Hướng dẫn Google Project Genie: Giải thích Mô hình Thế giới Nền tảng của Google

Các tính năng chính của Project Genie

Hãy cùng điểm qua một số tính năng nổi bật của Project Genie.

• Tạo thế giới tương tác: Khác với video, bạn là người cầm lái. Bạn điều khiển camera hoặc nhân vật, và mô hình tạo khung hình tiếp theo theo thời gian thực dựa trên hành động cụ thể của bạn.
• Phác thảo thế giới: Bạn có thể gieo hạt cho một thế giới bằng một nhắc văn bản đơn giản (ví dụ: "Một thành phố cyberpunk rực sáng neon") hoặc một hình ảnh tải lên. AI sau đó tạo phiên bản 3D có thể chơi từ đầu vào tĩnh đó.
• Remix thế giới: Tính năng này cho phép bạn lấy một thế giới hiện có và biến đổi nó. Bạn có thể thay đổi phong cách mỹ thuật, thêm yếu tố mới, hoặc thay đổi bầu không khí trong khi vẫn giữ nguyên bố cục cốt lõi.
• Điều khiển hành động: Mô hình được huấn luyện để nhận biết các đầu vào như nhảy, bay, hoặc đi bộ. Nó ánh xạ các lệnh này thành thay đổi hình ảnh hợp lý, tạo cảm giác làm chủ trong mô phỏng.

Trải nghiệm trực tiếp với Project Genie

Hãy đi vào một số trường hợp sử dụng cơ bản của Project Genie để hiện thực hóa ý tưởng.

Phác thảo thế giới

Tạo một thế giới bắt đầu với giai đoạn Phác thảo Thế giới. Bạn nhập prompt hoặc tải ảnh, và hệ thống sử dụng Nano Banana Pro (động cơ hình ảnh độ trung thực cao mới nhất của Google) để tinh chỉnh hình ảnh ban đầu. 

Sự tích hợp này đảm bảo khung hình khởi đầu có độ sâu kiến trúc và kết cấu cần thiết cho một môi trường 3D phức tạp. 

Bạn thậm chí có thể "phác thảo" logic của thế giới bằng cách định nghĩa cách nhân vật di chuyển trong không gian trước khi mô phỏng bắt đầu. 

Bên dưới, bạn sẽ thấy tôi viết một môi trường mẫu và mô tả nhân vật. Điều này cho phép mô hình tạo ra thế giới ban đầu mà nó sẽ khởi động trong đó.

Remix thế giới

Tính năng Remix Thế giới đặc biệt hữu ích cho quy trình sáng tạo. Ví dụ, bạn có thể lấy một bức ảnh chân thực của công viên địa phương và nhắc mô hình "Remix thành phong cách hoạt hình Studio Ghibli." 

Thế giới có thể chơi thu được giữ nguyên bố cục vật lý của công viên (cây cối, lối đi) nhưng phủ lên một thẩm mỹ nghệ thuật hoàn toàn mới. Các chuyển đổi nhìn chung mượt mà, dù đôi khi các kết cấu phức tạp có thể hơi “chảy” trong quá trình biến đổi. 

Chẳng hạn, tôi yêu cầu mô hình biến hồ nước thành màu hồng, và nó phản hồi tương ứng. Phong cách nghệ thuật và bố cục vật lý tổng thể vẫn giữ nguyên, trong khi hồ được cập nhật.

Khám phá 3D

Khi thế giới đã được tạo, bạn vào chế độ Khám phá 3D. Điều này cho phép bạn điều hướng thế giới ở góc nhìn thứ nhất hoặc thứ ba. 

Bạn dùng các phím WASD để di chuyển nhân vật trong thế giới và dùng các phím mũi tên để quan sát xung quanh. Bạn thậm chí có thể dùng phím cách để nhảy và vượt chướng ngại vật. 

Mỗi phiên cho bạn 60 giây để khám phá thế giới.

Theo trải nghiệm của tôi, tổng thể môi trường rất ấn tượng. Khi bạn di chuyển, AI tạo địa hình mới phù hợp với phong cách đã thiết lập. Chắc chắn có một số hạn chế khi xử lý kết cấu phức tạp, và bạn có thể cảm nhận mô hình đang tạo ý tưởng trực tiếp nên tốc độ khung hình không phải lúc nào cũng mượt. 

Tuy vậy, việc tôi viết một prompt đơn giản trong chưa đến một phút và biến nó thành một thế giới có thể khám phá chỉ trong vài phút thực sự khiến tôi kinh ngạc.

Tôi có thể truy cập Project Genie bằng cách nào?

Đầu năm 2026, Project Genie vẫn là một nguyên mẫu nghiên cứu thử nghiệm. Chưa mở cho công chúng. 

Hiện tại, quyền truy cập giới hạn cho người đăng ký Google AI Ultra tại Hoa Kỳ. 

Nếu bạn có đăng ký hoạt động, bạn có thể tìm công cụ trong cổng Google Labs FX. 

Lưu ý người dùng phải từ 18 tuổi trở lên để tham gia chương trình nghiên cứu.

