谷歌DeepMind发布Genie 4世界模型：首个原生音频的实时可交互虚拟世界
谷歌DeepMind于美国时间10月27日（北京时间10月28日）发布了新一代世界模型Genie 4的研究预览版。谷歌在社交平台上表示，Genie 4已开始向“受信任测试者”推出，并将很快开放给Google AI Ultra订阅用户以及Gemini API和Google AI Studio的早期合作伙伴。
核心能力：实时交互与原生音频
据Unite.AI以及多家中文科技媒体报道，Genie 4可以根据文字或图像提示实时生成可探索的虚拟世界，用户在模拟运行过程中还能用自然语言修改场景，例如调整天气、移动镜头，或加入新的人物和物体。DeepMind称，这是其首个原生生成音频的实时世界模型，音频内容包括环境音效和可互动的角色对话。模型还能模拟空气动力学、碰撞等物理现象，角色会对周围环境做出反应。
开放范围与安全措施
目前Genie 4仅处于研究预览阶段，只向受信任测试者开放。谷歌表示，即将通过Project Genie向Google AI Ultra订阅用户提供，并向Gemini API和Google AI Studio的早期合作伙伴开放，但尚未公布具体时间。Unite.AI的报道指出，DeepMind在发布前进行了内部安全评估，应用了与其他模型一致的防护措施，所有生成的视频和音频都带有SynthID水印。
仍存在的局限
DeepMind坦言，Genie 4仍是一个“早期的实验性模型”。在较长时间的模拟或多次修改提示之后，画面细节和物体的持续性可能出现漂移；复杂的物理交互、实时音频的准确性、可读文字的渲染以及空间精度和长期一致性，仍是持续研究的方向。需要注意的是，不同媒体对该模型背后调用的Gemini版本说法不一，这些细节在官方文档公布前无法确认，本文不做引用。
为什么值得关注
世界模型被视为让AI理解并模拟物理世界的重要方向。DeepMind提到，受信任测试者来自创意产业、新闻、教育、游戏和工程等领域，影视从业者可用它做前期可视化，游戏开发者可以在很短时间内把创意变成可探索的原型。此前，Genie 3于2025年8月发布，并于2026年1月以Project Genie的形式向AI Ultra订阅用户开放。与前代相比，Genie 4增加了原生音频和更强的实时编辑能力。
目前尚未公布模型标识符、价格、速率限制或开发者文档，普通开发者暂时没有通用的接入渠道。后续正式开放的时间和条件，仍有待谷歌进一步说明。
