谷歌发布Genie 4世界模型 支持实时改场景与音频生成

2026年10月27日，谷歌DeepMind发布新一代世界模型Genie 4，并以研究预览形式向受信任测试者开放。该模型可生成更逼真的交互式世界，支持用户在模拟过程中输入文本指令实时改变场景，并生成与画面匹配的音频，单次模拟时长从此前一分钟提升至约两分钟。

据The Verge报道，Genie 4主要有四项更新：世界更逼真、可用自然语言实时更新体验、可生成音频，并在底层使用Gemini 3.8 Flash辅助模拟。TechCrunch还称，Gemini与Genie 4的配合更紧密，Gemini负责规划步骤和检查画面，Genie负责生成视觉内容；在Gemini Robotics相关实验中，Gemini 4 Argon模型将任务拆解为步骤，由Genie 4实时模拟。

Genie 4将“很快”向Google AI Ultra订阅用户开放，谷歌已开放候补名单；未来数周，该模型还将向Gemini API和Google AI Studio的早期访问合作伙伴推出。目前它仅限受信任测试者使用。The Verge称，其记者尚未能试用Genie 4，因此无法判断它与此前由Genie 3驱动的Project Genie相比表现如何。

谷歌将Genie 4定位为可用于影视预可视化、游戏创意原型和机器人训练场景的工具。但公司提醒，模拟运行时间越长，细节和物体恒存性可能随时间变化。TechCrunch称，团队也承认音频准确性和场景内文字可读性尚未完全解决。

谷歌研究总监Tejas Kulkarni在简报会上表示，未来会越来越多地看到混合世界模型，由Gemini编写代码和文本，Genie实时接收并以不同抽象层级模拟现实。谷歌DeepMind工程师Diego Rivas称，实时性在创意工作流中最有价值，例如构思和分镜阶段需要快速迭代。

据TechCrunch报道，Genie 4发布前数月，Runway推出带音频生成、可响应用户输入的GWM Worlds 2；世界模型行业也在整合，李飞飞的World Labs正被AMD收购，亚马逊正与Decart洽谈收购，Rivian刚收购Third Dimension，以将模拟能力引入自动驾驶测试。