Google DeepMind 推出 Genie 4 世界模型：會出聲、可即時改寫的互動世界

Google DeepMind 10 月 27 日宣布推出 Genie 4——新一代即時互動世界模型，可從文字提示或圖片即時生成可探索的逼真世界。這是 DeepMind 首個原生帶音訊的即時世界模型：音樂、環境音與角色對話與畫面同步生成，不再事後配音，角色還會對使用者的輸入與世界事件即時對話與反應。

可以邊玩邊改的世界

使用者能以自然語言在模擬進行中即時改寫世界——例如改變天氣、移動鏡頭、加入新人物或物件，場景不需重啟。Gemini Omni 負責錨定世界的真實外觀與行為，Gemini 3.8 Flash 則在生成迴圈中擔任引導代理，拆解使用者目標、逐幀調整世界狀態，維持連貫性。DeepMind 表示，Genie 4 對物理的模擬亦有進步，包括空氣動力學與碰撞，而人物是進步最大的一環：會自然移動、對環境作出反應，而且可以即時操控。

兩分鐘的連貫場景，仍在研究預覽

Genie 4 的場景可維持連貫約兩分鐘，是前代 Genie 3 約一分鐘的兩倍；不過 DeepMind 也坦言，視覺細節與物件恆存性在較長模擬、多次複雜提示修改或移動視角後仍可能漂移。目前 Genie 4 只開放給受信任測試者作研究預覽，Google AI Ultra 訂戶可經 Project Genie 率先使用，部分 Gemini API 與 Google AI Studio 早期合作夥伴亦在列，其他人可排隊等候；所有生成內容都會帶上 DeepMind 的 SynthID 隱形浮水印。