← 返回 Sardaana AI
Google DeepMind 发布 Genie 4：可同时生成声音与对话的实时世界模型
Genie 4 能实时模拟可交互世界，首次原生生成音频和语音，并可用文字提示实时操控。目前仅作为研究预览向受信测试者开放。
Google DeepMind 于 2026 年 10 月 27 日发布 Genie 4，这是其「世界模型」的最新版本——一种逐帧实时生成可交互环境的 AI 系统，用户可用键盘在其中移动，并用文字提示改变场景。
新功能
- 原生音频： DeepMind 称这是其首个原生生成声音的实时世界模型——环境音、音乐以及角色的交互式对话与画面同步生成。
- 实时操控： 可在模拟过程中改变天气、移动镜头或加入人物和物体；Gemini 模型会根据场景调整提示。
- 物理与人物： 公司称碰撞、空气动力学，尤其是人物自然动作的模拟有所改进。
- Gemini 参与循环： Gemini 3.8 Flash 观察生成的画面、将目标拆解为步骤并检查进度，DeepMind 称这使多步骤事件成为可能。实验室还展示了 Gemini 4 Argon 为模拟人形机器人规划跳棋对局。
可用性与局限
Genie 4 目前作为研究预览向受信测试者推出，并将「很快」向 Project Genie 中的 Google AI Ultra 订阅者以及 Gemini API 和 AI Studio 的早期合作伙伴开放。所有输出都带有 SynthID 水印。DeepMind 自己列出局限：在较长会话或多次编辑后，细节和物体持续性可能漂移；复杂物理、音频准确性、清晰文字和长期一致性仍是待解决的研究问题。目前的演示均为公司自选录像。