Google DeepMind 发布新一代世界模型 Genie 4，支持创建实时交互式模拟。作为研究预览，该模型已向有限测试群体开放，不仅视觉效果更逼真，还支持音画同步生成及自然语言指令引导。
核心功能与交互体验
用户可在模拟过程中实时调整摄像机视角、干预天气或添加新角色。Genie 4 能同步生成匹配的环境音效、音乐及交互式对话，实现视觉与听觉流程的双重塑造。
技术突破与性能提升
新模型在物理交互与人类动作模拟上取得显著进展，能更真实地建模空气动力学和碰撞事件，使角色反应更自然。Genie 4 可将场景一致性保持长达两分钟，时长为前代模型限制的两倍。
开发过程深度整合 Gemini 系列能力：Gemini Omni 确保模拟与现实外观行为一致，其他 Gemini 模型负责推理任务，以维持内容的连贯性。
应用场景与商业化进程
Genie 4 主要应用于电影制作、游戏开发及教育培训领域：
- 影视行业：用于场景预可视化，快速测试镜头、灯光及对话方案；
- 游戏开发：加速创意向可探索原型的转化；
- AI训练：为机器人及 AI Agent 构建高质量训练环境。
Genie 4 计划近期通过 Project Genie 面向 Google AI Ultra 订阅用户开放，并同步提供给 Gemini API 及 Google AI Studio 早期访问合作伙伴。
当前局限与安全标识
目前 Genie 4 仍处于实验阶段，长时间模拟或复杂修改可能导致视觉细节退化，复杂物理交互、声音保真度及文本生成仍在持续优化中。为保障内容安全，Google 将为所有生成视频及音频添加 SynthID 水印，明确标识 AI 生成属性。