Google Genie 4 โมเดลสร้างโลกจำลองที่สร้างเสียงได้ และสั่งเปลี่ยนฉากสดระหว่างเล่น

Google DeepMind เปิดตัว Genie 4 เมื่อวันที่ 27 ตุลาคม 2026 โมเดล AI แบบ "world model" ที่สร้างโลกจำลองให้ผู้ใช้เข้าไปสำรวจและโต้ตอบได้ รุ่นนี้เพิ่มทั้งเสียง ภาพที่สมจริงขึ้น และการสั่งเปลี่ยนฉากด้วยข้อความระหว่างที่โลกกำลังทำงานอยู่ ผมสรุปจากบล็อกของ DeepMind รายงานของ TechCrunch และ The Verge มาให้ครับ

Genie 4 คืออะไร

World model คือโมเดล AI ที่สร้างสภาพแวดล้อมจำลองขึ้นมาแบบเรียลไทม์ ผู้ใช้ไม่ได้ดูวิดีโอที่ตัดต่อไว้แล้ว แต่เข้าไปเดินสำรวจและเปลี่ยนสิ่งที่เกิดขึ้นในโลกนั้นได้ DeepMind อธิบาย Genie 4 ว่าเป็นโมเดลแบบ native multimodal ที่สร้างภาพ เพลง เสียงบรรยากาศ และบทสนทนาไปพร้อมกัน

อัปเดตหลักสี่ข้อ

1. สั่งเปลี่ยนโลกสด ๆ ด้วยภาษาธรรมชาติ
ระหว่างที่จำลองอยู่ ผู้ใช้พิมพ์สั่งเพื่อเปลี่ยนสภาพอากาศ เปลี่ยนมุมกล้อง หรือเพิ่มคนและสิ่งของเข้าไปในฉากได้ โดย Gemini จะช่วยปรับคำสั่งให้เข้ากับฉากที่มีอยู่

2. สมจริงขึ้นทั้งฟิสิกส์และตัวละคร
DeepMind ระบุว่าจำลองสถานการณ์ทางฟิสิกส์ เช่น แรงลมและการชน ได้ดีขึ้น และตัวละครเคลื่อนไหวเป็นธรรมชาติกว่าเดิม รวมถึงบังคับตัวละครแบบเรียลไทม์ได้

3. เสียงมาพร้อมโลก
ทุกโลกที่สร้างมีเสียงบรรยากาศประกอบ ตัวละครสนทนาโต้ตอบได้ตามสิ่งที่ผู้ใช้ทำหรือเหตุการณ์ในฉาก

4. Gemini เป็น "ผู้กำกับ"
Gemini คอยดูฉาก แตกเป้าหมายเป็นขั้นตอน ตรวจความคืบหน้า และปรับแผนเมื่อโลกเปลี่ยนไป ตามรายงานของ The Verge รุ่นที่ใช้เป็นตัวนำคือ Gemini 3.8 Flash ส่วนในการทดลองด้านหุ่นยนต์ DeepMind ใช้ Gemini อีกรุ่นร่วมด้วย

ฉากต่อเนื่องได้นานแค่ไหน

TechCrunch และ The Verge รายงานตรงกันว่า Genie 4 สร้างฉากที่ต่อเนื่องกันได้ราว 2 นาที เพิ่มจากราว 1 นาทีของ Genie 3 ส่วนบล็อกของ DeepMind ไม่ได้ระบุตัวเลขนี้ไว้

ใช้ทำอะไรได้

ผู้ทดสอบกำลังลองใช้กับงานหลายแบบ ได้แก่

งาน previz และร่างภาพก่อนถ่ายจริงสำหรับคนทำหนัง
สร้างสภาพแวดล้อมจากภาพถ่ายเก่า หรือจำลองเหตุการณ์ เช่น น้ำท่วมและไฟป่า
ทำต้นแบบแนวคิดเกมแบบโต้ตอบได้อย่างรวดเร็ว
สร้างสถานการณ์สำหรับการจำลอง รวมถึงงานหุ่นยนต์และงานองค์กร

ข้อจำกัดที่ DeepMind ยอมรับ

รายละเอียดและตำแหน่งของวัตถุอาจเพี้ยนไปเมื่อใช้งานนานหรือแก้ไขฉากหลายครั้ง และยังมีเรื่องที่อยู่ระหว่างวิจัย ได้แก่ การโต้ตอบทางฟิสิกส์ที่ซับซ้อน ความแม่นยำของเสียงแบบเรียลไทม์ การแสดงตัวอักษรในโลกให้อ่านออก ความแม่นยำเชิงพื้นที่ และความสม่ำเสมอระยะยาว นักวิจัยของ DeepMind ยังบอกกับ TechCrunch ว่า "ยังเป็นช่วงเริ่มต้นของ Genie 4" และยังไม่ชัดว่าประสบการณ์ใช้งานแบบครบวงจรจะเป็นอย่างไร

ความปลอดภัย

DeepMind ระบุว่ามีการประเมินความปลอดภัยภายในก่อนเปิดให้ทดลอง ใช้การเปิดแบบทยอยเริ่มจากผู้ทดสอบที่เลือกไว้ และวิดีโอกับเสียงทั้งหมดที่สร้างจะมีลายน้ำ SynthID

ใครใช้ได้เมื่อไหร่

ตอนนี้ Genie 4 อยู่ในสถานะ research preview สำหรับผู้ทดสอบที่ Google เลือกไว้ เร็ว ๆ นี้จะเปิดให้สมาชิก Google AI Ultra ใช้ผ่าน Project Genie และเปิดให้พาร์ตเนอร์ที่ได้สิทธิ์ก่อนใน Gemini API กับ Google AI Studio มีรายชื่อรอ (waitlist) สำหรับ Project Genie แล้ว ผมยังไม่พบข้อมูลว่าเปิดในประเทศไทยหรือไม่ และไม่พบราคา

สรุปจากผม

Genie 4 ทำให้ world model ขยับจากการสร้างภาพไปสู่การสร้างโลกที่มีเสียงและสั่งแก้ได้ระหว่างเล่น จุดที่น่าจับตาคือการให้ Gemini ทำหน้าที่วางแผนและตรวจฉาก ซึ่ง Google มองไปถึงงานหุ่นยนต์และการจำลองสถานการณ์ ตอนนี้ยังเป็นเวอร์ชันทดลองและมีข้อจำกัดชัดเจน ผมยังไม่ได้ทดลองใช้เอง ข้อมูลทั้งหมดมาจากรายงานของ Google และสื่อครับ