Google DeepMind发布Genie 4世界模型，支持实时音频与场景编辑
Google DeepMind于2026年10月27日发布新一代世界模型Genie 4的研究预览版。该模型可生成更逼真的交互式世界，并在模拟运行中支持用户输入提示词实时改变场景，例如调整天气、视角或添加新的人物和物体。
与上一代相比，Genie 4首次支持实时音频生成，包括音乐、环境音和交互式对话，同时将场景一致性维持时间提升至两分钟，达到前代的两倍。模型还改进了物理效果和角色行为，使其更接近真实。
Genie 4与其Gemini模型进行了更紧密的集成，由Gemini充当“导演”角色，规划步骤并检查画面，Genie则负责生成视觉内容。在一个与Gemini Robotics相关的研究实验中，Gemini 4 Argon模型将任务分解为步骤，由Genie 4实时模拟，展示了在真实世界之前测试机器人场景的可能性。
Google方面表示，未来可能会出现混合世界模型，结合Gemini的代码与文本生成能力以及Genie的实时模拟能力。应用场景包括游戏、交互式学习和机器人。目前，Genie 4以研究预览形式向可信测试者开放，并将在未来几周内向Google AI Ultra订阅用户和Gemini API合作伙伴逐步推出。
- 2026-10-28 06:37 | 爱范儿：刚刚，谷歌 Genie 4 发布，120 秒的世界却让我看见 AI 的未来阅读原文
这个世界只能维持 120 秒，然后一切开始崩塌。然而在这两分钟里，你可以随时改变天气、召唤巨龙，甚至让一座城市为你拔地而起。 刚刚，Google DeepMind 正式发布新一代世界模型 Genie 4，AI 生成的虚拟世界，又向现实迈进了一大步。 相比上一代，Genie 4 不仅让画面更加逼真，还能实时生成声音、模拟物理规律，甚至让用户直接走进 AI 创造的世界，随时改变天气、添加人物，与虚拟角色对话。 更重要的是，谷歌还将 Gemini 引入世界模拟，让大语言模型负责规划行动，Genie 4 负责实时生成环境。过去只能观看的 AI 视频，正在变成一个可以自由探索、持续互动的虚拟世界。 A...
- 2026-10-28 04:45 | gizmodo.com：Google’s New AI World Model Can Generate Human Voices, Not Just Video阅读原文
Google DeepMind has introduced the latest version of its AI world model, which according to the company “unlocks unprecedented realism” and specializes in simulating human beings. Launched today as a limited research preview among a small group of early testers, the new model, called Genie 4, can ge...
- 2026-10-28 01:22 | 华尔街见闻：谷歌推出最强世界模型Genie 4，模拟时长翻倍至2分钟、首次实现音视频同步生成，游戏股再迎AI冲击阅读原文
谷歌推出新一代世界模型Genie 4，将最长模拟时长延长至2分钟，并首次实现音视频同步生成，用户还可通过自然语言实时改变虚拟环境、操控镜头和添加角色。谷歌正探索其在游戏设计、影视制作、教育和机器人训练等领域的应用。 美东时间10月27日周二，谷歌宣布，Genie 4是其迄今最逼真、交互能力最强的世界模型。与主要根据提示词生成视频片段的传统视频生成模型不同，Genie 4能够根据文本指令构建可探索的虚拟环境，并在用户持续输入指令时实时调整场景，让用户不仅能够观看AI生成的世界，还能进入其中与环境互动。 Video Player is loading.Loaded: 97.27%Current T...
- 2026-10-28 00:30 | TechCrunch：Google’s Genie 4 world model adds audio, more realistic worlds, and real-time steering阅读原文
Google DeepMind released its newest world model, Genie 4, in research preview on Tuesday. The latest model generates the most photorealistic and interactive worlds yet, allowing users to type prompts mid-simulation to change the scene. The model also generates real-time audio that matches the simula...