Panduan Google Project Genie: Menjelaskan Foundation World Model Google

Fitur Utama Project Genie

Mari kita lihat beberapa fitur utama Project Genie.

• Pembuatan dunia interaktif: Berbeda dengan video, Andalah yang mengendalikan. Anda mengontrol kamera atau karakter, dan model menghasilkan bingkai berikutnya secara real time berdasarkan tindakan spesifik Anda.
• World sketching: Anda dapat membuat benih sebuah dunia menggunakan prompt teks sederhana (misalnya, "Kota cyberpunk bercahaya neon") atau gambar yang diunggah. AI kemudian menghasilkan versi 3D yang dapat dimainkan dari input statis tersebut.
• World remixing: Fitur ini memungkinkan Anda mengambil dunia yang sudah ada dan mengubahnya. Anda dapat mengubah gaya seni, menambahkan elemen baru, atau mengubah suasana sambil mempertahankan tata letak inti yang sama.
• Keterkendalian aksi: Model dilatih untuk mengenali masukan seperti melompat, terbang, atau berjalan. Model memetakan perintah ini ke perubahan visual yang logis, menciptakan rasa kendali dalam simulasi.

Mencoba Langsung Project Genie

Mari masuk ke beberapa kasus penggunaan dasar Project Genie untuk mewujudkan ide-ide kita.

World sketching

Menciptakan dunia dimulai dari fase World Sketching. Anda memasukkan prompt atau mengunggah foto, dan sistem menggunakan Nano Banana Pro (mesin gambar fidelitas tinggi terbaru Google) untuk menyempurnakan visual awal. 

Integrasi ini memastikan bahwa bingkai awal memiliki kedalaman arsitektur dan tekstur yang diperlukan untuk lingkungan 3D yang kompleks. 

Anda bahkan dapat "mensketsa" logika dunia dengan menentukan bagaimana karakter Anda bergerak di ruang tersebut sebelum simulasi dimulai. 

Di bawah ini, Anda akan melihat saya menulis lingkungan contoh dan deskripsi karakter. Ini memungkinkan model menghasilkan dunia awal tempat ia akan mulai.

World remixing

Fitur World Remixing menonjol untuk alur kerja kreatif. Misalnya, Anda dapat mengambil foto realistis taman setempat dan memberi prompt pada model untuk "Ubah ini menjadi gaya kartun Studio Ghibli." 

Dunia yang dapat dimainkan hasilnya mempertahankan tata letak fisik taman (pepohonan, jalur) tetapi menambahkan estetika artistik yang sepenuhnya baru. Transisinya umumnya mulus, meski tekstur kompleks terkadang tampak agak meleleh selama transformasi. 

Sebagai contoh, saya meminta model untuk membuat danau menjadi merah muda, dan model merespons sesuai. Gaya seni dan tata letak fisik keseluruhan tetap sama, sementara danaunya diperbarui.

Eksplorasi 3D

Setelah dunia dihasilkan, Anda masuk ke mode Eksplorasi 3D. Ini memungkinkan Anda menavigasi dunia dalam sudut pandang orang pertama atau ketiga. 

Anda menggunakan tombol WASD untuk menggerakkan karakter di dunia sambil menggunakan tombol panah untuk melihat sekitar. Anda bahkan dapat menggunakan tombol spasi untuk melompat dan melintasi rintangan. 

Setiap sesi memberi Anda 60 detik untuk menjelajahi dunia.

Menurut pengalaman saya, lingkungan secara keseluruhan terasa mengesankan. Saat Anda bergerak, AI menghasilkan medan baru yang sesuai dengan gaya yang sudah ditetapkan. Tentu ada beberapa keterbatasan saat bermain dengan tekstur kompleks, dan Anda merasakan model menghasilkan ide secara langsung, sehingga frame rate tidak selalu paling mulus. 

Namun, memikirkan bahwa saya menulis prompt sederhana dalam waktu kurang dari satu menit dan itu berubah menjadi dunia yang dihasilkan dan dapat dijelajahi hanya dalam hitungan menit sungguh menakjubkan.

Bagaimana Cara Mengakses Project Genie?

Pada awal 2026, Project Genie masih berupa prototipe riset eksperimental. Belum tersedia untuk umum. 

Saat ini, akses terbatas untuk pelanggan Google AI Ultra yang berlokasi di Amerika Serikat. 

Jika Anda memiliki langganan aktif, Anda dapat menemukan alat ini di dalam portal Google Labs FX. 

Perhatikan bahwa pengguna harus berusia 18 tahun ke atas untuk berpartisipasi dalam program riset.

Seberapa Baik Project Genie?

Menavigasi dunia yang dihasilkan secara real time cukup berbeda dari bermain game dengan grafik prarender. 

