模型动态Google DeepMind:Blog(RSS)
Google DeepMind 发布实时交互世界模型 Genie 4
核心亮点
Google DeepMind 发布世界模型 Genie 4,主打实时交互模拟与更强照片级真实感,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交互的人物对话。它把"可走进去的虚拟世界"从演示推向可用。
具体能力或事件经过
用户用键盘与摇杆实时操控角色或镜头,模拟持续生成并对输入即时响应;运行中可用自然语言修改天气、增删物体,世界就地重构。相比 Genie 3,画面更连贯、物理更合理,支持更长的因果一致片段。
技术细节
Genie 4 的关键突破是"原生音频":环境声随场景动态变化,画面人物能与用户实时对话,无需后期配音。它维持长时间记忆以保证角色状态一致,分辨率与时长较上代提升,物体交互符合粗略物理规律。
与竞品对比
与 Meta Movie Gen、Runway 等"文生视频"工具不同,Genie 4 是"世界模拟器",强调实时控制与一致性而非剪辑片段。这让它更接近游戏引擎与具身智能训练数据的结合,定位明显区分于短视频生成赛道。
行业影响或适用场景
对游戏原型、机器人仿真、影视预演价值直接;对研究者,可控世界模型是训练评测智能体的低成本沙盒。随真实感提升,它也有望成为普通人随手创造可交互虚拟空间的入口。