Google DeepMind 发布实时世界模型 Genie 4，支持原生音频与可编辑模拟

Rohan Paul· @rohanpaul_ai · X·2026-10-28 01:02· 15 分钟前AI 评分62

AI 导读

Google DeepMind 发布 Genie 4，是其首个带原生音频的实时世界模型，可生成环境音、音乐和会回应用户及世界内事件的角色对话。

正文 · 原文

Genie 4 是 Google DeepMind 首个带原生音频的实时世界模型，可生成环境音、音乐，以及能对用户和世界内事件做出反应的角色实时对话。

用户可以通过输入文字改写正在运行的模拟，改变天气、移动镜头或添加人物，而 Gemini 会让每次编辑贴合场景并保持连贯。

Gemini 3.8 Flash 充当循环内的导演，将目标拆分为步骤并检查传入的帧，Gemini 4 Argon 则利用该循环模拟 Apptronik 的 Apollo 人形机器人下跳棋。

访问权限首先向可信测试者开放，随后向 Google AI Ultra 订阅者和早期 Gemini API 合作伙伴开放。https://x.com/sundarpichai/status/2115115252690145519/video/1

来源：Rohan Paul · x.com