ที่ทางเข้าสถานีช่วงเย็น ผู้โดยสารหลั่งไหลไปทางประตูตรวจตั๋ว ขณะที่บางคนหยุดอ่านแผนที่ และอีกกระแสหนึ่งตัดผ่านมาจากด้านข้าง ภาพที่น่าเชื่อของฉากนั้นอาจถูกเข้าใจผิดว่าเป็นพฤติกรรมฝูงชนที่น่าเชื่อได้ง่าย การเคลื่อนไหวของฝูงชนใน Genie 4 ในพื้นที่สาธารณะที่ผู้คนหนาแน่น เป็นการทดสอบที่ demanding กว่า: ฉากจะตอบสนองต่อเนื่องขณะที่คุณเคลื่อนผ่านและเปลี่ยนสิ่งที่เกิดขึ้นได้หรือไม่
Genie 4 เป็นโมเดลโลกแบบอินเทอร์แอกทีฟ ไม่ใช่เพียงเครื่องมือสร้างวิดีโอจากข้อความ Google DeepMind ได้แสดงสถานีญี่ปุ่นช่วงทศวรรษ 1980 ที่เนืองแน่น และอธิบายถึงการนำทางด้วยคีย์บอร์ด การควบคุมกล้อง และการเปลี่ยนแปลงฉากด้วยภาษาธรรมชาติแบบเรียลไทม์ ประกาศยังระบุว่า Genie 4 ยังเป็นพรีวิวงานวิจัยช่วงต้น โดยความคงอยู่ของวัตถุ ความแม่นยำเชิงพื้นที่ ปฏิสัมพันธ์ที่ซับซ้อน และความสอดคล้องระยะยาวยังอยู่ระหว่างการพัฒนา สิ่งนี้ทำให้มันน่าสนใจสำหรับการสำรวจแนวคิด แต่ไม่ใช่หลักฐานของเครื่องจำลองฝูงชนที่ผ่านการตรวจสอบแล้ว ( Google DeepMind, October 2026 )
ประเด็นสำคัญ
- Genie 4 ให้ผู้ทดสอบที่มีสิทธิ์สำรวจและบังคับทิศทางฉากที่พัฒนาต่อเนื่องได้ ส่วนเครื่องมือสร้างวิดีโอมาตรฐานจะคืนคลิปคงที่
- ระบุเส้นทาง กระแสการสัญจรที่ตัดกัน พฤติกรรมการหยุด การเคลื่อนกล้อง และจุดสังเกตในฉาก แทนที่จะพึ่งพาคำว่า “วุ่นวาย” หรือ “สมจริง”
- ประเมินการเคลื่อนไหวตามเวลา รวมถึงการตัดกัน ผู้คนที่ซ้ำเดิม และสถานีจะยังคงอยู่กับที่หลังการแก้ไขหรือไม่
- ณ วันที่ 2 พฤศจิกายน 2026 Genie 4 เป็นพรีวิวงานวิจัยที่มีการเข้าถึงจำกัด วิดีโอคงที่เป็นทางเลือกสำรองคนละแบบ
Genie 4 เปลี่ยนอะไรเกี่ยวกับการเคลื่อนไหวของฝูงชน
เครื่องมือสร้างวิดีโอมักเปลี่ยนอินพุตเป็นคลิปที่คุณดูตามเส้นทางกล้องที่มันเลือก Genie 4 ถูกนำเสนอเป็นโมเดลโลก: คุณสามารถเคลื่อนมุมมองผ่านสภาพแวดล้อมที่สร้างขึ้นและบังคับทิศทางฉากที่พัฒนาต่อเนื่องด้วยข้อความ DeepMind กล่าวว่าการสาธิตของบริษัทใช้การควบคุมด้วยคีย์บอร์ดมาตรฐานสำหรับการนำทางและการควบคุมกล้อง ควบคู่กับพรอมป์ภาษาธรรมชาติสำหรับการเปลี่ยนแปลง เช่น การเปลี่ยนสภาพอากาศหรือการเพิ่มวัตถุ บริษัทยังกล่าวว่า Gemini ช่วยตีความการเปลี่ยนแปลงเหล่านั้นตามบริบทและทำให้โลกดำเนินต่อไป
ความแตกต่างนี้สำคัญเมื่อดีไซเนอร์ต้องการตรวจสอบสถานีเกินกว่าหนึ่งช็อตที่จัดองค์ประกอบไว้ คุณอาจเริ่มที่ทางเข้าโถงสถานีกว้าง ๆ เดินไปทางประตูตรวจตั๋ว แล้วขอให้กลุ่มเล็ก ๆ หยุดพักใกล้แผนที่ติดผนัง ในหลักการ ลำดับนั้นช่วยให้คุณสำรวจได้ว่าสภาพแวดล้อมดำเนินต่อไปรอบ ๆ เหตุการณ์ใหม่หรือไม่ นั่นเป็นคำถามที่มีประโยชน์กว่าการดูว่าเฟรมเดียวดูเนืองแน่นหรือไม่
