谷歌 DeepMind 发布 Genie 4 世界模型，自然语言指令可实时操控虚拟世界

谷歌 DeepMind 团队推出 Genie 4 世界模型，将其从一次性生成画面升级为可实时操控、可听、可推理的动态模拟世界。

用户可用自然语言指令实时改变模拟世界，如调整天气、移动镜头、添加角色。与重新生成视频不同，Genie 4 结合当前场景执行动态变化，像一个可交互的虚拟沙盒。

它是 DeepMind 首个原生生成实时音频的世界模型，音画同步产生，物理与人物表现更自然。谷歌 CEO 皮查伊称其为迄今最逼真、最具互动性的世界模型。研究总监表示，未来 Gemini 负责任务规划，Genie 4 将其转化为可交互世界。

Genie 4 目前以研究预览形式向受信任测试者开放，后续将扩展至 Google AI Ultra 订阅用户及 Gemini API 合作伙伴。工程师坦言其仍处早期，长时间模拟可能出现细节漂移。