Google DeepMind发布Genie 4世界模型

Google DeepMind 发布 Genie 4，可实时生成可交互世界，并直接生成环境声音和角色对话。它以 Gemini 3.8 Flash 规划多步骤任务，并测试 Gemini 4 Argon 将任务文本转化为 Apollo 人形机器人的模拟演示。该模型仍处研究预览阶段，长期模拟中的视觉一致性、物体持续存在、准确实时声音和可读文本仍是限制。

Google DeepMind 以研究预览形式发布 Genie 4 世界模型，可生成更逼真的交互世界、实时音频，并在模拟过程中通过提示词修改场景。Genie 4 可将场景一致性维持至 2 分钟，支持实时更改天气、镜头角度及增删人物或物体，同时由 Gemini 规划步骤并检查画面。

Google DeepMind 发布 Genie 4 世界模型，可实时生成视觉画面、环境声音和交互对话，并通过自然语言控制场景、角色与事件。模型由 Gemini 3.8 Flash 持续观察场景、拆解目标并校正执行步骤；Genie 4 现已面向可信测试者开放研究预览，之后将进入 Project Genie、Gemini API 和 Google AI Studio。

Google DeepMind 发布 Genie 4 世界模型，承诺比 Genie 3 提供更逼真的物理模拟和人物表现，并可能面向付费用户开放。Genie 4 可根据指令逐帧实时生成可探索的虚拟环境，无需预先渲染场景或编程交互元素；更新后的 Gemini 模型是其改进的一部分。Google 认为，这类世界模型有望为实体机器人创造无限训练环境，并拓展创意领域的快速原型开发方式。

Google 发布 Genie 4 世界模型，用于通过 AI 生成交互式体验，并支持更逼真的世界、实时自然语言提示词更新、生成音频及使用 Gemini 3.8 Flash 驱动模拟。