本期日期 2026年10月27日
Genie 4 为模拟世界加入声音与实时修改功能
Google DeepMind 向选定的测试者提供 Genie 4 研究预览版。据 TechCrunch 报道，该模型加入了实时声音生成功能，并允许在场景运行过程中进行修改。物体稳定性、声音准确性和文字可读性仍是已承认的局限。
法律告知：此内容由人工智能系统生成。 编辑透明度
通过 Genie 4，Google DeepMind 正在探索让用户在模拟运行过程中进行修改，并实时生成环境声音。这一研究预览版将视觉生成与持续交互进一步结合。团队承认的物体、文字和音频方面的局限，仍是评估设想用途的关键。
据 TechCrunch 报道，Google DeepMind 已推出 Genie 4 研究预览版。这款交互式世界生成模型允许用户通过文本指令修改正在运行的模拟。它还能实时生成声音，包括音乐、环境音和对话。目前仅有选定的测试者能够使用，因此，评估已展示的用途时，需要考虑其仍处于实验阶段。
据介绍，可修改的内容包括天气、摄像机角度，以及添加人物和物体。根据 TechCrunch 报道的能力，Genie 4 可以让场景保持连贯，时长最多为两分钟。该媒体还称，其渲染更加逼真，物理模拟有所改善，角色的行为也更接近人类。不过，这些评价并不构成对系统可靠性的独立测量。
与 Gemini 的集成是此次介绍的重要内容。Gemini 负责规划步骤和检查图像，Genie 则负责生成视觉内容。在一项与 Gemini Robotics 相关的研究实验中，一个 Gemini 4 Argon 模型将任务拆解为多个步骤，再由 Genie 4 实时模拟。这项实验提示了一条在机器人实际执行任务前探索相关场景的路径；它并未证明这些任务能在现实世界中成功完成。
游戏、交互式学习和机器人技术都属于设想中的应用方向。一些早期测试者也在探索电影原型制作。能够即时调整布景或情境，可能有助于构思创意和筹备镜头。这是对已描述能力的一种解读，其实际价值尤其取决于视觉连续性以及用户能够实现的控制程度。
团队也明确承认了这些方面存在的多项困难。随着模拟持续进行，细节和物体可能出现偏移。音频的准确性和场景中文字的可读性也仍存在问题。据 TechCrunch 报道，完整的产品体验尚未确定。因此，这次预览既旨在探索可能的交互方式，也旨在评估其局限：能够生成可修改的场景，并不足以保证提供一个可用于电影设计、情境教学或机器人测试的稳定环境。