Kan Genie 4 hålla en trång station i rörelse när du vrider på kameran?

Vid en stationentré en kväll strömmar pendlare mot biljettgrindarna medan några stannar för att läsa en karta och ett annat flöde korsar från sidan. En övertygande bild av den scenen är lätt att missta för övertygande folkmassbeteende. Genie 4-folkmassrörelse i livliga offentliga miljöer är ett mer krävande test: kan scenen fortsätta svara när du rör dig genom den och ändra vad som händer?

Genie 4 är en interaktiv världsmodell, inte bara en text-till-video-generator. Google DeepMind har visat en fullsatt japansk station från 1980-talet och beskriver tangentbordsnavigering, kamerakontroll och scenändringar i realtid med naturligt språk. Tillkännagivandet säger också att Genie 4 fortfarande är en tidig forskningsförhandsvisning, där objektpermanens, rumslig noggrannhet, komplexa interaktioner och långsiktig konsistens fortfarande är under utveckling. Det gör den lovande för konceptutforskning, men inte till bevis för en validerad folkmassimulator. ( Google DeepMind, oktober 2026 )

Viktiga insikter

• Genie 4 låter en behörig testare utforska och styra en scen under utveckling; en standardvideogenerator returnerar ett fast klipp.
• Ange banor, korsande flöden, stannbeteende, kamerarörelse och scenlandmärken i stället för att förlita dig på ”livligt” eller ”realistiskt”.
• Bedöm rörelse över tid, inklusive korsningar, återkommande personer och huruvida stationen håller sig på plats efter en redigering.
• Från och med den 2 november 2026 är Genie 4 en forskningsförhandsvisning med begränsad åtkomst. En fast video är en annan typ av reservlösning.

Vad Genie 4 förändrar när det gäller folkmassrörelser

En videogenerator omvandlar vanligtvis en indata till ett klipp som du tittar på från den kamerabana den valde. Genie 4 presenteras som en världsmodell: du kan flytta vyn genom en genererad miljö och styra den framväxande scenen med text. DeepMind säger att demonstrationerna använder vanliga tangentbordskontroller för navigering och kamerakontroll, tillsammans med naturligt språk i prompter för förändringar som att ändra väder eller introducera ett objekt. Det säger också att Gemini hjälper till att tolka dessa förändringar i sitt sammanhang och hålla världen framåtskridande.

Den skillnaden spelar roll när en formgivare vill undersöka en station bortom en enda komponerad bild. Du kan börja vid en bred stationshallsentré, gå mot biljettgrindarna och sedan be en liten grupp stanna till nära en väggkarta. I princip låter den sekvensen dig utforska om miljön fortsätter runt den nya händelsen. Det är en mer användbar fråga än huruvida en enskild bild ser fullsatt ut.

Det officiella exemplet med en fullsatt station är en prompt för en japansk järnvägsstation på landsbygden på 1980-talet. Den beskriver passagerare som väntar, går, stiger på och bär bagage, en järnvägsinspektör nära kameran, ett långt rött tåg på närmaste spår och en bergsmiljö. Det är bevis på den scen som DeepMind valde att demonstrera. Det är inte ett oberoende test av folkmassrealism, och den publicerade prompten fastställer inte att varje begärd handling betedde sig korrekt under utökad utforskning.

Välj Genie 4 när frågan gäller vad som händer när du rör dig eller ingriper. Välj fast video när leveransen är ett klipp att granska eller dela. Inget av formaten bevisar i sig att fotgängarbanor, fria avstånd eller timing matchar en verklig plats.

Så här prompar du Genie 4 för en livlig offentlig plats

”Gör en livlig station” ger modellen ett tema, inte en rörelseplan. En användbar folkmassprompt beskriver observerbart beteende och rumsliga relationer. Börja med sju delar: plats, tid, layout, flöde, individuella handlingar, kameraväg och ljud. För en användbar utvärdering bör du även namnge vad som ska hållas fast, till exempel entréns, grindarnas och skyltarnas placering.

