Story
谷歌發布 Genie 4 AI 模型，用於即時世界模擬並支援原生音頻
Google（NASDAQ:GOOGL）週二宣布推出Genie 4，這是一款旨在產生即時互動式環境的世界模擬模型，並具備原生音訊功能。該系統是Google首個能夠原生生成音樂、環境音效和對話等音訊元素的即時世界模型。
主要功能
Genie 4 是基於Google的 Gemini 系列人工智慧系統建構。根據Google的公告，它利用 Gemini Omni 來模擬逼真的外觀和行為，同時使用其他 Gemini 模型來提供推理並保持模擬的連貫性。
該模型允許使用者使用自然語言命令即時修改生成的世界。這包括改變天氣狀況、調整攝影機角度或添加新的物體和角色。 Genie 4 也能夠模擬以物理為基礎的場景，包括空氣動力學和碰撞，並能創造動作自然、對環境做出反應的角色。
技術整合與應用
為了管理即時生成過程，Google 整合了 Gemini 3.8 Flash 作為引導代理，它可以觀察場景、將使用者目標分解為可執行的步驟並追蹤進度。該公司也正在探索機器人應用，將 Genie 4 與 Gemini 4 Argon 結合使用，其中 Argon 負責解讀使用者任務，供 Genie 渲染模擬效果。
Ad谷歌已向多個行業的受信任測試人員發布了 Genie 4 的研究預覽版，這些行業包括：
- 用於電影製作預先視覺化的創意產業
- 用於將檔案照片轉換為動態模擬的新聞和教育產業
- 用於快速原型製作的遊戲和工程行業
可用性與限制
在初始測試階段之後，Google計劃透過 Project Genie 向其 Google AI Ultra 訂閱用戶以及透過 Gemini API 和 Google AI Studio 向早期訪問合作夥伴提供存取權限。為了確保內容的真實性，所有由 Genie 4 產生的視訊和音訊都將帶有 SynthID 數位浮水印。
谷歌承認該模型目前有其限制。這些限制包括長時間使用過程中可能出現的“視覺漂移”，以及在模擬複雜的物理互動、確保音訊準確性、渲染文字和保持生成世界的長期一致性方面持續存在的挑戰。