Google DeepMind于周二发布了其最新版世界模型Genie 4的科研预览版。该最新模型生成了迄今为止最为逼真且交互性最强的世界，允许用户在模拟过程中输入提示以实时改变场景。此外，该模型还能生成与模拟世界相匹配的实时音频，包括音乐、环境音效以及交互式对话。
Genie 4 的发布，正值 AI 视频初创公司 Runway 推出其第二代世界模型 GWM Worlds 2 之后的几个月。GWM Worlds 2 是一款可交互的模型，能够对用户输入作出动态响应，并支持音频生成。与此同时，世界模型行业正开始走向整合：李飞飞领导的 World Labs 正被 AMD 收购，亚马逊正在洽谈收购 Decart，而 Rivian 则刚刚收购了 Third Dimension，以便将仿真能力纳入公司内部，用于自动驾驶测试。
Genie 4 是 Google 在竞争激烈的领域中保持领先地位的最新举措。
Google 在一年多前发布了其前身 Genie 3，作为一项研究预览版。除了更加逼真、支持音频之外，Genie 4 还允许进行自由形式的编辑，例如实时更改天气或摄像机角度，或添加新的人或物体。它能够保持场景的一致性长达两分钟，是其前身的两倍，并且在物理效果和人物表现上都更为出色。
Gemini，作为谷歌的AI模型，也与Genie 4实现了更紧密的集成，充当导演的角色，在Genie生成视觉效果的同时规划步骤并检查帧数。在一项与Gemini Robotics相关的研究实验中，一个Gemini 4 Argon模型将任务分解为若干步骤，而Genie 4则对这些步骤进行了实时模拟。该实验展示了一种可能的途径：在机器人场景于现实世界中发生之前，先在仿真环境中对其进行测试。
“未来我们将越来越多地看到这类混合世界模型，其中既有 Gemini 编写代码和文本，又有 Genie 实时摄取这些内容，并在不同抽象层次上模拟现实，”谷歌研究总监 Tejas Kulkarni 在一次简报会上表示。
与其他世界模型一样，其面向商业的典型应用场景包括游戏、互动式学习和机器人技术。一个关于互动式学习的设想性案例是：用户可以走进一幅描绘历史场景的画作，并与画中的人物就画面所呈现的事件进行对话。
但“可信测试者”——那些最早获得谷歌前沿产品访问权限的人——正在指出一种可能的新用途：用于原型制作的影片。
“在那些保持创意空间流畅状态尤为重要的领域，实时性显得格外宝贵，”Google DeepMind 的工程师迭戈·里瓦斯在一次新闻发布会上表示。“例如，在构思阶段、分镜脚本制作阶段——任何时候你都需要快速产生创意时。”
Google 还推出了 Veo，这是一款人工智能视频生成模型，能够根据文本、图像或视频提示生成带有内置同步音频的高清视频片段——这一工具在电影制作人中越来越受欢迎。
里瓦斯补充说，用户最终可以依靠 Gemini Omni——一种能够从图像、音频和文本生成视频的多模态大型语言模型——将这些原型转化为创意资产。不过，他表示，这些功能距离实现仍有一段距离。
在整个发布会上，里瓦斯强调，Genie 4目前仍处于早期阶段，端到端的产品体验尚不明确。团队也承认，Genie 4仍然存在一些不足：随着仿真运行时间的延长，细节和物体可能会发生漂移；此外，他们尚未完全解决如何确保音频的准确性以及确保游戏内文本的可读性等问题。
Gemini 4 现已作为面向可信测试者的研究预览版推出。在未来几周内，该模型将向 Google AI Ultra 订阅用户在 Project Genie 中开放使用，Project Genie 是 Google 的一款 AI 工具，可通过文本或图像提示生成交互式世界；同时，它也将向 Gemini API 和 Google AI Studio 的早期访问合作伙伴开放。
当您通过我们文章中的链接进行购买时，我们可能会获得一小笔佣金。这不会影响我们的编辑独立性。
高级记者
丽贝卡·贝兰是TechCrunch的资深记者，主要报道塑造人工智能领域的商业、政策及新兴趋势。她的文章还曾刊发于《福布斯》《彭博社》《大西洋月刊》《每日野兽》等媒体。
您可以通过发送电子邮件至 [email protected]，或通过 Signal 上的加密消息账号 rebeccabellan.491 联系 Rebecca，或核实她的外联信息。
购买一张通行证，第二张免费。在TechCrunch年度终极创业者训练营中，带上您的联合创始人或合作伙伴，即可免费参加，覆盖更广的范围。请在BOGO优惠到期前预订。
最受欢迎
Grok发布了其AI生成的《奥德赛》前七分钟内容
安东尼·哈
人工智能坟场：一份持续更新的未竟项目与初创企业名单
劳伦·福里斯塔尔
Warhound 融资2亿美元，用于研发战争犬并为其配备 Anduril 的装备
多米尼克-马多里·戴维斯
优步让全部3万名员工使用ChatGPT Work
卢卡斯·罗佩克
Airbnb限制住客的家务任务，引发房东强烈反弹
劳伦·福里斯塔尔
特斯拉在加州启动Optimus机器人的生产，与此同时利润下滑43%
基尔斯滕·科罗塞克
肖恩·奥凯恩
互联网正经历着极其糟糕的网络安全日
萨拉·佩雷斯