|
Google DeepMind于10月27日发布Genie 4世界模型研究预览。它生成的不是固定视频片段：用户可以在模拟进行时用文字改变天气、移动镜头或加入人物，模型会继续生成环境变化与声音。
官方介绍称，Gemini Omni为场景提供外观和行为基础，Gemini 3.8 Flash则在循环中观察画面、拆分目标步骤并检查进度。Genie 4可原生生成环境音，并支持角色对话；Google认为这类模拟可用于机器人和智能体训练，也可做交互体验原型。
目前Genie 4仅向受邀测试者开放。Google也列出了现阶段限制：运行时间变长或多次复杂编辑后，细节和物体持续性可能漂移；复杂物理互动、空间准确度及实时音频仍在改进。官方称生成的视频和音频会加入SynthID水印。
来源：Google DeepMind《Genie 4: A new generation of world simulation》（2026年10月27日）
https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/ |
0