ตัวอย่างสถานีที่เนืองแน่นอย่างเป็นทางการเป็นพรอมป์สำหรับสถานีรถไฟญี่ปุ่นในชนบทช่วงทศวรรษ 1980 โดยอธิบายผู้โดยสารที่รอ เดิน ขึ้นรถ และถือกระเป๋า ผู้ตรวจการรถไฟใกล้กล้อง รถไฟสีแดงยาวบนรางใกล้สุด และฉากภูเขา นั่นเป็นหลักฐานของฉากที่ DeepMind เลือกสาธิต ไม่ใช่การทดสอบความเป็นจริงของฝูงชนแบบอิสระ และพรอมป์ที่เผยแพร่ไม่ได้ยืนยันว่าทุกการกระทำที่ร้องขอทำงานอย่างถูกต้องระหว่างการสำรวจแบบยาวนาน
| ความต้องการ | โมเดลโลกแบบอินเทอร์แอกทีฟ | เครื่องมือสร้างวิดีโอแบบคงที่ |
|---|---|---|
| อินพุตและเอาต์พุต | โลกที่นำโดยพรอมป์ซึ่งสามารถนำทางและบังคับทิศทางได้ระหว่างเซสชัน | คลิปที่นำโดยพรอมป์พร้อมเส้นทางกล้องที่เรนเดอร์แล้ว |
| สำรวจต่อ | เคลื่อนที่ผ่านฉากและลองการเปลี่ยนแปลงสดที่รองรับ | ตรวจดูเอาต์พุต; การสร้างใหม่เป็นผลลัพธ์แยกต่างหาก |
| เหมาะสำหรับ | การสำรวจฉาก กล้อง และปฏิสัมพันธ์ในช่วงต้น | คลิปแนวคิดสั้นหรือภาพอ้างอิง |
| การเข้าถึง | การเข้าถึง Genie 4 ปัจจุบันจำกัดเฉพาะพรีวิวงานวิจัย | ขึ้นอยู่กับโมเดลและบริการที่เลือก |
เลือก Genie 4 เมื่อคำถามเกี่ยวข้องกับสิ่งที่เกิดขึ้นขณะที่คุณเคลื่อนที่หรือเข้าไปแทรกแซง เลือกวิดีโอคงที่เมื่อสิ่งที่ต้องส่งมอบคือคลิปสำหรับตรวจดูหรือแชร์ ไม่มีรูปแบบใดพิสูจน์ได้ด้วยตัวเองว่าเส้นทางคนเดิน ระยะห่าง หรือจังหวะเวลาตรงกับสถานที่จริง
วิธีเขียนพรอมป์ Genie 4 สำหรับพื้นที่สาธารณะที่ผู้คนหนาแน่น
“สร้างสถานีที่วุ่นวาย” ให้เพียงธีมกับโมเดล ไม่ใช่แผนการเคลื่อนไหว พรอมป์ฝูงชนที่มีประโยชน์จะอธิบายพฤติกรรมที่สังเกตได้และความสัมพันธ์เชิงพื้นที่ เริ่มจาก 7 องค์ประกอบ: สถานที่ เวลา เลย์เอาต์ การไหล การกระทำของแต่ละคน เส้นทางกล้อง และเสียง สำหรับการประเมินที่มีประโยชน์ ให้ระบุสิ่งที่ควรคงที่ด้วย เช่น ตำแหน่งของทางเข้า ประตู และป้าย
พรอมป์สถานีอย่างเป็นทางการให้ฉากและกิจกรรมที่มองเห็นได้ สำหรับการทดลองแบบควบคุม ให้กำหนดตัวแปรทีละหนึ่งอย่างให้ชัดเจน หากรอบรันแรกมีทิศทางการเดินไม่ชัดเจน ให้ปรับคำสั่งการไหลโดยคงตำแหน่งและแผนกล้องให้คงที่ หากคุณเปลี่ยนฉาก ความหนาแน่น กล้อง และพฤติกรรมพร้อมกัน คุณจะบอกไม่ได้ว่าคำสั่งใดเปลี่ยนผลลัพธ์
ต่อไปนี้คือการทดลองเริ่มต้นสำหรับผู้ใช้ Genie 4 พรีวิวที่ได้รับอนุญาต ไม่ใช่พรอมป์ของ Atlas Cloud และความพร้อมใช้งานของตัวควบคุมใด ๆ ขึ้นอยู่กับประสบการณ์พรีวิวที่มอบให้บัญชีนั้น
plaintext1Create 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.
