Google· @Google · X·· 5 小时前精选AI 评分
Google Genie 4 加入实时操控、原生音频与 Gemini 推理
Google 的 Genie 4 整合 Gemini 系列能力，以 Gemini Omni 支撑模拟场景的外观与行为，并由其他 Gemini 模型维持连贯性和连续性。新版本支持用文本提示实时改变或添加场景内容，提供环境声、音乐和交互对话等原生音频，并加入更真实的视觉细节、物理表现和自然人物动作。
Genie 4 的更新把实时操控、原生音频与 Gemini 推理结合在同一模拟环境中，展示了交互式世界模型的能力构成。
Genie 4 整合并继承了 Gemini 系列模型的能力：Gemini Omni 为模拟中的真实世界外观和行为奠定基础，而其他 Gemini 模型则提供推理能力，以维持连贯性和连续性。
最新亮点如下：
✨ 实时操控：使用文本提示修改世界中的事物或添加新元素
🔊 原生音频：聆听环境声景、音乐和互动对话
🌊 前所未有的真实感：体验视觉细节的飞跃，从逼真的物理效果到自然的人体运动
🧠 Gemini 推理：解读提示、跟踪世界状态以记住刚刚发生的事情，并规划多步骤事件，让场景保持更高的连贯性
来源：Google · x.com