Genie 4 peut-il maintenir une station bondée en mouvement lorsque vous tournez la caméra ?

À l’entrée d’une gare en soirée, des navetteurs affluent vers les portiques de billets tandis que quelques personnes s’arrêtent pour lire un plan et qu’un autre flux traverse depuis le côté. Une image convaincante de cette scène se confond facilement avec un comportement de foule convaincant. Le mouvement de foule de Genie 4 dans des espaces publics très fréquentés est un test plus exigeant : la scène peut-elle continuer à réagir lorsque vous la parcourez et que vous modifiez ce qui s’y produit ?

Genie 4 est un modèle du monde interactif, et non un simple générateur texte-vidéo. Google DeepMind a montré une gare japonaise bondée des années 1980 et décrit la navigation au clavier, le contrôle de la caméra et des modifications de scène en langage naturel en temps réel. L’annonce indique aussi que Genie 4 reste un aperçu de recherche précoce, la permanence des objets, l’exactitude spatiale, les interactions complexes et la cohérence à long terme étant encore en cours de développement. Cela le rend prometteur pour l’exploration de concepts, mais ne constitue pas la preuve d’un simulateur de foule validé. ( Google DeepMind, octobre 2026 )

Points clés

• Genie 4 permet à un testeur éligible d’explorer et de piloter une scène évolutive ; un générateur vidéo standard renvoie un clip fixe.
• Spécifiez les trajectoires, les flux qui se croisent, les comportements d’arrêt, les mouvements de caméra et les repères de la scène au lieu de vous fier à « fréquenté » ou « réaliste ».
• Jugez le mouvement dans la durée, notamment les croisements, les personnes répétées et le maintien en place de la gare après une modification.
• Au 2 novembre 2026, Genie 4 est un aperçu de recherche à accès limité. Une vidéo fixe est un autre type de solution de repli.

Ce que Genie 4 change au mouvement de foule

Un générateur vidéo transforme généralement une entrée en un clip que vous regardez depuis le trajet de caméra qu’il a choisi. Genie 4 est présenté comme un modèle du monde : vous pouvez déplacer la vue dans un environnement généré et piloter la scène évolutive avec du texte. DeepMind indique que ses démonstrations utilisent des commandes clavier standard pour la navigation et le contrôle de la caméra, ainsi que des invites en langage naturel pour des changements tels que modifier la météo ou introduire un objet. Il indique aussi que Gemini aide à interpréter ces changements en contexte et à faire progresser le monde.

Cette distinction compte lorsqu’un designer veut inspecter une gare au-delà d’un seul plan composé. Vous pourriez commencer à une large entrée de hall, marcher vers les portiques de billets, puis demander à un petit groupe de s’arrêter près d’un plan mural. En principe, cette séquence vous permet d’explorer si l’environnement continue autour du nouvel événement. C’est une question plus utile que de savoir si une seule image paraît bondée.

L’exemple officiel de gare bondée est une invite pour une gare ferroviaire japonaise rurale des années 1980. Il décrit des passagers qui attendent, marchent, montent à bord et portent des bagages, un contrôleur ferroviaire près de la caméra, un long train rouge sur la voie la plus proche et un cadre montagneux. C’est une preuve de la scène que DeepMind a choisi de démontrer. Ce n’est pas un test indépendant du réalisme de foule, et l’invite publiée n’établit pas que chaque action demandée s’est comportée correctement lors d’une exploration prolongée.

Choisissez Genie 4 lorsque la question porte sur ce qui se passe lorsque vous vous déplacez ou intervenez. Choisissez la vidéo fixe lorsque le livrable est un clip à examiner ou à partager. Aucun des deux formats ne prouve à lui seul que les trajectoires piétonnes, les dégagements ou le timing correspondent à un lieu réel.

Comment rédiger une invite Genie 4 pour un espace public très fréquenté

« Faites une gare bondée » donne un thème à un modèle, pas un plan de mouvement. Une invite de foule utile décrit un comportement observable et des relations spatiales. Commencez par sept éléments : lieu, moment, disposition, flux, actions individuelles, trajet de caméra et son. Pour une évaluation utile, nommez aussi ce qui doit rester fixe, comme la position de l’entrée, des portiques et des panneaux.

