多數 AI 影片生成工具讓你觀看一個場景,Google Genie 4 則讓你走進一個世界,探索它、改變它,並與之互動。
Google DeepMind 於 2026 年 10 月 27 日公布的這款世界模型,帶來了原生音訊、互動式對話、更逼真的物理表現,以及由 Gemini 協助引導的模擬。以下介紹最值得關注的功能,以及這些變化對創作者的意義。
Google Genie 4 是什麼?
Genie 4 是一款即時世界模型:它生成的不是一段內容固定的影片,而是一個可自由探索、會隨探索行為做出回應的環境。這項差異對創作很有意義。傳統 AI 影片工具幫助你產生鏡頭素材;世界模型則能協助你探索場景、嘗試互動,觀察一場戲可能如何發展。
Genie 4 延續了 Genie 3 的即時探索,以及透過提示詞觸發場景事件的能力,主要進展在於聲音、角色反應、物理真實感,以及 Gemini 對複雜活動的引導。
Google Genie 4 有哪些新功能?
1. 原生音訊與互動式對話
Genie 4 是 DeepMind 首款能原生生成音訊的即時世界模型。環境聲、音樂和人聲可以隨畫面一起變化,角色也能透過對話回應場景事件和使用者輸入。
想像走進火車月台時,你能聽見腳步聲、列車駛過的聲音,以及身旁的交談,而不只是看見無聲的場景。對正在勘景的電影創作者而言,這些聲音會影響鏡頭的節奏與情緒。
前往 Google DeepMind 官方發布頁面觀看影音示範。
2. 更能掌握場景脈絡的即時世界編輯
使用者可以用自然語言引導正在執行的模擬,例如改變天氣、移動鏡頭,或加入物件與人物。Gemini 會根據當下的場景理解指令,並引導後續變化。
Genie 3 原本就支援透過提示詞觸發世界事件,包括改變天氣。這次升級的重點,是更能依照場景脈絡協調這些變化,即時編輯本身並非首次出現。例如,創作者可以比較庭院在晴天和雨天的效果,或先探索另一個入口,再決定如何取景。
3. 更逼真的物理表現與人物動作
DeepMind 特別強調碰撞、空氣動力學和人物動作的改進。讓動作可信,不能只靠近似照片的畫質:角色還需要有重量感,會對接觸做出反應,也會回應周遭環境。
對視覺敘事創作者而言,角色轉身前是否先站穩腳步,可能比多一層材質細節更重要。複雜互動和長時間的一致性仍具挑戰,因此,這些進展代表模擬能力有所提升,並不保證物理表現已經完美。
4. Gemini 支援更複雜的模擬
根據 Google 的說明,Gemini 3.8 Flash 能以智慧代理的形式觀察持續傳入的影格,將目標拆解成步驟、檢查進度,並隨場景變化調整策略。公告也介紹了結合 Genie 4、Gemini 4 Argon 與 Gemini Robotics 的研究。
創作上的潛力在於因果關係:事件發生後,角色做出反應,後續動作又能承接這個反應。這些仍屬研究示範,無法取代精確的動畫軟體或經過驗證的機器人模擬器。
相較於 Genie 3,有哪些改變?
Genie 3 已能生成可自由探索的 AI 環境,也支援在執行過程中改變場景。Genie 4 則加入原生聲音、互動式對話、更豐富的人物動作,以及更強的 Gemini 引導能力。簡單來說,它希望生成的世界在畫面、聲音與行為上都更能回應使用者,讓探索過程更有互動感。
創作者可以如何運用 Genie 4?
對電影創作者而言,眼前的應用機會是視覺預演:在製作正式場景之前,先探索機位、光線與氛圍。遊戲設計師可以在建置關卡前測試一處場景的體驗,互動敘事創作者則能嘗試角色和事件如何回應環境。
範例:為奇幻電影的揭曉鏡頭做預演
想像黃昏時的一間玻璃溫室,一名角色站在門邊等待。先探索一下:從入口或走道深處拍攝,哪個揭曉效果更好?接著讓室外下起雨,比較氣氛的變化。最後,試試角色聽到溫室深處傳來聲響時會如何反應。將最有效的安排整理成鏡頭清單,記錄機位、氛圍與劇情節拍。
這是一項創作練習構想,尚未經過獨立的 Genie 4 實測。它的價值在於協助你做出導演層面的判斷;要完成精緻的最終影片,仍需要後續製作流程。
開放情況與目前限制
根據 Google 在 2026 年 10 月的公告,Genie 4 當時以有限研究預覽的形式開放給受信任的測試者,並計畫透過 Project Genie 和部分開發者管道擴大開放。使用資格可能調整,請以官方模型頁面的最新說明為準。
Google 提到的主要限制包括連續執行時間較短、畫面細節會隨時間偏移、物件恆存性仍不完善,以及音訊與文字渲染能力仍在發展。最新資訊請參閱 Google DeepMind 的 Genie 模型頁面。
用 Wery.AI 將創意化為作品
從發展視覺概念,到生成 AI 圖片與影片,Wery.AI 提供創作工具,協助你將想法化為視覺故事。探索更多可能,開始創作吧。