Google DeepMind 发布 Genie 4 实时世界模型，支持原生音频与场景编辑

AI 导读

Google DeepMind 发布 Genie 4 实时世界模型，可生成环境声、音乐和角色实时对话，并让角色响应用户及世界事件。用户可在运行中的模拟里通过输入修改天气、移动镜头或添加人物，由 Gemini 适配每次编辑并保持场景连贯。

推荐理由

Genie 4 将实时世界模型、原生音频与 Gemini 驱动的场景编辑结合，并披露了分层开放节奏。

正文 · AI 翻译

> Genie 4 是 Google DeepMind 首个具备原生音频的实时世界模型，能够生成环境声、音乐，以及角色与用户和世界内事件互动时产生的实时对话。

> 用户可以通过输入文字、改动天气、移动镜头或添加人物来重写正在运行的模拟；Gemini 会让每次修改适配场景，并保持场景连贯。

> Gemini 3.8 Flash 充当循环内的导演，将目标拆分为多个步骤并检查传入的帧；Gemini 4 Argon 则利用这一循环，模拟 Apptronik 的 Apollo 人形机器人下国际跳棋。

> 访问权限将先向受信任的测试者开放，随后面向 Google AI Ultra 订阅者和 Gemini API 的早期合作伙伴开放。