มองพรอมป์เป็นข้อกำหนดการทดลอง ไม่ใช่การรับประกัน “เว้นพื้นที่ส่วนตัว” แสดงพฤติกรรมที่ต้องการ แต่ไม่ได้กำหนดเกณฑ์ระยะห่างที่วัดได้ “คงเลย์เอาต์สถานีให้คงที่” เป็นคำขอ ไม่ใช่หลักฐานว่าเรขาคณิตยังคงที่ หากอินเทอร์เฟซพรีวิวรองรับการบังคับด้วยข้อความแบบสด ให้ทดสอบเหตุการณ์แคบ ๆ หนึ่งอย่าง เช่น ขอให้บางคนหยุดพักใกล้แผนที่ แล้วสังเกตเส้นทางรอบ ๆ พวกเขา อย่าสันนิษฐานถึงตัวควบคุม ระยะเวลา หรือการตั้งค่าใดโดยเฉพาะ เว้นแต่จะมีการบันทึกไว้ในอินเทอร์เฟซของบัญชีคุณ
สำหรับการตรวจสอบที่เป็นธรรม ให้เก็บบันทึกรอบรันเล็ก ๆ: เวอร์ชันพรอมป์ จุดมองเริ่มต้น คำสั่งที่เปลี่ยน และสิ่งที่คุณสังเกตหลังจากนั้น คุณไม่จำเป็นต้องมีระบบให้คะแนนซับซ้อน จุดประสงค์คือแยกผลลัพธ์ที่มองเห็นออกจากความประทับใจ และทำให้ความพยายามซ้ำ ๆ เปรียบเทียบกันได้
กรณีศึกษา: สูจิบัตรที่หล่นที่ทางตัดในสถานี
ตั้งการทดสอบในโถงสถานีสมมติช่วงบลูอาวร์ แสงสีอำพันสาดผ่านหลังคากระจกโค้งลงบนโมเสกสีเขียวน้ำทะเลและสีดินเผา กระแสผู้โดยสารสายหนึ่งมุ่งไปยังประตูตรวจตั๋ว ขณะที่อีกสายตัดผ่านไปทางทางออก ผู้หญิงวัยผู้ใหญ่สวมเสื้อโค้ตเข้าทรงสีมรกต เดรสจีบสีปะการัง ผ้าพันคอไหมสีหญ้าฝรั่น และรองเท้าบูตสีเบอร์กันดี สังเกตเห็นสูจิบัตรพับที่ยังไม่พิมพ์หลุดจากกระเป๋าโท้ทของเธอ เธอหมุนตัวเพื่อคว้ามัน ยิ้มด้วยความโล่งใจเมื่อผู้โดยสารอีกคนช่วย ทำมือขอบคุณ และกลับไปสมทบเพื่อนของเธอ การขัดจังหวะเล็ก ๆ นี้ทำให้ฝูงชนมีเหตุผลให้ปรับเส้นทาง โดยไม่มีเหตุฉุกเฉินหรือท่าเต้นที่ดูไม่สมจริง
ภาพนิ่งและคลิป 28 วินาทีที่ให้มาเป็น สื่อที่สร้างแบบคงที่ ไม่ใช่ฟุตเทจ Genie 4 คำถามคือทางตัดโมเสก ผนังแผนที่ สกายไลต์ และแนวประตูเดียวกันจะยังคงอยู่กับที่ขณะกล้องเปลี่ยนทิศทางหรือไม่ สังเกตว่าผู้โดยสารใกล้เคียงหลบข้างอย่างเป็นธรรมชาติและกลับไปตามเส้นทางหรือไม่ การหมุนตัว การเอื้อม สีหน้าที่เปลี่ยนไป และท่าทางของผู้หญิงทำให้การเคลื่อนไหวของแต่ละคนมองเห็นได้ภายในกระแสที่ใหญ่กว่า
