谷歌 Genie 4 世界模型开放体验:边玩边改天气、召唤角色,所见皆可互动

多模态 2026-11-19 21 0

今年 10 月底,谷歌 DeepMind 首次亮出 Genie 4 世界模型时,它还只对一小批受信任的测试者开放。不到一个月,这扇门敞开了:谷歌面向符合条件的 Google AI Ultra 订阅用户推出全新 Project Genie 体验,首次开放 Genie 4 访问权限。这一次,不只是「能看到一个生成的世界」,而是可以在世界里边玩边改——切换天气、召唤角色、重写剧情,全都在会话进行中实时完成。

从实验原型到开放体验:Project Genie 这次升级了什么

Google DeepMind 官宣 Genie 4 开放的推文截图,配图为萨克斯实时演示画面,对应「边玩边改」小节

Project Genie 最早于今年年初以实验性研究原型的身份亮相,用户可以在浏览器里生成并探索交互式虚拟世界。早期测试者给出的反馈相当一致:希望能对世界内发生的内容有更强的控制力,同时建造和分享也要更方便。这次的全新版本正是冲着这两点来的。

按官方的说明,本次更新包含四个部分:首次开放 Genie 4 世界模型、带来 Genie 3 的一揽子升级、新增负责帮助实现创意的 Project Genie 智能体,以及用于发现、探索和二次创作的社区画廊。Project Genie 把谷歌最先进的世界模型与 Gemini 系列模型整合在一起,用户直接在浏览器中生成、进入并塑造虚拟世界,不需要任何额外安装。

边玩边改:打字就能切天气、召唤角色

The Life of Ants 蚁群视角演示画面,Genie 4 照片级真实感,对应社区画廊小节

Genie 4 是谷歌迄今最逼真、交互性最强的世界模型,最大的变化是支持会话中途修改世界。你在探索世界的过程中直接输入新的提示词,环境就会实时编辑——切换天气、添加角色、改变动作走向,都可以在画面持续演进的当下完成。比如下雪、起雾、让远处的海盗船驶入视野、让钢琴手加入演奏,甚至召唤一群飞鸟掠过天空,都是一句话的事。

这背后的逻辑是双模型协作:Gemini Omni 负责把模拟锚定在真实世界的外观和行为上,其他 Gemini 模型则提供复杂推理,帮助维持模拟的连贯性。官方博客提到,Gemini 3.8 Flash 在生成环路中担任引导角色——它会结合上下文调整你的提示词以匹配周围场景,在你的两次输入之间持续监控画面,让世界保持连贯推进。你发起一个事件,Genie 4 负责模拟接下来发生什么:世界如何响应、听起来是什么样、其中的人如何移动和说话。

官方也坦言它仍是前沿研究阶段的技术:连续交互支持几分钟而非超长会话,运行时间变长或多次复杂编辑后,视觉细节和物体的持久性可能出现漂移;相机延迟、复杂物理交互、实时音频精度与长期场景保持,都是谷歌正在攻关的方向。

原生音频:世界自己会发声

Villa Giallo 哥特庄园书房场景,Genie 4 逐房间交互悬疑演示,对应社区画廊小节

Genie 4 是该系列首款原生生成音频的实时世界模型。背景音乐、环境音效、可对用户行为作出反应的互动对话,全部与画面同步生成,而不是后期叠加。风声、水声、乐器声都来自场景内真实存在的声源,声音会随场景推进动态适配——走进森林是鸟鸣,潜入水下遗迹是低沉的回响。官方演示中,湖面平台上萨克斯手的演奏与远处风声、水波声交织,全部由模型直接产出。

Genie 3 并未退场:3 分钟长会话与全景图种子

Genie 4 官方宣传图 Where next,气泡内为鹤在雪原的生成画面,对应订阅门槛小节

Genie 4 提供最高保真的视觉、物理效果与原生音频,但 Genie 3 仍保留在模型选择器中,适合需要更长探索时间或以全景图为底子的场景。本次 Genie 3 的升级主要有三项:

  • 扩展会话时长与世界串联:单次生成可探索时长从 60 秒提升至最多 3 分钟,还能把多个世界串联成一段更长的旅程;
  • 360 度全景图 grounding:可以把全景图作为种子生成新世界,视角转动时峡谷与古建筑立面保持一致;
  • 世界内实时事件:探索过程中通过自然语言提示动态改变环境,官方演示里一路飞过森林、水下遗迹和冰封海域,途中还能召唤一条龙当坐骑。

