❯ Google DeepMind 发布 Genie 4，世界模拟加入原生音频与实时控制

可探索的世界开始同步发声Google DeepMind 于 10 月 27 日发布 Genie 4 世界模型，能够持续生成可探索的场景，并根据用户行动模拟后续变化。本次升级加入原生音频，让环境声、音乐和角色对话与画面一起生成。目前它以研究预览形式向受邀测试者开放。

用自然语言改写进行中的场景用户可以通过键盘导航和控制视角，也可以输入提示词改变天气、添加人物或物体，让正在运行的世界随之变化。角色能够根据用户输入和场景事件调整对话。谷歌将其用于电影预演、交互体验构思等早期测试，让创作者在同一个场景里尝试不同机位、灯光、对白和动作。

Gemini 负责观察与规划官方介绍，Gemini Omni 提供真实外观与行为方面的能力，Gemini 3.8 Flash 则在模拟过程中持续观察画面、拆解目标并检查步骤是否完成，用户介入后再调整计划。谷歌还展示了 Gemini 4 Argon 与 Genie 4 配合模拟 Apollo 人形机器人下跳棋的研究示例。这种组合在探索可供智能体互动的环境，但示例不能直接代表真实机器人已具备同等能力。

更广泛访问尚待开放谷歌公告称，后续将向 Project Genie 中的 Google AI Ultra 订阅者，以及 Gemini API、Google AI Studio 的早期合作伙伴开放，尚未宣布所有用户可用。DeepMind 同时指出，较长模拟、多次复杂编辑或场景移动仍可能导致物体和视觉细节漂移，复杂物理交互、空间准确性及长期一致性仍在研究中。

▮ SIGNAL世界模型正在把场景生成、声音和目标规划接到同一交互循环中，为创作者和智能体提供可以反复试验的环境。