谷歌发布Genie 4世界模型 支持实时编辑与音频生成

IT时代网10月28日消息，谷歌旗下人工智能研究部门以研究预览形式发布新一代世界模型Genie 4。该模型可生成更逼真、可交互的虚拟世界，用户在模拟过程中随时输入指令即可改变场景，并能同步生成与环境匹配的音乐、环境声与对话语音。

相比上一代Genie 3，新模型支持自由修改，可以实时调整天气与镜头角度，也能添加新的人物或物体；单次保持场景一致性的时长提升至约两分钟，为上一代的两倍，物理表现与人物动作也更接近真实。

Gemini系列模型与Genie 4结合得更紧密，在生成过程中承担规划步骤与校验画面的角色。在一项与机器人研究相关的实验中，Gemini 4 Argon把任务拆解为若干步骤，由Genie 4实时完成模拟，为机器人先在仿真环境中验证场景提供了可能。谷歌一位研究总监在沟通会上表示，未来会更多出现这类混合形态的世界模型。

官方给出的应用方向包括游戏、交互式学习与机器人训练，也有先行体验者提出可用于影片创意构思与分镜阶段。在同一赛道上，一家视频生成初创公司在数月前发布了第二代世界模型，行业内近期也出现多起相关并购。

编辑：林一舟