谷歌发布Genie4世界模型：支持两分钟实时交互、音画同步与自然语言干预

转载：https://ai.zol.com.cn/1265/12659205.html

2026-10-28 09:20:21·[  中关村在线 原创  ]·作者：一便士的月亮

谷歌于2026年10月28日正式推出新一代世界模型Genie4，官方将其定位为目前真实感表现与交互能力最为突出的版本。

区别于常规的文本生成视频模型，世界模型的核心特性在于持续模拟动态环境。它能依据用户指令实时推演并生成后续画面，支持使用者直接进入虚拟场景中进行操作与互动，而非仅被动观看一段预设完成的视频序列。

本次迭代显著提升了连续模拟能力，最长可持续运行约两分钟，较上一代Genie3延长一倍；同时首次实现音画同步输出，可同步生成环境音效、背景音乐及具备上下文响应能力的动态语音交互。

用户可通过自然语言随时干预模拟进程，例如变更天气条件、调整镜头角度、新增角色或物体等，所有指令均在运行中即时生效，无需中断当前模拟或从头开始生成。

Genie4的推理与任务规划能力由Gemini系列模型支撑，负责解析用户意图、分解执行步骤，并持续追踪场景状态变化。团队曾对旗舰级模型Gemini 4 Argon开展验证测试，但出于保障低延迟与实时响应的需求，最终部署采用更为轻量高效的Gemini 3.8 Flash版本。所有生成的音视频内容均内嵌SynthID水印，以辅助识别AI生成素材，降低误传与滥用风险。

目前，Genie4以研究预览形式面向少量经筛选的测试用户开放。未来数周内，将逐步向Google AI Ultra订阅用户开放使用权限，并通过Gemini API与Google AI Studio向部分开发者提供早期接入机会。

谷歌正联合多家合作伙伴，在多个领域推进应用探索，包括影视特效前期预演、游戏原型快速构建、历史场景沉浸式教学内容开发，以及机器人行为训练仿真等方向。

官方指出，现阶段该技术仍处于与现有工作流程融合的初步实践阶段，核心目标是拓展创意表达与问题解决的可能性边界，而非替代已有成熟生产体系。

谷歌也坦承，当前版本在长时间模拟过程中仍存在画面细节退化、物体位置偏移等问题；复杂物理交互逻辑、可辨识文字内容生成，以及跨时段场景一致性等挑战尚未完全攻克，距离构建稳定、通用、可大规模商用的模拟环境仍有提升空间。

本文属于原创文章，如若转载，请注明来源：谷歌发布Genie4世界模型：支持两分钟实时交互、音画同步与自然语言干预https://ai.zol.com.cn/1265/12659205.html