Ginagawang Interaktibong Mundo ng mga Text Prompt ang Project Genie ng Google, Pero Hindi Ito Lumilikha ng mga Tapos na Laro

11 min. na pagbasa
Google's Project Genie Turns Text Prompts Into Interactive Worlds, but Not Finished Games

Isang mundong maaari mong baguhin habang tinutuklas

Hinahayaan ng Project Genie ng Google ang mga tao na ilarawan ang isang interaktibong mundo gamit ang pang-araw-araw na pananalita, saka tuklasin at baguhin ang nililikha ng sistema. Noong Nobyembre 18, 2026, sinimulan ng Google ang unti-unting pagpapalabas ng na-update na bersyon sa mga kwalipikadong subscriber ng Google AI Ultra na edad 18 pataas. Kinabukasan, nabigyan ang mga developer ng access sa modelong Genie 4 nito sa pamamagitan ng Gemini API at Google AI Studio.

Mga Nilalaman
  1. Isang mundong maaari mong baguhin habang tinutuklas
  2. Ano ang nagbago noong Nobyembre 18 at 19?
  3. Paano naiiba ang world model sa video
  4. Saan ito maaaring magamit sa paggawa ng laro?
  5. Ano ang ibig sabihin nito para sa Mahjong Ways
  6. Mga limitasyon pa rin ng teknolohiya
  7. Mahahalagang petsa
  8. Mga Dapat Malaman

Pinagsasama ng inilabas na bersyon ang mga text prompt, larawan, gumagalaw na biswal at tunog sa iisang eksperimento. Maaaring humiling ang isang user ng tagpuan, maglakbay rito, at pagkatapos ay mag-type ng mga tagubilin para baguhin ang lagay ng panahon, magdagdag ng tauhan o mag-iba ng pangyayari. Ayon sa Google, kayang lumikha ng Genie 4 ng mga biswal na 720p sa bilis na 24 na frame kada segundo, na may naka-synchronize na audio, kabilang ang mga tunog sa paligid at pananalita ng mga tauhan.

Project Genie ang pangalan ng produkto, hindi Playground. Inilalarawan ito ng Google bilang isang eksperimental na research prototype na pinapagana ng Genie 4 ng Google DeepMind. Maaaring sumali sa waitlist ang mga miyembro ng AI Pro, habang unti-unting nagkakaroon ng access ang mga kwalipikadong subscriber ng Ultra. Wala pang ibinigay na petsa ang Google para sa mas malawak na access o limitasyon sa haba ng sesyon ng Genie 4 para sa mga subscriber.

Makikita sa pahina ng Project Genie ng Google ang mga halimbawang mula sa pagtuklas sa isang mundo bilang langgam hanggang sa paghahanap ng mga pahiwatig sa isang pinagmumultuhang villa. Maaari ring gawing mga lugar na puwedeng tuklasin ng mga user ang mga larawan at baguhin ang mga mundong ibinahagi sa isang gallery ng komunidad. Mas madaling mailarawan ang produkto sa tulong ng mga halimbawang ito: paraan ito para lumikha at tumuklas ng nagbabagong tagpo, sa halip na basta manood ng tapos nang video.

Ipinakilala ng Google DeepMind ang Genie 3 noong Agosto 2025 bilang naunang world model. Inilarawan sa anunsyo nito tungkol sa Genie 3 ang mga kapaligirang nalilikha mula sa text at maaaring galawan, na nananatiling magkakaugnay sa loob ng ilang minuto. Ang Genie 4 ang mas bagong modelo sa Project Genie, habang na-update rin ng Google ang Genie 3 para sa mas mahahabang sesyon at iba pang feature.

Ano ang nagbago noong Nobyembre 18 at 19?

Idinagdag sa update noong Nobyembre 18 ang Genie 4 sa Project Genie, kasama ang isang malikhaing ahenteng nakikipag-usap at isang gallery para sa pagbabahagi at pagbabago ng mga mundo. Tinutulungan ng ahente ang pagbuo ng mas detalyadong tagpuan mula sa isang paglalarawan sa pamamagitan ng pag-uusap. Hinahayaan naman ng gallery ang mga user na tuklasin ang mga likha at baguhin ang mga kapaligiran, tauhan o audio ng mga ito.

