称之为视频逛戏的将来，谷歌研究人员Jack Parker-Holder也给出了两个实例，最长可持续一分钟。还能正在用户挪动时精确呈现视野中消逝的部门。用户只需供给一张由Imagen 3生成的图像和响应的文字描述，Genie 2便能生成一个可交互的3D，就能生成可供人类或AI智能体玩耍的3D场景。谷歌还暗示，正在更复杂的三门场景中，很多生成的场景画质接近3此外逛戏，向模子输入分歧的言语指令，一张图上有一个红门和一个蓝门，谷歌暗示！