L’invite officielle de gare fournit un cadre et une activité visible. Pour une expérience contrôlée, rendez une variable explicite à la fois. Si la première exécution présente des directions de marche peu claires, révisez l’instruction de flux tout en gardant le lieu et le plan de caméra stables. Si vous changez ensemble le cadre, la densité, la caméra et le comportement, vous ne pouvez pas déterminer quelle instruction a modifié le résultat.

Ce qui suit est une expérience de départ pour un utilisateur autorisé de l’aperçu Genie 4. Ce n’est pas une invite Atlas Cloud, et la disponibilité de tout contrôle dépend de l’expérience d’aperçu fournie à ce compte.

plaintextCopy
1Create an explorable, realistic public train-station concourse during the evening commute. Show a steady, dense pedestrian flow moving in both directions through clearly visible lanes. Some people walk briskly toward the platform entrances, a few pause beside a wall map without blocking the main flow, and small groups walk together at a natural pace. Pedestrians adjust their paths and leave personal space when crossing; avoid synchronized marching or repeated identical people. Keep the station layout stable, with the main entrance, ticket gates, and platform signs in consistent positions. Begin from a wide eye-level view, then let me move toward the ticket gates while the crowd continues to flow naturally. Use realistic indoor station ambience and indistinct background conversation. Do not show emergencies, panic, collisions, or readable brand logos.

Traitez l’invite comme une spécification d’expérience, et non comme une garantie. « Laisser un espace personnel » exprime un comportement souhaité, mais ne définit pas un seuil de dégagement mesuré. « Garder la disposition de la gare stable » est une demande, pas la preuve que la géométrie reste stable. Si l’interface d’aperçu prend en charge le pilotage par texte en direct, testez un événement étroit, comme demander à quelques personnes de s’arrêter près du plan, puis observez les trajectoires autour d’elles. Ne supposez pas de contrôle, de durée ou de réglage particulier, sauf s’il est documenté dans l’interface de votre compte.

Pour une vérification équitable, tenez un petit journal d’exécution : la version de l’invite, le point de vue de départ, l’instruction modifiée et ce que vous avez observé ensuite. Vous n’avez pas besoin d’un système de notation compliqué. Le but est de distinguer un résultat visible d’une impression et de rendre les tentatives répétées comparables.

Cas : Le programme tombé à un croisement de gare

Placez le test dans un hall de gare fictif à l’heure bleue. Une lumière ambrée tombe à travers un toit de verre arqué sur des mosaïques bleu sarcelle et terracotta. Un flux de passagers se dirige vers les portiques de billets tandis qu’un autre traverse vers la sortie. Une femme adulte en manteau ajusté vert émeraude, robe plissée corail, foulard en soie safran et bottines bordeaux remarque un programme plié et non imprimé qui glisse de son cabas. Elle pivote pour l’attraper, sourit de soulagement lorsqu’un autre passager l’aide, remercie d’un geste et rejoint sa compagne. Cette petite interruption donne à la foule une raison d’ajuster ses trajectoires sans urgence ni chorégraphie de danse invraisemblable.

Les images fixes et le clip de 28 secondes fournis sont des médias générés fixes, et non des séquences Genie 4. La question est de savoir si le même croisement en mosaïque, le mur de cartes, la verrière et la ligne de portiques restent en place lorsque la caméra change de direction. Observez si les passagers proches s’écartent naturellement et reprennent leurs itinéraires. Le pivot, l’allongement du bras, l’expression changeante et le geste de la femme rendent le mouvement individuel visible au sein du flux plus large.

Le cas utilise trois images fixes et une vidéo continue de 28 secondes. Pour le recréer, réalisez la vue large avec Seedream 5.0 Pro Text-to-Image. Réalisez les vues latérale et de retour avec Seedream 5.0 Pro Edit, en utilisant la première image pour préserver l’identité, la garde-robe, l’éclairage et l’architecture. Transmettez les trois images approuvées à Wan 3.0 Reference-to-Video pour le clip long. Ces sorties fixes aident à inspecter l’idée ; seule une véritable session Genie 4 peut tester la navigation en direct ou le pilotage par texte.

