Google DeepMind推出支持声音和世界编辑的Genie 4——TechCrunch

Google DeepMind推出了用于生成交互式虚拟世界的Genie 4模型，目前处于研究预览阶段。该模型可生成同步音频——音乐、背景噪声和对话——并允许用户在模拟过程中直接输入文本指令来改变场景，据TechCrunch报道。

在模拟过程中改变场景

借助Genie 4，用户可以实时改变天气和摄像机视角，也可以向虚拟环境中添加人物或物体。该模型能够保持单个场景的一致性长达两分钟——是其前身Genie 3的两倍。开发人员还表示，模拟物理效果得到改进，角色也更具人类特征。

Gemini模型与Genie 4的集成更加紧密：Gemini负责规划动作序列并检查画面，而Genie生成视觉部分。在一项与Gemini Robotics相关的研究实验中，Gemini 4 Argon模型将任务分解为多个步骤，Genie 4则实时模拟这些步骤。这种方法可用于在机器人于真实环境中执行之前，在模拟中测试相关场景。

更多最新消息请关注 UA.News Telegram 频道 Telegram.

潜在应用领域

Google列举的Genie 4潜在应用包括游戏、互动学习和机器人技术。最先获得该产品访问权限的测试人员也将该模型视为制作电影原型的工具，包括在构思和准备分镜阶段。

与此同时，Google DeepMind承认该模型存在局限性：在长时间模拟中，细节和物体可能逐渐失去稳定性，而虚拟世界内的声音准确性和文本可读性仍需改进。目前，Genie 4已向受信任的测试人员开放，并计划在未来几周向Project Genie中的Google AI Ultra订阅者，以及获得Gemini API和Google AI Studio早期访问权限的合作伙伴开放。