Google DeepMind正式推出Genie 4，这是一款能够实时生成具备逼真视觉效果、声音及对话的交互式三维环境的世界模型。目前，该模型以研究预览版形式，向创意产业、新闻业、教育、游戏及工程领域的受信任测试人员开放。
Genie 4深度融合了Google Gemini系列模型的能力。其中，Gemini Omni为现实世界的外观与行为提供基础支撑，其他Gemini模型贡献推理能力以确保模拟一致性，而Gemini 3.8 Flash则在复杂模拟中充当引导代理，负责任务分解、进度跟踪及计划调整。作为DeepMind首款原生生成音频的实时世界模型，Genie 4不仅能生成环境音效和交互式对话，还允许用户通过自然语言提示实时修改场景、天气、摄像机视角，或引入新物体与角色。
多行业应用前景
DeepMind计划通过Project Genie，逐步向Google AI Ultra订阅用户以及使用Gemini API和Google AI Studio的早期合作伙伴扩展访问权限。该模型的应用场景广泛，涵盖从机器人技术、AI智能体训练到游戏开发、电影制作等领域。
在具体实践中，游戏开发者可通过文本提示快速创建交互式原型，无需预先编写游戏引擎代码；电影制作人能实时调整摄像机角度、灯光、对话和动作以测试场景效果；摄影记者和研究人员则探索将档案照片转化为历史环境的交互式模拟，或用于可视化突发山洪、野火等事件。
在机器人研究方面，DeepMind尝试将Gemini 4 Argon与Genie 4结合。在一项演示中，Argon负责分解任务步骤，Genie 4实时渲染出Apptronik公司Apollo人形机器人玩跳棋的模拟画面。这种组合有助于研究人员在实际部署前，测试AI系统在环境中的导航及多步任务执行能力。
为确保内容可追溯，DeepMind强调，Genie 4生成的所有视频和音频均将嵌入SynthID数字水印，以便识别AI生成内容。