Google 世界模型 Genie 4 新增音频、更逼真世界与实时操控

英文原标题：Google’s Genie 4 world model adds audio, more realistic worlds, and real-time steering

本文为英文原文的机器翻译摘要，原文见：TechCrunch AI ↗

• Google DeepMind 发布 Genie 4 世界模型研究预览版，可生成迄今最逼真、可交互的虚拟世界，支持在模拟过程中输入提示实时改变场景。
• Genie 4 新增实时音频生成，能匹配模拟世界中的音乐、环境音和交互对话；同时支持自由编辑，如实时改变天气、相机角度或添加人物物体。
• 场景一致性维持时间提升至两分钟，是前代 Genie 3 的两倍，物理效果和角色拟人度也有改进。
• Gemini 与 Genie 4 深度集成，Gemini 负责规划步骤和检查帧，Genie 负责生成画面；在 Gemini Robotics 相关实验中，Gemini 4 Argon 将任务拆解为步骤，由 Genie 4 实时模拟。
• Google 研究总监 Tejas Kulkarni 提出未来将出现混合世界模型，即 Gemini 编写代码和文本、Genie 实时接收并模拟现实。

关键数据

• Genie 4 可维持场景一致性长达两分钟，是前代 Genie 3 的两倍
• Genie 3 约一年多前作为研究预览发布
• Runway 在约两个月前发布了第二款世界模型 GWM Worlds 2
• World Labs 被 AMD 收购，亚马逊正洽谈收购 Decart，Rivian 收购 Third Dimension

引语

• “未来会越来越多地看到这些混合世界模型”
• “实时性在创意领域保持心流状态时最有价值”

为什么值得看：Genie 4 在逼真度、音频和实时编辑上的提升，以及 Gemini 与 Genie 的协同，展示了世界模型在游戏、机器人和影视原型等领域的应用潜力，同时行业整合正在加速。