谷歌Genie 4世界模型新增音频、更逼真的世界和实时操控功能 | AI Archive

谷歌Genie 4世界模型新增音频、更逼真的世界和实时操控功能

techcrunch · 2026-10-27T16:30:57+00:00

Google DeepMind 发布了其最新的世界模型 Genie 4，该模型以研究预览的形式推出，具备逼真的环境、实时音频生成和交互式操控功能。与前任相比，Genie 4 允许用户在模拟过程中通过输入提示词来修改场景，例如改变天气、调整摄像机角度或添加物体，同时保持长达两分钟的一致性。该模型改进了物理效果并拥有更拟人化的角色，还集成了包含音乐、环境噪音和对话的音频功能。Genie 4 与 Google 的 Gemini AI 紧密关联，后者充当“导演”角色以规划步骤并检查帧画面，从而在机器人模拟和测试方面展现出潜在应用价值。尽管商业用例涵盖游戏和教育领域，但早期反馈指出，由于该模型能够维持创意流畅性，其在电影原型制作方面具有广阔前景。尽管如此，Google 也承认目前仍存在局限性，例如长时间模拟中的物体漂移问题，以及音频准确性和文本可读性方面的挑战。该模型目前正面向受信任的测试人员开放，未来几周将向 Google AI Ultra 订阅用户和 API 合作伙伴推出。