谷歌DeepMind推出Genie 4世界模型预览，首现同步实时音频，连贯场景翻倍至两分钟
谷歌 DeepMind 于周二（10 月 27 日）以研究预览形式发布最新世界模型 Genie 4。官方称其拟真度为系列最高，首次实现与虚拟世界同步的实时音频生成（涵盖音乐、环境音与可交互对话），并支持在模拟运行中用自然语言实时编辑天气、镜头角度或新增人物与物体；连贯场景最长约两分钟，为前代 Genie 3 的两倍。该模型与 Gemini 集成度提高：Gemini 充当"导演"负责规划与校验画面帧，Genie 4 负责生成视觉内容，团队还演示了机器人在真实世界测试前先在仿真环境中验证场景的方案。上述能力均为官方表述，目前没有第三方复测数据。
rss · IT之家 · 10月27日 23:04 · 互证 6 家
「为何重要」 世界模型赛道竞争与整合同步加剧：Runway 此前已发布第二款世界模型 GWM Worlds 2，World Labs 被 AMD 收购，亚马逊正洽谈收购 Decart，Genie 4 是谷歌保持领先的最新举措。对开发者而言，未来几周可通过 Gemini API 和 Google AI Studio 早期合作获得访问；但团队自己承认模型仍处早期——仿真时间越长细节越易偏移，音频准确性与画面内文字清晰度尚无保障，现在还不宜基于它调整技术栈。
「获取方式」 目前仅向"可信测试者"（首批体验谷歌前沿产品的用户）开放研究预览；官方称未来几周内将陆续向 Google AI Ultra 订阅用户、Genie 项目，以及 Gemini API 和 Google AI Studio 的早期合作方开放。材料未提及价格、免费额度或开源权重。
做AI项目，先看AI雷达 - AiRadar.com.cn · 全部AI快讯 →