กรณีนี้ใช้ ภาพนิ่ง 3 ภาพ และวิดีโอต่อเนื่อง 28 วินาที 1 คลิป หากต้องการสร้างซ้ำ ให้ทำมุมกว้างด้วย Seedream 5.0 Pro Text-to-Image ทำมุมด้านข้างและมุมย้อนกลับด้วย Seedream 5.0 Pro Edit โดยใช้ภาพแรกเพื่อคงอัตลักษณ์ เครื่องแต่งกาย แสง และสถาปัตยกรรม ส่งภาพที่อนุมัติแล้วทั้งสามภาพไปยัง Wan 3.0 Reference-to-Video สำหรับคลิปยาว เอาต์พุตคงที่เหล่านี้ช่วยตรวจดูแนวคิด; มีเพียงเซสชัน Genie 4 จริงเท่านั้นที่ทดสอบการนำทางสดหรือการบังคับด้วยข้อความได้
พรอมป์ภาพ 1 มุมกว้างจากทางเข้า: ภาพนิ่งซินีมาติก 16:9 สมจริงของสถานีสมัยใหม่สมมติที่วุ่นวายในช่วงบลูอาวร์ หลังคากระจกโค้งอาบแสงสีอำพันลงบนโมเสกรูปดาวสีเขียวน้ำทะเลและสีดินเผา ผนังแผนที่ขอบทองเหลืองตั้งอยู่ทางซ้ายของแถวประตูตรวจตั๋วที่คงที่ กระแสคนเดินที่หนาแน่นแต่ยังแยกแยะได้สองสายตัดกันที่โมเสก เดินสวนทางกัน ในระยะกลาง ผู้หญิงวัยผู้ใหญ่ผมสีน้ำตาลเกาลัดรวบเป็นมวยถักต่ำ สวมเสื้อโค้ตเข้าทรงสีมรกตทับเดรสจีบสีปะการัง ผ้าพันคอไหมสีหญ้าฝรั่น รองเท้าบูตข้อสั้นสีเบอร์กันดี และกระเป๋าโท้ทหนังใบเล็ก เธอหันศีรษะด้วยสีหน้าตื่นตัวและประหลาดใจขณะสูจิบัตรเปล่าที่พับอยู่เริ่มหลุดจากกระเป๋า มุมกว้างระดับสายตาจากทางเข้า เลนส์ 35 มม. สีสันจัดจ้านแต่สมจริง ใบหน้าและมือเป็นธรรมชาติ เสื้อผ้าของผู้โดยสารคนอื่นแตกต่างกัน ไม่มีป้ายที่อ่านออก โลโก้ การชนกัน คนซ้ำ หรือชานชาลาว่าง
เฟรมกว้างแสดงโมเสกรูปดาว ผนังแผนที่ ประตู และกระแสคนเดินที่สวนทางกัน
พรอมป์ภาพ 2 มุมด้านข้างที่ทางตัด: แก้ไขภาพ 1 ให้เป็นมุมด้านข้าง 16:9 ประมาณ 90 องศาจากมุมทางเข้า คงใบหน้า ผมเปียต่ำ เสื้อโค้ตสีมรกต เดรสสีปะการัง ผ้าพันคอสีหญ้าฝรั่น รองเท้าบูตสีเบอร์กันดี และกระเป๋าโท้ทของผู้หญิงให้เหมือนเดิม คงหลังคาโค้ง ผนังแผนที่ แนวประตู โมเสกรูปดาว และแสงสีอำพันช่วงบลูอาวร์ในตำแหน่งที่สมเหตุสมผลเชิงพื้นที่ แสดงเธอระหว่างหมุนตัวโดยแขนข้างหนึ่งเอื้อมไปหาสูจิบัตรเปล่าที่กำลังหล่น; ผ้าพันคอและกระโปรงเคลื่อนตามการหมุนอย่างเป็นธรรมชาติ ผู้โดยสารในแจ็กเก็ตสีพลัมก้มเล็กน้อยและรับมุมหนึ่งไว้ได้ ผู้คนที่เคลื่อนไปทั้งสองทางโค้งหลบรอบพวกเขาด้วยฝีเท้าที่หลากหลายและมีพื้นที่ส่วนตัวให้เห็น สีหน้าเป็นธรรมชาติและการเคลื่อนไหวร่างกายที่งดงาม ไม่มีท่าเต้นจงใจโพส แขนขาเกิน การออกแบบฉากใหม่ หรือข้อความที่อ่านออก