Den officiella stationsprompten anger en miljö och synlig aktivitet. För ett kontrollerat experiment, gör en variabel explicit i taget. Om den första körningen har otydliga gångriktningar, ändra flödesinstruktionen medan platsen och kamerplanen hålls stabila. Om du ändrar miljö, densitet, kamera och beteende samtidigt kan du inte avgöra vilken instruktion som ändrade resultatet.

Följande är ett startexperiment för en auktoriserad Genie 4-förhandsvisningsanvändare. Det är inte en Atlas Cloud-prompt, och tillgängligheten för varje kontroll beror på den förhandsvisningsupplevelse som erbjuds det kontot.

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.

Behandla prompten som en experimentspecifikation, inte som en garanti. ”Lämna personligt utrymme” uttrycker ett önskat beteende, men det definierar inte ett uppmätt tröskelvärde för fritt avstånd. ”Håll stationslayouten stabil” är en begäran, inte ett bevis på att geometrin förblir stabil. Om förhandsvisningsgränssnittet stöder textstyrning i realtid, testa en enskild smal händelse, till exempel att be några personer stanna till nära kartan, och observera sedan banorna runt dem. Anta inte en viss kontroll, varaktighet eller inställning om den inte dokumenteras i ditt kontos gränssnitt.

För en rättvis kontroll, för en liten körningslogg: promptversionen, startvy, ändrad instruktion och vad du observerade efteråt. Du behöver inte ett komplicerat poängsystem. Syftet är att skilja ett synligt resultat från ett intryck och att göra upprepade försök jämförbara.

Fall: Det tappade programbladet vid en stationskorsning

Placera testet i en fiktiv stationshall under blå timmen. Bärnstensfärgat ljus faller genom ett välvt glastak ned på blågröna och terrakottafärgade mosaiker. Ett flöde av passagerare rör sig mot biljettgrindarna medan ett annat korsar mot utgången. En vuxen kvinna i smaragdgrön skräddarsydd kappa, korallfärgad plisserad klänning, saffransgul sidenscarf och vinröda stövlar märker att ett vikt, otryckt programblad glider ur hennes tote. Hon vrider sig för att fånga det, ler av lättnad när en annan passagerare hjälper till, tackar med en gest och återförenas med sitt sällskap. Denna lilla avbrytelse ger folkmassan en anledning att justera sina banor utan en nödsituation eller en orimlig dansrutin.

De medföljande stillbilderna och 28-sekundersklippet är fast genererat mediematerial, inte Genie 4-material. Frågan är om samma korsning vid mosaiken, kartvägg, takfönster och grindrad finns kvar på plats när kameran byter riktning. Titta på om passagerare i närheten kliver naturligt åt sidan och återupptar sina rutter. Kvinnans vändning, sträckning, förändrade ansiktsuttryck och gest gör individuell rörelse synlig inom det större flödet.

Fallet använder tre stillbilder och en kontinuerlig 28-sekundersvideo. För att återskapa det, gör vidvyn med Seedream 5.0 Pro Text-to-Image. Gör sid- och återvändningsvyerna med Seedream 5.0 Pro Edit, med den första bilden för att bevara identitet, garderob, ljussättning och arkitektur. Skicka alla tre godkända bilder till Wan 3.0 Reference-to-Video för det långa klippet. Dessa fasta utdata hjälper till att granska idén; endast en riktig Genie 4-session kan testa live-navigering eller textstyrning.

Prompt för bild 1, bred entrévy: Fotorealistisk filmisk 16:9-stillbild av en livlig fiktiv modern station under blå timmen. Ett välvt glastak badar en stjärnmosaik i blågrönt och terrakotta i bärnstensfärgat ljus. En mässingskantad kartvägg står till vänster om en stabil rad av biljettgrindar. Två täta men tydliga fotgängarflöden korsar vid mosaiken och går i motsatta riktningar. I mellangrunden bär en vuxen kvinna med kastanjebrunt hår i en låg flätad knut en smaragdgrön skräddarsydd kappa över en korallfärgad plisserad klänning, en saffransgul sidenscarf, vinröda ankelstövlar och en liten lädertote. Hon vänder huvudet med en alert, förvånad min när ett vikt tomt programblad börjar glida ur toten. Bred vy i ögonhöjd från entrén, 35 mm-objektiv, rika men trovärdiga färger, naturliga ansikten och händer, tydliga kläder på andra passagerare. Inga läsbara skyltar, logotyper, kollisioner, dubblerade personer eller tom plattform.