Invite de l’image 1, vue large de l’entrée : Image cinématographique photoréaliste au format 16:9 d’une gare moderne fictive et très fréquentée à l’heure bleue. Un toit de verre arqué baigne une mosaïque en étoile bleu sarcelle et terracotta d’une lumière ambrée. Un mur de cartes à bordure en laiton se dresse à gauche d’une rangée stable de portiques de billets. Deux flux piétons denses mais lisibles se croisent sur la mosaïque, marchant dans des directions opposées. À moyenne distance, une femme adulte aux cheveux châtains coiffés en un chignon bas tressé porte un manteau ajusté vert émeraude sur une robe plissée corail, un foulard en soie safran, des bottines cheville bordeaux et un petit cabas en cuir. Elle tourne la tête avec une expression alerte et surprise tandis qu’un programme vierge plié commence à glisser du cabas. Vue large à hauteur des yeux depuis l’entrée, objectif 35 mm, couleurs riches mais crédibles, visages et mains naturels, vêtements distincts sur les autres passagers. Aucun panneau lisible, logo, collision, personne dupliquée ou quai vide.

Le cadre large établit la mosaïque en étoile, le mur de cartes, les portiques et les flux piétons opposés.

Invite de l’image 2, vue latérale du croisement : Modifiez l’image 1 en un angle latéral 16:9 à environ 90 degrés de la vue de l’entrée. Préservez le visage exact de la femme, sa tresse basse, son manteau émeraude, sa robe corail, son foulard safran, ses bottines bordeaux et son cabas. Gardez le même toit arqué, le mur de cartes, la ligne de portiques, la mosaïque en étoile et la lumière ambrée de l’heure bleue dans des positions spatialement plausibles. Montrez-la en plein pivot, un bras tendu vers le programme vierge qui tombe ; le foulard et la jupe suivent naturellement le mouvement. Un passager en veste prune se penche légèrement et attrape un coin. Les personnes circulant dans les deux sens contournent ce groupe avec des foulées variées et un espace personnel visible. Expression naturelle et mécanique corporelle élégante, pas de danse posée, de membres supplémentaires, de refonte de scène ni de texte lisible.

La vue latérale rend son allongement du bras et le croisement local visibles ; le programme et les personnes proches sont les contrôles de continuité.

Invite de l’image 3, vue inversée depuis les portiques : Modifiez les images 1 et 2 en une troisième vue 16:9 regardant vers l’entrée depuis juste au-delà des portiques. Préservez les mêmes visages, vêtements, passager en veste prune, arches de toit, mur de cartes, ligne de portiques, mosaïque en étoile et palette de couleurs. La femme tient maintenant le programme vierge récupéré, sourit de soulagement, ouvre une main en remerciement et tourne les épaules pour rejoindre le flux. Les deux flux qui se croisent continuent derrière et à côté d’elle. Cadrage à hauteur d’épaule avec la mosaïque et le toit reconnaissables depuis la direction inverse. Tissu et peau photoréalistes, design de gare soigné mais crédible, pas de foule figée, de visages répétés, de logos ni de panneaux lisibles.

L’image fixe finale conserve sa tenue et les repères de la gare, mais elle n’atteint pas le véritable angle inversé demandé.

Invite de la vidéo de 28 secondes : Utilisez les trois images fixes approuvées comme références visuelles pour un plan continu photoréaliste 16:9 du même hall et des mêmes personnes. De 0 à 7 secondes, glissez en diagonale vers l’intérieur depuis l’entrée tandis que deux flux animés se croisent près de la mosaïque en étoile avec des rythmes de marche variés. De 7 à 14 secondes, suivez la femme tandis que le programme vierge glisse de son cabas ; ses sourcils se lèvent, elle pivote avec une rotation contrôlée de tout le corps, son foulard et sa jupe bougent par inertie, et elle tend le bras pour l’attraper. De 14 à 21 secondes, contournez le croisement en arc tandis que le passager en veste prune attrape un coin, que les marcheurs proches ralentissent ou s’écartent sans perdre leurs trajectoires, et que la femme sourit, accepte le programme et fait un petit geste de remerciement main ouverte. De 21 à 28 secondes, passez à une vue inversée depuis les portiques tandis qu’elle se tourne vers sa compagne et rejoint le flux ; regardez en arrière pour révéler le même mur de cartes, les mêmes arches de toit, la même ligne de portiques et la même mosaïque en étoile dans des positions cohérentes. Gardez les visages, vêtements, architecture et éclairage stables ; hauteur de caméra crédible ; action fluide et expressions lisibles. Pas d’urgence, de chorégraphie de danse, de collisions, de personnes dupliquées, de téléportation, de mains déformées, de coupes brutales ni de mouvement uniquement en zoom lent. Pas de logos ni d’enseignes lisibles.

