Google推Genie 4世界模型：打字即时改场景，角色会说话

2026-10-28分类：区块链新闻资讯阅读（）

Google DeepMind 美国时间10 月27 日发表新一代世界模型Genie 4。根据Google DeepMind 官方部落格，使用者可以用键盘在生成的环境里移动，并随时打字改变场景，Genie 4 也会同步生成环境音、音乐与角色对话。

世界模型是能模拟环境如何随时间与互动变化的AI 模型。 Genie 4 目前以研究预览形式，先开放给少数受信任的测试者。

打字就能即时改天气与镜头，Gemini 在背后维持场景连贯

官方表示，使用者可以用自然语言即时修改模拟中的世界，例如改变天气、移动镜头，或加入新的人物与物件，Gemini 会依周遭场景调整指令内容。在使用者两次输入之间，Gemini 也会持续监看并引导场景，让世界连贯地往下发展。

Genie 4 建立在Gemini 系列的能力上：Gemini Omni 负责让模拟的外观与行为贴近真实世界，其他Gemini 模型则提供维持连贯所需的推理。

处理较复杂的多步骤事件时，Gemini 3.8 Flash 会担任引导代理，一边观察Genie 4 即时生成的画面，一边把目标拆成步骤、检查每一步是否完成；使用者中途介入时，它也会即时调整计划。

物理方面，官方称Genie 4 能模拟空气动力、碰撞等情境，最大的进步在于人物，角色动作更自然，也会对环境做出反应。

官方说明，Genie 4 是Google DeepMind 第一个能原生生成声音的即时世界模型，每个场景都带有自己的环境音，从树林的风声到海浪拍岸。角色也能即时对话，回应使用者的输入或场景中发生的事件。

Google 表示，模拟世界是迈向通用人工智慧（AGI）的关键一步，可以用来建立机器人与AI 代理的训练环境。官方展示了以Gemini 4 Argon 搭配Genie 4，模拟Apptronik 的Apollo 人形机器人下西洋跳棋，由Argon 把任务拆成步骤，再交给Genie 4 即时呈现。

Google DeepMind 也说明早期测试者的用法。电影工作者把它当成前期构想的草稿工具，在即时模拟中反复调整镜位、灯光、对白与动作；摄影记者测试把一张历史照片转成该地点的模拟场景；游戏开发者则用它在写程式之前，先做出可探索的原型。

Google 表示，Genie 4 已开放给少数受信任的测试者，接下来会开放给Project Genie 的Google AI Ultra 订阅者，以及Gemini API 与Google AI Studio 的早期合作伙伴，目前可以加入等候名单。

Genie 4 生成的所有影像与声音都会加上Google 的SynthID 隐形数位浮水印，用来辨识AI 生成内容。官方也表示，开放预览前已做过内部安全评估。

官方坦言Genie 4 仍是早期的实验模型。模拟时间一长、经过多次复杂修改，或在场景中四处移动后，画面细节与物件可能会逐渐偏移；复杂的物理互动、即时声音的准确度、画面中的文字，以及长时间的一致性，都还在研究中。

Tags：