มุมด้านข้างทำให้เห็นการเอื้อมของเธอและการตัดกันของคนในบริเวณนั้น; สูจิบัตรและผู้คนใกล้เคียงเป็นจุดตรวจความต่อเนื่อง
พรอมป์ภาพ 3 มุมย้อนกลับจากประตู: แก้ไขภาพ 1 และ 2 ให้เป็นมุมที่สาม 16:9 มองย้อนกลับไปทางทางเข้าจากเลยประตูไปเล็กน้อย คงใบหน้า เสื้อผ้า ผู้โดยสารแจ็กเก็ตสีพลัม โค้งหลังคา ผนังแผนที่ แนวประตู โมเสกรูปดาว และชุดสีเดิม ตอนนี้ผู้หญิงถือสูจิบัตรเปล่าที่เก็บคืนมาได้ ยิ้มด้วยความโล่งใจ แบมือข้างหนึ่งเพื่อขอบคุณ และหมุนไหล่กลับไปร่วมกระแสผู้คน กระแสสองสายที่ตัดกันยังคงดำเนินต่อด้านหลังและข้าง ๆ เธอ การจัดเฟรมระดับไหล่โดยให้โมเสกและหลังคาจำได้จากทิศทางย้อนกลับ ผ้าและผิวหนังสมจริง ดีไซน์สถานีที่เนี้ยบแต่สมจริง ไม่มีฝูงชนแข็งค้าง ใบหน้าซ้ำ โลโก้ หรือป้ายที่อ่านออก
ภาพนิ่งสุดท้ายคงเครื่องแต่งกายของเธอและจุดสังเกตของสถานี แต่ไม่ได้ให้มุมย้อนกลับจริงตามที่ขอ
พรอมป์วิดีโอ 28 วินาที: ใช้ภาพนิ่งที่อนุมัติแล้วทั้งสามภาพเป็นภาพอ้างอิงสำหรับช็อตต่อเนื่อง 16:9 สมจริงของโถงสถานีและผู้คนชุดเดียวกัน ที่ 0-7 วินาที เคลื่อนไถลเข้าด้านในแบบทแยงจากทางเข้าขณะกระแสผู้คนที่วุ่นวายสองสายตัดกันใกล้โมเสกรูปดาวด้วยจังหวะการเดินที่หลากหลาย ที่ 7-14 วินาที แพนตามข้าง ๆ ผู้หญิงขณะสูจิบัตรเปล่าหลุดจากกระเป๋าโท้ทของเธอ; คิ้วของเธอยกขึ้น เธอหมุนตัวทั้งตัวแบบควบคุม ผ้าพันคอและกระโปรงเคลื่อนด้วยแรงเฉื่อย และเธอเอื้อมไปคว้ามัน ที่ 14-21 วินาที เคลื่อนเป็นวงโค้งรอบทางตัดขณะผู้โดยสารแจ็กเก็ตสีพลัมรับมุมหนึ่งไว้ได้ คนเดินใกล้ ๆ ชะลอหรือหลบข้างโดยไม่เสียเส้นทาง และผู้หญิงยิ้ม รับสูจิบัตร และทำท่าขอบคุณแบบแบมือเล็ก ๆ ที่ 21-28 วินาที เปลี่ยนไปเป็นมุมย้อนกลับจากประตูขณะเธอหันไปทางเพื่อนร่วมทางและกลับไปร่วมกระแส; มองย้อนกลับเพื่อเผยให้เห็นผนังแผนที่ โค้งหลังคา แนวประตู และโมเสกรูปดาวเดียวกันในตำแหน่งที่สอดคล้องกัน คงใบหน้า เสื้อผ้า สถาปัตยกรรม และแสงให้คงที่; ความสูงกล้องสมจริง; การกระทำลื่นไหลและสีหน้าอ่านได้ ไม่มีเหตุฉุกเฉิน ท่าเต้น การชนกัน คนซ้ำ การเทเลพอร์ต มือบิดเบี้ยว การตัดฉับพลัน หรือการซูมอย่างเดียวแบบช้า ๆ ไม่มีโลโก้หรือป้ายที่อ่านออก
