Google DeepMind 发布 Genie 4：可实时操控的世界模型，首次原生生成环境音和角色对话
Google DeepMind 在 10 月 27 日发布新一代世界模型 Genie 4，可以用键盘移动镜头、用文字实时改天气或加入人物，并同步生成环境音、音乐和可互动的角色对话；目前只开放给受邀测试者，之后会先到 Google AI Ultra 订阅用户的 Project Genie 和部分 Gemini API / AI Studio 早期合作方。
Google DeepMind 在 10 月 27 日发布了新一代世界模型 Genie 4。和普通视频模型「生成一段固定片段」不同，世界模型生成的是一个可以边走边看、实时响应操作的虚拟场景：用户用键盘控制移动和镜头，同时可以随时输入文字改变正在发生的事。
根据官方博客，这一代的主要变化有几点：
- 实时用文字改场景：可以在模拟过程中让天气变化、移动镜头、加入新的人物或物体，Gemini 会把指令调整成适合当前场景的样子，并在两次输入之间维持画面连贯；
- 人物和物理更真实：官方称最大的进步在于人物的动作和对环境的反应，也能模拟碰撞、空气动力等物理现象；
- 原生音频：这是 DeepMind 第一个能实时生成声音的世界模型，场景会自带风声、海浪等环境音和音乐，角色还能根据你的操作或场景事件进行对话；
- 底层能力：模型建立在 Gemini 家族之上，由 Gemini Omni 负责让画面贴近真实世界的外观和行为。
据 TechCrunch 报道，Genie 4 能保持约两分钟的连贯场景，是上一代的两倍；团队也承认，模拟时间越长细节和物体越容易漂移，音频准确性和画面里文字的清晰度也还没完全解决。
上线节奏上，Genie 4 目前是面向受邀测试者的研究预览，之后会先开放给 Google AI Ultra 订阅用户（通过 Project Genie），以及 Gemini API 和 Google AI Studio 的部分早期合作方，官方已开放候补名单。开发者价格暂未公布。
对创作者意味着什么： 现阶段大多数人还用不上，但方向值得关注：如果能用一句话搭出一个可走动、带声音的场景，再实时调整天气、机位和人物，它就很适合做分镜预演、找镜头角度、给剧情短片或游戏解说做概念画面。两分钟的连贯上限和细节漂移意味着它暂时不能直接替代成片拍摄，更像是前期构思工具。等开放后，可以先拿自己正在策划的一个场景去试，看人物动作和对话能否撑起一段完整的戏。
信息来源：Google DeepMind 官方博客（本文为编辑整理改写）
