跳转到内容
主站 新闻 控制台

Genie 4:新一代世界模拟

· DeepMind
DeepMind

2026年10月27日 · 模型

Raia Hadsell、Diego Rivas 和 Hang Qi

加入 Genie 4 候补名单

Image 39

Video 1

今天,我们正式发布全新世界模型(world model)Genie 4。它带来了前所未有的逼真度,并大幅提升了实时交互式仿真的能力。Genie 4 具备原生多模态特性,能够与所构建的世界同步生成音乐、环境音以及交互式对话等音频内容。

Genie 4 模型融合并构建于 Gemini 系列模型的能力之上:Gemini Omni 为仿真世界赋予了契合现实世界的外观表现与行为特征;其他 Gemini 模型则提供所需的复杂推理能力,以维持仿真的连贯性与连续性。

基于这一底座,你只需触发一个事件,Genie 4 便能模拟随后的演变:世界如何响应、发出何种声响,以及其中的人物如何行动、反应与对话。

理解并模拟现实世界是构建通用人工智能(AGI)的关键一环。Genie 4 显著提升了我们创建安全且具备无限多变性仿真环境的能力——无论是为机器人和智能体(agent)构建训练环境,还是解锁全新交互体验的创作,它都能提供有力支撑。

Video 3

Video 4

我们已开始面向受信任的测试人员推出 Genie 4 研究预览版(research preview)——在向普通消费者和开发者广泛发布前收集反馈。首批推送对象包括 Project Genie 中的 Google AI Ultra 订阅用户,以及 Gemini API 和 Google AI Studio 的早期体验合作伙伴。在此加入 Project Genie 中 Genie 4 的候补名单。

Image 40Image 41

Video 5

Genie 4 带来了更出色的照片级真实感(photorealism)、流畅的动态表现以及原生音频生成能力。上文视频中呈现的所有伴随声音均由 Genie 4 直接生成。

Genie 4 取得突破的四大核心能力

以下为 Genie 4 的实时交互录屏,用户通过标准键盘操作进行视角移动与运镜控制,并利用文本提示词(prompt)引导场景的动态演变。

实时重塑世界仿真

借助 Genie 4,你可以通过自然语言实时修改仿真场景——例如改变天气、移动摄像机机位,或者引入新的人物与物体——Gemini 会根据上下文调整你的提示词,以与周围场景完美契合。在你的每次输入之间,Gemini 还会持续监测并引导场景,保持世界发展的连贯性。

打开音频以聆听 Genie 4 生成的世界声音。

幻灯片 1 / 3

Image 42Image 43

Video 7

提示词:将参考图像作为场景精确的第一帧和视觉基准。保留相同的漂浮长方形平台、风化混凝土边缘、野草、蕨类植物、盘曲的小树、散发温暖光芒的琥珀色球体,以及那位身着宽松棕色西装吹奏黄铜萨克斯的中年男子。

电影质感、高度纪实风格的纪录片场景,采用 16 毫米胶片拍摄,带有细腻的颗粒感、柔和的摄影细节、极低的对比度、柔和的自然色彩、提亮暗部、轻柔的高光以及柔和弥散的阴天漫射光。绝不要 HDR,不要戏剧性对比度,不要高光泽的数字渲染,不要人造影视布光。

平台漂浮在一个巨大而宁静的湖面中央,远处环绕着薄雾笼罩的森林。水面上漂浮着薄薄的雾层。天空呈灰蓝色且阴云密布,营造出柔和、近乎单色的氛围。温暖的琥珀色球体提供微妙的光影对比,轻柔地照亮周围植被并在湖面上倒映。

起始镜头比参考图像更靠近萨克斯演奏者,同时保持平台、发光球体、树木和周围湖面均在视野之内。男子继续自然地演奏萨克斯,伴随细微的呼吸起伏、指法变动以及身体的轻柔晃动。

摄像机独立运动,可自由探索整个环境,以平稳、受控的动作在水面上空流畅滑行。摄像机不绑定在人物或平台上。保持逼真的空间连续性和自然的运镜移动。

在整个体验过程中,所有元素必须始终保持照片级的写实感、符合物理规律、具备纪录片质感、极低对比度以及柔和的低饱和度。

一镜到底。逼真的湖泊环境音、远处的风声、轻柔的水流声以及真实的萨克斯音效。除场景中实际出现的乐器外,不要任何背景音乐。

提示词:将参考图像作为场景精确的第一帧和视觉基准。保留相同的漂浮长方形平台、风化混凝土边缘、野草、蕨类植物、盘曲的小树、散发温暖光芒的琥珀色球体,以及那位身着宽松棕色西装吹奏黄铜萨克斯的中年男子。

电影质感、高度纪实风格的纪录片场景,采用 16 毫米胶片拍摄,带有细腻的颗粒感、柔和的摄影细节、极低的对比度、柔和的自然色彩、提亮暗部、轻柔的高光以及柔和弥散的阴天漫射光。绝不要 HDR,不要戏剧性对比度,不要高光泽的数字渲染,不要人造影视布光。