Google DeepMind เปิดตัว Genie 4 — world model แบบเรียลไทม์ตัวแรกที่สร้างเสียงเองได้ ตัวละครคุยโต้ตอบได้ สั่งเปลี่ยนโลกด้วยภาษาธรรมชาติ แต่ยังเป็น research preview และ Gemini API ยังเป็นแค่ 'เร็ว ๆ นี้'

Google DeepMind เปิดตัว Genie 4 เมื่อ 27 ต.ค. 2026 เป็น world model รุ่นใหม่ที่สร้างโลกเสมือนแบบโต้ตอบได้ทันทีจากคำสั่ง จุดเปลี่ยนใหญ่ที่สุดจาก Genie 3 คือ เสียง DeepMind เขียนว่า Genie 4 เป็น “real-time world model ตัวแรกของเราที่สร้างเสียงได้ในตัว” ทั้งเสียงแวดล้อม เช่น ลมพัดผ่านต้นไม้หรือคลื่นกระทบหาด และ บทสนทนาของตัวละคร ที่ “พูดคุยและตอบสนองต่อสิ่งที่ผู้ใช้ทำหรือเหตุการณ์ในโลกได้แบบเรียลไทม์”

ข่าวนี้ขึ้นหน้าแรก Hacker News ทันที (ราว 670 คะแนนในวันเปิดตัว) แต่ต้องอ่านให้ชัดว่า ยังไม่มีใครนอก Google ใช้ได้จริง ตอนนี้เป็น research preview สำหรับ trusted tester เท่านั้น

มีอะไรใหม่

ตามบล็อกของ DeepMind:

• เสียงในตัว — สร้างเสียงที่เข้ากับฉากโดยอัตโนมัติ ซึ่ง Genie 3 ทำไม่ได้
• ตัวละครมนุษย์ที่สมจริงขึ้น — Google บอกว่า “ก้าวกระโดดที่ใหญ่ที่สุด” คือการเคลื่อนไหวและสีหน้าของคนที่ลื่นไหลขึ้น จากเดิมที่ดูเป็นหุ่นยนต์ใน Genie 3
• ฟิสิกส์ดีขึ้น — จำลองอากาศพลศาสตร์และการชนได้ดีขึ้น
• สั่งเปลี่ยนโลกระหว่างเล่น — พิมพ์คำสั่งให้เปลี่ยนสภาพอากาศ มุมกล้อง หรือเพิ่มคน/วัตถุ โดยมี Gemini ปรับ prompt ให้เข้ากับฉาก
• ผูกกับ Gemini — Gemini Omni ช่วยคุมความสม่ำเสมอของภาพ และ Gemini 3.8 Flash ทำหน้าที่เป็น agent นำทาง ที่วางแผนขั้นตอนและตรวจความคืบหน้าในโลกที่สร้างขึ้นได้

สิ่งที่ยังไม่บอก และข้อจำกัดที่ยอมรับเอง

บล็อกไม่มี ความละเอียด, fps, ความยาวเซสชัน, benchmark หรือราคา เลย Gizmodo ก็รายงานว่าไม่มีตัวเลขเหล่านี้เช่นกัน DeepMind ยอมรับเองว่ารายละเอียดภาพและ object permanence ยังเพี้ยนเมื่อเซสชันยาวขึ้น และยังต้องวิจัยต่อในเรื่องปฏิสัมพันธ์ทางฟิสิกส์ที่ซับซ้อน ความแม่นของเสียงแบบเรียลไทม์ ตัวหนังสือในฉาก ความแม่นเชิงพื้นที่ และความสม่ำเสมอระยะยาว

ด้านความปลอดภัย วิดีโอและเสียงทุกชิ้นที่ Genie 4 สร้าง จะฝัง SynthID และ Google บอกว่าทำ safety evaluation ภายในก่อนปล่อยให้ tester

ใครจะได้ใช้เมื่อไร

• ตอนนี้: trusted tester กลุ่มเล็ก
• “เร็ว ๆ นี้”: สมาชิก Google AI Ultra ผ่านเว็บแอป Project Genie (เปิดตัวเมื่อมกราคม 2026) และ พาร์ตเนอร์ early access ใน Gemini API และ Google AI Studio
• เข้า waitlist ได้ผ่าน Project Genie ยังไม่มีวันที่หรือข้อมูลประเทศที่เปิดให้ใช้

มุมมอง AI Curator

สำหรับนักพัฒนา บรรทัดที่สำคัญที่สุดในประกาศนี้ไม่ใช่เรื่องเสียง แต่เป็น “early access partners in the Gemini API” ถ้า world model แบบโต้ตอบได้กลายเป็น endpoint ที่เรียกได้ จะเปิดงานใหม่สองกลุ่ม กลุ่มแรกคือสร้างฉากฝึกและทดสอบ agent ซึ่ง DeepMind ใบ้ไว้แล้วด้วยการให้ Gemini 3.8 Flash เป็น agent ที่เดินในโลกที่ Genie สร้าง กลุ่มที่สองคือการทำต้นแบบเกมหรือประสบการณ์แบบ “vibe gaming” โดยไม่ต้องมี engine แต่ตอนนี้ยังไม่มีราคา latency หรือ spec ใด ๆ ให้วางแผนได้ จึงควรมองเป็นสัญญาณทิศทาง ไม่ใช่เครื่องมือที่หยิบมาใช้ได้

ข้อจำกัดที่ DeepMind ยอมรับเองก็บอกอะไรได้มาก object permanence ที่เพี้ยนในเซสชันยาว แปลว่ายังใช้เป็น simulator สำหรับฝึกหุ่นยนต์หรือ agent ที่ต้องการความแม่นเชิงฟิสิกส์ไม่ได้ ใช้ได้แค่กับงานที่ยอมให้ “ดูสมจริง” มากกว่า “ถูกต้อง” สำหรับสตูดิโอเกมและครีเอเตอร์ในไทย การที่ทุกชิ้นฝัง SynthID เป็นเรื่องดี เพราะเสียงพูดของตัวละครที่สร้างได้เรียลไทม์คือวัตถุดิบชั้นดีของ deepfake แต่ก็หมายความว่างานเชิงพาณิชย์ที่สร้างจาก Genie จะถูกตรวจได้ว่าเป็นงาน AI เสมอ ควรคิดเรื่องนี้ไว้ก่อนวางแผนใช้ในงานลูกค้า

แหล่งข่าว

• Google DeepMind — Genie 4: A new generation of world simulation (27 ต.ค. 2026)
• Gizmodo — Google’s New AI World Model Can Generate Human Voices, Not Just Video (27 ต.ค. 2026)