DeepMind 发布 Genie 4：实时交互世界模型，原生音频 + Gemini 协同
Google DeepMind 10 月 27 日宣布 Genie 4：新一代实时交互世界模型，结合 Gemini 家族（Gemini Omni 锚定外观与行为，其他 Gemini 负责连贯推理）。可用自然语言改天气、运镜、加人；同步生成环境音、音乐与可互动对白。已向受信测试者开预览，随后将进 Google AI Ultra 的 Project Genie 与 Gemini API/AI Studio 早鸟。
DeepMind 博客（Raia Hadsell / Diego Rivas / Hang Qi，2026-10-27）写明：Genie 4 面向实时交互仿真，强调更高写实度与原生多模态音频——环境声、音乐与角色对白可与画面同帧生成。模型承接 Gemini 能力：Gemini Omni 锚定真实世界外观与行为，其他 Gemini 则维护场景连贯与因果；用户可用自然语言改天气、移动相机或引入新角色，仿真在输入之间仍由 Gemini 持续盯场推进。
能力叙事分四块：实时用自然语言塑形世界；物理与人体动作更逼真（气动、碰撞、人物可交互操控）；首次在实时世界模型里原生出声，并支持跟进你输入/事件的互动对话；与 Gemini 闭环协同——文中点名 Gemini 3.8 Flash 作引导 Agent，边看帧边拆目标、核验步骤，并实验 Gemini 4 Argon + Genie 4 驱动 Apptronik Apollo 人形下象棋等机器人仿真。用途覆盖影视预演、新闻/历史影像沉浸、游戏原型与企业零到一场景生成。
可用性：已向受信测试者开研究预览；随后面向 Google AI Ultra 订阅者的 Project Genie，以及 Gemini API / AI Studio 早鸟伙伴。安全侧称对齐既有安全政策、预发布内部评测，生成视频与音频带 SynthID 水印。官方亦列出局限：长会话里物体恒常性与细节可能漂移，复杂物理、实时音频精度、可读文字与长程一致性仍在研。本稿以 DeepMind / Google 官方稿为准。
