Google DeepMind发布Genie 4：能实时生成可操控的世界，首次自带环境音和角色对话

Google DeepMind公布了新一代世界模型 Genie 4。简单说，它能根据描述生成一个可以“走进去”的虚拟世界，用户用键盘移动、转动镜头，再用文字随时改变场景。官方介绍见 DeepMind博客。

这一代有什么新东西

• 实时改写世界：可以用自然语言在运行中改天气、移动镜头、加入新的人物或物体，Gemini会根据当前画面调整指令，并在两次输入之间维持场景的连贯。
• 第一次原生生成声音：风声、海浪、背景音乐都和画面一起生成，更关键的是 角色对话，人物能根据玩家的操作和场景里发生的事实时回应。
• 更真实的物理和人物动作：官方特别强调空气动力、碰撞等物理效果，以及人物的自然动作。
• 底层：模型建立在Gemini家族之上，由Gemini Omni负责让画面贴近真实世界。

什么时候能用

目前只以 研究预览 的形式开放给受邀测试者。官方表示接下来会先给Google AI Ultra订阅用户（通过Project Genie）以及Gemini API、AI Studio的早期合作伙伴，候补名单已经开放，价格还没有公布。

我的看法

Google把它的用途描述为机器人训练环境，也提到电影、游戏等创意领域。对做动画和游戏的人来说，用它快速试一个场景的氛围、镜头和声音，可能比真正拿来做成品更现实。官方也承认这仍是早期技术，在中国大陆等地区，Google的服务本来就不能直接使用，大多数人短期内大概只能先看演示视频了。