国内AI动态 ai-models
Google 发布世界模型 Genie 4,支持实时操控与原生音频
核心亮点
Google 发布下一代世界模型 Genie 4,把"实时可交互模拟"推到新的真实感水平。相比 Genie 3,它在照片级画面、物体碰撞与物理连贯性上明显进步,并首次在实时世界模型中原生生成音频,包括环境声与可实时对话的人物语音。
具体能力或事件经过
用户可在浏览器里用 WASD 加双摇杆实时操控角色或镜头,模拟以每秒多帧持续生成并对输入即时响应。运行中还能用自然语言修改场景:一句话把晴天改成暴雨、往画面里加一辆车或一栋建筑,世界会就地重构而不中断。
技术细节
Genie 4 保持因果一致的长时间记忆,角色离开视野再回来时状态不变;画面分辨率与时长较上代提升,物体交互符合粗略物理。最关键的是音频原生生成,环境声随场景变化,画面人物还能与用户实时对话,不再依赖后期配音。
与竞品对比
Meta 的 Movie Gen、Runway 等主打"文生视频"片段,Genie 4 的差异化在"可交互"——它是世界模拟器而非剪辑工具,强调实时控制与一致性,更接近游戏引擎与具身智能训练数据的结合。
行业影响或适用场景
这类模型可直接用于游戏原型、机器人仿真训练、影视预演。对研究者,可控世界模型是训练与评测智能体的低成本沙盒;对普通用户,则是随手造一个能"走进去"的虚拟世界。