观点网讯：近日，Alphabet旗下Google DeepMind发布新一代世界模型Genie 4，迈向可实时探索与互动的虚拟环境。
新模型提升物理模拟真实感，亦是Genie系列首款支持原生音频生成的实时世界模型，应用场景涵盖游戏开发、电影制作以至实体机械人训练。
Genie 4允许使用者透过文字提示及标准键盘操作，实时引导并改变虚拟场景的发展。例如在模拟过程中，使用者可随时输入指令改变天气、调整镜头角度，甚至加入新的人物或物体。
该模型的一大突破是加入原生音频生成能力。模型在生成画面的同时，能同步产生环境声音及音乐。此外，虚拟角色亦能根据使用者的输入指令或场景变化，实时动态生成互动对话与反应，有别于传统游戏非玩家角色主要依赖预设台词及行为逻辑。
为维持虚拟世界的连贯性，Google将Gemini系列模型与Genie 4深度整合。Gemini Omni负责令模拟的外观与行为贴近真实世界，其他Gemini模型则提供维持连贯所需的推理。
在运作架构上，Gemini 3.8 Flash扮演类似“导演”的引导代理角色，负责持续观察生成画面、拆解任务步骤，并实时调整计划；而Genie 4则专注于生成视觉与声音的环境。
Google DeepMind研究主管Tejas Kulkarni于简报会上指出，结合语言模型的结构化推理与世界模型的感官模拟，是混合世界模型的重要发展方向。他预期未来将有愈来愈多这类混合模型，在不同层次上模拟现实。
在实际应用层面，这项技术可作为电影创作者的草稿工具，或游戏开发者的初期原型测试。Google DeepMind工程师Diego Rivas指出，对于需要保持创作流程的工作而言，实时生成功能在构思与分镜阶段显得尤为重要。
同时，Google DeepMind亦展示了以Gemini 4 Argon配合Genie 4，模拟Apptronik的Apollo人形机械人进行西洋跳棋对弈的过程，让AI系统在虚拟世界中预演步骤，展现其在机械人研发上的潜力。
尽管技术取得突破，DeepMind坦言Genie 4目前仍处于早期实验阶段。现时单次模拟时间仅能维持约两分钟，当运行时间拉长、经过多次复杂修改或在场景中不断探索时，画面细节及物件恒存性可能会出现偏移。
复杂的物理互动、实时音频准确度、画面文字渲染、空间准确度，以及长时间的一致性仍有待改善。Genie 4的世界只能维持连贯数分钟，Gemini API定价亦尚未公布。
目前，Genie 4仅以研究预览形式向少数受信任测试者开放。Google计划下一步将开放予Project Genie的Google AI Ultra订阅用户，以及Gemini API与Google AI Studio的早期合作伙伴使用，用户可加入等候名单。
为保持透明度，所有由Genie 4生成的影片与音频均会嵌入一般人无法察觉的“SynthID”隐形数码水印，以识别其为AI生成内容。官方表示，开放预览前已做过内部安全评估。
免责声明：本文内容与数据由观点根据公开信息整理，不构成投资建议，使用前请核实。
