谷歌 DeepMind 最近推出了 Genie 4。这是一种先进的世界模型,可根据文本提示生成交互式虚拟环境,将 AI 的生成能力从静态视频扩展到实时探索。该模型支持原生音频生成,可生成与视觉事件同步的环境音效、音乐和角色对白;用户还可与虚拟角色动态互动,角色会响应用户输入。
Genie 4 可支持约两分钟的连续模拟。用户能够通过调整天气、添加角色和物体,以及与虚拟智能体对话,实时修改场景。该系统集成了 Gemini 语言模型来进行规划和推理,并由 Genie 4 生成环境,可用于电影制作、游戏开发、机器人训练和工业模拟。目前的局限包括长时间运行时难以维持场景一致性,以及复杂物理交互的准确性有限。