Project Genie tốt đến mức nào?

Điều hướng một thế giới được tạo theo thời gian thực khá khác với chơi một trò chơi video có đồ họa dựng sẵn. 

Dĩ nhiên, chúng ta không thể đánh giá nó giống như một LLM tiêu chuẩn vì không thể “kiểm tra” một “thế giới” bằng cách đặt câu hỏi. Ta chỉ có thể đánh giá qua trải nghiệm trực quan và tương tác. 

Trước hết là phần kỹ thuật. Video bị giới hạn ở 720p với tốc độ khung hình khoảng 24 fps. Điều này khiến nó kém “sắc nét” hơn Sora vì trọng tâm tạo video mượt khác với tạo thế giới tương tác.

 Việc tạo một thế giới theo thời gian thực đòi hỏi cường độ tính toán lớn hơn rất nhiều. 

Về mặt hình ảnh, trải nghiệm khá tốt. Tôi có gặp một số khung hình hơi giật do tốc độ khung thấp. Nhưng nhìn chung, thế giới khá nhất quán. 

Tuy nhiên, tôi nhận thấy trong một số lượt, các đối tượng được tạo đôi khi biến mất hoặc thay đổi khi bạn đi qua và quay lại nhìn chúng. Điều này thường xảy ra với các vật thể độc nhất (như nhân vật) hơn là vật thể tĩnh như cây cối. 

Tương tác với thế giới hoạt động hầu hết thời gian. Khi bạn nhấn nút để di chuyển hoặc nhìn quanh, camera lia và di chuyển tương ứng.

 Theo nghĩa đó, thế giới khá tương tác. Tôi có gặp độ trễ khi nhảy, và tôi nghĩ điều này xảy ra khi bạn ở bề mặt phẳng và mô hình không “kỳ vọng” bạn sẽ nhảy.

 Nó hoạt động ổn định hơn khi có chướng ngại vật trên mặt đất và việc bạn nhảy qua là điều “hợp lý”.

Nói chung, cảm giác rất giống thế giới thực (ngoại trừ phong cách nghệ thuật cách điệu). Phần lớn, khoảng cách và kích thước vật thể đều hợp lý. Những hiệu ứng như thị sai chuyển động cũng nhất quán suốt trải nghiệm. 

Tôi phải nói rằng tôi có thể làm “vỡ” mô hình một cách ổn định bằng cách yêu cầu thêm nhiều hành động, như vừa bơi vừa đi bộ cùng lúc. Tôi nghĩ câu chữ trong prompt phải khá chính xác để đạt được điều bạn muốn. 

Tổng kết lại, đó là một trải nghiệm tuyệt vời và thật khó tin là việc tạo ra các thế giới tương tác đơn giản lại dễ dàng đến vậy.

Các trường hợp sử dụng của Project Genie

Tôi có thể nghĩ ra rất nhiều cách mà mọi người thuộc mọi lĩnh vực có thể sử dụng Project Genie.

1. Dựng mẫu trò chơi nhanh: Nhà thiết kế có thể bỏ qua nhiều tháng dựng môi trường để kiểm tra ngay “cảm giác” của một màn chơi. Cung cấp thông tin chính xác về vật lý, phong cách nghệ thuật của trò chơi và các phác thảo màn chơi để xem cách nó có thể vận hành.
2. Huấn luyện tác tử AI: Các mô hình thế giới cung cấp một “phòng tập” an toàn, vô hạn để robot học điều hướng và thao tác vật thể trước khi triển khai trong thế giới vật lý. 
3. Giáo dục: Học sinh có thể tạo bối cảnh lịch sử, như La Mã cổ đại, và đi dạo trên các con phố để hiểu được quy mô và kiến trúc theo cách mà sách giáo khoa không thể mang lại.

Đây là một chuyến ghé thăm Nhà hát Globe ở London. Dù chưa đạt 100%, với việc tinh chỉnh prompt thêm, chúng ta có thể bắt đầu xây dựng phiên bản hoàn thiện hơn của thế giới.

Đây là prompt tôi đã dùng: 

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.Được hỗ trợ bởi

Kết luận

Project Genie đánh dấu sự khởi đầu của bước chuyển từ Truyền thông Sinh sinh sang Mô phỏng Sinh sinh. Chúng ta đang đi qua kỷ nguyên chỉ ngắm nhìn nội dung do AI tạo ra để bước vào kỷ nguyên sống bên trong nó. Chúng ta bắt đầu chứng kiến sự phát triển của các mô hình hành động lớn hiểu mục tiêu của bạn như một con người và cung cấp môi trường cùng hành động để đạt mục tiêu đó. Chúng ta cũng đang thấy mức độ tạo video thế hệ mới từ các công cụ như Seedance 2.0 của ByteDance, mà chúng tôi đề cập trong một hướng dẫn riêng. 

Để tìm hiểu sâu hơn về những gì cần có để tạo ra các mô hình này, tôi khuyến nghị các tài nguyên sau:

• Sora 2 API: Hướng dẫn đầy đủ kèm ví dụ
• Học tăng cường bằng Python
• Học tăng cường sâu bằng Python