Den breda bilden etablerar stjärnmosaiken, kartväggen, grindarna och de motriktade fotgängarflödena.

Prompt för bild 2, sidovy över korsningen: Redigera bild 1 till en 16:9-sidvinkel cirka 90 grader från entrévyn. Bevara kvinnans exakta ansikte, låga fläta, smaragdgröna kappa, korallfärgade klänning, saffransgula scarf, vinröda stövlar och tote. Behåll samma välvda tak, kartvägg, grindrad, stjärnmosaik och bärnstensljus från blå timmen i rumsligt rimliga positioner. Visa henne mitt i vändningen med en arm som sträcker sig efter det fallande tomma programbladet; scarf och kjol följer vändningen naturligt. En passagerare i plommonfärgad jacka böjer sig lätt och fångar ett hörn. Människor som rör sig i båda riktningarna kurvar runt dem med varierande steg och synligt personligt utrymme. Naturligt uttryck och elegant kroppsmekanik, ingen poserad dans, extra lemmar, omdesignad scen eller läsbar text.

Sidvyn gör hennes sträckning och den lokala korsningen synlig; programbladet och människorna i närheten är kontinuitetskontrollerna.

Prompt för bild 3, motriktad vy från grindarna: Redigera bild 1 och 2 till en tredje 16:9-vy som blickar tillbaka mot entrén från strax bortom grindarna. Bevara samma ansikten, kläder, passagerare i plommonfärgad jacka, takbågar, kartvägg, grindrad, stjärnmosaik och färgpalett. Kvinnan håller nu det återfunna tomma programbladet, ler av lättnad, öppnar en hand som tack och vänder axlarna för att återgå till flödet. De två korsande flödena fortsätter bakom och bredvid henne. Bildutsnitt i axelhöjd med mosaiken och taket igenkännbara från motsatt riktning. Fotorealistiskt tyg och hud, polerad men trovärdig stationsdesign, ingen frusen folkmassa, upprepade ansikten, logotyper eller läsbara skyltar.

Den sista stillbilden behåller hennes outfit och stationens landmärken, men uppnår inte den begärda äkta motriktade vinkeln.

28-sekunders videoprompt: Använd de tre godkända stillbilderna som visuella referenser för en kontinuerlig, fotorealistisk 16:9-tagning av samma stationshall och människor. Vid 0–7 sekunder, glid diagonalt inåt från entrén medan två livliga flöden korsar nära stjärnmosaiken med varierande gångrytmer. Vid 7–14 sekunder, följ vid sidan av kvinnan när det tomma programbladet glider ur hennes tote; hennes ögonbryn lyfts, hon vrider sig med en kontrollerad helkroppsvändning, hennes scarf och kjol rör sig med tröghet och hon sträcker sig efter det. Vid 14–21 sekunder, gör en båge runt korsningen medan passageraren i plommonfärgad jacka fångar ett hörn, fotgängare i närheten saktar in eller kliver åt sidan utan att tappa sina rutter, och kvinnan ler, tar emot programbladet och gör en liten tackgest med öppen hand. Vid 21–28 sekunder, övergå till en motriktad vy från grindarna när hon vänder sig mot sitt sällskap och återgår till flödet; blicka tillbaka för att visa samma kartvägg, takbågar, grindrad och stjärnmosaik i konsekventa positioner. Håll ansikten, kläder, arkitektur och ljussättning stabila; kamerahöjden trovärdig; handlingen flytande och ansiktsuttrycken läsbara. Ingen nödsituation, dansrutin, kollisioner, dubblerade personer, teleportering, förvridna händer, plötsliga klipp eller långsam rörelse som endast består av zoom. Inga logotyper eller läsbar skyltning.

