Google Genie 2
Google DeepMind · 圖片
Google Genie 2 是 DeepMind 的基礎世界模型，能把一張圖片變成可遊玩的 3D 環境。它用來訓練與測試 AI 代理。
關於 Google Genie 2
什麼是 Google Genie 2
Google Genie 2 是 Google DeepMind 的基礎世界模型，屬於較新的一類 AI 世界模型，會模擬環境，而不只是描述環境。你給它一張圖片，它就會建立一個能用鍵盤和滑鼠在其中移動的小型 3D 世界。模型會判斷什麼是角色、什麼是佈景，以及你按下按鍵時世界該如何反應。它是為 AI 研究而打造，不是用來做能賣的遊戲。
它解決的是供給問題。訓練通用型代理需要數千個多樣的環境，而手工打造這些世界又慢又貴。Genie 2 改為生成源源不絕、可遊玩的 3D 環境，每一個都能操控，也夠一致，因此派得上用場。DeepMind 也看到第二種用途：藝術家和設計師能在幾分鐘內把概念圖變成可互動的東西，用來快速驗證想法。整段賣點可以濃縮成一句話。世界隨需生成，不需要遊戲工作室。
最大的問題在於可用性。Genie 2 是研究預覽，因此沒有公開產品、沒有註冊、也沒有定價。至少目前沒有。世界的一致性最多也只能維持大約一分鐘，而最驚人的範例來自一個無法即時遊玩的未蒸餾模型。如果你原本想坐下來自己探索一個世界，這確實是硬傷。如果你在等一個能生成下一關遊戲的工具，那它不是這個。
如何開始
由於 Genie 2 不是公開產品，並沒有正常的註冊流程。研究工作的實際流程如下。
- 先產生一張起始圖片，通常用文字轉圖片模型，例如 DeepMind 的 Imagen 3。
- 把那張圖片當作世界提示詞輸入 Genie 2。
- 自己用鍵盤和滑鼠遊玩生成的世界，或把控制權交給 SIMA 之類的 AI 代理。
- 觀察世界如何反應，然後調整提示圖片並重複，得到不同的環境。
- 把生成的世界當作具身代理的訓練或評估任務。
產品資訊
快速了解 Google Genie 2 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- AI 研究人員：Genie 2 提供源源不絕的新 3D 環境，可用來訓練與評估具身代理。取用管道是 DeepMind 的研究途徑。
- 遊戲與關卡設計師：你能快速把概念圖變成可互動的空間，但只適合當原型輔助，不是上線用的工具。
- 強化學習工程師：模型能從單一格畫面生成反事實軌跡，方便測試代理如何處理不同選擇。
任務
- 生成訓練環境：一張圖片提示就能變成可操控的 3D 世界，代理能在其中行動。
- 評估通用型代理：你能在代理從未見過的世界中測試它，這在其他情況下很難安排。
- 快速製作互動場景原型：藝術家能在完整打造之前，先預覽手繪概念的行為。
情境
- 測試代理在陌生環境中能否遵循指令：把 Genie 2 和 SIMA 之類的代理搭配起來，觀察它的表現。
- 在訓練中探索「如果」分支：用同一個起始格畫面重玩不同動作，比較結果。
- 在專案初期提出環境構想：展示可遊玩的版本，而不是靜態算圖。
主要功能
圖片轉世界生成
Google Genie 2 從單張圖片出發，在周圍建立 3D 環境。那要怎麼得到這張圖片？它可來自文字轉圖片模型，也可來自真實世界的照片。你用文字描述一個世界，挑選喜歡的算圖，然後走進去。輸入門檻這麼低正是重點，因為手工打造世界是瓶頸，而這個模型想為那些需要穩定供應新鮮多樣環境、而不是少數精雕細琢世界的人移除這個瓶頸。
可操控的動作玩法
模型會回應鍵盤和滑鼠輸入，並判斷玩家真正操控的是哪個物件。在森林場景按下方向鍵，移動的是機器人，不是樹木或雲。這聽起來沒什麼。其實不然，因為從來沒人告訴模型哪些像素是角色，它必須只憑圖片推斷出來，任何動作才有意義。正是這個推斷讓世界可遊玩，而不只是可觀看。
長時記憶
