Genie 4：一句提示詞生成可互動世界

發布概況

Google DeepMind 公布新一代通用世界模型 Genie 4。官方將其定位為該公司迄今最逼真、最具互動性的 AI 世界模型，用戶僅需一句提示詞，即可實時生成並運行可互動的動態虛擬世界。

行政總裁皮查伊在發布後隨即表示，人工智能正由生成一段影片，進展至實時運行一個世界。官方稱此舉標誌通用世界模型邁向實用化的新階段。

聲音與即興對話

Genie 4 是 Genie 系列首個原生支援聲音生成的版本。模型可同步產生環境音與配樂，聲音元素隨場景一同出現，令虛擬世界不再僅以畫面形式呈現。

場景中的角色具備即時應答能力，遇到突發狀況時能開口即興交談。對話與場景變化及用戶輸入互相配合，互動方式由單向指令擴展至雙向溝通。

記憶與連貫性

在運行連貫性方面，模型具備約兩分鐘的連貫長記憶，畫面以每秒二十四幀生成。世界狀態在運行過程中得以延續，角色與環境可隨輸入即時演化。

長記憶令世界內發生的事件得以累積並影響後續發展，避免各段畫面出現斷裂。用戶在較長時間的互動過程中，可維持連貫、不輕易中斷的體驗。

模型定位

Genie 系列自首代起便以生成可互動環境為發展方向。此代加入原生聲音、即興對話與長記憶後，模型能力由單純影像生成，擴展至可持續運行的環境模擬。

官方表示，通用世界模型的意義在於令人工智能由生成靜態內容，轉為運行可互動環境。這種由輸出影片到輸出世界的轉變，被官方視為通用世界模型實用化的重要節點。