Ayon sa Google, hiniling ng mga naunang tagasubok ang higit na kontrol sa mga nangyayari sa loob ng mga nilikhang mundo at mas madaling paraan para buuin at ibahagi ang mga ito. Ganito ang isinulat nina Diego Rivas, group product manager sa Google DeepMind, at Pavan Kumar, group product manager sa Google Labs, sa anunsyo ng kumpanya noong Nobyembre 18:

Sinabi sa amin ng mga naunang tagasubok na gusto nila ng higit na kontrol sa mga nangyayari sa loob ng mga mundong iyon, at mas madaling paraan para buuin at ibahagi ang mga ito.

Noong Nobyembre 19, binuksan ng Google sa mga developer ang Genie 4 sa pamamagitan ng Gemini API at Google AI Studio. Maaari silang magsimula sa paglalarawan sa text, reference na larawan o pareho, at pagkatapos ay gumamit ng mga kontrol sa keyboard at live prompt para baguhin ang isang tagpo. Kabilang sa mga posibleng gamit na inilista ng Google ang paggawa ng prototype ng mga interaktibong karanasan, pagpapakita ng mga disenyong pangkalawakan, at pagsasanay sa robotics at mga ahente ng AI. Ayon sa anunsyo para sa mga developer, may di-namamalayang SynthID watermark ang bawat output.

Ayon sa mga iniulat na teknikal na detalye ng serbisyong pang-developer, humigit-kumulang 10 sentimo kada segundo ng naka-stream na output ang halaga nito, at nililimitahan sa 120 segundo ang mga sesyon. Sa presyong iyon, aabot sa humigit-kumulang $12 ang buong dalawang minutong sesyon. Para ito sa limitasyon at presyo ng developer API; walang inilathalang katumbas na limitasyon sa haba ng sesyon ng Genie 4 sa Project Genie ang Google.

Patalastas

Paano naiiba ang world model sa video

Kadalasang gumagawa ang isang video generator ng sunod-sunod na tagpo na panonoorin ng isang tao. Sa halip, inililikha ng world model ang susunod na mangyayari habang gumagalaw ang isang tao o nagbabago ang tagpo. Kapag lumingon ang isang user sa may pintuan o humiling ng ulan, kailangang lumikha ang sistema ng mga bagong larawan na tumutugon sa kilos na iyon at akma sa tagpuan.

Dahil dito, malaking hamon ang pagpapanatili ng tuloy-tuloy na pagkakaugnay. Dapat matandaan ng isang kapani-paniwalang mundo kung nasaan ang mga bagay at tauhan, at kung paano nagbago ang kapaligiran. Ayon sa Google, sinusuportahan ng Genie 4 ang mga live na pagbabago at umaangkop na audio. Kabilang din sa mga larangang patuloy pang pinagbubuti ng kumpanya ang pagkaantala ng kamera, masalimuot na pisikal na interaksiyon, tumpak na real-time na audio at pagpapanatiling matatag ng mga tagpo sa mahabang panahon.

Nagbibigay ng kapaki-pakinabang na konteksto ang Genie 3 kung gaano na kalayo ang narating ng teknolohiyang ito. Nang ianunsyo ito ng Google DeepMind noong 2025, kaya ng modelo na lumikha ng mga mundo sa bilis na hanggang 24 na frame kada segundo at 720p, na nananatiling magkakaugnay sa loob ng ilang minuto. Kabilang sa mga binanggit na limitasyon nito ang hindi perpektong katumpakan sa heograpiya, hirap sa malinaw na pagpapakita ng teksto, makitid na saklaw ng mga direktang kilos at maiikling panahon ng interaksiyon. Noong una, inialok ng Google ang Genie 3 bilang limitadong research preview sa maliit na grupo ng mga akademiko at tagalikha.

