Google Genie 4 ra mắt: Thế giới mô phỏng có âm thanh, đồ họa chân thực và điều khiển theo thời gian thực

Google DeepMind vừa chính thức giới thiệu Genie 4, thế hệ mô hình thế giới (world model) mới nhất của hãng, dưới dạng bản xem trước nghiên cứu dành cho các tester được tin cậy. Đây được xem là bước tiến quan trọng trong cuộc đua mô hình thế giới đang ngày càng nóng lên giữa các ông lớn công nghệ.

Điểm mới đáng chú ý của Genie 4

So với người tiền nhiệm Genie 3 ra mắt hơn một năm trước, Genie 4 tạo ra những thế giới chân thực như ảnh chụp và có tính tương tác cao hơn hẳn. Người dùng có thể nhập lệnh văn bản ngay giữa quá trình mô phỏng để thay đổi bối cảnh theo ý muốn.

Điểm nâng cấp nổi bật nhất là khả năng tạo âm thanh theo thời gian thực, bao gồm nhạc nền, tiếng động môi trường và cả hội thoại tương tác khớp với thế giới đang được mô phỏng.

Bên cạnh đó, Genie 4 còn cho phép chỉnh sửa tự do như:

• Thay đổi thời tiết hoặc góc máy quay ngay lập tức
• Thêm nhân vật hoặc đồ vật mới vào cảnh
• Duy trì cảnh nhất quán trong tối đa hai phút — gấp đôi giới hạn của thế hệ trước
• Cải thiện mô phỏng vật lý và tạo ra các nhân vật có hành vi giống người thật hơn

Gemini đóng vai trò "đạo diễn"

Điểm đáng chú ý khác là mức độ tích hợp chặt chẽ giữa Genie 4 và Gemini — mô hình AI chủ lực của Google. Trong thiết lập này, Gemini đóng vai trò như một đạo diễn: lập kế hoạch từng bước và kiểm tra khung hình, trong khi Genie đảm nhận việc tạo ra hình ảnh.

Trong một thử nghiệm nghiên cứu gắn với dự án Gemini Robotics, mô hình Gemini 4 Argon đã chia nhỏ các nhiệm vụ thành từng bước để Genie 4 mô phỏng theo thời gian thực. Kết quả này mở ra hướng đi tiềm năng: kiểm thử các kịch bản robot trong môi trường mô phỏng trước khi áp dụng vào thực tế.

"Điều chúng ta sẽ ngày càng thấy trong tương lai là các mô hình thế giới lai, kết hợp Gemini viết mã và văn bản, còn Genie tiếp nhận theo thời gian thực và mô phỏng thực tại ở nhiều mức độ trừu tượng khác nhau", Tejas Kulkarni, giám đốc nghiên cứu tại Google, chia sẻ trong buổi giới thiệu.

Ứng dụng tiềm năng: từ game đến... làm phim

Giống như các mô hình thế giới khác, Genie 4 nhắm tới các lĩnh vực thương mại như game, học tập tương tác và robot. Một ví dụ đầy tham vọng là người dùng có thể "bước vào" một bức tranh về sự kiện lịch sử và trò chuyện trực tiếp với các nhân vật trong tranh về sự kiện đó.

Tuy nhiên, theo các tester được tin cậy, Genie 4 còn hé lộ một hướng ứng dụng mới đầy hứa hẹn: tạo nguyên mẫu cho phim. Yếu tố thời gian thực tỏ ra đặc biệt giá trị trong giai đoạn lên ý tưởng và dựng storyboard, khi nhà làm phim cần duy trì dòng sáng tạo liên tục.

Google cũng sở hữu Veo — mô hình tạo video AI với âm thanh đồng bộ tích hợp sẵn từ lệnh văn bản, hình ảnh hoặc video — công cụ đang ngày càng được giới làm phim ưa chuộng. Theo kỹ sư Diego Rivas, trong tương lai người dùng có thể dựa vào Gemini Omni để biến những nguyên mẫu này thành tài nguyên sáng tạo hoàn chỉnh, dù năng lực đó vẫn còn khá xa.

Vẫn còn những hạn chế nhất định

Đại diện Google thừa nhận Genie 4 vẫn tồn tại những khoảng trống cần khắc phục. Cụ thể, các chi tiết và đồ vật có thể bị "trôi" hoặc biến dạng khi mô phỏng chạy càng lâu, đồng thời nhóm phát triển vẫn chưa tìm ra cách đảm bảo âm thanh luôn chính xác và mọi văn bản xuất hiện trong thế giới ảo đều đọc được rõ ràng.

Lộ trình tiếp cận

Hiện tại, Genie 4 đã có mặt dưới dạng bản xem trước nghiên cứu cho các tester tin cậy. Trong vài tuần tới, mô hình sẽ được mở rộng cho các thuê bao Google AI Ultra thông qua Project Genie — công cụ tạo thế giới tương tác từ lệnh văn bản hoặc hình ảnh — cùng các đối tác truy cập sớm của Gemini API và Google AI Studio.

Việc ra mắt Genie 4 diễn ra trong bối cảnh ngành công nghiệp mô hình thế giới đang bước vào giai đoạn hợp nhất mạnh mẽ. Cách đây vài tháng, startup video AI Runway đã phát hành mô hình thế giới thứ hai GWM Worlds 2; World Labs của Fei-Fei Li đang được AMD mua lại; Amazon đang đàm phán mua Decart; còn Rivian vừa thâu tóm Third Dimension để tự chủ công nghệ mô phỏng cho việc thử nghiệm xe tự lái. Trong bối cảnh đó, Genie 4 là nước đi mới nhất của Google nhằm giữ vị thế dẫn đầu.

Đối với độc giả Việt Nam quan tâm đến AI tạo sinh, đây là tín hiệu cho thấy mô hình thế giới đang dần chuyển từ phòng thí nghiệm sang các công cụ sáng tạo thực tế — mở ra cơ hội mới cho các studio game, nhóm làm phim độc lập và cả các đơn vị nghiên cứu robot trong nước, dù việc tiếp cận các công cụ này vẫn sẽ phụ thuộc vào khả năng đăng ký dịch vụ quốc tế của Google.