谷歌发布 Genie 4 首次支持原生音频与即兴对话

Google DeepMind 正式发布新一代通用世界模型 Genie 4，首次支持原生生成音频，可同步生成环境音与配乐，还能让角色根据场景变化进行即兴对话，用户可随时改变事件、机位和动作，实时驾驭动态环境。该模型单次生成的连贯世界可持续约 2 分钟，画面帧率约为 24 帧 / 秒，人物微表情、镜面反射及物理碰撞等效果也得到提升。谷歌还展示了多款 Gemini 模型协同工作的能力，涵盖画面理解、复杂动作规划及机器人任务执行等场景。Genie 4 试图打造能够实时响应指令、持续变化的交互式世界，有望为通用智能体训练和机器人模拟提供可反复试错的虚拟环境，目前已开启内测，Google AI Ultra 用户可申请加入等待名单。