Google DeepMind 发布 Genie 4 世界模型，新增音频与实时操控
先了解这件事
Google DeepMind 发布世界模型 Genie 4 的研究预览版，主打更逼真的实时交互模拟，并首次在实时世界模型中原生生成音频。目前仅向受信任的测试者开放，用于收集反馈；Google DeepMind 称，之后将先向 Project Genie 中的 Google AI Ultra 订阅用户，以及 Gemini API 和 Google AI Studio 的早期访问合作伙伴开放。TechCrunch 称这一开放将在未来几周内进行。 Genie 4 可同时生成与场景匹配的音乐、环境音和交互对话。用户可用自然语言在模拟过程中实时修改天气、移动镜头或加入人物与物体。TechCrunch 报道称，场景一致性最长维持两分钟，是上一代 Genie 3 的两倍。The Decoder 报道称，用户也可用键盘在场景中移动，并用文本提示词推动事件；Google 称所有视频和音轨都会带有 SynthID 水印。 在 Gemini 与 Genie 4 的配合中，Gemini 模型负责规划步骤并检查画面以验证进度。Google DeepMind 称，Gemini Omni 为 Genie 4 提供真实世界外观与行为基准，其他 Gemini 模型负责维持模拟的连贯性；TechCrunch 提到，在与 Gemini Robotics 相关的研究实验中，Gemini 4 Argon 模型把任务拆成步骤，由 Genie 4 实时模拟。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- The DecoderGoogle DeepMind 发布 Genie 4 实时世界模型，由 Gemini 规划场景
Google DeepMind 推出 Genie 3 的继任者 Genie 4，这是一个逐帧计算场景、能实时响应用户输入的世界模型，目前仅向部分测试者开放研究预览。用户可用键盘在场景中移动，并用文本提示词推动事件；DeepMind 称这是其首个直接生成声音的实时世界模型，每个世界带有自己的背景音，角色之间可以对话并实时回应用户操作。Genie 4 基于视频模型 Gemini Omni 的能力，其他 Gemini 模型负责规划以保持世界连贯，例如 Gemini 3.8 Flash 会持续观察场景、把目标拆成步骤并检查每步结果。
- TechCrunch · AI精选Google DeepMind 发布世界模型 Genie 4，新增音频与实时操控
Google DeepMind 发布世界模型 Genie 4 的研究预览版，可生成更逼真的交互式世界，并支持在模拟过程中输入提示词实时改变场景。新版本能生成与场景匹配的实时音频，包括音乐、环境音和交互对话，还支持改天气、换机位、添加人物或物体等自由编辑，场景一致性最长维持两分钟，是上一代 Genie 3 的两倍。Gemini 与 Genie 4 的集成更紧密，由 Gemini 规划步骤并检查画面；在与 Gemini Robotics 相关的研究实验中，Gemini 4 Argon 模型把任务拆成步骤，由 Genie 4 实时模拟。
- Google DeepMind精选Google DeepMind 发布世界模型 Genie 4，原生生成音频并支持实时交互
Google DeepMind 发布新一代世界模型 Genie 4，主打更高的真实感与实时交互模拟，并首次在实时世界模型中原生生成音频。Genie 4 原生多模态，可同时生成类似音乐的声音、环境音和交互对话；Gemini Omni 为其提供真实世界外观与行为基准，其他 Gemini 模型负责维持模拟的连贯性。用户可用自然语言实时修改天气、移动镜头或加入人物与物体，Gemini 3.8 Flash 在循环中充当引导智能体，把目标拆成步骤并检查画面以验证进度。
本事件热度走势
- 可比范围当前
- 28
- 可比范围峰值
- 2910月28日 02:00
- 近 24 小时变化
- –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。