Le clip fixe de 28 secondes passe d’une vue large de la foule à la remise du papier, puis revient à travers le hall. C’est un exemple rendu, et non un enregistrement d’une interaction avec Genie 4.

Les images fixes préservent le manteau émeraude, le foulard safran et la robe corail de la femme tout au long de l’événement. La troisième image reste du même côté de la scène au lieu de montrer la vue inversée demandée. Dans le clip, la caméra se déplace entre des vues larges et des vues latérales plus rapprochées pendant que le programme change de mains, mais elle ne réalise pas un test de continuité clair en vue inversée. Cette lacune compte plus que l’attrait d’une image donnée. Le clip fixe ne peut pas non plus montrer comment Genie 4 réagirait à une demande de pilotage en direct.

Comment évaluer le comportement d’une foule plutôt qu’une seule image

Une image fixe peut montrer la densité et la composition. Elle ne peut pas vous dire si les piétons continuent de se déplacer de manière cohérente, si les flux qui se croisent se font de la place, ou si une modification de scène change le bâtiment derrière eux. Regardez une séquence continue et vérifiez les cinq mêmes éléments à chaque fois :

1. Direction du flux : Pouvez-vous identifier les principaux itinéraires à travers le hall ? Les personnes continuent-elles vers les entrées, ou les trajectoires s’inversent-elles aléatoirement ?
2. Croisements locaux : Lorsque deux flux se rencontrent, les personnes semblent-elles ajuster leur direction et leur vitesse, ou les corps se chevauchent-ils, se décalent-ils brusquement ou se traversent-ils ?
3. Variation individuelle : Les personnes marchent-elles, attendent-elles et forment-elles des groupes avec des temporalités variées, ou de nombreuses figures répètent-elles le même mouvement et la même apparence ?
4. Continuité spatiale : Après avoir déplacé la caméra ou modifié la scène, les repères fixes tels que les portiques et les murs restent-ils dans des positions cohérentes ?
5. Cohérence événement/son : Si quelques personnes s’arrêtent ou qu’un signal sonore se produit, les personnes proches et l’ambiance réagissent-elles d’une manière qui correspond à ce qui est visible ?

Utilisez cette liste pour décider si un résultat soutient une discussion visuelle. Une scène peut convenir à une planche d’ambiance même si plusieurs piétons se répètent. Ce même résultat serait inadéquat pour étudier l’évitement des collisions. Notez les défaillances précises, comme une personne qui disparaît après que la caméra se tourne ou un passage qui change de forme, plutôt que de noter le « réalisme » comme une impression globale.

La liste de contrôle ne transforme pas une scène générée en simulation validée. DeepMind identifie lui-même la dérive visuelle, la permanence des objets, les interactions physiques complexes, l’exactitude spatiale et la cohérence à plus long terme comme des limites de recherche actives. Une image soignée ou un moment réactif peut coexister avec des erreurs dans ces domaines. ( Google DeepMind, limites de Genie 4 )

Accès à Genie 4, disponibilité et plan B pratique

L’annonce indique que Genie 4 a commencé à être déployé sous forme d’aperçu de recherche auprès de testeurs de confiance. Google déclare prévoir d’élargir l’accès via Project Genie pour les abonnés Google AI Ultra et via des partenaires en accès anticipé pour la Gemini API et Google AI Studio. « Prévoyons d’élargir » ne signifie pas que chaque abonné ou développeur peut l’utiliser aujourd’hui. L’annonce publique n’indique pas de prix généralement disponible, et une liste d’attente ne confirme pas l’accès.

Consultez la page Genie officielle et la liste d’attente pour connaître l’éligibilité actuelle avant de planifier un projet autour d’une session en direct. Si vous obtenez l’accès, commencez par une courte exploration et traitez la sortie comme un prototype visuel précoce. Évitez de fonder un planning, une allégation de sécurité ou une exigence de production sur un accès qui n’a pas été accordé.

