Google DeepMind 发布世界模型 Genie 4：可同步生成音频、用自然语言实时修改场景，先向受信测试者开放研究预览
Google DeepMind 于 10 月 27 日发布交互式世界模型 Genie 4。官方称其画面更逼真，可同步生成音乐、环境音和对话，用户能用自然语言实时改天气、移镜头或加入人物，基于 Gemini 系列能力。The Verge 称单次体验约 2 分钟（Genie 3 约 1 分钟）。现仅向受信测试者开放，后续开放给 Google AI Ultra 用户和 Gemini API 早期合作方。
为什么重要
世界模型被 DeepMind 视为训练机器人与智能体、迈向 AGI 的关键一环；Genie 4 加入原生音频和实时文本操控，但“前所未有的逼真度”为官方说法，且 Google 提示长时间模拟中细节和物体一致性可能漂移。
来源4
Google DeepMind官方 · 博客Genie 4: A new generation of world simulation英文原标题 · 查看原文 · - @GoogleDeepMind官方 · X这是 Genie 4，我们迄今最逼真、交互性最强的世界模型。🌐
实时探索动态环境，看看场景如何响应、发出什么声音，以及其中的人如何移动、反应和说话。译自英文 · 查看原文 ·
The Verge媒体Google's next Genie AI model generates more realistic experiences英文原标题 · 查看原文 ·
- @_philschmidXGenie 4 来了，带来原生音频、会移动和说话的角色、更精准的物理效果以及实时提示词编辑。 Genie 是一个实时多模态世界模型，它会根据你实时的键盘操作和文本提示词，逐帧渲染可游玩的环境。 报名加入候补名单（Google AI Ultra 用户优先）：https://forms.gle/WQnSNEM3omF7Uruu7 更多示例见：https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/译自英文 · 查看原文 ·
由 dalao.ai 撰写：标题、摘要和“为什么重要”是我们自己的文字；事实以原始报道为准，著作权归原发布者所有。