Google 推 Genie 4 世界模型：打字即時改場景，角色會說話
Google DeepMind 美國時間 10 月 27 日發表新一代世界模型 Genie 4。根據 Google DeepMind 官方部落格，使用者可以用鍵盤在生成的環境裡移動，並隨時打字改變場景，Genie 4 也會同步生成環境音、音樂與角色對話。
世界模型是能模擬環境如何隨時間與互動變化的 AI 模型。Genie 4 目前以研究預覽形式，先開放給少數受信任的測試者。
打字就能即時改天氣與鏡頭，Gemini 在背後維持場景連貫
官方表示，使用者可以用自然語言即時修改模擬中的世界，例如改變天氣、移動鏡頭，或加入新的人物與物件，Gemini 會依周遭場景調整指令內容。在使用者兩次輸入之間，Gemini 也會持續監看並引導場景，讓世界連貫地往下發展。
廣告 - 內文未完請往下捲動
Genie 4 建立在 Gemini 系列的能力上：Gemini Omni 負責讓模擬的外觀與行為貼近真實世界，其他 Gemini 模型則提供維持連貫所需的推理。
處理較複雜的多步驟事件時，Gemini 3.8 Flash 會擔任引導代理，一邊觀察 Genie 4 即時生成的畫面，一邊把目標拆成步驟、檢查每一步是否完成；使用者中途介入時，它也會即時調整計畫。
物理方面，官方稱 Genie 4 能模擬空氣動力、碰撞等情境，最大的進步在於人物，角色動作更自然，也會對環境做出反應。
第一個原生生成聲音的即時世界模型，角色能即時對話
官方說明，Genie 4 是 Google DeepMind 第一個能原生生成聲音的即時世界模型，每個場景都帶有自己的環境音，從樹林的風聲到海浪拍岸。角色也能即時對話，回應使用者的輸入或場景中發生的事件。
Google 表示，模擬世界是邁向通用人工智慧（AGI）的關鍵一步，可以用來建立機器人與 AI 代理的訓練環境。官方展示了以 Gemini 4 Argon 搭配 Genie 4，模擬 Apptronik 的 Apollo 人形機器人下西洋跳棋，由 Argon 把任務拆成步驟，再交給 Genie 4 即時呈現。
Google DeepMind 也說明早期測試者的用法。電影工作者把它當成前期構想的草稿工具，在即時模擬中反覆調整鏡位、燈光、對白與動作；攝影記者測試把一張歷史照片轉成該地點的模擬場景；遊戲開發者則用它在寫程式之前，先做出可探索的原型。
先開放少數測試者，官方坦言長時間模擬仍會走樣
Google 表示，Genie 4 已開放給少數受信任的測試者，接下來會開放給 Project Genie 的 Google AI Ultra 訂閱者，以及 Gemini API 與 Google AI Studio 的早期合作夥伴，目前可以加入等候名單。
Genie 4 生成的所有影像與聲音都會加上 Google 的 SynthID 隱形數位浮水印，用來辨識 AI 生成內容。官方也表示，開放預覽前已做過內部安全評估。
官方坦言 Genie 4 仍是早期的實驗模型。模擬時間一長、經過多次複雜修改，或在場景中四處移動後，畫面細節與物件可能會逐漸偏移；複雜的物理互動、即時聲音的準確度、畫面中的文字，以及長時間的一致性，都還在研究中。
華頓商學院教授 Ethan Mollick 試用後在 X 上表示，Genie 4 還有些小毛病，但跟幾年前相比，已經是難以想像的進步。
風險提示
加密貨幣投資具有高度風險，其價格可能波動劇烈，您可能損失全部本金。請謹慎評估風險。
