谷歌DeepMind发布Genie 4：可实时交互、带物理模拟与原生音频的AI虚拟世界引擎

SmartHey10月28日消息，据APPSO报道，Google DeepMind正式推出全新一代世界模型——Genie 4，标志着AI生成的沉浸式虚拟世界迈入可自由探索、实时响应、多模态协同的新阶段。

相较于前代，Genie 4在视觉真实感、动态声效合成、物理规律建模及用户交互深度上实现全面跃升：不仅能实时渲染高保真环境，还可同步生成环境音效（如风声、脚步回响、角色对话），精准模拟重力、碰撞与流体行为，并支持用户以第一人称视角进入虚拟世界，即时调整天气、增删物体、召唤NPC，甚至与AI驱动的角色展开自然语言对话。

该系统采用Gemini与Genie 4协同架构：Gemini大语言模型负责理解指令、规划逻辑与维持语义连贯性；Genie 4则专注毫秒级环境生成与物理仿真。过去仅能单向观看的AI视频，正快速演化为具备持续演进能力的活态虚拟空间。

回溯发展脉络，Genie系列始于2024年的初代模型，首次实现从视频中无监督学习动作-环境因果关系；Genie 2于次年升级为可导航的三维开放环境；2025年发布的Genie 3则确立了实时生成与低延迟交互能力。而今，Genie 4进一步将单次连续模拟时长提升至两分钟，并显著增强跨模态一致性与上下文记忆能力。

在官方演示中，用户仅需输入一段文字描述，即可瞬时生成可供探索的3D世界——通过键盘操控角色移动、自由切换镜头视角，更可在运行中追加新指令（例如‘让湖面结冰’‘加入一名穿蒸汽朋克外套的向导’），系统将无缝融合新提示并保持场景逻辑自洽。

用户可环绕观察演奏者指尖律动与湖面涟漪细节，亦能临时触发雷暴、召唤飞鸟或部署悬浮平台。背后是Gemini对当前世界状态的实时解析，确保每一次修改都符合物理常识与叙事逻辑。

沃顿商学院教授伊桑·莫利克率先体验Genie 4，仅用一句提示词——「一座由机器人和马匹共同居住的新哥特式粗野主义城市」，60秒内即生成完整可交互都市，并实时添加巨龙盘旋天际、水獭NPC沿运河嬉戏等动态元素。

a16z合伙人贾斯汀·摩尔则展示了一段被其称为「GTA Waymo」的实机探索：在完全由AI实时构建的城市街道中驾车穿行，所有建筑、交通信号、行人反应均由模型即时推演，全程零预渲染、零固定脚本。

他还演示了一个纯提示驱动的世界构建流程：仅凭「黄昏沙漠驿站，驼队刚抵达，守卫正在检查包裹」这一句启动，后续通过语音/文本指令实时添加沙尘暴、启用夜间模式、生成会说阿拉伯语的店主，并同步输出符合场景节奏的脚步声、驼铃声与篝火噼啪声。

这些案例共同印证Genie 4的核心突破：彻底摆脱传统游戏或仿真所需的预设地图、动画库与事件树；整个世界由AI在运行中持续生成、自我演化，真正实现“所想即所得，所行即所见”的下一代交互范式。