Google DeepMind 发布 Genie 4 世界模型，新增音频与实时操控
Genie 4 把可交互世界模型的画面、音频和实时编辑结合起来，并尝试与 Gemini 分工协作，为游戏、机器人和影视预演提供“先模拟再落地”的工具。
Google DeepMind 以研究预览形式发布世界模型 Genie 4。它生成的世界更接近照片级真实、可交互，并支持在模拟过程中输入文字指令实时改变场景，例如天气、机位、新增人物或物体。模型同时生成与环境匹配的实时音频，包括音乐、环境声和可对话的角色语音。与上一代相比，Genie 4 的单场景一致性时长翻倍到两分钟，物理表现和人物动作也更自然。它是 Google 在竞争升温的世界模型赛道上保持领先的最新动作。
正文摘录
Google DeepMind 于周二以研究预览版形式发布其最新世界模型 Genie 4。该模型生成迄今最逼真、最具交互性的世界，允许用户在模拟过程中输入提示词来改变场景。模型还会生成与模拟世界匹配的实时音频，包括音乐、环境噪声和交互式对话。 Genie 4 的发布，距离 AI 视频初创公司 Runway 发布其第二代世界模型 [GWM Worlds 2](https://x.com/runwayml/status/2095540014645920040) 约两个月。后者是一个可玩模型，能动态响应用户输入，并包含音频生成。与此同时，世界模型行业开始整合。李飞飞的 [World Labs 正被 AMD 收购](https://techcrunch.com/2026/09/28/amd-will-acquire-fei-fei-lis-world-labs-for-8-2-billion/)，亚马逊正洽谈[收购 Decart](https://www.wsj.com/business/deals/amazon-in-talks-to-buy-ai-startup-decart-for-around-7-billion-9433abad?st=r73g4r)，而 [Rivian 刚收购 Third Dimension](https://techcrunch.com/2026/10/22/rivian-buys-world-model-startup-to-accelerate-self-driving-ambitions/)，将模拟能力引入内部用于自动驾驶测试。 Genie 4 是 Google 在拥挤赛道中保持领先的最新动作。 Google 在一年多前以研究预览版形式发布了前代模型 Genie 3。