谷歌Genie 4亮相：实时改写世界，原生音频同步生成
IT之家 10 月 28 日消息，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。 对于用户而言，谷歌
10月27日，谷歌
DeepMind团队发布博文，推出Genie 4世界模型，并将其称为“重大研究里程碑”。该模型在原生音频、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，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。IT之家 10月28日消息。
用户能实时“导演”世界，这是Genie 4最吸引人的地方。模拟运行过程中，用户可用自然语言文本指令改动世界，比如换天气、移镜头、加新角色或新物体。
Genie 4并不像主流AI那样重新生成一段视频，它会结合当前场景上下文做出动态变化，更像“可交互的虚拟沙盒”或“AI导演系统”。用户先设定一个事件，再观察世界如何继续演化，过程中随时可以介入调整。
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，声音与画面在同一过程中同步产生。谷歌还称，Genie 4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，能随环境作出有机反应，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）今天在个人账号发布推文，称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接受科技媒体TechCrunch采访时表示，今后文本、代码与任务规划由Gemini负责，Genie 4则实时把这些内容转化成可交互世界，形成“混合世界模型”。
DeepMind工程师Diego Rivas承认，Genie 4还处在早期阶段；模拟时间一长，细节可能出现漂移，音频准确性和画面内文字可读性也尚未完全解决。
眼下Genie 4只以研究预览形式向“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。
