Google 发布世界模型 Genie 4：支持原生音频，模拟时长延长至两分钟

10 月 28 日消息，Google DeepMind 昨日发布新一代世界模型 Genie 4，支持实时生成画面、原生音频和物理模拟，单次交互模拟时长约为两分钟，较上一代的约一分钟有所延长。

用户输入一段文字即可生成可探索的虚拟世界，并通过键盘控制角色移动、调整镜头。在运行过程中，用户还能继续输入提示词，改变天气、添加人物或物体。

Genie 4 首次支持原生音频生成，可实时生成环境声音、音乐和人物对话，虚拟角色能根据用户输入和场景变化动态生成语言与反应。

物理模拟方面，谷歌展示了西瓜受冲击、枫树种子飘落、拥挤的乡村火车站等案例，涉及碰撞、空气动力学、重力和复杂人群行为。