据多家科技媒体报道,Google DeepMind 向符合条件的 Google AI Ultra 订阅用户开放世界模型 Genie 4,可用自然语言实时修改生成的交互式 3D 世界,并首次支持原生音频。

如果说视频生成模型是「拍一段别人看的片子」,那么 Google DeepMind 开放的 Genie 4 想做的是「造一个你能走进去、还能随手改动的世界」。据多家科技媒体报道,这款世界模型已向符合条件的 Google AI Ultra 订阅用户开放,纳入 Project Genie 体验,Google AI Pro 会员可加入候补名单。
它不是视频,而是可交互的世界
传统视频生成产出的是固定帧序列,用户只能看;而世界模型生成的是可交互环境。据介绍,Genie 4 能从文本或图像提示生成一致的 2D 或 3D 场景,用户在其中探索时,场景会随视角与操作保持连贯。对机器人、自动驾驶这类需要大量训练环境的领域,可交互仿真环境一直是成本高昂的一环。
实时编辑:边探索边改
最受关注的点是实时修改:订阅者可以在探索的同时,用自然语言输入提示,直接改动世界的结构或物理规则。这把「生成」从一次性动作变成持续对话——觉得这面墙该开门、这个星球重力该小一点,说一句话就行。交互一致性,正是这类模型真正的难点。
原生音频与社区二创
据科技媒体报道,这一版本首次支持原生音频输出,并配套社区作品库,用户可分享、二次创作他人构建的场景。音频的加入让世界从纯视觉模拟走向多感官,也让提示词设计的维度变多。
结论与建议
需要提醒的是,目前 Genie 4 仍偏研究体验性质,面向 Ultra 订阅用户,距离稳定的生产级仿真还有距离,报道中也没有给出可核验的权威基准数字,相关描述请以官方渠道为准。对普通开发者,建议先把它当成观察世界模型演进方向的窗口,而非马上能落地的工具;真正值得跟踪的信号是交互一致性、可编辑性与二创生态会不会持续改善。
皮皮 AI 导航
AI 工具榜