Pinalawig ng kasalukuyang update ng Google ang mga sesyon ng Genie 3 nang hanggang tatlong minuto kada pagbuo, mula sa 60 segundo, at pinahihintulutan ang mga user na pagdugtungin ang mga mundo o magsimula mula sa 360-degree na panorama. Para sa Genie 3 ang mga detalyeng iyon. Hindi dapat ipagkamali ang mga ito bilang inilathalang haba ng sesyon ng Genie 4 sa produktong pangkonsumo.

Saan ito maaaring magamit sa paggawa ng laro?

Para sa isang developer ng laro, maaaring makatulong ang nilikhang mundo sa pagsubok ng ideya bago bumuo ang isang team ng kumpletong kapaligiran sa karaniwang game engine. Maaaring tuklasin ng isang designer ang iba't ibang ilaw, background o hitsura ng mga tauhan, o magpakita ng magaspang na konsepto sa mga kasamahan. Nagbibigay rin ang developer API sa mga team ng paraan para mag-eksperimento sa mga interaktibong tagpo nang hindi muna mano-manong nililikha ang bawat biswal na elemento.

Iba ito sa paggawa ng tapos at komersiyal na laro. Ang game engine ay software na ginagamit sa pagbuo at pagpapatakbo ng laro na may mga tinukoy na asset, tuntunin at kontrol. Lumilikha naman ang world model ng nagbabagong tagpo bilang tugon sa mga prompt at kilos. Maaaring suportahan ng dalawang teknolohiyang ito ang isa't isa, pero hindi awtomatikong nagbibigay ang isang nabuong simulation ng mga nasubok na sistema, matatag na performance o kumpletong mga tool sa produksyon na kailangan ng isang tapos na laro.

Inilarawan sa naunang preview noong Oktubre ng Google ang Genie 4 bilang modelong lumilikha ng mga interaktibong kapaligiran na may galaw, tunog at nagbabagong pangyayari. Nagdagdag ang mga sumunod na release ng access para sa mga subscriber at developer, gayundin ng mga tool para bumuo at magbahagi ng mga mundo. Ipinakikita ng mga anunsyo, kung pagsasamahin, ang paglipat mula sa limitadong research preview tungo sa praktikal na pag-eeksperimento—hindi ito pahayag na naglabas na ang Google ng kumpletong sistema para sa paggawa ng laro.

Patalastas

Ano ang ibig sabihin nito para sa Mahjong Ways

Iba ang estruktura ng Mahjong Ways, isang laro mula sa PG Soft, sa isang bukas na mundong nagbabago habang tinutuklas ito ng manlalaro. Gumagamit ito ng mga umiikot na reel, mga simbolong hango sa mahjong, animasyon at mga nakatakdang feature gaya ng Wild Transformation at Free Spins. Nakasalalay ang gameplay nito sa mga tuntunin at resultang idinisenyo para sa partikular na larong iyon.

Sa prinsipyo, maaaring makatulong ang generative AI sa isang studio na magsiyasat ng mga biswal na ideya, gumawa ng magaspang na pagsubok sa animasyon o makita kung ano ang hitsura ng isang disenyo sa iba't ibang laki ng screen. Mga posibleng gamit ito ng AI sa produksyon ng laro, hindi mga kumpirmadong paggamit ng PG Soft. Walang ebidensiyang gumagamit ang kumpanya ng Project Genie o Genie 4 sa pagbuo ng Mahjong Ways.

Kailangan ding maingat na suriin sa teknikal na aspeto ang anumang larong may mga itinakdang tuntunin. Dapat tiyakin ng mga designer at engineer na gumagana ang mga feature ayon sa nilayon, madaling basahin ang interface at maaasahang tumatakbo ang laro. Kung may mga resultang nakabatay sa tsansa, kailangang hiwalay na subukan ang mga tuntunin at matematikal na asal ng sistema. Hindi sapat ang modelong lumilikha ng kapani-paniwalang tagpo para mapatunayan ang mga bahaging iyon ng isang laro.

