谷歌DeepMind发布Genie 4世界模型

Google DeepMind 发布 Genie 4，这是其首个可直接生成声音的实时世界模型。该模型基于 Gemini Omni 构建，利用 Gemini 模型在后台规划场景以保持一致性，目前处于研究预览阶段，短期会话中视觉细节和物体持久性仍有待改进。

Google DeepMind 发布 Genie 4 世界模型研究预览，能够生成更逼真的交互式世界并同步生成实时音频。该模型允许用户在模拟过程中输入提示词以实时改变场景，如改变天气或相机角度，支持长达两分钟的场景一致性，并具备更真实的物理效果和类人角色。

Google DeepMind 发布新一代世界模型 Genie 4，这是首个能实时生成原生音频和交互式对话的世界模型，支持用户通过自然语言实时调整场景。Genie 4 依托 Gemini 模型家族实现物理规律仿真和复杂事件推理，目前作为研究预览版本向可信测试者开放，未来将面向 Project Genie 用户和 Gemini API 合作伙伴推出。

Google DeepMind 发布下一代世界模型 Genie 4，相比去年的 Genie 3 在几乎各个方面都有提升，包括更逼真的物理引擎、更真实的人物模拟以及新增的音频生成能力。

Google 宣布推出 Genie 4 世界模型，用于通过 AI 生成交互式体验。模型有四项主要更新：生成更真实的世界、允许用户通过自然语言提示实时调整体验、支持生成音频，并采用 Gemini 3.8 Flash 辅助模拟。