新闻IT之家3 天前
谷歌Genie 4世界模型发布:支持实时提示词编辑环境与原生音频生成
本文由 AI 根据公开内容整理,可能有误,请以原文为准:史诗级进化!谷歌 Genie 4 世界模型开放体验:支持边玩边改天气、召唤角色,所见皆可互动(IT之家)
核心内容
谷歌正式向Google AI Ultra订阅用户推出Project Genie新版体验,核心发布Genie 4世界模型。该模型被定义为迄今交互性最强的世界模拟器,允许用户在导航过程中直接输入提示词实时编辑天气、召唤角色或改变动作走向,并首次实现随场景推进动态适配的原生音频生成。此次更新还包含辅助创作的Project Genie智能体及社区画廊,所有生成内容均嵌入SynthID水印并通过安全筛查,目前仍处于前沿研究阶段。
技术层面,Genie 4整合了谷歌世界模型与Gemini系列多模态能力,支持浏览器端实时生成与塑造虚拟世界。Genie 3作为补充保留了长时序生成优势,单次探索时长从60秒扩展至3分钟,支持360度全景图作为生成种子以保持视角一致性,并可通过自然语言触发实时事件串联多个世界。新版智能体能调度多模态套件自动生成视觉与背景音乐,Gemini模型还可观察屏幕内容提供上下文建议或自动触发事件,显著降低了交互式宇宙的构建门槛。
关键看点
- 实时交互编辑:Genie 4支持会话中途输入提示词修改已创建世界,可实时切换天气、添加角色及改变动作走向,突破传统生成式视频的静态限制
- 原生音频生成:首次为视觉内容搭配实时原生音频,声音覆盖环境音效到角色对话,随场景推进动态适配,增强仿真环境的沉浸感与物理反馈真实性
- 长时序与全景Grounding:Genie 3单次生成时长提升至3分钟,支持360度全景图作为种子保持视角转动一致性,可将森林、水下遗迹等不同世界串联为连续旅程
- 多模态智能体辅助:集成Gemini模型观察屏幕内容,可将自然语言转化为交互式事件或自动触发环境变化,支持对现有画廊作品进行底层结构与规则的二次创作
工程与产业观察
Genie 4的实时提示词编辑与原生音频能力,标志着世界模型从被动视频生成迈向主动交互式仿真。对于具身智能研发,这种支持运行时动态干预的高保真环境,可作为Sim-to-Real迁移中验证策略泛化性与鲁棒性的关键测试床,尤其适用于评估机器人在非结构化场景下的长时序任务规划与多模态感知对齐能力。
外部来源
本页事实对应的公开页面,以原文为准。(点击将离开本站)