谷歌最近正式发布了新一代的通用世界模型Genie 4，这是迄今为止最沉浸、最具交互性的AI世界模型。用户只需一句提示，就能立即生成一个生动的“活体宇宙”。谷歌的CEO在发布会上表示，这一技术标志着从“生成视频”到“实时运行世界”的转变，开启了一个全新的时代。Genie 4的特点是首次能够生成声音和进行即兴对话，还能同时创建环境音和配乐，让角色根据发生的变化即时响应。
该模型延长了连贯世界的维持时间，可达到约两分钟，同时交互流畅度稳定在24帧每秒。通过Gemini Omni技术，这一版本在微表情、镜面反射及物理互动方面达到了新的高度。模型的三大组件协同工作，使得用户在实时交互中能够感受到世界的变化。谷歌已经开始对Genie 4进行内测，用户可以申请加入测试。
为了展现Genie 4的强大能力，谷歌还提供了一系列震撼的演示。用户不再是简单的旁观者，而是身处于这个世界的“上帝”，可以通过输入简单的指令来改变场景。演示中，用户输入的指令能够立即引发惊人的效果，例如在香港的场景中输入“背景爆炸”，立刻就能看到维港天际线上的火光和外星生物的入侵。 开云下载
尽管去年的Genie 3开创了实时交互的先河，但在声音和真实感方面存在不足，而Genie 4则通过Gemini Omni进行了一次重大的优化，生成的角色和场景细节相当惊艳。参与测试的机构也分享了他们的体验，用户能够通过自然语言实时修改场景，创造出令人信服的画面。
这一新技术的真实模拟潜力使得用户可以引入新的元素或修改天气等，带来类似于梦境的体验。例如，输入“鲸尾出现”，水下就会立刻出现鲸鱼，用户的反馈能够迅速影响到正在进行的场景。更令人振奋的是，以第一人称视角下的互动体验，使得一切都更加生动和真实。这一新模型无疑是AI和虚拟现实领域的一次重要突破。
留言框-
