穀歌提高頻生新一型G真度逼入音代通發布成和操控用世實時界模，加

　　科技巨頭穀歌推出新一代世界模型，谷歌帶來音頻、发布更高的新代逼真度和實時操控。

　　當地時間10月27日，通用提高穀歌DeepMind正式發布了新一代通用世界模型Genie 4，世界生成时操稱其為公司“迄今為止最逼真、模型最具互動性的真度AI世界模型”。該模型不僅允許用戶在模擬過程中通過輸入提示詞來改變場景，加入還能生成與模擬世界相匹配的音频實時音頻，包括音樂、和实環境音以及互動對話。谷歌

　　和穀歌在2025年以研究預覽版形式發布的发布前代世界模型產品Genie 3相比，Genie 4能夠維持長達2分鍾的新代一致場景，時長達到了前代產品的通用提高2倍，並且具備更好的世界生成时操物理表現和更逼真的人物角色。

　　Genie 4還引入了一套突破性的綜合能力，包括帶給用戶更高自由度的“實時塑造世界”、原生音頻生成與互動對話，以及依托穀歌Gemini生態係統的先進推理。

Genie 4支持自由形式的編輯，例如實時更改天氣、調整鏡頭角度，或者添加新的人物和物體。來源：DeepMind

　　據介紹，穀歌的AI模型Gemini與Genie 4進行了更緊密的整合。在Genie 4負責創建視覺效果時，Gemini能夠充當規劃步驟和檢查畫麵的“導演”。

　　在與Gemini Robotics相關的一項研究實驗中，Gemini 4 Argon模型將任務拆解為各個步驟，由Genie 4進行實時模擬。該實驗展示了一種在現實世界發生之前，通過模擬來測試機器人場景的可行途徑。

　　穀歌研究總監Tejas Kulkarni表示：“未來，我們將越來越多地看到這種混合世界模型：Gemini負責編寫代碼和文本，而Genie則實時接收這些內容，並在不同的抽象層麵上模擬現實。”

來源：DeepMind

　　除了遊戲、互動學習和機器人技術等世界模型的常見潛在商業應用場景以外，Genie 4的測試人員還指出了一個可能的新用途：影視原型製作（Prototyping films）。

　　穀歌DeepMind工程師Diego Rivas解釋道：“用戶當需要在創意空間中保持心流（flow）狀態時，實時性變得極其寶貴。例如在構思階段、分鏡頭腳本階段——任何你需要快速靈感碰撞的時刻。”

　　不過，研究團隊強調，Genie 4仍處於早期階段，且依然存在一些缺陷：隨著模擬時間的延長，細節和物體可能會發生“漂移”。同時，如何確保音頻準確無誤以及生成文字清晰可讀的問題仍未得到完全解決。

　　目前，Genie 4已作為研究預覽版向受信任測試人員開放。在接下來的幾周內，該模型將向Google AI Ultra訂閱用戶以及Gemini API和Google AI Studio的早期訪問合作夥伴推出。

　　科技網站TechCrunch指出，通過推出Genie 4，穀歌希望在世界模型這個競爭激烈的領域中保持領先地位。該行業正在走向整合：AMD已宣布以約82億美元收購李飛飛聯合創辦的世界模型AI公司World Labs，亞馬遜正在洽談收購Decart，而電動車初創公司Rivian剛剛收購了Third Dimension，以將用於自動駕駛測試的模擬能力收為自研。

很赞哦!（3）