Google DeepMind 发布 Genie 4 世界模型研究预览版

Google DeepMind 发布 Genie 4，一个可实时生成视频和声音的交互式世界模型，基于 Gemini Omni 视频模型能力构建，用户可通过键盘移动和文本提示控制场景，角色能实时对话并回应输入。

Google DeepMind推出Genie 4世界模型研究预览版，新增实时音频生成与自由编辑功能，可将场景维持最长两分钟，并集成Gemini作为规划导演。该模型在物理和角色表现上较Genie 3有明显提升，同时与Gemini Robotics合作探索机器人仿真测试。主要应用方向包括游戏、互动学习和影视原型制作，目前已向可信测试者开放，未来将向Google AI Ultra订阅用户逐步开放。

Google DeepMind 发布 Genie 4，新一代原生多模态世界模型，可同步生成视觉与音频，并融入 Gemini 系列模型的推理能力。该模型支持用自然语言实时修改场景，原生生成环境音效与交互式对话，由 Gemini 3.8 Flash 作为引导代理持续监控规划。

Google 正式发布 Genie 4 世界模型，可生成更逼真的 AI 交互体验。模型核心升级包括：支持自然语言实时更新场景、生成音频、底层使用 Gemini 3.8 Flash 驱动仿真，单次体验时长从 1 分钟延长至约 2 分钟。