Jemiboo Magazine

谷歌Genie 4是什么?能生成声音的世界模型有何不同

谷歌DeepMind于2026年10月27日发布实时世界模型Genie 4,并开始以研究预览版形式向部分测试用户开放。

Jemiboo Magazine

· 阅读约 4 分钟

其他语言版本한국어EnglishEspañol繁體中文日本語

要点速览(截至2026年11月2日)

  • Genie 4是谷歌实时世界模型中首个能随画面同步直接生成音乐、环境音和对话等音频的模型,用户还可以通过文字改变天气或添加人物。
  • 谷歌计划通过Project Genie向Google AI Ultra订阅用户,以及向Gemini API和Google AI Studio的部分合作伙伴逐步开放Genie 4,但截至2026年11月2日尚未公布具体日期。
玻璃立方体中正在生成虚拟风景的世界模型示意图

上周谷歌的新闻不只有Gemini 4 Carbon。早一天,DeepMind发布了名为Genie 4的世界模型。它能根据一段文字或一张图片生成可交互的虚拟世界,这一次还能直接生成声音。目前仍处于测试阶段,这里整理一下它进展到了哪一步。

1. 谷歌Genie 4是什么样的模型

世界模型是一种根据用户操作实时生成下一个画面的AI模型。它不是播放事先做好的视频,而是在你用键盘向前走时生成前方的景色,在你转头时生成侧面的景色。 Genie 4在此基础上增加了三项能力。 第一是声音。风声、海浪、乐器演奏和角色对话都由模型直接生成,无需另外制作音效。谷歌表示,在其实时世界模型中,Genie 4是第一个直接生成音频的。 第二是运行中修改。只要输入“让天下雨”这样的文字,天气就会改变,镜头会移动,还可以加入新的人物或物体。 第三是会回应的人物。虚拟人物会根据用户的输入和周围的情况把对话继续下去。

对比项Genie 3(2025年8月发布)Genie 4(2026年10月27日发布)
画面生成实时生成虚拟世界实时生成,真实感和动作表现提升
音频无直接生成音乐、环境音和对话
运行中修改发布时有演示,但Project Genie中未提供用文字修改天气、镜头、人物和物体
普通用户2026年1月通过Project Genie向美国Ultra订阅用户开放研究预览版,正式开放时间未定
水印-所有视频和音频均加入SynthID

2. 先在虚拟世界里训练机器人

这次发布中最值得关注的不是电影或游戏,而是机器人。 谷歌把Genie 4与Gemini结合,让多步骤任务在虚拟环境中完成。Gemini 3.8 Flash把目标拆分成若干步骤,并通过观察生成的画面确认每一步是否完成;Gemini 4 Argon以文字形式下达指令,再由Genie 4把相应场景呈现出来。 演示的例子是人形机器人Apollo下西洋跳棋。这并不是让真实机器人动起来的实验,而是在虚拟世界中完成的模拟。 在现实中测试机器人需要场地、设备和时间。如果能先让机器人在虚拟世界里经历大量情境,就有望降低研发成本,这也是业界关注世界模型的原因。

真实机器人与虚拟模拟中的机器人并排对照的插图
虚拟风景实时生成、天气随之变化的画面

3. 什么时候能用,谁能用

目前只有谷歌挑选的部分测试用户可以使用。谷歌表示今后将向Project Genie的Google AI Ultra订阅用户,以及Gemini API和Google AI Studio的抢先体验合作伙伴开放,但没有给出具体日期。 此前的Genie 3也走过类似的路。它于2025年8月发布,直到2026年1月29日才以“Project Genie”的名义向美国18岁以上的Ultra订阅用户开放,每次最多体验60秒。美国以外的用户想亲自试用Genie 4,很可能还要等更久。

时间内容
2025年8月发布Genie 3(研究用途)
2026年1月29日Project Genie向美国Google AI Ultra订阅用户开放
2026年10月27日发布Genie 4,向测试用户提供研究预览版
计划中(日期未定)Project Genie的Ultra订阅用户,Gemini API与AI Studio合作伙伴

4. 仍然存在的局限

谷歌也明确列出了局限。运行时间变长或反复多次修改后,物体的外观和位置可能会逐渐发生变化。 复杂的物理现象、实时声音的准确性、画面中的文字、空间关系以及长时间的一致性,目前仍是有待研究的课题。 Genie 4生成的所有视频和音频都带有谷歌的AI识别水印SynthID。这一做法看来是考虑到了逼真的伪造视频可能增多的担忧。

这和谷歌对待Gemini 4 Carbon的做法似乎一脉相承,那款模型同样没有一次性向所有人开放。越强的模型,越是先向少数人开放,再慢慢扩大范围。能同时生成画面和声音的虚拟世界会如何改变游戏和机器人开发,恐怕要等它向Ultra订阅用户开放之后才能看清楚。

常见问题

谷歌Genie 4现在能用吗?

截至2026年11月2日,Genie 4仅以研究预览版形式向谷歌挑选的部分测试用户开放。谷歌表示将扩大到Project Genie的Ultra订阅用户和API合作伙伴,但尚未公布日期和开放国家。

世界模型和AI视频生成有什么区别?

AI视频生成是一次性生成固定时长的视频。世界模型则会在用户每次移动或下达指令时实时生成下一个画面,用起来就像亲自在虚拟空间里走动。

怎么知道视频是不是Genie 4生成的?

谷歌表示,Genie 4生成的所有视频和音频都嵌入了SynthID数字水印。水印肉眼看不见,但可以用谷歌的检测工具确认内容是否由AI生成。

参考资料

  1. Google DeepMind,Genie 4: a new generation of world simulation(2026年10月27日)
  2. ZDNet Korea,谷歌发布世界模型Genie 4,打造训练机器人的虚拟世界(2026年10月28日)
  3. Google DeepMind,Genie 3发布(2025年8月)
  4. Google,宣布向Google AI Ultra订阅用户提供Project Genie(2026年1月29日)

人工智能谷歌Genie 4Genie 4世界模型谷歌DeepMindProject Genie

同日其他文章

更多科技文章