谷歌推出最强世界模型Genie 4：首次实现音视频同步生成

谷歌DeepMind推出最新世界模型Genie 4，目前处于研究预览阶段。该模型能生成迄今拟真度最高、可交互的虚拟世界，用户可在运行过程中输入提示词实时修改场景，并首次实现与虚拟世界同步的实时音频生成，涵盖音乐、环境音及可交互对话。

相比前代Genie 3，Genie 4画面拟真度大幅提升，物理效果更好，虚拟人物更贴近真人；支持实时调整天气、镜头角度或新增人物物体；场景连贯时长翻倍，最长可维持两分钟。Genie 4与Gemini集成度进一步提高：Gemini相当于导演，负责规划步骤、校验画面帧，Genie 4负责生成视觉内容。在机器人项目实验中，Gemini 4 Argon将任务拆解成多个步骤，再由Genie 4实时仿真，展示了先在仿真环境验证、再开展真实测试的可行方案。

商业化场景主推游戏、交互式学习和机器人领域，可信测试者还发现了电影原型制作这一新用途。当前赛道整合加速：Runway推出GWM Worlds 2，世界实验室被AMD收购，亚马逊洽谈收购 Decart，Rivian收购Third Dimension。

团队承认Genie 4仍处早期：运行时间越长，细节和物体越易偏移；音频准确性与文字清晰度尚难兼顾。该模型已面向可信测试者开放，未来几周将陆续向谷歌AI Ultra订阅用户、Genie项目及Gemini API早期合作方开放。