DeepMind发布Genie 4世界模型：原生音频、实时改场景，连贯性约2分钟
· 来源：Ars Technica
Google DeepMind推出Genie 4研究预览，可在生成交互世界时加入环境声与对话，并用Gemini 3.8 Flash引导保持场景连贯。
Google DeepMind于10月27日前后公布新一代世界模型Genie 4的研究预览。与上一代Genie 3相比，新模型在物理碰撞、气动效果与人物动作上更为自然，并首次内置原生音频，可生成环境声、音乐，以及随场景变化的角色对话。用户可在模拟运行中用文本改天气、移动镜头或增减人物与物体，模型会实时响应。
DeepMind称，Genie 4借助Gemini 3.8 Flash充当引导智能体：拆解目标、逐帧检查输出，以尽量保持世界设定不漂移。官方表示单场场景约可稳定两分钟，约为Genie 3的两倍，但物体恒存、字幕清晰度与长时音频仍可能走样。生成画面与声音均带SynthID水印。
访问路径先面向受信测试者，再逐步开放给Google AI Ultra订阅用户及Gemini API、AI Studio合作伙伴。业界普遍把世界模型视为机器人与智能体训练环境的基础设施；Genie 4若能把可玩的交互世界做稳，会进一步拉开与纯视频生成路线的差距。