谷歌发布Genie 4世界模型 实时改景还能配音
报价宝综合消息谷歌发布Genie 4世界模型 实时改景还能配音
谷歌正式发布新一代世界模型Genie 4，可用来生成可交互的AI模拟场景。官方称相较上一代Genie 3，新模型在画面真实感、实时可控性和音频生成上都有明显升级，底层由Gemini 3.8 Flash等模型驱动。
具体来看，Genie 4带来四项主要更新：生成的世界更逼真；用户可以在模拟运行过程中用自然语言实时修改场景；模型能同步生成配套音频，包括音乐、环境音和角色对白；单次模拟时长延长到约两分钟，是Genie 3一分钟的两倍。
谷歌介绍，Genie 4原生支持多模态，由Gemini Omni负责让模拟贴合现实世界的外观与行为，其他Gemini模型则提供推理能力，维持模拟的连贯性。官方演示显示，用户用键盘控制视角和镜头，并用文字提示随时引导场景走向。
应用场景方面，谷歌把Genie 4定位为影视预演、游戏原型验证和机器人训练场景生成等用途的工具。不过谷歌也坦承，模拟运行时间越长，细节和物体恒存性可能出现漂移，长时程一致性仍是这类模型的主要短板。
Genie 4目前已作为研究预览向受信任测试者开放，谷歌同时开放了Project Genie候补名单，之后将陆续向AI Ultra订阅用户以及Gemini API、Google AI Studio的早期合作方开放。
编译自 The Verge，原标题："Google's next Genie AI model generates more realistic experiences"
