Google DeepMind 发布 Genie 4 世界模型，支持实时改场景…
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
本条选题由第三方线索发现；线索方提供的摘要未被采用，本页内容依据下方信源整理。线索来源：AIHOT
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载四项能力更新
Genie 4 的改动集中在四个方面：生成的世界更接近真实观感；用户可以在模拟运行过程中输入自然语言提示，实时改变场景走向；模型能产出与画面匹配的音频，覆盖音乐、环境声与交互对话；底层模拟由 Gemini 3.8 Flash 承担。相比只输出一段固定视频的方案，实时改写意味着体验不再是单向播放，而是可以边看边调整。时长方面，单次体验从上一代的一分钟提升到约两分钟，这为更完整的场景演示留出了空间。
面向谁、怎么用
Google 将 Genie 4 定位为创作与验证工具，列举的用途包括影视拍摄前的预可视化、游戏创意的快速原型，以及为机器人构造训练场景。发布节奏上，它先进入研究预览，只对受信任测试者开放，随后才会面向 Google AI Ultra 订阅用户推出；同时 Project Genie 已开设等候名单，用户可以申请提前试用。也就是说，普通用户短期内还无法直接上手，实际效果仍待测试者反馈。
已知限制与竞争位置
Google 明确提示，模拟运行时间变长后，画面细节和物体恒存性会随时间发生偏移，这是长时段世界模型的常见难点，也解释了为何时长只推进到两分钟量级。竞争层面，Runway 在数月前已发布第二代世界模型 GWM Worlds 2，同样支持根据用户输入动态响应并带音频生成，两者的能力方向高度重叠。世界模型赛道同时出现整合迹象：World Labs 被 AMD 收购，Amazon 正洽谈收购 Decart，Rivian 则收购 Third Dimension 把仿真能力收进内部用于自动驾驶测试。
为什么值得看
世界模型正从视频生成走向可实时操控、带音频的交互模拟，这条路线直接关系到游戏原型与机器人训练的成本结构。
信源5 家
- [1]The VergeGoogle’s next Genie AI model generates more realistic experiences
- [2]Ars TechnicaDeepMind unveils Genie 4 world model promising more realistic physics and humans
- [3]TechCrunchGoogle’s Genie 4 world model adds audio, more realistic worlds, and real-time steering
- [4]Google DeepMind：Blog（RSS）线索来自 AIHOTGoogle DeepMind 发布实时交互世界模型 Genie 4
- [5]少数派派早报：Apple 推出触控款 MacBook Pro、华为发布多款新品等
关键事实
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。