Google 向 AI Ultra 订阅者开放 Genie 4:支持实时文本编辑世界与原生音频
Google DeepMind 于 11 月 18 日宣布,向符合条件的 Google AI Ultra 订阅者推出新版 Project Genie 体验,首次开放 Genie 4 世界模型。该版本允许用户在浏览生成世界时通过文本提示实时修改环境,并首次为画面配上随场景变化的原生音频;同时 Genie 3 获得升级,新增创作智能体与社区画廊。
Genie 4 首次开放:会话中改世界、原生音频
Project Genie 是 Google 今年早些时候推出的实验性研究原型,用于生成并探索交互式世界。此次更新中,Genie 4 被描述为迄今最逼真、最具交互性的世界模型,核心变化是允许用户在会话进行中直接输入新提示来编辑已创建的环境,例如切换天气、放入角色或改变行动方向。
Genie 4 还首次将画面与实时原生音频配对,音频会随场景展开而调整,覆盖环境声景到角色对话。原文未给出 Genie 4 的生成时长、分辨率或性能数值,仅强调其提供最高保真度的视觉、物理与原生音频。
Genie 3 同步升级:单次 3 分钟、全景图与世界串联
Genie 4 之外,Genie 3 仍保留在 Project Genie 的模型选择器中,定位是需要更长运行时间或全景图种子空间时的选项。此次 Genie 3 的更新包括:单次生成探索时长从 60 秒提升到最长 3 分钟;支持用 360 度全景图作为新世界的种子;以及通过自然语言提示在探索过程中动态改变环境。
原文还说明,Genie 3 的实时可提示事件可以把不同世界连接成一次连续飞行,例如穿越森林、水下遗迹与冰海。这意味着世界串联与全景图定位是 Genie 3 侧的能力,而非 Genie 4 独有。
创作智能体:用对话搭建世界并引入 Gemini
新版 Project Genie 引入创作智能体,把创建交互式世界从单次文本或图像提示扩展为多轮对话。用户用自然语言描述构想后,智能体会调度 Google 的多模态模型组合,生成确立世界标志性外观的初始视觉,并配上符合氛围的自定义背景音乐。
在探索阶段,用户还可以把 Gemini 模型带入会话:它观察屏幕上发生的内容,给出与上下文相关的下一步建议,或在旅程推进时自动触发世界内事件。原文未说明该智能体可调用的具体模型名称与调用限制。
社区画廊:发布、探索与再创作
新上线的 Project Genie 画廊汇集官方精选世界与社区创作,用户可以直接进入探索。原文列举了若干示例,包括把个人照片转化为可探索空间的“Living Memory”、基于 360 度全景图的史前栖息地“Dino Field Guide”,以及由 Gemini 担任实时裁判的“Rock Paper Scissors”。
画廊还展示了与早期获得访问权限的创作者合作的作品:与创意技术专家 Will(又名 BLVCKL!GHT)制作的哥特庄园逐房间解谜“Villa Giallo”,以及与电影制作人 Anand Gandhi 合作、以蚂蚁视角穿行蚁群的“The Life of Ants”。用户也可以从简单提示启动自己的构想,或在智能体协助下对画廊中的体验进行再创作,调整世界结构、配乐或规则,完成后发布到社区画廊供他人探索和再创作。
可用范围、安全措施与研究限制
此次体验面向符合条件的 Google AI Ultra 订阅者开放,即日起可试用;Google AI Pro 会员可在同一页面加入等待名单。原文未给出各地区上线差异、价格或具体资格判定标准。
在安全方面,Project Genie 生成的所有视频与音频都带有 SynthID 水印,所有模型输入与输出都会经过安全筛查。Google 同时说明,Genie 3 与 Genie 4 仍属于前沿研究领域的世界模型,正在处理相机延迟、复杂物理交互、实时音频精度与长期场景持久性等挑战,并指向 Genie 4 模型研究概览以了解限制。
知序观察
观察:Genie 4 把“生成世界”推进到“边探索边改写”,实时文本编辑与原生音频降低了交互式世界创作的门槛,而创作智能体与社区画廊则把单次生成变成可分享、可再创作的流程。不过其可用范围目前限于 AI Ultra 订阅者,Pro 会员仍需等待,且 Google 自认相机延迟、物理交互与场景持久性仍是待解问题,短期内更适合作为研究与创意实验工具,而非成熟生产管线。