คลิปคงที่ 28 วินาทีเคลื่อนจากมุมกว้างของฝูงชนไปสู่การส่งต่อกระดาษและกลับผ่านโถงสถานี เป็นตัวอย่างที่เรนเดอร์แล้ว ไม่ใช่การบันทึกการโต้ตอบกับ Genie 4
ภาพนิ่งคงเสื้อโค้ตสีมรกต ผ้าพันคอสีหญ้าฝรั่น และเดรสสีปะการังของผู้หญิงตลอดเหตุการณ์ ภาพที่สามยังคงอยู่ด้านใกล้เคียงของฉากแทนที่จะเป็นมุมย้อนกลับตามที่ขอ ในคลิป กล้องเคลื่อนระหว่างมุมกว้างและมุมด้านข้างที่ใกล้ขึ้นขณะสูจิบัตรเปลี่ยนมือ แต่ไม่ได้ทำการทดสอบความต่อเนื่องของมุมย้อนกลับที่ชัดเจนให้เสร็จสมบูรณ์ ช่องว่างนั้นสำคัญกว่าความสวยงามของเฟรมใดเฟรมหนึ่ง คลิปคงที่ยังไม่สามารถแสดงว่า Genie 4 จะตอบสนองต่อคำสั่งบังคับแบบสดอย่างไร
วิธีประเมินพฤติกรรมฝูงชนแทนที่จะดูเพียงเฟรมเดียว
เฟรมนิ่งสามารถแสดงความหนาแน่นและองค์ประกอบได้ แต่บอกไม่ได้ว่าคนเดินยังเคลื่อนที่อย่างสอดคล้องกันหรือไม่ กระแสที่ตัดกันเว้นพื้นที่ให้กันหรือไม่ หรือการแก้ไขฉากเปลี่ยนอาคารด้านหลังพวกเขาหรือไม่ ดูลำดับต่อเนื่องและตรวจ 5 สิ่งเดิมทุกครั้ง:
- ทิศทางการไหล: คุณระบุเส้นทางหลักผ่านโถงได้หรือไม่? ผู้คนยังคงเดินไปทางทางเข้าหรือไม่ หรือเส้นทางกลับทิศแบบสุ่ม?
- การตัดกันในระดับท้องถิ่น: เมื่อกระแสสองสายมาบรรจบกัน ผู้คนดูเหมือนปรับทิศทางและความเร็วหรือไม่ หรือร่างกายซ้อนทับ สะบัดไปด้านข้าง หรือเดินทะลุกัน?
- ความหลากหลายของแต่ละคน: ผู้คนเดิน รอ และรวมกลุ่มด้วยจังหวะที่หลากหลายหรือไม่ หรือหลายคนทำท่าและการปรากฏซ้ำเดิม?
- ความต่อเนื่องเชิงพื้นที่: หลังจากเคลื่อนกล้องหรือเปลี่ยนฉาก จุดสังเกตคงที่ เช่น ประตูและผนัง ยังอยู่ตำแหน่งสอดคล้องกันหรือไม่?
- ความเหมาะของเหตุการณ์และเสียง: หากมีบางคนหยุดหรือมีสัญญาณเสียง ผู้คนใกล้เคียงและบรรยากาศตอบสนองในทางที่เข้ากับสิ่งที่มองเห็นหรือไม่?
