谷歌发布新一代世界模型Genie 4:一句话生成可交互世界,首次原生生成声音,模拟时长翻倍至2分钟

谷歌又甩出深夜王炸:Google DeepMind正式发布新一代通用世界模型Genie 4,登顶36氪24小时热榜。谷歌CEO皮查伊第一时间宣布,AI的叙事正从「生成一段视频」切换到「实时运行一个世界」——一句提示词,就能直接造出一个能实时交互、实时改写的「活体宇宙」。

谷歌发布Genie 4世界模型

什么是「世界模型」:从生成视频到实时运行一个世界

与传统视频生成模型不同,世界模型不只生成几秒钟的镜头,而是构建一个持续存在、可交互的虚拟世界。Genie 4被谷歌称为迄今为止最逼真、最具互动性的AI世界模型:你往前走一步,世界就实时长出一寸;你改一句话,物理法则和NPC台词当场跟着重写。财联社将其形容为「一句话创造虚拟世界、敲键盘自由探索」。

Genie 4三大升级:原生声音、2分钟连贯世界、逼真物理

本次发布带来三个关键突破:一是Genie系列首次原生生成声音与即兴对话,同步生成环境音与配乐,角色还能根据突发状况张嘴即兴交谈;二是单次连贯世界维持时间翻倍至约2分钟,实机画面稳定在约24帧/秒;三是借助Gemini Omni锚定现实常识,人物微表情、镜面反射与物理碰撞全面跃升,刚体物理表现逼近真实。

Genie 4世界模型生成的可交互世界

三大Gemini联手:混合世界模型与机器人指挥

Genie 4背后是「三大Gemini」组成的混合世界模型架构:Gemini 3.8 Flash在后台盯画面当「导演」,负责世界的实时渲染调度;Gemini 4 Argon则能拆解22步精细动作,指挥机器人下跳棋。谷歌的目标很明确——为未来的通用Agent与机器人,造出一个可以无限试错的「平行宇宙」,这也是其物理AI技术布局的关键一步。

模拟时长翻倍至2分钟:音视频同步生成的新标杆

按腾讯新闻报道,Genie 4实现模拟时长翻倍至2分钟、首次实现音视频同步生成。当视频模型还在比拼几秒钟的镜头美感时,谷歌已经用「有声、有人、有大脑」的实时世界模型重新定义了赛道——2分钟连贯长记忆配合24帧丝滑交互,意味着AI生成内容从「片段」走向了「可运行的场景」。

对AI与游戏行业意味着什么

Genie 4的发布让「游戏股再迎AI冲击」成为市场话题:如果一句话就能生成可玩的交互世界,游戏内容的生产成本与形态都将被重塑。对AI行业而言,世界模型与Agent的结合正在加速——从对话、写代码到「指挥机器人」,多模态大模型的边界持续外扩。国内方面,OpenAI刚发布GPT-6.1 Terra(详见站内GPT-6.1 Terra报道),大模型军备竞赛从文本能力卷向世界模拟能力。更多AI动态见AI科技热点频道。

常见问题(FAQ)

Genie 4是Google DeepMind发布的新一代通用世界模型,一句话提示词即可生成实时可交互的虚拟世界,是谷歌迄今最逼真、最具互动性的AI世界模型。

视频生成模型只产出几秒钟的固定镜头,Genie 4生成的是持续存在、可交互的世界:模拟时长约2分钟、约24帧/秒,支持实时改写规则与NPC行为,还能原生生成声音与即兴对话。

官方尚未公布面向公众开放的具体时间与产品形态,目前以技术发布为主,建议关注Google DeepMind官方渠道获取后续动态。

一句话生成可交互世界的能力可能重塑游戏内容生产方式,腾讯新闻等媒体已用「游戏股再迎AI冲击」描述市场反应;短期内更多是创作工具层面的影响,完整游戏级产品仍需时间。

更多AI与大模型最新动态,欢迎访问 jzpix.cn 导航站 的AI科技热点频道。

© 版权声明

相关文章

暂无评论

none
暂无评论...