谷歌發佈Genie4世界模型 可生成交互式有聲虛擬環境

當地時間週二，Google DeepMind推出新一代世界模型Genie 4，模型可根據文字提示構建可交互虛擬世界，支持鍵盤操控遊歷場景，還能在運行中通過指令實時調整天氣、新增角色，單次模擬時長最長可達兩分鐘，爲上一代Genie3的兩倍。

Genie4是該系列首款音畫同步生成的世界模型，可輸出環境音效、配樂，以及響應用戶操作的角色對話。模型依靠Gemini大模型保障虛擬世界邏輯連貫，實際實時交互體驗由輕量模型Gemini 3.8 Flash驅動，生成的音視頻全部嵌入SynthID隱形AI水印。

目前Genie4以研究預覽形式，僅對少量可信測試者開放。未來幾週，將面向Google AI Ultra最高檔訂閱用戶，以及Google AI Studio、Gemini API部分開發者開放訪問權限。遊戲、影視創作者已經參與測試，用來快速製作創意原型與場景草圖，谷歌也在探索該模型用於機器人訓練的可能性。

世界模型能夠生成可交互虛擬環境，並非簡單輸出視頻。今年1月Genie3原型發佈時，曾引發市場擔憂，遊戲板塊一度承壓，投資者擔憂AI會顛覆傳統遊戲生產流程。對此DeepMind表示，產品尚處於實驗階段，正在和行業夥伴摸索落地路徑，技術目標是拓展創作邊界，而非替代現有工作流。

團隊坦言產品仍存短板，即便運行滿兩分鐘，也很難全程維持畫面、物體完全一致，複雜物理交互、文字識別、長時間場景一致性仍是待攻克難點，現階段還未進入正式產品開發階段。