Từ câu mô tả đến một thế giới có thể bước vào
Genie 4 là mô hình thế giới AI của Google DeepMind, có khả năng dựng môi trường ảo từ mô tả hoặc hình ảnh tham khảo để người dùng khám phá và tương tác khi cảnh vật đang được tạo ra. Ngày 27/10/2026, Google DeepMind giới thiệu bản xem trước nghiên cứu của mô hình, hướng đến robot, trò chơi, học tập tương tác và làm phim. Điểm đáng chú ý không chỉ là hình ảnh ngày càng chân thực, mà là người dùng có thể tiếp tục định hình cảnh đang diễn ra bằng ngôn ngữ tự nhiên. Một câu lệnh có thể yêu cầu đổi thời tiết, xoay góc máy hoặc thêm nhân vật; người dùng cũng có thể điều khiển nhân vật di chuyển trong thế giới vừa tạo. Nhờ vậy, Genie 4 không đơn thuần tạo một bức ảnh hay đoạn phim cố định. Nó mở ra một thế giới ảo tương tác, nơi mỗi yêu cầu mới có thể làm thay đổi trải nghiệm.
Âm thanh và lời thoại khiến cảnh vật có sức sống
Bước tiến dễ nhận ra nhất so với thế hệ trước là âm thanh được tạo cùng hình ảnh. Genie 4 có thể thêm tiếng động môi trường, nhạc và hội thoại tương tác theo diễn biến của cảnh. Vì thế, bờ biển không chỉ hiện ra trước mắt mà còn có tiếng sóng; nhân vật không chỉ đứng trong khung hình mà có thể trò chuyện và phản ứng với hành động của người dùng. Đây là thay đổi quan trọng đối với trải nghiệm, chứ không phải lớp trang trí bổ sung. Khi lời thoại và âm thanh gắn với những gì đang xảy ra, thế giới mô phỏng có thể trở nên dễ hiểu và giàu ngữ cảnh hơn. Tuy nhiên, cần giữ kỳ vọng đúng mức: Genie 3 tạo thế giới không âm thanh ở độ phân giải 720p và tốc độ 24 khung hình mỗi giây, còn DeepMind chưa công bố số liệu tương ứng cho Genie 4. Vì vậy, chất lượng hiện tại vẫn cần được đánh giá thận trọng qua các bản trình diễn.
Gemini điều phối, Genie dựng cảnh theo thời gian thực
Khả năng sửa cảnh khi mô phỏng đang chạy là phần khiến Genie 4 khác với công cụ tạo video thông thường. Người dùng có thể ra lệnh thay đổi môi trường, còn Gemini theo dõi diễn biến, chia mục tiêu thành các bước và điều chỉnh kế hoạch nếu cảnh thay đổi hoặc người dùng chen vào. Genie tạo thế giới hiển thị; Gemini hỗ trợ suy luận để các hành động tiếp nối có vẻ nhất quán hơn. DeepMind cho biết bối cảnh có thể duy trì tính nhất quán tối đa 2 phút, gấp đôi Genie 3. Đây là tiến bộ hữu ích, nhưng cũng nhắc rằng trải nghiệm vẫn là một mô phỏng có giới hạn, không phải thế giới vô tận hay bản sao hoàn hảo của đời thực. Việc phối hợp giữa hình ảnh, âm thanh và lời thoại theo thời gian thực cho thấy AI tạo âm thanh đang tiến gần hơn đến một phần của trải nghiệm tương tác, thay vì chỉ tạo một tệp âm thanh tách rời.
Tiềm năng cho robot và phim, nhưng quyền truy cập còn hẹp
Giá trị của Genie 4 có thể nằm ngoài trò chơi. Trong robot, các môi trường mô phỏng có thể giúp thử những tình huống và chuỗi hành động trước khi đưa hệ thống vào thế giới thật; với làm phim, công cụ có thể giúp phác thảo cảnh, thử góc máy, ánh sáng và diễn biến mà không cần dựng bối cảnh hoàn chỉnh. Đây là hướng ứng dụng đáng chú ý vì cùng một thế giới có thể được điều chỉnh nhanh bằng câu lệnh, phục vụ nhiều phương án thử nghiệm. Dù vậy, Genie 4 hiện mới là bản xem trước nghiên cứu dành cho nhóm thử nghiệm được tin cậy, nên phần lớn người dùng chưa thể trải nghiệm. Google cho biết mô hình sẽ sớm được mở cho người dùng Google AI Ultra thông qua Project Genie và các đối tác có quyền truy cập sớm Gemini API, Google AI Studio. Chưa có ngày phát hành cụ thể hay thông tin đầy đủ về phạm vi quốc gia. Kết luận hợp lý lúc này: Genie 4 mở ra một cách mới để tạo và chỉ đạo thế giới số, nhưng tiềm năng rộng lớn vẫn cần được kiểm chứng qua khả năng tiếp cận và sử dụng thực tế.
