谷歌推出新的AI模型Genie 4，用于创建互动世界

Google DeepMind 推出了 AI 模型 Genie 4，能够实时创建带有声音的互动世界。开发者宣布了更逼真的图形、改进的物理建模和角色行为。

Genie 4 属于世界模型类别：此类系统不仅创建帧序列，还模拟用户操作引起的环境变化。用户可以使用键盘导航空间并控制摄像机，而文本命令可以添加对象和更改天气。Gemini 根据正在发生的事情调整请求并监控世界的序列。根据 TechCrunch 的报道，Genie 4 可以保持一致的场景长达两分钟，比其前身长一倍。

主要变化之一是内置的声音生成：模型同时创建噪音、音乐和语音。角色参与对话，对用户操作作出反应，并在场景中更改台词。开发者还宣布了空气动力学、碰撞和其他物理交互的改进，最显著的进步是人类模拟：角色移动更自然并对环境作出反应。演示包括热气球飞越南极洲、1980 年代的日本车站、龙赛和彩色玻璃世界。

Genie 4 依赖于 Gemini 模型：Gemini Omni 负责对象的逼真外观和行为，而 Gemini 3.8 Flash 作为管理代理，观察场景，将任务分解为步骤，并在用户干预时调整计划。

作为 Gemini Robotics 的一部分，该模型正在与 Gemini 4 Argon 一起测试：Argon 将任务分解为步骤，而 Genie 4 模拟 Apptronik 的 Apollo 机器人如何下棋。这种环境将有助于在机器人转向现实世界之前进行训练。

该模型已在电影、新闻、教育、游戏开发和工程中进行测试。然而，Genie 4 仍然是实验性的：细节和对象可能会随着时间的推移而改变外观，尤其是在长时间会话中。所有视频和音频将收到 SynthID 水印。访问权限将向有限的测试人员开放，然后向 Project Genie 的 Google AI Ultra 订阅者和通过 Gemini API 和 Google AI Studio 的合作伙伴开放；API 费用尚未披露。