谷歌DeepMind发布Genie 4世界模型：支持实时音频与交互角色

谷歌DeepMind推出世界模型Genie 4，可根据文本提示生成可探索的交互式虚拟环境，标志着公司从视频生成迈向实时模拟领域。目前模拟时长约两分钟，运行时间延长后一致性会下降。

Genie系列首次加入原生音频生成——环境音、音乐和角色对话与屏幕事件同步——并新增物理模拟和可响应用户输入的AI控制角色。谷歌将Gemini模型集成到系统中：Gemini Omni提供世界理解，Gemini 3.8 Flash负责任务规划与完成验证，Genie 4负责渲染环境。

谷歌通过模拟Apptronik Apollo人形机器人下跳棋展示了该设置。电影、游戏、新闻、教育和工程领域的测试正在进行中。Genie 4已向部分研究人员开放，计划通过Project Genie扩展至Google AI Ultra订阅用户，并通过Gemini API和AI Studio向合作伙伴开放。