Google DeepMind 发布 Genie 4 预览版，新增音频、更长的互动世界及计划中的 API 访问权限

Google DeepMind 推出了 Genie 4，这是一款实验性世界模型，能够逐帧生成互动场景，包括声音和角色对话，并由 Gemini 模型规划事件以保持连贯性。用户可通过键盘导航，并用文本提示引导事件，但较长时间的会话可能会出现视觉一致性下降和物体无法持续保留的情况。目前仅限部分测试者使用，Google AI Ultra 用户预计很快就能通过 Project Genie 网页应用体验。

提前一窥 Genie 4——我们的新一代前沿世界模型，即将首次接入 API : ) https://t.co/Q6v1qgg0W1

Google DeepMind 于周二发布了 Genie 4 研究预览版，新增同步实时音频、更逼真的世界，以及在模拟过程中通过提示词改变场景的功能。它能将场景保持一致长达两分钟，是 Genie 3 时长上限的两倍，不过物体可能会漂移，音频准确度和文字可读性仍面临挑战。受信任的测试者现已可以使用；未来几周，Google AI Ultra 订阅用户将可通过 Project Genie 使用，Gemini API 和 Google AI Studio 的早期访问合作伙伴也将获得使用权限。

Sundar Pichai 将 Genie 4 介绍为 Google 最逼真、交互性最强的世界模型，具备对环境的实时控制能力，支持原生音频（包括可对话的角色）、照片级真实感场景以及真实世界物理模拟。 它运用 Gemini 的推理能力，让多步骤事件更加连贯。研究预览版已开始向受信任的测试人员逐步开放；Google AI Ultra 订阅用户很快就能在 Project Genie 中使用，早期访问合作伙伴则可通过 Gemini API 和 AI Studio 使用。

介绍来自 @GoogleDeepMind 的 Genie 4，Google AI 称这是迄今最逼真、互动性最强的世界模型 🌍 用户可以通过自然语言实时动态操控世界及其声景，包括改变天气、移动摄像机或引入新元素。https://t.co/ZfZGi9Chsx

Google DeepMind 推出 Genie 4，称其为迄今最逼真、互动性最强的世界模型。🌐 实时探索动态环境，看看场景如何变化、发出什么声音，以及其中的人如何移动、反应和说话。https://t.co/6mmSUm9BBO

Google DeepMind 已面向可信测试者发布 Genie 4 研究预览版，新增原生音频、互动对话以及实时自然语言引导功能，用于世界模拟。Gemini 3.8 Flash 通过观察场景、规划行动并检查进展来引导多步骤事件。该功能即将面向 Google AI Ultra 订阅用户在 Project Genie 中开放，并向 Gemini API 和 Google AI Studio 的早期访问合作伙伴开放；物体恒存性、物理交互和长期一致性仍是研究挑战。

Google DeepMind 发布了 Genie 4，这是一次更新的世界模型，几乎在所有方面都优于 Genie 3，包括物理效果和人物更加逼真。用户探索虚拟世界时，该模型会实时逐帧生成这些世界。DeepMind 表示，这项技术可为实体机器人提供训练环境，也可支持创意领域的快速原型开发。

Google 发布了 Genie 4。这款世界模型据称能够生成更逼真的互动体验，支持实时自然语言更新、生成音频，并使用 Gemini 3.8 Flash 进行模拟。体验时长可达约两分钟，高于 Genie 3 的一分钟；不过，细节和物体的持续存在可能会随时间发生变化。Genie 4 现以研究预览版形式向受信任的测试人员开放，Google AI Ultra 用户即将可以使用，Project Genie 的候补名单也已开放。