DeepMind 发布 Genie 4：原生音频与实时交互世界模型

Google DeepMind 的 Genie 4 将是其首个带原生音频的实时世界模型，可从场景生成环境音、音乐和角色实时对话并响应用户与世界内事件。用户可通过打字改写运行中的模拟，如改天气、移动镜头、添加人物，由 Gemini 让每次编辑贴合场景并保持连贯。消息来自未获官方证实的爆料，访问先开放给可信测试者，随后是 Google AI Ultra 订阅者和早期 Gemini API 合作伙伴。

mark_k 转发了一段据称是 Google DeepMind Genie 4 的首个演示视频，整个游戏世界由模型实时生成，并能在游玩过程中用提示词即时触发事件、改变世界。该视频为第三方转发，官方细节尚待确认。

Google DeepMind 以研究预览形式发布世界模型 Genie 4，可生成带实时音频的高逼真交互世界，并支持在模拟过程中输入提示词改动场景。相比 Genie 3，新模型把场景一致性从上一代水平翻倍到两分钟，并支持改天气、换机位、加入人物或物体等自由编辑。

Google 用 Gemini 逐帧观察 Genie 4 渲染输出，把目标拆成步骤并逐步验证，同时搭配 Gemini 4 Argon 模拟 Apptronik 的 Apollo 人形机器人分步玩跳棋。该组合展示“世界模型+多模态推理”用于机器人仿真与任务验证的路线，也呼应 Genie 4 生成世界中角色可开口说话的能力。

chrisfirst 补充列出 Google Genie 4 相比 Genie 3 的五点升级，包括更逼真的世界与人物、用自然语言实时调整场景、原生环境音与对话音频。Gemini 3.8 Flash 在回路中维持世界一致性，会话时长从约 1 分钟提升到约 2 分钟。

Sundar Pichai 宣布谷歌发布 Genie 4 世界模型，称其为谷歌最逼真、可交互性最强的世界模型。该模型可实时操控动态环境并塑造事件、镜头角度与动作，生成与场景匹配的原生音频，仿真照片级场景与真实世界物理，并借助 Gemini 的推理能力生成更连贯的多步事件。

Google 补充 Genie 4 的安全与获取细节，模型内置严格安全护栏，所有生成的音视频均以 SynthID 水印标记。Genie 4 即将面向 Google AI Ultra 订阅者在 Project Genie 中开放，Gemini API 与 Google AI Studio 的早期合作伙伴也可获取，Project Genie 候补名单现已开放。

Google DeepMind 于 10 月 28 日发布世界模型 Genie 4，官方称其为迄今最逼真、可交互性最强的世界模型，并已开放等候名单。用户可用自然语言实时改变天气、移动镜头或向场景加入新元素，视频中的音乐、环境音与交互对话等全部音频均由模型直接生成。

Google DeepMind 发布世界模型 Genie 4，可在实时生成可交互场景的同时原生输出环境音与人声对话，并用自然语言即时修改天气、镜头和人物。Gemini 3.8 Flash 在循环中充当引导智能体，把目标拆成多步并逐帧核对进展，Gemini 4 Argon 与 Genie 4 还合作模拟了 Apptronik 的 Apollo 人形机器人下棋。

DeepMind 推出 Genie 4 世界模型，宣称相比 Genie 3 在物理规律与人物模拟上更真实，并在几乎各方面都有改进。新模型部分得益于 Google 更新后的 Gemini 模型，能按指令逐帧实时生成可探索的虚拟世界。DeepMind 将世界模型视为通往 AGI 的关键，可用于机器人训练环境与创意快速原型，但用户需付费才有机会用上 Genie 4。

Google 发布 Genie 4 世界模型，用于生成更逼真的交互式体验，时长从 Genie 3 的 1 分钟提升到约 2 分钟。该模型带来四项更新：世界更真实、可用自然语言提示词实时更新体验、可生成音频，并在底层使用 Gemini 3.8 Flash 辅助模拟。