ใช้รายการนี้ตัดสินว่าผลลัพธ์สนับสนุนการพูดคุยเชิงภาพหรือไม่ ฉากหนึ่งอาจใช้ได้สำหรับมู้ดบอร์ดแม้คนเดินหลายคนจะซ้ำ เอาต์พุตเดียวกันนั้นจะไม่เพียงพอสำหรับศึกษาการหลบหลีกการชน บันทึกข้อผิดพลาดเฉพาะ เช่น คนหายหลังกล้องหัน หรือทางเดินเปลี่ยนรูป แทนที่จะให้คะแนน “ความสมจริง” เป็นความประทับใจกว้าง ๆ หนึ่งอย่าง
เช็กลิสต์ไม่ได้เปลี่ยนฉากที่สร้างขึ้นให้เป็นแบบจำลองที่ผ่านการตรวจสอบ DeepMind เองระบุข้อจำกัดงานวิจัยที่ยังดำเนินอยู่ ได้แก่ การเลื่อนของภาพ ความคงอยู่ของวัตถุ ปฏิสัมพันธ์ทางกายภาพที่ซับซ้อน ความแม่นยำเชิงพื้นที่ และความสอดคล้องระยะยาว ภาพที่เนี้ยบหรือช่วงเวลาที่ตอบสนองได้อาจอยู่ร่วมกับข้อผิดพลาดในด้านเหล่านั้น ( Google DeepMind, Genie 4 limitations )
การเข้าถึง Genie 4 ความพร้อมใช้งาน และแผนสำรองที่ใช้ได้จริง
ประกาศระบุว่า Genie 4 เริ่มทยอยเปิดให้ใช้เป็นพรีวิวงานวิจัยแก่ผู้ทดสอบที่เชื่อถือได้ Google กล่าวว่าวางแผนขยายการเข้าถึงผ่าน Project Genie สำหรับผู้สมัคร Google AI Ultra และผ่านพาร์ตเนอร์ early-access สำหรับ Gemini API และ Google AI Studio “วางแผนขยาย” ไม่ได้หมายความว่าผู้สมัครหรือนักพัฒนาทุกคนใช้ได้วันนี้ ประกาศสาธารณะไม่ได้ระบุราคาสำหรับการใช้งานทั่วไป และการอยู่ในรายชื่อรอไม่ใช่การยืนยันการเข้าถึง
ตรวจสอบหน้า Genie อย่างเป็นทางการและรายชื่อรอสำหรับสิทธิ์ปัจจุบันก่อนวางแผนโปรเจกต์รอบเซสชันสด หากคุณได้รับสิทธิ์ ให้เริ่มด้วยการสำรวจสั้น ๆ และมองเอาต์พุตเป็นต้นแบบภาพช่วงต้น หลีกเลี่ยงการอ้างอิงกำหนดการ ข้อกล่าวอ้างด้านความปลอดภัย หรือข้อกำหนดการผลิตบนการเข้าถึงที่ยังไม่ได้รับ
หากความต้องการทันทีของคุณคือ คลิปแนวคิดแบบคงที่ โมเดลวิดีโอสามารถตอบคำถามที่แคบกว่าได้: สถานีนี้ might look and feel like in one composed shot? Atlas Cloud ระบุ Wan 3.0 Reference-to-Video เป็นหนึ่งในตัวเลือกเมื่อคุณมีภาพอ้างอิงอยู่แล้ว ตรวจสอบการตั้งค่าโมเดลแบบสดก่อนรัน
กรณีทางตัดในสถานีข้างต้นเป็นตัวอย่างวิดีโอคงที่หนึ่งตัวอย่าง เส้นทางกล้อง 28 วินาทีสามารถเผยให้เห็นตัวละครซ้ำ สถาปัตยกรรมไม่คงที่ หรือเส้นทางที่ตัดทะลุกัน คลิปเป็นพรีวิวแนวคิดเชิงภาพ ไม่ใช่เซสชัน Genie 4 แบบอินเทอร์แอกทีฟ: ผู้ชมไม่สามารถเดินสำรวจไปรอบ ๆ หรือบังคับเหตุการณ์ใหม่ขณะเกิดขึ้นได้
การตีความองค์ประกอบฉากที่ระบุในพรอมป์สถานีอย่างเป็นทางการของ DeepMind อย่างกระชับ
เมื่อใดฉากฝูงชน Genie 4 มีประโยชน์ และจุดที่ต้องระวัง
ฉากฝูงชนแบบอินเทอร์แอกทีฟอาจช่วยทีมเกมพูดคุยถึงความรู้สึกของโถงสถานี ช่วยผู้สร้างภาพยนตร์สำรวจความสูงและ การเคลื่อนกล้อง หรือให้ทีมครีเอทีฟเปรียบเทียบทิศทางฉากไม่กี่แบบก่อนสร้างสภาพแวดล้อมโดยละเอียด คุณค่าคือการสำรวจอย่างรวดเร็ว: ผู้คนสามารถถามว่า “ถ้ากล้องเริ่มตรงนี้ล่ะ?” หรือ “จะเปลี่ยนอะไรถ้ากลุ่มเล็ก ๆ หยุดพัก?” แล้วตรวจดูการตอบสนอง
