Google DeepMind 推出 Genie 4 世界模型：会出声、可即时改写的互动世界

Google DeepMind 10 月 27 日宣布推出 Genie 4——新一代即时互动世界模型，可从文字提示或图片即时生成可探索的逼真世界。这是 DeepMind 首个原生带音讯的即时世界模型：音乐、环境音与角色对话与画面同步生成，不再事后配音，角色还会对使用者的输入与世界事件即时对话与反应。

可以边玩边改的世界

使用者能以自然语言在模拟进行中即时改写世界——例如改变天气、移动镜头、加入新人物或物件，场景不需重启。Gemini Omni 负责锚定世界的真实外观与行为，Gemini 3.8 Flash 则在生成回圈中担任引导代理，拆解使用者目标、逐帧调整世界状态，维持连贯性。DeepMind 表示，Genie 4 对物理的模拟亦有进步，包括空气动力学与碰撞，而人物是进步最大的一环：会自然移动、对环境作出反应，而且可以即时操控。

两分钟的连贯场景，仍在研究预览

Genie 4 的场景可维持连贯约两分钟，是前代 Genie 3 约一分钟的两倍；不过 DeepMind 也坦言，视觉细节与物件恒存性在较长模拟、多次复杂提示修改或移动视角后仍可能漂移。目前 Genie 4 只开放给受信任测试者作研究预览，Google AI Ultra 订户可经 Project Genie 率先使用，部分 Gemini API 与 Google AI Studio 早期合作伙伴亦在列，其他人可排队等候；所有生成内容都会带上 DeepMind 的 SynthID 隐形浮水印。