Wery Logo
返回博客列表
模型指南 · 2026-11-18 · Wery.AI Team

Google Genie 4 详解:新功能与可交互的 AI 世界

目录

多数 AI 视频生成工具让你观看一个场景,而 Google Genie 4 让你走进一个世界,探索它、改变它,并与之互动。

Google DeepMind 于 2026 年 10 月 27 日公布的这款世界模型,带来了原生音频、交互式对话、更逼真的物理表现,以及由 Gemini 协助引导的模拟。下面介绍它最值得关注的功能,以及这些变化对创作者意味着什么。

玻璃球中折射出的蜂鸟与橙色花朵

Google Genie 4 是什么?

Genie 4 是一款实时世界模型:它生成的不是一段内容固定的视频,而是一个可以自由探索、会随探索行为作出响应的环境。这种区别对创作很有意义。传统 AI 视频工具帮助你生成镜头素材;世界模型则可以帮助你探索场景、尝试互动,观察一场戏可能如何展开。

Genie 4 延续了 Genie 3 的实时探索和通过提示词触发场景事件的能力,主要进步体现在声音、角色反应、物理真实感,以及 Gemini 对复杂活动的引导上。

Google Genie 4 有哪些新功能?

1. 原生音频与交互式对话

Genie 4 是 DeepMind 首款能够原生生成音频的实时世界模型。环境声、音乐和人声可以随着画面同步变化,角色也能通过对话回应场景事件和用户输入。

想象一下,走进火车站台时,你能听见脚步声、列车驶过的声音,以及身旁的交谈,而不只是看见一个无声场景。对正在勘察场景的电影创作者来说,这些声音会影响镜头的节奏和情绪。

漂浮花园上,萨克斯演奏者站在发光球体旁,画面中可见键盘导航按键

前往 Google DeepMind 官方发布页面观看音画示例。

2. 更能理解场景的实时世界编辑

用户可以用自然语言引导正在运行的模拟,比如改变天气、移动镜头,或加入一个物体或人物。Gemini 会结合当前场景理解这些指令,并引导接下来发生的变化。

Genie 3 已经支持通过提示词触发世界事件,包括改变天气。这次升级的重点,是更好地结合场景协调这些变化,实时编辑本身并非首次出现。例如,创作者可以比较庭院在晴天和雨天的效果,或先探索另一个入口,再决定如何取景。

3. 更逼真的物理表现与人物动作

DeepMind 重点介绍了碰撞、空气动力学和人物动作方面的改进。可信的运动表现,不只取决于画面是否像照片:角色还应当有重量感,会对接触作出反应,也会回应周围环境。

对视觉叙事创作者来说,角色转身前是否先站稳脚,可能比再增加一层纹理细节更重要。复杂互动和长时间的一致性仍然存在挑战,因此,这些进步意味着模拟能力有所增强,并不代表物理表现已经完美。

4. Gemini 支持更复杂的模拟

据 Google 介绍,Gemini 3.8 Flash 可以作为智能体观察持续传入的画面,将目标拆解为步骤,检查进度,并随场景变化调整策略。公告还介绍了将 Genie 4 与 Gemini 4 Argon、Gemini Robotics 结合的研究。

这里的创作潜力在于因果关系:事件发生后,角色作出反应,后续动作又能承接这一反应。这些仍是研究演示,不能替代精确的动画软件或经过验证的机器人仿真器。

相比 Genie 3,变化在哪里?

Genie 3 已经能生成可自由探索的 AI 环境,也支持在运行过程中改变场景。Genie 4 则加入了原生声音、交互式对话、更丰富的人物动作,以及更强的 Gemini 引导能力。简单来说,它希望生成的世界在画面、声音和行为上都更能回应用户,让探索过程更有互动感。

创作者可以如何使用 Genie 4?

对电影创作者来说,眼前的应用机会是预演:在制作正式场景之前,先探索机位、光线和氛围。游戏设计师可以在搭建关卡前试验一处场景的体验,互动叙事创作者则可以尝试角色和事件如何回应环境。

示例:为奇幻电影的揭晓镜头做预演

设想黄昏时的一间玻璃温室,一名角色站在门边等待。先探索一下:从入口还是从过道深处拍摄,揭晓效果更好?接着让室外下起雨,比较氛围的变化。最后,试试角色听到温室深处传来声响时会如何反应。把最有效的安排整理成镜头清单,记录机位、氛围和剧情节拍。

这是一个创作练习设想,尚未经过独立的 Genie 4 实测。它的价值在于帮助你作出导演层面的判断;要完成精良的最终视频,仍需后续制作流程。

开放情况与当前限制

根据 Google 在 2026 年 10 月的公告,Genie 4 当时以有限研究预览的形式向受信任的测试者开放,并计划通过 Project Genie 和部分开发者渠道扩大访问范围。开放情况可能变化,请以官方模型页面的最新说明为准。

Google 提到的主要限制包括连续运行时长较短、画面细节会随时间漂移、物体持久性仍不完善,以及音频和文字渲染能力仍在发展。最新信息可参阅 Google DeepMind 的 Genie 模型页面。

用 Wery.AI 将创意变成作品

从构思视觉概念,到生成 AI 图片和视频,Wery.AI 为创作者提供工具,帮助你把想法变成视觉故事。探索更多可能,开始创作吧。