外观
新闻IT之家·人工智能（via AIHOT）今天
谷歌Genie 4世界模型发布：支持音视频同步生成与机器人仿真验证
本文由 AI 根据公开内容整理，可能有误，请以原文为准：谷歌推出最强世界模型 Genie 4：一句话创造可交互虚拟世界，首次实现音视频同步生成（IT之家·人工智能（via AIHOT））
核心内容
谷歌DeepMind正式发布世界模型Genie 4研究预览版，核心突破在于首次实现可交互虚拟环境与实时音频（含音乐、环境音及对话）的同步生成。相比前代Genie 3，新模型场景连贯时长提升至2分钟，物理拟真度显著增强，并支持运行中通过提示词实时修改天气、视角及物体等自由编辑操作，目前已面向可信测试者开放。
在具身智能应用层面，Genie 4与Gemini深度集成形成混合架构：由Gemini负责规划步骤与帧校验，Genie 4执行视觉生成与实时仿真。实验显示Gemini 4 Argon可将机器人任务拆解后交由Genie 4验证，构建了真实部署前的仿真测试闭环。尽管存在长时序细节偏移与文字渲染模糊等早期缺陷，该方案已确立世界模型作为机器人Sim-to-Real基础设施的技术路径。
关键看点
- 音视频同步生成：首次实现可交互虚拟世界中音乐、环境音及对话的实时同步生成，提升仿真沉浸感与多模态反馈能力
- 机器人仿真验证：Gemini负责任务拆解与帧校验，Genie 4执行实时仿真，构建机器人真实部署前的Sim-to-Real测试闭环
- 场景连贯性提升：单次生成最长维持2分钟连贯场景，时长较前代翻倍，支持运行中实时调整天气、镜头及新增物体
- 混合模型架构：采用Gemini编写代码文本+Genie 4实时读取生成的协作模式，在不同抽象层级对现实进行动态仿真
工程与产业观察
Genie 4标志着世界模型从纯视频生成迈向具身智能仿真基础设施的关键转折。其与Gemini的协同架构验证了LLM驱动的世界模型在机器人任务规划与Sim-to-Real中的可行性，尽管长时序稳定性待解，但为行业提供了低成本、高交互性的合成数据生成与策略验证新范式，加速具身算法迭代闭环。
线索来源：AIHOT
来源
本页事实对应的公开页面，以原文为准。