AI NexusAI 星图
模型发布

Google DeepMind 发布 Genie 4：原生音频与实时操控的世界模拟模型

事件时间 2 个独立来源编辑评分 86/100本站发布

先了解这件事

Google DeepMind 发布 Genie 4 世界模型，称其可实时生成可交互的世界、原生音频、物理效果和人物运动，并可通过自然语言实时调整场景。该模型先向受信任测试者开放研究预览。

变化是什么

Genie 4 是新的世界模拟模型；Google 表示它将视觉世界、环境与对话音频同步生成，并通过 Gemini 模型辅助实时操控和场景连续性。

对你意味着什么

这是面向交互式世界生成的新模型类别。创作、游戏、教育、机器人和智能体团队可评估其原型价值，但应把当前预览的稳定性、可用性和安全边界纳入决策。

Google DeepMind 发布了 Genie 4，一种新的世界模拟模型。官方称它能实时生成可探索、可操控的交互式世界，并将环境音、音乐和互动对话与视觉场景同步生成。用户可通过键盘控制导航和镜头，也能用自然语言在场景演进中修改天气、镜头、人物或物体；Google 表示 Gemini 模型会将这类指令适配到周围场景。

这不是某个既有工具的普通功能更新，而是新的模型类别发布。对创作预演、游戏原型、教育模拟、机器人训练环境和智能体评测来说，它提供了一个可评估的交互式场景生成路径。Google 还称 Genie 4 结合了物理模拟、自然人物运动、原生音频和实时操控，并正与受信任的行业测试者收集反馈。

当前可用性仍有限。公告称，Genie 4 先作为研究预览向受信任测试者推出，之后计划从 Project Genie 的 Google AI Ultra 订阅者、Gemini API 和 Google AI Studio 的早期访问合作伙伴开始开放。对于准备采用的团队，这意味着应先确认访问资格、数据处理条件和实际工作流，而不是把发布公告当作现成的普遍可用服务。

Google 将模型描述为早期、仍在演进的研究成果：长时间运行、复杂的连续提示修改或持续导航时，视觉细节和对象持久性仍可能漂移；复杂物理交互、实时音频准确性、可读文字、空间准确性和长期一致性也仍在改进。所有 Genie 4 生成的视频和音频都将包含 SynthID 水印。应在受控、可回滚的原型中验证输出一致性与安全流程，尤其不要将模拟结果直接当作真实世界行为的保证。

相关目录词条

事实核查

  • 已核实Google DeepMind 宣布 Genie 4 是新的世界模型，可进行实时交互式世界模拟。依据
  • 已核实Google 表示 Genie 4 原生生成音频，并具有物理模拟、人物动作和由自然语言驱动的实时场景操控能力。依据
  • 已核实Google 表示 Genie 4 先以研究预览方式向受信任测试者推出，之后计划先向 Project Genie 的 Google AI Ultra 订阅者、Gemini API 和 Google AI Studio 的早期访问合作伙伴开放。依据
  • 已核实Google 将所有由 Genie 4 生成的视频和音频标注为包含 SynthID 数字水印，并说明长时间运行、多次复杂编辑后可能出现视觉细节和对象持久性漂移。依据

报道时间线

  1. 报道The Verge
    The Verge
  2. 一手来源Google DeepMind
    Google DeepMind