谷歌发布Genie 4世界模型,支持实时音频与提示驱动事件

谷歌宣布推出Genie 4,这是其迄今最逼真、最具交互性的世界模型,能够实时操控动态环境,并生成与场景匹配的原生音频,包括可实时对话的角色。该模型可模拟照片级真实场景与真实世界物理规律,并通过Gemini的推理能力生成更连贯的多步骤事件。该模型已作为研究预览版向可信测试者开放,并将很快面向Project Genie中的Google AI Ultra订阅用户,以及通过Gemini API和AI Studio接入的早期访问合作伙伴提供。
事件版本 1.
Key insights
实时环境控制
Genie 4能够实时操控动态环境,塑造事件、摄像机角度和动作。一段演示展示了关于绿灯的提示如何引导Gemini推理信号变化过程,随后引擎轰鸣,摩托车沿着海岸加速行驶。
原生音频生成
该模型可生成与场景匹配的原生音频,从逼真的背景音效到能够实时对话的角色。
照片级真实物理与多步推理
Genie 4可模拟照片级真实场景与真实世界物理规律,并通过Gemini的推理能力生成更连贯的多步骤事件。
发布与可用性
Genie 4已作为研究预览版向可信测试者开放。该模型将很快面向Project Genie中的Google AI Ultra订阅用户,以及通过Gemini API和AI Studio接入的早期访问合作伙伴提供。