谷歌发布Genie4世界模型 可生成交互式有声虚拟环境

当地时间周二，Google DeepMind推出新一代世界模型Genie 4，模型可根据文字提示构建可交互虚拟世界，支持键盘操控游历场景，还能在运行中通过指令实时调整天气、新增角色，单次模拟时长最长可达两分钟，为上一代Genie3的两倍。

Genie4是该系列首款音画同步生成的世界模型，可输出环境音效、配乐，以及响应用户操作的角色对话。模型依靠Gemini大模型保障虚拟世界逻辑连贯，实际实时交互体验由轻量模型Gemini 3.8 Flash驱动，生成的音视频全部嵌入SynthID隐形AI水印。

目前Genie4以研究预览形式，仅对少量可信测试者开放。未来几周，将面向Google AI Ultra最高档订阅用户，以及Google AI Studio、Gemini API部分开发者开放访问权限。游戏、影视创作者已经参与测试，用来快速制作创意原型与场景草图，谷歌也在探索该模型用于机器人训练的可能性。

世界模型能够生成可交互虚拟环境，并非简单输出视频。今年1月Genie3原型发布时，曾引发市场担忧，游戏板块一度承压，投资者担忧AI会颠覆传统游戏生产流程。对此DeepMind表示，产品尚处于实验阶段，正在和行业伙伴摸索落地路径，技术目标是拓展创作边界，而非替代现有工作流。

团队坦言产品仍存短板，即便运行满两分钟，也很难全程维持画面、物体完全一致，复杂物理交互、文字识别、长时间场景一致性仍是待攻克难点，现阶段还未进入正式产品开发阶段。