI Ultra, medan användare av Google AI Pro kan anmäla sig till en väntelista.

Genie 4 skiljer sig från tidigare versioner genom att låta användaren modifiera miljön under pågående session utan att behöva starta om genereringen. Användare kan via textpromptar ändra väder, infoga karaktärer eller styra handlingen medan de navigerar i världen. För första gången i Genie-serien kombineras dessa visuella uppdateringar med adaptivt ljud som synkroniseras med händelserna på skärmen, från atmosfäriska ljudeffekter till dialog.

## Vad som hänt: nya funktioner och begränsad tillgång

Lanseringen innebär att Genie 4 nu är aktivt i Project Genie för kvalificerade Google AI Ultra-användare [1](https://blog.google/innovation-and-research/models-and-research/google-deepmind/genie-4-now-available-project-genie/). Enligt Google erbjuder modellen högre visuell och fysikalisk trovärdighet än föregångaren, med fokus på responsivitet och social interaktion inom de genererade världarna.

Samtidigt har den tidigare modellen Genie 3 uppdaterats för att komplettera erbjudandet. Genie 3 stöder nu sessioner som varar upp till tre minuter per generation, en ökning från tidigare 60 sekunder. Den möjliggör även länkning av flera världar för längre utflykter samt "panorama grounding", där användare kan seeda nya miljöer utifrån 360-graders panoramabilder. Genie 3 behåller också funktionen för realtidspromptar som kan ändra miljön under utforskningen.

Ett nytt tillägg är "Project Genie agent", en konversationsbaserad gränssnitt som hjälper användare att bygga komplexa miljöer genom naturligt språk. Agenten orkestrerar Googles multimodella modeller för att skapa initiala visualiseringar och bakgrundsmusik anpassad efter stämningen. Under sessionen kan Gemini-modeller agera som observatörer som föreslår nästa steg eller automatiskt utlöser händelser i världen.

## Community-galleri och ansvarstagande

Google har lanserat ett community-galleri där användare kan publicera, utforska och remixa varandras skapelser. Galleriet innehåller både kuraterade exempel och användargenererat innehåll, såsom en detektivspelsliknande upplevelse i en gotisk herrgård ("Villa Giallo") och en fotorealistisk simulerad myrkolonise från en myras perspektiv ("The Life of Ants").

För att hantera säkerhetsfrågor kopplade till generativ AI används SynthID-vattenstämplar på all video- och ljudoutput i Project Genie. Alla in- och utdata genomgår säkerhetsgranskning. Google betonar att Genie 3 och 4 fortfarande är forskningsmodeller inom "frontier research" och erkänner utmaningar med kameralförsening (latens), intrikata fysikaliska interaktioner, precision i realtidsljud och långsiktig scenbeständighet.

## Analys: skillnad mot traditionell spelutveckling

Genie 4 representerar en förskjutning från regelbaserad simulering till prediktiv världsgenerering. Modellen lär sig inte fysikaliska lagar i kodad mening, utan predikterar vad världen bör se och låta ut som baserat på tidigare indata och användarens promptar. Detta möjliggör snabb prototypning av miljöer utan traditionell modellering eller animation, men innebär också att fysikalisk korrekthet kan variera. Att kunna ändra miljön i realtid genom text är en funktion som traditionellt kräver pausning eller omstart i de flesta spelmotorer, vilket gör Genie 4 intressant för experimentell skapande och visualisering snarare än för produktion av kommersiella spel med strikta fysikaliska krav.

Tekniken bygger på arbete som inletts 2024, då Project Genie introducerades som en prototyp tränad på stora mängder spelvideo. Utvecklingen från 2D-baserade modeller till dessa mer komplexa 3D-miljöer med ljud visar en snabb evolution inom Googles forskning kring "world models", även om stabilisering av fysik och interaktion fortfarande anges som pågående utmaningar.