Tentu saja, kita tidak bisa menilainya seperti menilai LLM standar karena kita tidak bisa menguji sebuah “dunia” dengan mengajukan pertanyaan. Kita hanya bisa mengevaluasinya melalui pengalaman visual dan interaktif. 

Pertama, aspek teknisnya. Video dibatasi pada 720p dengan frame rate sekitar 24 fps. Ini membuatnya kurang “tajam” dibandingkan Sora karena fokus menghasilkan video yang halus berbeda dengan menghasilkan dunia yang interaktif.

 Diperlukan komputasi yang jauh lebih intens untuk menghasilkan dunia secara real time. 

Secara visual, pengalamannya cukup menyenangkan. Sekali lagi, saya mengalami beberapa frame yang sedikit tersendat karena frame rate yang lebih rendah. Namun, secara umum, dunia cukup konsisten. 

Namun, saya perhatikan pada beberapa percobaan bahwa objek yang dihasilkan terkadang menghilang atau berubah saat Anda berjalan melewatinya lalu berbalik untuk melihatnya. Ini cenderung terjadi pada objek unik (seperti karakter) dibandingkan objek statis seperti pohon. 

Interaksi dengan dunia berfungsi sebagian besar waktu. Saat Anda menekan tombol untuk bergerak atau melihat sekitar, kamera menggeser dan bergerak sesuai.

 Dalam hal itu, dunianya cukup interaktif. Saya memang mengalami beberapa jeda saat melompat, dan saya pikir itu terjadi ketika Anda berada di permukaan datar dan model tidak mengharapkan Anda melompat.

 Ini bekerja lebih konsisten ketika ada rintangan di tanah, dan “masuk akal” bagi Anda untuk melompatinya.

Secara umum, rasanya sangat mirip dunia nyata (terlepas dari gaya seni yang distilir). Untuk sebagian besar, jarak dan ukuran objek terasa masuk akal. Hal-hal seperti paralaks gerak juga konsisten di sepanjang pengalaman. 

Saya bisa bilang bahwa saya secara konsisten berhasil “merusak” model dengan memintanya menambahkan beberapa aksi sekaligus, seperti berenang dan berjalan bersamaan. Saya pikir kata-kata prompt harus cukup presisi untuk mendapatkan hasil yang diinginkan. 

Namun secara keseluruhan, ini pengalaman yang luar biasa dan sulit dipercaya betapa mudahnya menghasilkan dunia interaktif sederhana.

Kasus Penggunaan Project Genie

Saya bisa memikirkan banyak cara berbagai kalangan dapat menggunakan Project Genie.

1. Prototipe gim cepat: Desainer dapat melewati berbulan-bulan pemodelan lingkungan untuk langsung menguji “rasa” sebuah level. Berikan informasi presisi tentang fisika gim Anda, gaya seni, dan sketsa level untuk melihat bagaimana permainannya bisa berlangsung.
2. Melatih agen AI: World model menyediakan “gym” yang aman dan tak terbatas bagi robot untuk mempelajari navigasi dan manipulasi objek sebelum diterapkan di dunia fisik. 
3. Pendidikan: Siswa dapat menghasilkan latar sejarah, seperti Roma Kuno, dan berjalan di jalan-jalannya untuk memahami skala dan arsitektur dengan cara yang tidak dapat diberikan oleh buku teks.

Berikut kunjungan singkat ke Globe Theater di London. Meskipun belum 100%, dengan penyempurnaan prompt lebih lanjut, kita dapat mulai membangun versi dunia yang lebih sempurna.

Berikut prompt yang saya gunakan: 

World Prompt:
A hyper realistic 360-degree immersive recreation of London's Southbank. Focus on the Globe Theater, a massive three-story open-air polygonal wooden structure with a thatched roof. The exterior is white lim-wash with dark oak timber framing. Nearby, include the Rose Theatre. 

The streets are narrow, unpaved, and muddy. Include the River Thames and the distance silhouette of Old London Bridge. 

Character: A person that wears a doublet of velvet and stained leather breeches. He has ink stains and a small jagged scar across his eyebrow.Didukung oleh

Penutup

Project Genie menandai awal pergeseran dari Generative Media ke Generative Simulation. Kita bergerak melewati era sekadar melihat konten buatan AI menuju era hidup di dalamnya. Kita mulai melihat pertumbuhan large action model yang memahami tujuan Anda sebagai manusia dan menyediakan lingkungan serta aksi untuk tujuan tersebut. Kita juga melihat pembuatan video tingkat berikutnya dari alat seperti Seedance 2.0 dari ByteDance, yang kami bahas dalam panduan terpisah. 

Untuk menyelami lebih dalam apa yang diperlukan untuk membuat model-model ini, saya merekomendasikan sumber berikut:

• Sora 2 API: Panduan Lengkap dengan Contoh
• Reinforcement Learning di Python
• Deep Reinforcement Learning di Python