Google 的 Genie 4 世界模型增加了音频、更真实的场景以及实时操控功能
内容摘要
Google DeepMind 推出了其最新的世界模型 Genie 4 的研究预览版。该模型能够生成极具写实感且可交互的环境，并支持实时音频生成（包括音乐和环境音）。与前代产品相比，Genie 4 允许用户通过文本提示在模拟过程中实时更改天气、摄像机角度或添加物体，并能维持长达两分钟的场景一致性，同时拥有更真实的物理效果和更拟人化的角色。
Genie 4 与 Google 的 Gemini 模型深度集成，由 Gemini 担任“导演”角色，负责规划步骤并检查帧内容。在机器人研究实验中，这种结合展示了通过 Gemini 将任务分解并由 Genie 4 进行实时模拟的可能性，为在现实世界部署机器人前进行虚拟场景测试提供了新途径。
尽管其商业应用前景涵盖游戏、互动学习和机器人领域，但早期测试者特别看好其在电影原型设计和快速创意构思方面的潜力。目前，Google 也承认该模型仍存在局限性，例如长时间模拟会导致物体漂移，以及音频准确性和场景内文字清晰度方面仍需改进。Genie 4 将逐步向 Google AI Ultra 订阅者及合作伙伴开放。
(来源：TechCrunch)