我们发布Genie 4——面向实时交互模拟的全新世界模型
内容提要
谷歌发布世界模型Genie 4，支持实时交互模拟并原生生成音效。该模型融合Gemini系列能力，由Gemini Omni保障真实感，其他模型维持模拟连贯性。用户可通过自然语言实时操控场景，如移动镜头、改变天气或添加角色，并同步生成环境音、音乐和对话。该技术被视为迈向AGI的重要一步，可用于机器人训练及影视、游戏等领域。目前已向少量测试者开放，后续将登陆Google AI Ultra等平台。
延伸解读
Gemini 家族分工：真实感与连贯性如何兼顾
Genie 4 并非单一模型，而是融合了 Gemini 系列的不同能力：Gemini Omni 负责将模拟锚定在真实世界的外观与行为上，其他 Gemini 模型则提供复杂推理，以维持模拟的连贯与连续。这种分工意味着，实时交互模拟既要“看起来真”，也要“跑得顺”，两者由不同模块协作实现，而非依赖一个模型包办。
自然语言实时操控与原生音效同步生成
用户可以用自然语言实时引导场景，例如移动镜头、改变天气或引入新角色。与此同时，每个世界都会即时生成原生音频，包括环境音、音乐和交互对话。音效与画面同步生成，而非后期叠加，这使模拟在交互过程中保持声画一致，也更接近真实世界的反馈节奏。
从机器人训练到影视游戏：模拟世界的应用边界
文章将模拟世界视为迈向 AGI 的关键一步，可为机器人和智能体提供安全的训练环境，并放大影视、新闻、游戏、制造等行业的创作工具。这些应用方向覆盖训练与创作两类场景，但文章未给出具体性能指标或落地案例，实际效果仍需观察。
当前仅限少量测试者，平台开放尚需时间
Genie 4 已开始向少量可信测试者开放，后续将登陆 Google AI Ultra 订阅者的 Project Genie，以及 Gemini API 和 AI Studio 的早期访问合作伙伴。这意味着普通用户暂时无法直接使用，功能与体验可能仍处于迭代阶段，正式开放后的表现值得持续关注。
Q&A
Genie 4是什么？它有什么主要功能？
Genie 4是谷歌发布的全新世界模型，支持实时交互模拟，并能原生生成音效。用户可以通过自然语言实时操控场景，如移动镜头、改变天气或添加角色，同时同步生成环境音、音乐和对话。
Genie 4如何利用Gemini系列模型的能力？
Genie 4融合了Gemini系列的能力：Gemini Omni保障模拟的真实感，使模拟锚定在真实世界的外观和行为上；其他Gemini模型提供复杂推理，帮助维持模拟的连贯性和连续性。
用户可以用自然语言对Genie 4进行哪些操作？
用户可以通过自然语言实时操控场景，例如移动镜头、改变天气、引入新角色，并同步生成环境音、音乐和交互式对话。
Genie 4为什么被视为迈向AGI的重要一步？
因为模拟世界是迈向AGI的关键步骤，它能提供安全的训练环境用于机器人和智能体，并增强影视、新闻、游戏和制造等行业的创意工具。
目前哪些人可以体验Genie 4？未来会开放给哪些用户？
Genie 4已开始向少量可信测试者开放。未来将登陆Google AI Ultra订阅者的Project Genie，以及Gemini API和AI Studio的早期访问合作伙伴。
Genie 4可以应用在哪些领域？
Genie 4可用于机器人训练（提供安全训练环境），以及影视制作、新闻报道、游戏开发和制造业等创意工具领域。
