Genie 4 现已上线

💡 原文英文,约1300词,阅读约需5分钟。
📝

内容提要

谷歌向AI Ultra订阅用户推出Project Genie新体验,首次开放Genie 4模型,支持在探索中通过文字提示实时修改环境、加入角色并生成自适应原生音频。Genie 3升级后支持单次最长3分钟、世界串联、360度全景图生成世界及实时事件。新增Project Genie智能体,可通过对话构建世界;社区画廊支持发布、探索和混改作品。所有生成内容均带SynthID水印并经过安全筛查。

🔎

延伸解读

Genie 4 与 Genie 3 的分工定位

文章明确 Genie 4 主打最高保真度的视觉、物理和原生音频,适合追求实时编辑与沉浸感的场景;而 Genie 3 仍保留在模型选择器中,面向需要更长运行时间或全景图种子空间的用途。读者需注意两者并非简单替代关系,而是按需求分工,选择时应优先考虑会话时长、世界串联和全景图支持等具体能力。

实时编辑与智能体如何改变创作流程

Genie 4 允许在探索过程中通过文字提示即时修改环境,例如改变天气、加入角色或重定向动作,并首次搭配随场景变化的自适应原生音频。新增的 Project Genie 智能体则把创建过程转为自然语言对话,由它调度多模态模型生成初始视觉和定制背景音乐。这意味着创作门槛降低,但文章未说明编辑精度或对话轮次限制,实际体验仍需以官方为准。

社区画廊与混改带来的社交属性

新画廊汇集策展世界和社区作品,用户可发布自己的创作,也能混改现有体验,调整世界结构、配乐或规则。文章举例包括将个人照片转为可探索空间的“Living Memory”、基于全景图的“Dino Field Guide”,以及与创作者合作的“Villa Giallo”和“The Life of Ants”。这显示 Project Genie 正从研究原型转向带有分享和再创作生态的平台,但画廊内容的审核与版权规则文章未展开。

研究阶段的能力边界与安全措施

文章坦承 Genie 3 和 Genie 4 仍属前沿研究中的世界模型,正在应对相机延迟、复杂物理交互、实时音频精度和长期场景持久性等挑战。所有生成视频和音频均带 SynthID 水印,模型输入输出经过安全筛查。读者应理解当前体验可能受这些限制影响,不宜将其视为成熟生产工具;同时,AI Ultra 订阅者可立即使用,AI Pro 会员需加入等待名单。

❓

Q&A

Genie 4 现在可以使用了吗?哪些用户能体验?

Genie 4 已向符合条件的 Google AI Ultra 订阅用户推出,他们可以立即在 Project Genie 中体验。Google AI Pro 会员可以在同一页面加入等待列表。

Genie 4 相比之前有哪些新功能?

Genie 4 是迄今最逼真、交互性最强的世界模型,支持在探索过程中通过文字提示实时修改环境(如改变天气、加入角色、重定向动作),并首次搭配实时原生音频,音频会随场景变化自适应,包括环境音和角色对话。

Genie 3 这次更新了什么?

Genie 3 更新包括:单次生成探索时长延长至最长 3 分钟(原为 60 秒),支持世界串联以进行更长旅程;支持从 360 度全景图生成世界;以及实时世界内事件,可在探索时通过自然语言提示动态改变环境。

Project Genie 智能体是做什么的?

Project Genie 智能体可以通过自然语言对话帮助构建交互式世界。你描述愿景后,智能体会协调谷歌的多模态模型来创建初始视觉和定制背景音乐。在探索时,Gemini 模型还能观察屏幕内容,提供情境感知建议或自动触发世界内事件。

社区画廊有什么内容?可以做什么?

社区画廊汇集了精选世界和社区创作,例如“Living Memory”“Dino Field Guide”“Rock Paper Scissors”等。你可以浏览并直接探索这些世界,也可以用简单提示启动自己的愿景,或与 Project Genie 智能体一起混改现有体验(调整世界结构、音轨或规则),并将作品发布到画廊供他人探索和混改。

生成的内容有安全措施吗?

所有在 Project Genie 中生成的视频和音频都包含 SynthID 水印,并且所有模型输入和输出都会经过安全筛查。

🏷️

标签

➡️

继续阅读