谷歌 DeepMind 开放 Genie 4 世界模型:能用自然语言实时编辑的交互式 3D 世界

谷歌 DeepMind 开放 Genie 4 世界模型:能用自然语言实时编辑的交互式 3D 世界

如果说视频生成模型是「拍一段别人看的片子」,那么 Google DeepMind 开放的 Genie 4 想做的是「造一个你能走进去、还能随手改动的世界」。据多家科技媒体报道,这款世界模型已向符合条件的 Google AI Ultra 订阅用户开放,纳入 Project Genie 体验,Google AI Pro 会员可加入候补名单。

它不是视频,而是可交互的世界

传统视频生成产出的是固定帧序列,用户只能看;而世界模型生成的是可交互环境。据介绍,Genie 4 能从文本或图像提示生成一致的 2D 或 3D 场景,用户在其中探索时,场景会随视角与操作保持连贯。对机器人、自动驾驶这类需要大量训练环境的领域,可交互仿真环境一直是成本高昂的一环。

实时编辑:边探索边改

最受关注的点是实时修改:订阅者可以在探索的同时,用自然语言输入提示,直接改动世界的结构或物理规则。这把「生成」从一次性动作变成持续对话——觉得这面墙该开门、这个星球重力该小一点,说一句话就行。交互一致性,正是这类模型真正的难点。

原生音频与社区二创

据科技媒体报道,这一版本首次支持原生音频输出,并配套社区作品库,用户可分享、二次创作他人构建的场景。音频的加入让世界从纯视觉模拟走向多感官,也让提示词设计的维度变多。

结论与建议

需要提醒的是,目前 Genie 4 仍偏研究体验性质,面向 Ultra 订阅用户,距离稳定的生产级仿真还有距离,报道中也没有给出可核验的权威基准数字,相关描述请以官方渠道为准。对普通开发者,建议先把它当成观察世界模型演进方向的窗口,而非马上能落地的工具;真正值得跟踪的信号是交互一致性、可编辑性与二创生态会不会持续改善。

文中提到的术语世界模型提示词术语速查 →
未经允许不得转载:小7分享网 » 谷歌 DeepMind 开放 Genie 4 世界模型:能用自然语言实时编辑的交互式 3D 世界

评论 抢沙发

小7分享网 · 聚焦 AI 的实用博客

每天一篇,跟进 AI 行业动态、实测新工具、拆解实战教程。不堆术语,不炒概念,只写真正用得上的内容。

浏览全部文章关于本站

欢迎回来

登录 小7分享网,继续你的精彩

还没有账号?立即注册

忘记密码 ?

创建账号

注册后即可体验完整功能

已有账号?直接登录

我们将发送一封验证邮件至你的邮箱, 请正确填写以完成账号注册和激活