谷歌DeepMind的Genie 4世界模型新增声音和实时场景编辑
据谷歌介绍，谷歌DeepMind周二发布了Genie 4，这是一种可实时生成可交互、可探索场景的“世界模型”，现在还能生成与场景匹配的音频。据TechCrunch报道，用户可以在模拟过程中输入指令，改变天气、移动镜头或添加角色。这是一个研究预览版，目前仅向一小部分测试者开放。
它能做什么：世界模型生成的是用户可以在其中移动并加以改变的模拟环境，而不是固定的视频片段。据谷歌介绍，Genie 4能即时生成环境音、音乐和互动对话。据TechCrunch报道，它可以让一个场景保持连贯长达两分钟，是前代Genie 3上限的两倍。
工作原理：据谷歌介绍，Genie 4建立在谷歌的Gemini模型之上，这些模型帮助保持模拟的连贯性。在一项与Gemini Robotics相关的研究实验中，一个Gemini模型将一项任务分解为若干步骤，由Genie 4实时模拟；TechCrunch称，这展示了在现实世界中尝试之前先测试机器人场景的一种可能方式。
已知局限：据TechCrunch报道，谷歌DeepMind的工作人员表示，目前仍处于早期阶段，最终产品形态尚不明确。据TechCrunch报道，模拟运行时间越长，细节和物体就越可能发生漂移，团队也尚未解决如何确保音频准确、场景内文字清晰可读的问题。
谁能使用：据谷歌介绍，Genie 4首先向受信任的测试者推出。它将面向Project Genie中的Google AI Ultra订阅用户，以及Gemini API和Google AI Studio的抢先体验合作伙伴推出；TechCrunch称这将在未来几周内实现。