Genie 2 會記住離開螢幕的世界片段，並在你回來時正確重繪。走到房子後面。轉過身。房子還在，細節也一樣，這不是一般影片生成器能保證的事。這種一致性正是世界模型與影片生成器的分界，也是生成世界能撐起代理測試平台的原因，而不會在視角一變時就崩壞。
反事實軌跡
從同一個起始格畫面出發，你可以採取不同動作，得到不同結果。這讓研究人員有反事實經驗可以訓練，而這點很難從錄製影片中取得。影片只記錄實際走過的路徑。它完全不知道你若是往左轉會發生什麼事，而這個盲點正是反事實派得上用場的地方。如果你想了解代理如何處理一條它沒走的分支，這是一種模擬方式。
湧現的物理與效果
Genie 2 會模擬水、煙、重力、光照、反射和泛光，卻沒有被逐一明確教導。氣球會爆、門會開、木桶會炸。這些行為是在規模中湧現，而不是手工編寫。它們並不完美，但足以讓世界感覺像有規則的地方，而那些規則會影響代理如何繞過它們看得見、也預測得到的障礙，對一個只被訓練來猜下一格的模型來說，這是出乎意料多的結構。
模擬其他代理
模型能模擬 NPC 以及與它們的互動，還能為多種角色做動畫。對代理研究來說，這很重要，因為許多任務都涉及應付會移動、會反應的其他東西。Genie 2 讓這些情境有地方發生，不需要遊戲工作室。
多樣視角支援
世界可以第一人稱、等角或第三人稱駕駛視角呈現，不同角色也會依提示而動。紙飛機、龍、老鷹和降落傘各有自己的動作風格。這種多樣性來自分布外泛化，讓一張概念圖能變成可運作、可遊玩的場景，也正是模型之間的分野：一個只會複製訓練資料，另一個能在提示把它帶到陌生新領域時即興發揮。
優缺點
優點
- 從單張圖片提示生成豐富的 3D 世界，降低打造訓練環境的成本。
- 聰明地處理動作操控，能正確辨識該移動的角色。
- 讓世界維持一致達一分鐘，包括離開又回到視線的物件。
- 自行模擬水、重力、反射等物理與效果。
- 能搭配 SIMA 之類的代理，在未見過的世界建立評估任務。
缺點
- 沒有公開發布、註冊或定價，所以大多數人根本無法使用。
- 世界一致性上限約一分鐘，限制了長時間的訓練。
- DeepMind 示範中品質最高的範例來自未蒸餾的基礎模型，選它是為了展示可能的極限，而那個版本無法即時遊玩，所以你在部落格文章看到的清晰世界，就算你有存取權，也不是你能互動的版本。
- 沒有公開 API，所以團隊目前還無法把它接進自己的工作流程。
常見問題
它用來生成可操控的 3D 環境，以訓練和評估 AI 代理。研究人員不必手工打造世界，而是給模型一張圖片，拿回一個可遊玩的環境。可遊玩是這裡的關鍵字。這表示代理能真正行動並看見後果，而不只是看一段算圖好的影片播放。這就是這些世界能當訓練或測試任務、而不是漂亮示範影片的原因。
相關內容
探索與 Google Genie 2 相關的工具、技能與文章。
Google Genie 2 替代方案
X Ray Interpreter
X-ray Interpreter · 圖片X Ray Interpreter 是一款以網頁為基礎的 AI 放射科工具，能把 X 光、電腦斷層、磁振造影、超音波與 PET 影像變成白話報告。你上傳一張掃描影像，片刻之間就得到初步的 X 光判讀結果，之後若有需要解釋的地方，還能繼續追問。它的定位是第二意見與學習輔助，而非醫療診斷。
Aieasypic
AIEasyPic · 圖片AIEasyPic 是一款 AI 圖片生成器，能在幾秒內把單純的文字提示變成完成的藝術作品。你也可以用自己照片訓練自訂模型、在現有圖片中替換臉部，並從文字建立短影片片段，全部都能在瀏覽器中完成。它適合想要快速視覺素材的休閒創作者，也適合想打造個人模型、又不想碰任何程式的業餘玩家。
Chargen
Chargen · 圖片Chargen 是一款 AI 角色生成器與世界觀建構工具，專為《龍與地下城》與其他桌上角色扮演遊戲打造。它能將一句構想變成手繪風格的肖像，在同一場工作階段中生出 NPC、怪物、地圖與遭遇，並把每隻生物的細節放在手邊。桌上角色扮演美術這部分靠一套名為 Gold 的點數系統運作，而文字生成器則對所有人保持免費。