Si votre besoin immédiat est un clip de concept fixe, un modèle vidéo peut répondre à une question plus étroite : à quoi cette gare pourrait-elle ressembler et quel effet donnerait-elle dans un seul plan composé ? Atlas Cloud répertorie Wan 3.0 Reference-to-Video comme une option lorsque vous disposez déjà d’images de référence. Vérifiez les paramètres du modèle en direct avant l’exécution.

Le cas du croisement de gare ci-dessus est un exemple de vidéo fixe. Son trajet de caméra de 28 secondes peut révéler des figures répétées, une architecture instable ou des trajectoires qui se croisent. Le clip est un aperçu de concept visuel, et non une session Genie 4 interactive : un spectateur ne peut pas s’y déplacer ni piloter un nouvel événement en temps réel.

Une lecture concise des éléments de scène nommés dans l’invite officielle de gare de DeepMind.

Quand les scènes de foule Genie 4 sont utiles, et où être prudent

Une scène de foule interactive peut aider une équipe de jeu à discuter de la sensation d’un hall, aider un cinéaste à explorer la hauteur et le mouvement de caméra, ou permettre à une équipe créative de comparer quelques directions de scène avant de construire un environnement détaillé. La valeur réside dans l’exploration rapide : les personnes peuvent se demander « et si la caméra commençait ici ? » ou « qu’est-ce qui change si un petit groupe s’arrête ? » et inspecter la réponse.

Ces questions diffèrent de la validation de production. Une scène de foule générée n’établit pas la capacité d’un lieu, le temps d’évacuation, l’accessibilité, la densité piétonne sûre ou la conformité aux exigences de construction. Ces décisions nécessitent des données et méthodes appropriées du monde réel, ainsi qu’une revue par des professionnels qualifiés. Les limites déclarées de Genie 4 concernant l’exactitude spatiale et les interactions complexes rendent particulièrement important de ne pas traiter une séquence d’apparence plausible comme un résultat d’ingénierie.

La même limite s’applique à la logique de jeu. Un personnage généré qui semble céder n’est pas la preuve d’une règle de navigation reproductible, d’une gestion déterministe des collisions ou d’un comportement stable entre les sessions. Utilisez la scène pour rendre une idée discutable ; passez à des outils spécialisés et à des tests contrôlés lorsque la décision dépend de résultats mesurés.

Pour le mouvement de foule de Genie 4 dans des espaces publics très fréquentés, la prochaine étape pratique consiste à définir une interaction que vous souhaitez inspecter, à noter les repères et trajectoires qui doivent rester cohérents, et à vérifier l’éligibilité actuelle à l’aperçu. Si vous ne pouvez pas accéder à Genie 4 et que vous avez seulement besoin d’une référence visuelle partageable, utilisez un flux de travail vidéo fixe et étiquetez précisément le résultat.

Questions fréquentes

Genie 4 est-il un générateur vidéo ou un modèle du monde interactif ?

Google décrit Genie 4 comme un modèle du monde interactif. Ses démonstrations montrent la navigation au clavier, le contrôle de la caméra et le pilotage par texte en temps réel. Il peut aussi produire une sortie audiovisuelle enregistrée, mais cela ne l’assimile pas à un flux de travail qui ne renvoie qu’un clip vidéo fixe.

Genie 4 peut-il simuler un mouvement de foule réaliste ?

Il peut générer des scènes bondées, et l’annonce de DeepMind inclut un exemple de gare bondée. Cela démontre la capacité visée, et non une mesure validée du comportement piéton. Vérifiez le mouvement dans le temps et gardez à l’esprit les limites publiées du modèle.

Genie 4 est-il accessible au public, et a-t-il un prix public ?

Au 2 novembre 2026, DeepMind décrit un aperçu de recherche pour des testeurs de confiance et un déploiement plus large prévu. L’annonce publique ne donne pas de prix généralement disponible. Confirmez votre éligibilité via l’annonce officielle et la liste d’attente.

Atlas Cloud peut-il exécuter Genie 4 ?

Le répertoire de modèles d’Atlas Cloud ne répertorie pas Genie 4. Atlas Cloud propose des options de génération vidéo fixe telles que Wan 3.0, mais celles-ci ne fournissent pas la simulation du monde interactive de Genie 4.