Det fasta 28-sekundersklippet rör sig från en bred folkmassvy till pappersöverlämningen och tillbaka genom stationshallen. Det är ett renderat exempel, inte en inspelning av Genie 4-interaktion.

Stillbilderna bevarar kvinnans smaragdgröna kappa, saffransgula scarf och korallfärgade klänning genom händelsen. Den tredje bilden stannar på en liknande sida av scenen i stället för att visa den begärda motriktade vyn. I klippet rör sig kameran mellan breda och närmare sidovyer medan programbladet byter händer, men den genomför inte ett tydligt kontinuitetstest för motriktad vy. Den luckan spelar större roll än hur tilltalande en enskild bild är. Det fasta klippet kan inte heller visa hur Genie 4 skulle svara på en begäran om live-styrning.

Så utvärderar du folkmassbeteende i stället för en enskild bild

En stillbild kan visa densitet och komposition. Den kan inte säga om fotgängare fortsätter röra sig sammanhängande, om korsande flöden gör plats för varandra eller om en scenredigering förändrar byggnaden bakom dem. Titta på en kontinuerlig sekvens och kontrollera samma fem saker varje gång:

1. Flödesriktning: Kan du identifiera huvudvägarna genom stationshallen? Fortsätter människor mot entréerna, eller vänder banorna slumpmässigt?
2. Lokala korsningar: När två flöden möts, verkar människor justera riktning och hastighet, eller överlappar kroppar, snäpper åt sidan eller passerar genom varandra?
3. Individuell variation: Går, väntar och bildar människor grupper med varierande timing, eller upprepar många figurer samma rörelse och utseende?
4. Rumslig kontinuitet: Efter att ha flyttat kameran eller ändrat scenen, stannar fasta landmärken som grindar och väggar i konsekventa positioner?
5. Händelse- och ljudpassning: Om några personer stannar eller en ljudsignal uppstår, svarar människor i närheten och miljöljudet på ett sätt som passar det som syns?

Använd listan för att avgöra om ett resultat stöder en visuell diskussion. En scen kan fungera för en moodboard även om flera fotgängare upprepas. Samma utdata skulle vara otillräcklig för att studera kollisionsundvikande. Registrera specifika fel, till exempel en person som försvinner efter att kameran vänder eller en gångväg som ändrar form, i stället för att poängsätta ”realism” som ett brett intryck.

Checklistan gör inte en genererad scen till en validerad simulering. DeepMind identifierar själva visuell drift, objektpermanens, komplexa fysiska interaktioner, rumslig noggrannhet och långsiktigare konsistens som aktiva forskningsbegränsningar. En polerad bild eller ett responsivt ögonblick kan samexistera med fel inom dessa områden. ( Google DeepMind, Genie 4-begränsningar )

Genie 4-åtkomst, tillgänglighet och en praktisk plan B

Tillkännagivandet säger att Genie 4 har börjat rullas ut som en forskningsförhandsvisning till betrodda testare. Google säger att man planerar att utöka åtkomsten via Project Genie för Google AI Ultra-prenumeranter och via partner för tidig åtkomst för Gemini API och Google AI Studio. ”Planerar att utöka” betyder inte att varje prenumerant eller utvecklare kan använda det i dag. Det offentliga tillkännagivandet anger inget allmänt tillgängligt pris, och en väntelista är inte en bekräftelse på åtkomst.

Kontrollera den officiella Genie-sidan och väntelistan för aktuell behörighet innan du planerar ett projekt kring en live-session. Om du får åtkomst, börja med en kort utforskning och behandla resultatet som en tidig visuell prototyp. Undvik att basera ett schema, ett säkerhetspåstående eller ett produktionskrav på åtkomst som inte har beviljats.

