AI 视频2026年11月7日

Google DeepMind 发布 Genie 4 世界模型，称其原生支持音频生成

2026 年 10 月 27 日，Google DeepMind 在官网发布新一代世界模型 Genie 4。公司称该模型原生支持多模态，可同时生成画面、声音与环境音，并支持在模拟中实时交互。

AISTETIKA 编辑部

本文由人工智能辅助生成

发布了什么

Google DeepMind 将 Genie 4 定位为新的世界模型，并称其原生支持多模态。按官方说法，模型可以一边生成模拟世界，一边生成类似音乐的音频、环境噪声和交互对话。公司还表示，Genie 4 是它首个原生生成音频的实时世界模型，并引入了可随时调整的交互对话。

在技术构成上，Google DeepMind 称 Genie 4 沿用并扩展了 Gemini 系列的能力。其中 Gemini Omni 用于让模拟在真实世界的外观与行为上有所依托，其他 Gemini 模型提供推理能力，以帮助维持模拟的连贯与连续。

按官方描述，用户通过常规键盘操作完成移动与镜头控制，并用文字提示推动场景发展。用户设定一个事件后，Genie 4 会推演接下来发生的情况。

用户也可以用自然语言实时修改模拟，Gemini 会结合周围场景对提示做上下文调整。官方演示中的全部音效均由 Genie 4 直接生成。

对短视频和 AI 短剧创作者来说，可交互、可即时修改的模拟环境，可能为分镜预演和场景测试提供一种新思路，实际效果仍需自己验证。

不过，Google DeepMind 尚未说明谁能使用 Genie 4、是否对外开放、价格如何，也未公布支持的语言、硬件与延迟要求以及安全限制。它是否进入日常创作流程，还需要等待更多信息。

来源

本文说明：正文由人工智能根据来源材料撰写，经与来源比对并由编辑审核。配图由人工智能为 AISTETIKA 生成，并非新闻画面。