谷歌DeepMind发布Genie 4世界模型：支持原生音频生成与实时自然语言交互

美国科技公司谷歌旗下的DeepMind于2026年10月27日宣布推出其最新的世界模型Genie 4。该模型旨在通过人工智能生成交互式模拟体验，相比前代产品，它在真实感、多模态输出和实时控制方面实现了显著突破。

Genie 4的核心升级包括四项主要能力：首先，它引入了原生音频生成，能够同步创建环境音、音乐以及角色间的交互式对话；其次，用户可以使用自然语言提示在实时模拟中修改场景，例如改变天气、移动摄像机或引入新物体；第三，基于Gemini Omni等底层模型的支持，其在物理规律（如空气动力学、碰撞）和人物动作的模拟上更加逼真；最后，单次生成的模拟体验时长从上一代Genie 3的一分钟延长至约两分钟。

谷歌将Genie 4定位为一种工具，适用于电影制作的前期可视化、游戏创意原型设计以及机器人训练场景的开发。然而，公司也指出该技术目前仍存在局限，随着模拟时间的延长，细节和物体的永久性可能会随时间发生偏移。

目前，Genie 4仅以“研究预览”的形式向受信任的测试者开放。谷歌表示，该模型将很快面向Google AI Ultra订阅用户推出，并已开放等待列表供用户申请在Project Genie中试用。