Google DeepMind 发布 Genie 4 世界模型

Google DeepMind 宣布世界模型 Genie 4，支持实时文字改动场景、原生环境音与角色互动对话，后台由 Gemini 3.8 Flash 担任实时导演。作者认为它不同于预渲染式视频生成，可低成本生成可交互的物理世界用于训练具身智能，但目前单次模拟极限约两分钟，时间一长细节会漂移，且仅为少数测试者的研究预览。

Google DeepMind 发布 Genie 4，一个实时多模态世界模型，可逐帧渲染可玩环境并响应键盘控制与文本提示。新版本支持原生音频、会动会说话的角色、更锐利的物理效果和实时修改提示词，已开放 waitlist，Google AI Ultra 用户优先体验。

Genie 4 抢先看，这是我们全新的前沿世界模型，即将首次登陆 API ：)

Genie 4 运行 DOOM：“走过一间普通办公室，但每台电脑都在运行 DOOM，所有墙壁也都在运行 DOOM，而且一切皆是 DOOM” “我那身为恶魔的同事出现了” “他有一把链枪” “他给了我奖金”

Google DeepMind 发布 Genie 4，是其首个带原生音频的实时世界模型，可生成环境音、音乐和能对用户及场景事件做出反应的角色实时对话。

Google DeepMind 发布 Genie 4 世界模型，基于 Gemini Omni 实现照片级真实感、高级物理模拟、实时控制、原生音频和 Gemini 推理驱动的多步事件规划。

Genie 4 的体验相当疯狂，能边玩边生成游戏般的环境。它并非完美，但我输入“Neogothic brutalist city inhabited by robots and horses”，它一分钟内就创建出来了。然后我让它加入龙。再加一个友好的水獭 NPC。全部实时完成

GOOGLE 🔥：Genie 4 已正式发布！Genie 4 是 Google 最新的世界模型，具备先进的真实感与交互性！ 用户现在可以动态地用提示词改变世界，并生成带原生音频的世界。 它正以研究预览形式向 Trusted Testers 推出，并将很快通过 Gemini API 和 AI Studio 提供给 Google AI Ultra 订阅用户和早期访问合作伙伴。 来自 @sundarpichai 的示例

Google 发布 Genie 4，称其为最真实、可交互的世界模型。它支持实时操控动态环境，可生成与画面匹配的原生音频并让角色实时对话，借助 Gemini 推理生成连贯多步事件。现以 research preview 面向可信测试者推出，后续将通过 Project Genie 向 Google AI Ultra 订阅者开放，并通过 Gemini API 和 AI Studio 提供给早期合作伙伴。

Google DeepMind 发布 Genie 4，称其为迄今最真实、交互性最强的世界模型。用户可用自然语言实时改变天气、移动镜头或向环境添加新元素，并动态操控音景。Gemini 充当模拟的大脑，负责将请求转化为动作、规划复杂事件、跟踪场景进展并随剧情调整；Genie 4 还引入环境音和可实时自适应的交互式人物对话。

Google DeepMind 发布 Genie 4，称其为迄今最真实、可交互的世界模型。用户可实时探索动态环境，观察场景如何响应、发声，以及场景中人物的动作、反应和说话表现。