คำถามเหล่านี้ต่างจากการตรวจสอบสำหรับการผลิต ฉากฝูงชนที่สร้างขึ้นไม่ได้ยืนยันความจุของสถานที่ เวลาอพยพ การเข้าถึง ความหนาแน่นคนเดินที่ปลอดภัย หรือการปฏิบัติตามข้อกำหนดอาคาร การตัดสินใจเหล่านั้นต้องใช้ข้อมูลและวิธีการที่เหมาะสมจากโลกจริง รวมถึงการตรวจทานโดยผู้เชี่ยวชาญที่มีคุณสมบัติ ข้อจำกัดที่ Genie 4 ระบุเองเกี่ยวกับความแม่นยำเชิงพื้นที่และปฏิสัมพันธ์ที่ซับซ้อนทำให้ยิ่งสำคัญที่จะไม่มองลำดับที่ดูสมเหตุสมผลเป็นผลลัพธ์ทางวิศวกรรม
ขอบเขตเดียวกันใช้กับลอจิกเกม ตัวละครที่สร้างขึ้นซึ่งดูเหมือนยอมหลบไม่ใช่หลักฐานของกฎการนำทางที่ทำซ้ำได้ การจัดการการชนแบบกำหนดแน่นอน หรือพฤติกรรมที่คงที่ข้ามเซสชัน ใช้ฉากเพื่อทำให้แนวคิดพูดคุยกันได้ ย้ายไปใช้เครื่องมือที่สร้างขึ้นโดยเฉพาะและการทดสอบแบบควบคุมเมื่อการตัดสินใจขึ้นอยู่กับผลลัพธ์ที่วัดได้
สำหรับ การเคลื่อนไหวของฝูงชนใน Genie 4 ในพื้นที่สาธารณะที่ผู้คนหนาแน่น ขั้นตอนถัดไปที่ใช้ได้จริงคือกำหนดปฏิสัมพันธ์หนึ่งอย่างที่คุณต้องการตรวจสอบ จดจุดสังเกตและเส้นทางที่ควรคงที่ และตรวจสอบสิทธิ์พรีวิวปัจจุบัน หากคุณไม่สามารถเข้าถึง Genie 4 และต้องการเพียงภาพอ้างอิงที่แชร์ได้ ให้ใช้เวิร์กโฟลว์วิดีโอคงที่และติดป้ายผลลัพธ์อย่างถูกต้อง
คำถามที่พบบ่อย
Genie 4 เป็นเครื่องมือสร้างวิดีโอหรือโมเดลโลกแบบอินเทอร์แอกทีฟ?
Google อธิบาย Genie 4 ว่าเป็นโมเดลโลกแบบอินเทอร์แอกทีฟ การสาธิตแสดงการนำทางด้วยคีย์บอร์ด การควบคุมกล้อง และการบังคับด้วยข้อความแบบเรียลไทม์ มันยังสามารถสร้างเอาต์พุตเสียงภาพที่บันทึกได้ แต่ไม่ได้ทำให้เทียบเท่ากับเวิร์กโฟลว์ที่คืนเฉพาะคลิปวิดีโอคงที่
Genie 4 จำลองการเคลื่อนไหวฝูงชนที่สมจริงได้หรือไม่?
มันสามารถสร้างฉากที่ผู้คนหนาแน่น และประกาศของ DeepMind มีตัวอย่างสถานีที่คนหนาแน่น นั่นแสดงถึงความสามารถที่ตั้งใจไว้ ไม่ใช่การวัดพฤติกรรมคนเดินที่ผ่านการตรวจสอบ ตรวจสอบการเคลื่อนไหวข้ามเวลาและคำนึงถึงข้อจำกัดที่เผยแพร่ของโมเดล
Genie 4 เปิดให้ใช้สาธารณะหรือไม่ และมีราคาสาธารณะหรือไม่?
ณ วันที่ 2 พฤศจิกายน 2026 DeepMind ระบุว่าเป็นพรีวิวงานวิจัยสำหรับผู้ทดสอบที่เชื่อถือได้และการทยอยเปิดกว้างขึ้นตามแผน ประกาศสาธารณะไม่ได้ให้ราคาสำหรับการใช้งานทั่วไป ยืนยันสิทธิ์ผ่านประกาศอย่างเป็นทางการและรายชื่อรอ
Atlas Cloud รัน Genie 4 ได้หรือไม่?
ไดเรกทอรีโมเดลของ Atlas Cloud ไม่ได้ระบุ Genie 4 Atlas Cloud มีตัวเลือกการสร้างวิดีโอคงที่ เช่น Wan 3.0 แต่สิ่งเหล่านั้นไม่ได้ให้การจำลองโลกแบบอินเทอร์แอกทีฟของ Genie 4