Om ditt omedelbara behov är ett fast konceptklipp, kan en videomodell svara på en snävare fråga: hur kan stationen se ut och kännas i en enda komponerad tagning? Atlas Cloud listar Wan 3.0 Reference-to-Video som ett alternativ när du redan har referensbilder. Kontrollera de aktuella modellinställningarna före körning.

Station-korsningsfallet ovan är ett exempel på fast video. Dess 28-sekunders kameraväg kan avslöja upprepade figurer, instabil arkitektur eller banor som skär genom varandra. Klippet är en visuell konceptförhandsvisning, inte en interaktiv Genie 4-session: en tittare kan inte gå runt i det eller styra en ny händelse medan den sker.

En kortfattad läsning av scenelementen som nämns i DeepMinds officiella stationsprompt.

När Genie 4-folkmasscener är användbara, och var du ska vara försiktig

En interaktiv folkmasscen kan hjälpa ett spelteam att diskutera känslan av en stationshall, hjälpa en filmskapare att utforska kamerahöjd och rörelse, eller låta ett kreativt team jämföra några scenriktningar innan de bygger en detaljerad miljö. Värdet ligger i snabb utforskning: människor kan fråga ”tänk om kameran börjar här?” eller ”vad ändras om en liten grupp pausar?” och granska svaret.

De frågorna skiljer sig från produktionsvalidering. En genererad folkmasscen fastställer inte en plats kapacitet, evakueringstid, tillgänglighet, säker fotgängardensitet eller efterlevnad av byggkrav. Sådana beslut kräver lämpliga verkliga data och metoder, plus granskning av kvalificerade yrkespersoner. Genie 4:s egna angivna begränsningar kring rumslig noggrannhet och komplexa interaktioner gör det särskilt viktigt att inte behandla en trovärdigt utseende sekvens som ett ingenjörsresultat.

Samma gräns gäller för spellogik. Att en genererad karaktär verkar vika undan är inte bevis för en repeterbar navigeringsregel, deterministisk kollisionshantering eller stabilt beteende mellan sessioner. Använd scenen för att göra en idé diskutabel; gå över till specialbyggda verktyg och kontrollerad testning när beslutet beror på uppmätta utfall.

För Genie 4-folkmassrörelse i livliga offentliga miljöer, är nästa praktiska steg att definiera en interaktion du vill granska, skriva ned de landmärken och banor som ska förbli konsekventa och verifiera aktuell förhandsvisningsbehörighet. Om du inte kan komma åt Genie 4 och bara behöver en visuell referens att dela, använd ett arbetsflöde för fast video och märk resultatet korrekt.

Vanliga frågor

Är Genie 4 en videogenerator eller en interaktiv världsmodell?

Google beskriver Genie 4 som en interaktiv världsmodell. Dess demonstrationer visar tangentbordsnavigering, kamerakontroll och textstyrning i realtid. Den kan också producera inspelad ljud- och bildutdata, men det gör den inte likvärdig med ett arbetsflöde som bara returnerar ett fast videoklipp.

Kan Genie 4 simulera realistisk folkmassrörelse?

Den kan generera fullsatta scener, och DeepMinds tillkännagivande innehåller ett exempel med en fullsatt station. Det demonstrerar den avsedda förmågan, inte en validerad mätning av fotgängarbeteende. Kontrollera rörelse över tid och håll modellens publicerade begränsningar i åtanke.

Är Genie 4 offentligt tillgängligt, och har det ett offentligt pris?

Från och med den 2 november 2026 beskriver DeepMind en forskningsförhandsvisning för betrodda testare och en planerad bredare utrullning. Det offentliga tillkännagivandet anger inget allmänt tillgängligt pris. Bekräfta behörighet via det officiella tillkännagivandet och väntelistan.

Kan Atlas Cloud köra Genie 4?

Atlas Clouds modellkatalog listar inte Genie 4. Atlas Cloud erbjuder alternativ för fast videogenerering, till exempel Wan 3.0, men de tillhandahåller inte Genie 4:s interaktiva världssimulering.