Genie 4 现已上线

💡 原文英文,约1000词,阅读约需4分钟。
📝

内容提要

谷歌面向AI Ultra订阅用户推出新版Project Genie,首次开放Genie 4,支持会话中实时修改世界并配备自适应原生音频。Genie 3新增3分钟长时生成、世界串联、360度全景图生成及实时事件功能。同时新增Project Genie智能体,可通过自然语言创建世界,并推出支持探索、混搭和发布作品的社区画廊。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、物理与原生音频,并支持会话中实时修改世界;而 Genie 3 仍保留在模型选择器中,适合需要更长运行时间或全景图种子空间的场景。读者可据此判断:追求即时编辑与音画同步选 Genie 4,需要三分钟长时生成或世界串联则用 Genie 3。

从单次提示到对话式世界构建

新增的 Project Genie 智能体不再依赖单条文本或图像提示,而是通过自然语言对话协调多模态模型,生成初始视觉与定制背景音乐。探索过程中 Gemini 还会观察屏幕内容,提供情境化建议或自动触发世界内事件。这意味着创作门槛降低,但用户需适应与智能体多轮沟通的协作方式。

社区画廊与混搭机制的实际影响

画廊汇集策展世界与社区作品,用户可直接探索,也可基于现有体验混搭底层世界结构、配乐或规则,并发布供他人再创作。文章举例包括将山坡咖啡馆改造成沙漠玻璃亭。这种机制让创作从个人行为转向可迭代的社区生态,但发布内容同样需经过安全筛查。

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,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。所有生成视频与音频均带 SynthID 水印,输入输出经过安全筛查。读者应将其视为实验性原型,而非成熟生产工具,实际体验可能受上述限制影响。

❓

Q&A

Genie 4 现在可以使用了吗?哪些用户能体验?

Genie 4 已通过 Project Genie 向符合条件的 Google AI Ultra 订阅用户开放。Google AI Pro 会员可以在同一页面加入等待列表。

Genie 4 相比之前版本有什么新功能?

Genie 4 是迄今最逼真、交互性最强的世界模型,支持在会话中通过输入新提示实时修改环境(如改变天气、添加角色或重定向动作),并首次配备随场景变化的自适应原生音频,包括环境音和角色对话。

Genie 3 这次更新了哪些能力?

Genie 3 更新包括:单次生成时长延长至 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;以及通过自然语言提示在探索时实时改变环境事件。

Project Genie 智能体是做什么的?怎么用?

Project Genie 智能体让用户通过自然语言对话创建交互式世界。只需描述愿景,智能体就会协调谷歌的多模态模型生成初始视觉和定制背景音乐。探索时还可引入 Gemini 模型,它观察屏幕内容并提供情境建议或自动触发世界内事件。

社区画廊里有什么?我可以发布自己的世界吗?

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”以及合作作品“Villa Giallo”和“The Life of Ants”。用户可以浏览、探索、混搭现有体验,也可以将自己的创作发布到社区画廊供他人探索和混搭。

Project Genie 生成的内容如何保证安全?

所有生成的视频和音频都包含 SynthID 水印,所有模型输入和输出都经过安全筛查。谷歌表示致力于负责任地开发交互式世界模型。

🏷️

标签

➡️

继续阅读