Simple ang pagkakaiba: kayang lumikha ng Genie ng interaktibong kapaligiran mula sa mga tagubilin, samantalang binubuo ang isang nakapirming laro para sumunod sa itinakdang disenyo. Maaaring gumamit ang isang studio ng AI para pabilisin ang mga paunang biswal na eksperimento, at pagkatapos ay umasa sa sarili nitong proseso ng produksyon at pagsubok para tapusin ang laro.

Mga limitasyon pa rin ng teknolohiya

Maaaring mawalan ng pagkakaugnay ang mga nabuong tagpo habang tumatagal. Maaaring mag-iba ang puwesto o hitsura ng mga bagay pagkatapos gumalaw ang kamera, at mahirap pa ring gayahin nang maaasahan ang masalimuot na pisikal na interaksiyon. Maaari ring magkamali ang pananalita at teksto. Mahalaga ang mga problemang ito sa mga laro, kung saan inaasahan ng mga manlalaro na mananatiling pareho ang isang bagay, tauhan o tuntunin sa bawat sandali.

Inilalarawan ng Google ang Genie 3 bilang may kakayahang sumuporta sa interaksiyon nang ilang minuto, hindi ilang oras. Para sa Genie 4, tinukoy ng Google bilang mga hamong patuloy pang nilulutas ang pagpapanatili ng tagpo sa mahabang panahon at tumpak na audio, pero hindi ito naglathala ng limitasyon sa haba ng sesyon para sa pangkonsumer na bersyon. Kailangan ding isaalang-alang ng mga developer na hindi katumbas ng buong lohika o kontrol sa kalidad ng laro ang mataas na kalidad ng biswal at magkakaugnay na tunog.

Ayon sa Google, sinusuri para sa kaligtasan ang mga input at output ng modelo sa Project Genie at nilalagyan ng SynthID watermark ang nabuong video at audio. Layunin ng watermark na matukoy ang materyal na ginawa ng mga tool ng AI ng Google. Kaakibat ang mga hakbang na ito ng mga teknikal na limitasyon ng produkto, sa halip na alisin ang pangangailangan para sa mga user at developer na suriin ang nilalaman ng nabuong tagpo.

Patalastas

Mahahalagang petsa

  • Agosto 5, 2025: Inanunsyo ng Google DeepMind ang Genie 3 bilang isang interaktibong world model at sinimulan ang limitadong research preview.

  • Oktubre 27, 2026: Ipinakilala ng Google DeepMind ang Genie 4 sa limitadong grupo ng mga pinagkakatiwalaang tagasubok.

  • Nobyembre 18, 2026: Sinimulang unti-unting ilabas ang Genie 4 sa Project Genie para sa mga kwalipikadong subscriber ng Google AI Ultra; maaaring sumali sa waitlist ang mga miyembro ng AI Pro.

  • Nobyembre 19, 2026: Ginawang available ng Google ang Genie 4 sa mga developer sa pamamagitan ng Gemini API at Google AI Studio.

Mga Dapat Malaman

  • Ginagamit ng Project Genie ang Genie 4 ng Google DeepMind para lumikha ng mga interaktibong mundo mula sa mga text prompt, larawan at kilos ng user.

  • Naging available ang Genie 4 sa mga kwalipikadong subscriber ng Google AI Ultra noong Nobyembre 18, 2026; nagkaroon naman ng access sa API ang mga developer kinabukasan.

  • Ayon sa Google, kayang lumikha ng modelo ng mga biswal na 720p sa bilis na 24 na frame kada segundo, na may naka-synchronize na audio.

  • Maaaring umabot nang hanggang tatlong minuto ang mga sesyon ng Genie 3, samantalang hindi pa naglalathala ang Google ng limitasyon sa haba ng sesyon ng Genie 4 para sa mga pangkonsumer.

  • Maaaring makatulong ang AI sa mga team ng laro sa pagsubok ng mga konsepto, pero walang ebidensiyang ginagamit ng PG Soft ang Genie 4 para sa Mahjong Ways.

  • Nananatiling mga teknikal na hamon ang katatagan ng tagpo, masalimuot na interaksiyon, katumpakan ng audio at mas mahahabang sesyon.

Ibahagi ang artikulong ito

Baka magustuhan mo rin