谷歌发布 Genie 4 AI 模型，用于实时世界模拟并支持原生音频

谷歌（NASDAQ:GOOGL）周二宣布推出Genie 4，这是一款旨在生成实时交互式环境的世界模拟模型，并具备原生音频功能。该系统是谷歌首个能够原生生成音乐、环境音效和对话等音频元素的实时世界模型。

主要功能

Genie 4 基于谷歌的 Gemini 系列人工智能系统构建。根据谷歌的公告，它利用 Gemini Omni 来模拟逼真的外观和行为，同时使用其他 Gemini 模型来提供推理并保持模拟的连贯性。

该模型允许用户使用自然语言命令实时修改生成的世界。这包括改变天气状况、调整摄像机角度或添加新的物体和角色。Genie 4 还能够模拟基于物理的场景，包括空气动力学和碰撞，并能创建动作自然、对环境做出反应的角色。

技术集成与应用

为了管理实时生成过程，谷歌集成了 Gemini 3.8 Flash 作为引导代理，它可以观察场景、将用户目标分解为可执行的步骤并跟踪进度。该公司还在探索机器人应用，将 Genie 4 与 Gemini 4 Argon 结合使用，其中 Argon 负责解读用户任务，供 Genie 渲染模拟效果。

Ad

谷歌已向多个行业的受信任测试人员发布了 Genie 4 的研究预览版，这些行业包括：

• 用于电影制作预可视化的创意产业
• 用于将档案照片转换为动态模拟的新闻和教育行业
• 用于快速原型制作的游戏和工程行业

可用性与限制

在初始测试阶段之后，谷歌计划通过 Project Genie 向其 Google AI Ultra 订阅用户以及通过 Gemini API 和 Google AI Studio 向早期访问合作伙伴提供访问权限。为了确保内容的真实性，所有由 Genie 4 生成的视频和音频都将带有 SynthID 数字水印。

谷歌承认该模型目前存在局限性。这些局限性包括长时间使用过程中可能出现的“视觉漂移”，以及在模拟复杂的物理交互、确保音频准确性、渲染文本和保持生成世界的长期一致性方面持续存在的挑战。