Google公布世界模型Genie 4：支持实时语言操控与原生音频，先向受信任测试者开放
Google AI官方博客称，Genie 4可在实时交互模拟中用自然语言改变镜头、天气或加入角色，并即时生成环境音、音乐和对话；目前仅向少量受信任测试者开放，后续将进入Google AI Ultra订阅者的Project Genie及Gemini API、AI Studio早期访问伙伴。
AI解读：Google AI官方博客宣布Genie 4研究进展，称其为面向实时交互模拟的新世界模型，主打更高真实感和原生音频。
按博客说法，Genie 4借助Gemini系列能力：Gemini Omni为模拟提供真实外观与行为参照，其他Gemini模型提供维持模拟连贯性所需的复杂推理。
用户可用自然语言设定事件并实时操控场景，例如移动镜头、改变天气或引入新角色；每个世界还会即时生成环境声、音乐和交互对话。
博客把模拟世界描述为通往AGI的一步，提到可用于机器人和智能体的安全训练环境，以及电影、新闻、游戏和制造业的创作工具；这些属于Google的定位陈述，未附效果数据。
Google AI官方博客宣布了Genie 4的研究进展，称这是一个面向实时交互模拟的世界模型，在真实感和原生音频上有新能力。
博客称，Genie 4已开始向少量受信任测试者推出，之后将进入Google AI Ultra订阅者的Project Genie，以及Gemini API和AI Studio的早期访问伙伴。
模型能力与操控方式
按Google博客的描述，Genie 4建立在Gemini系列模型能力之上：Gemini Omni为模拟提供真实世界外观与行为的锚点，其他Gemini模型提供复杂推理，以帮助维持模拟的连贯性和连续性。
博客称，用户可以设定一个事件开始运转，并用自然语言实时操控场景，例如移动镜头、改变天气或引入新角色。每个世界还会即时生成原生音频，包括环境声、音乐和交互对话。
开放范围与Google的定位
博客将模拟世界描述为通往AGI的重要一步，并称其可为机器人和智能体提供安全的训练环境，也能增强电影制作、新闻、游戏和制造业的创作工具。这些是Google在公告中的定位陈述，来源未提供对应的效果数据或评测结果。
博客引导读者到Google DeepMind博客查看演示，但未在公告中给出Genie 4的具体性能指标、测试规模或面向普通用户的时间表。