Google DeepMind 发布 Genie 4 交互式世界模型

AI 导读

Google DeepMind 发布 Genie 4，支持逼真场景与主体、空气动力学和碰撞等高级物理、实时提示词控制及原生音频，并借助 Gemini 推理规划多步骤事件以保持场景连贯性。模型正与可信测试者探索早期用例，随后将面向 Google AI Ultra 订阅者、Project Genie、API 早期访问合作伙伴及 Google AI Studio 开放。

推荐理由

Genie 4 的能力拆解与早期开放路径较完整，便于读者了解交互式世界模型在画面、物理、音频和规划方面的具体进展。

正文 · AI 翻译

Genie 4 的最新进展如下：

🔵 照片级真实感：基于 Gemini Omni 构建，在各类空间和主体之间呈现逼真的细节

🔵 高级物理：空气动力学、碰撞，以及人物的自然动作

🔵 实时控制：通过提示词改变场景、添加元素或与角色互动

🔵 原生音频：环境音、音乐、背景噪声和交互式对话

🔵 Gemini 推理：规划多步骤事件，随着场景演变保持连贯性

这些能力是迈向开发安全虚拟环境的一步，可用于观察智能体和机器人如何应对周围环境。

我们将先与可信测试者探索早期用例，随后很快将该模型面向 Project Genie 中的 Google AI Ultra 订阅用户，以及我们 API 和 @GoogleAIStudio 的早期访问合作伙伴推出。

了解更多 → goo.gle/48idm3b