Project Genie 智能体:把创作变成对话

新版智能体把创作能力从单条文本或图片提示拓展开来,打造一个交互式宇宙变得像聊天一样简单。你只需用自然语言描述想法,智能体就会调度谷歌的多模态模型套件,生成奠定世界风格的初始视觉画面,再配上贴合氛围的定制背景音乐。

探索过程中还可以把 Gemini 模型拉进会话:它会观察屏幕上发生的内容,弹出上下文相关的建议选项,或随旅程推进自动触发世界内事件。官方举的例子包括把一句提示变成交互式太空行走、随指令召唤外星飞船,或是把山坡咖啡馆改造为沙漠中的玻璃凉亭。创作完成后,一键发布到画廊即可。

社区画廊:蚂蚁视角与哥特庄园任你逛

如果不想从零开始,新版画廊集合了大量精选世界与社区创作成果。在「Living Memory」里,个人照片能变成可探索的空间;在「Dino Field Guide」中漫游基于 360 度全景的史前栖息地;「Rock Paper Scissors」则让 Gemini 担任实时裁判,围观桌面物品的对决。

画廊还展示了与早期获得工具使用权的创作者合作的作品:与创意技术专家 Will(即 BLVCKL!GHT)合作打造的「Villa Giallo」,用 Genie 4 把哥特式庄园变成逐房间推进的交互悬疑空间;与电影制作人 Anand Gandhi 合作的「The Life of Ants」,借助照片级真实感让用户以蚂蚁的视角钻进复杂的蚁群。看中别人的世界也没问题——和智能体一起对它进行二次创作,调整底层世界结构、配乐或规则,就能变成你自己的版本。

订阅门槛与安全护栏:Ultra 即刻可用

从 11 月 19 日起,符合条件的 Google AI Ultra 订阅用户即可体验全新 Project Genie,Google AI Pro 会员可以在同一页面加入等待名单。安全方面,谷歌表示 Project Genie 中生成的所有视频与音频都带有 SynthID 水印,所有模型输入与输出都会经过安全筛查,并在发布前完成了内部安全评估。

世界模型赛道:不止谷歌一家在做

世界模型的本质,是让 AI 不只生成一段视频,而是即时生成可交互、可持续演进的环境。这条赛道上选手不少——英伟达此前开源的 Cosmos 走的是物理仿真路线,与 Genie 面向消费端交互体验的定位各有侧重,站内此前已有专文介绍,此处不再展开。谷歌则把世界模拟视为通向通用人工智能的关键一环:既可以为机器人和智能体开发安全的训练环境,也可以服务影视预演、游戏原型等创作场景。对普通用户来说,这是第一个「打开浏览器就能逛」的高保真世界模型,门槛已经降到了一张订阅卡。

网友热议

  • 「去年还只是 60 秒的模糊小游戏,现在能改天气召唤角色还能听声,这个迭代速度太吓人了。」
  • 「Ultra 每月那点额度怕是够逛几个世界?建议谷歌按次计费,不然又要排队等刷新。」
  • 「游戏公司股价瑟瑟发抖,等它把会话拉长到半小时,试玩 Demo 就该被替代了。」
  • 「最期待 The Life of Ants 这种玩法,用蚂蚁视角看世界比传统游戏有意思多了。」

从只能看,到能玩,再到能改、能分享、能二次创作,Genie 4 这次开放把交互式世界模型从演示视频变成了人人可试的产品。至于相机延迟和场景漂移这些毛病何时被磨平,就得看接下来的迭代速度了。

相关文章

微软首款语音对语音模型 MAI Realtime 1 登场:起价每音频分钟 0.01 美元
Breeze TTS 2 官网网页版使用指南:工作台入口与每日 400 免费积分领取
BreezeBlue API Key 从申请到调用全流程:brz_ 密钥鉴权与第一段合成语音实操
Qwen3-TTS 技术深读:12Hz 多码本、首包低至 97 毫秒,一句话造出一条声线
火山引擎把视频生成价格打到0.99元一秒:Seedance 2.5 flash主打批量出片
MOSS-Live 技术深读:边听边说、边看边办事的全双工实时交互系统