Today for AI
返回热点榜
llm热度 30.0°

AI 聚合热点事件 · 2026/10/28

谷歌发布 Genie 4 实现多模态实时世界模拟

10 篇收录报道6 家独立信源交叉印证持续跟踪至 2026/10/28 07:55:48
全景综述与最新动态
6 家信源交叉印证

谷歌 DeepMind 正式推出新一代世界模型 Genie 4，标志着 AI 从静态内容生成向动态、交互式虚拟环境构建的关键跨越。该模型首次实现了原生多模态实时模拟，不仅能同步生成高保真视觉画面，还具备输出环境音效、背景音乐及人物对话的能力，显著提升了虚拟世界的物理一致性与行为连贯性，被视为迈向通用人工智能（AGI）的核心基础设施。

在技术架构上，Genie 4 深度集成 Gemini 家族能力，利用 Gemini Omni 进行视觉锚定以确保现实感，并引入 Gemini 3.8 Flash 作为“循环导演”，负责目标分解与帧一致性检查。这一机制允许用户通过自然语言指令实时干预正在运行的模拟场景，如修改天气或镜头视角。此外，单次交互体验时长已从上一代的 1 分钟延长至约 2 分钟，并在 Apptronik 人形机器人仿真中完成了初步验证。

Genie 4 的发布加剧了世界模型赛道的竞争格局，为游戏开发、机器人训练及沉浸式内容创作提供了无需预渲染的全新范式。其强调的实时可控性与高沉浸感，不仅降低了交互式虚拟环境的构建门槛，也为开发者探索具身智能与复杂系统模拟提供了强有力的工具支持。

最新动向/谷歌 DeepMind 推出研究预览版世界模型 Genie 4，具备高拟真可交互虚拟世界生成能力。该模型首次实现音视频同步生成并支持实时场景编辑，计划向 AI Ultra 订阅用户开放。

逐小时热度走势

47 个完整观测小时
当前
30.0
峰值
112.408:00
近 24h 变化
-61%

曲线只比较全程持续完整观测的同一批信源；缺口小时数据已插值平滑，保持趋势连续。

报道时间线

共 10 篇 · 最新优先
  1. IT之家 · IT业界T2·35 分

    谷歌发布 Genie 4 世界模型 支持音视频同步生成

    原标题：IT早报 1028：张一鸣以 6700 亿元刷新中国首富财富纪录；谷歌推最强世界模型 Genie 4；苹果推 M6 芯片 14 寸 MacBook Pro；小米 REDMI K100 手机发布...

    • Genie 4 是谷歌推出的研究预览版世界模型，支持高拟真可交互虚拟世界生成
    • 首次实现音视频同步生成，并支持实时编辑场景
    • 计划向 AI Ultra 订阅用户开放
  2. IT之家 · 智能时代T2·88 分

    谷歌发布 Genie 4 世界模型 支持实时自然语言交互与原生音频生成

    原标题：实时“导演”世界：皮查伊称 Genie 4 是谷歌迄今最逼真、最具互动性的 AI 世界模型

    • 实现实时自然语言改写：用户可在模拟运行中通过文本指令动态调整场景元素（如天气、镜头），系统基于上下文演化而非重新生成。
    • 首个原生音频世界模型：DeepMind 首次在实时模拟中同步生成音频与画面，增强了沉浸感。
    • 混合架构愿景：未来将结合 Gemini 的任务规划能力与 Genie 4 的世界渲染能力，形成可交互的虚拟沙盒。
  3. IT之家 · 智能时代T2·85 分

    谷歌发布 Genie 4 世界模型，支持音视频同步与实时交互

    原标题：谷歌推出最强世界模型 Genie 4：一句话创造可交互虚拟世界，首次实现音视频同步生成

    • 首次实现虚拟世界中音乐、环境音及对话的实时同步生成
    • 支持通过提示词进行天气、镜头角度等自由形式的实时场景编辑
    • 与 Gemini 深度集成，Gemini 负责规划校验，Genie 4 负责视觉生成，提升仿真连贯性至两分钟
  4. The DecoderT2·78 分

    DeepMind 发布 Genie 4 实时生成带音频交互世界

    原标题：Google Deepmind's Genie 4 puts a modern spin on agent designs that predate LLMs

    • Genie 4 支持实时逐帧生成交互环境，并首次直接生成匹配的背景音频和角色对话。
    • Gemini 模型在后台负责多步任务规划，使模拟世界能根据文本提示和条件变化动态调整。
    • 作为实验性研究模型，其在长会话和复杂物理模拟方面仍有局限，目前仅限特定测试者访问。
  5. Rohan Paul (@rohanpaul_ai)T2·88 分

    DeepMind 发布 Genie 4 实时世界模型 支持原生音频与交互编辑

    原标题：> Genie 4 is Google DeepMind’s first real-time world model with native audio, generating ambient sou...

    • Genie 4 实现了实时世界模型的原生音频生成，包括环境音和角色对话。
    • 引入“循环导演”机制，利用 Gemini 3.8 Flash 进行任务分解和帧一致性检查。
    • 支持用户通过自然语言实时干预和重写正在运行的模拟场景。
  6. TechCrunch AIT2·88 分

    Google 发布 Genie 4 世界模型，支持实时音频与交互引导

    原标题：Google’s Genie 4 world model adds audio, more realistic worlds, and real-time steering

    • Genie 4 支持在模拟运行时通过文本提示实时修改场景内容。
    • 模型能同步生成与环境匹配的实时音频，包括背景音乐、环境噪音和角色对话。
    • 世界模型赛道正经历并购整合，Google、Runway 等玩家加剧竞争。
  8. Google DeepMindT1·88 分

    谷歌发布 Genie 4 实现多模态实时世界模拟

    原标题：Genie 4: A new generation of world simulation

    • Genie 4 是原生多模态世界模型，能同时生成视觉画面、环境音效及人物对话。
    • 底层架构深度集成 Gemini 家族，利用 Gemini Omni 确保现实外观锚定，其他模型负责逻辑推理以维持模拟连贯性。
    • 支持用户设定初始事件后，系统自动推演后续世界响应，具备极高的实时交互潜力。
  9. Ars Technica AIT2·88 分

    DeepMind 发布 Genie 4 世界模型 提升物理仿真与人类交互真实度

    原标题：DeepMind unveils Genie 4 world model promising more realistic physics and humans

    • Genie 4 大幅提升了物理引擎的真实感和人类动作模拟的细腻度
    • 模型支持通过文本指令直接生成交互式虚拟环境，无需传统编程或预渲染
    • DeepMind 将世界模型定位为通往人工通用智能（AGI）的核心路径之一
  10. The Verge AIT2·68 分

    Google 发布 Genie 4 世界模型 支持实时交互与音频生成

    原标题：Google’s next Genie AI model generates more realistic experiences

    • Genie 4 允许用户通过自然语言提示词实时修改正在生成的交互式世界体验。
    • 模型底层集成 Gemini 3.8 Flash，并新增了为视觉场景同步生成音频的能力。
    • 单次生成的交互式体验时长从上一代的 1 分钟提升至约 2 分钟。