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 Genie 4 世界模型最大的亮点在于实时“导演”世界。在模拟运行中，用户可以用自然语言文本指令改变世界，例如改天气、移动镜头、加入新角色或物体。
有别于主流 AI 重新生成一段视频，Genie 4 会结合当前场景上下文执行动态变化，更像一个“可交互的虚拟沙盒”或“AI 导演系统”。用户可以设定一个事件，然后观察世界如何继续演化，同时随时介入调整。
其它亮点方面，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。此外谷歌称 Genie 4 在空气动力学、碰撞等物理场景上有更强表现；人物动作也更自然，能根据环境作出有机反应，并支持实时操控。IT之家附上相关演示视频如下：
谷歌首席执行官桑达尔 · 皮查伊（Sundar Pichai）今天在其个人账号上发布推文，称 Genie 4 是谷歌迄今为止最逼真、最具互动性的世界模型。
在接受科技媒体 TechCrunch 采访时，谷歌研究总监 Tejas Kulkarni 表示，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尚未完全解决。
Genie 4 目前仅以研究预览形式向“受信任测试者”开放；未来几周将扩展到 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。
相关阅读：