谷歌发布Genie 4世界模型：可实时用自然语言“导演”虚拟世界
谷歌 DeepMind 团队昨日（10 月 27 日）发布博文，宣布推出 Genie 4 世界模型，定位为“重大研究里程碑”，在原生音频、实时自然语言改写、更真实的物理与人物等方面实现核心突破，把世界模型从一次性生成画面升级为可实时操控、可听、可推理的动态模拟世界。
10月28日，谷歌
DeepMind团队发布博文称推出Genie 4世界模型，并把它定位为“重大研究里程碑”。这一模型在原生音频、实时自然语言改写、更真实的物理与人物等方面取得核心突破，世界模型由此从一次性生成画面，升级为可实时操控、可听、可推理的动态模拟世界。博文提到，该模型于昨日（10月27日）发布。
对用户来说，Genie 4最突出的能力是实时“导演”世界。模拟运行过程中，用户可以用自然语言文本指令改动世界，比如调整天气、移动镜头、添加新角色或物体。
主流AI通常是重新生成一段视频，Genie 4的做法不同：它结合当前场景上下文执行动态变化，更像“可交互的虚拟沙盒”或“AI导演系统”。用户能设定一个事件，再看世界如何继续演化，并可随时介入调整。
其他亮点上，Genie 4是DeepMind首个在实时世界模拟中原生生成音频的模型，音频与画面在同一过程中同步产生。谷歌还称，该模型在空气动力学、碰撞等物理场景上表现更强；人物动作更自然，能根据环境作出有机反应，并支持实时操控。相关演示视频如下：
谷歌首席执行官桑达尔 · 皮查伊（Sundar Pichai）今天在其个人账号发布推文表示，Genie 4是谷歌迄今最逼真、最具互动性的世界模型。
谷歌研究总监Tejas Kulkarni在接受科技媒体TechCrunch采访时说，未来将由Gemini负责文本、代码与任务规划，Genie 4实时把这些内容转化为可交互世界，形成“混合世界模型”。
DeepMind工程师Diego Rivas承认，Genie 4仍处早期阶段。长时间模拟可能出现细节漂移，音频准确性和画面内文字可读性也还没有完全解决。
目前，Genie 4仅以研究预览形式向“受信任测试者”开放。未来几周，它将扩展到Google AI Ultra订阅用户的Project Genie，以及Gemini API和Google AI Studio的早期合作伙伴。
