A Google Project Genie-t használva egyetlen fotóból vagy szöveges promptból interaktív világok hozhatók létre. Eddig sajnos csak egy szűk tesztelői kör ismerkedhetett a Genie 3 lehetőségeivel. Mostantól azonban már bárki megteheti ezt, amennyiben hajlandó előfizetni az AI Ultra csomagra.
Tavaly a Google bemutatta a Genie 3-at, az AI-alapú világmodelljének továbbfejlesztett változatát, amely lenyűgöző, hosszabb távú memóriával rendelkezett, és képes volt interaktív világokat létrehozni egy egyszerű szöveges leírás alapján. Akkoriban a Google csak egy szűk, megbízható tesztelői kör számára tette elérhetővé a Genie-t. Most azonban szélesebb körben is hozzáférhetővé vált Project Genie néven – de kizárólag a Google legdrágább AI-előfizetését használók számára.
A világmodellek pontosan azt jelentik, aminek hangzanak: olyan AI-rendszerek, amelyek valós időben generálnak egy dinamikus környezetet. Technikailag azonban nem valódi 3D világokról van szó. Az olyan világmodellek, mint a Genie 3, valójában egy videót hoznak létre, amely reagál a felhasználói vezérlőinputokra, így a szimuláció egy valódi virtuális világhoz hasonlóan bejárható. A Genie 3 áttörést jelentett ezen a területen, mert a létrehozott világ részleteire jóval hosszabb ideig képes volt emlékezni. Ebben az összefüggésben azonban a „hosszú idő” mindössze néhány percet jelent.
A Project Genie lényegében a Genie 3 letisztult, továbbfejlesztett változata, amely olyan újabb AI-modellekre épül, mint a Nano Banana Pro és a Gemini 3. A Google több előre elkészített világot is kínál a Project Genie-ben, de igazán érdekessé az teszi, hogy teljesen új környezeteket is létrehozhatsz. Ehhez adhatsz meg referenciaképet, vagy egyszerűen leírhatod, milyen környezetet és karaktert szeretnél.
A rendszer először egy állóképet generál, majd ebből hozza létre a világot. Ezt a folyamatot a Google „world sketchingnek” (világvázlat-készítésnek) nevezi. Ha nem tetszik a Nano Banana Pro által generált referenciakép, módosíthatod, mielőtt átadnád a Genie-nek.
Az elkészült videó 720p felbontású, körülbelül 24 képkocka/másodperc sebességgel. Ahogy a karakteredet a WASD billentyűkkel irányítod, a Genie közel valós időben rendereli az előtted lévő útvonalat.
Ha a 60 másodperces kirándulás nem lenne elég az AI-világban, egyszerűen újra lefuttathatod ugyanazt a promptot. Mivel generatív AI-ról van szó, az eredmény minden alkalommal kissé eltérő lesz. A Google emellett lehetőséget ad arra is, hogy az előre elkészített világokat új karakterekkel és vizuális stílusokkal „remixeld”. A felfedezés során generált videó letölthető is.
A Google hangsúlyozza, hogy a Project Genie továbbra is csupán egy kutatási prototípus, ezért több jelentős korlátozással rendelkezik. Ahogy azt bárki tapasztalhatta, aki Google Veo-t vagy az OpenAI Sora-t használt AI-videók készítésére, még egy rövid klip létrehozása is több másodpercet vesz igénybe. Ehhez képest már önmagában figyelemre méltó, hogy a Genie egyáltalán interaktív élményt tud nyújtani. Ennek ellenére számítani lehet némi inputkésésre, és egy világot legfeljebb 60 másodpercig lehet bejárni. Emellett a Genie 3 korábbi demóiban bemutatott „promotable events” funkció – amely lehetővé tette volna új elemek beszúrását egy már futó szimulációba – egyelőre nem érhető el.
Bár a Google gyakran hangsúlyozza a Genie fizikai modellezési képességeit, a cég szerint a tesztelők valószínűleg találkoznak majd olyan világokkal, amelyek nem teljesen élethűek, vagy furcsán viselkednek. A tartalmi korlátozások is változhatnak. A The Verge kipróbálta a Project Genie-t, és kezdetben gond nélkül lehetett Nintendo-játékok, például a Super Mario vagy a The Legend of Zelda másolataira emlékeztető világokat generálni. A teszt végére azonban az oldal beszámolója szerint néhány ilyen promptot már blokkoltak „harmadik fél tartalomszolgáltatóinak érdekeire” hivatkozva.
A Project Genie kizárólag egy külön webes alkalmazáson keresztül érhető el – nem integrálják sem a Gemini alkalmazásba, sem annak weboldalára. Jelenleg csak az AI Ultra előfizetéssel használható, amely havi 250 dollárba kerül. Az AI-videók generálása rendkívül erőforrás-igényes, így érthető, hogy a Google egyelőre a legmagasabb díjcsomaggal indította el a szolgáltatást. A vállalat szerint a cél az, hogy idővel szélesebb körben is megnyissák a hozzáférést a Project Genie-hez.
Forrás: https://arstechnica.com/
