谷歌发布世界模型Genie 4，模拟时长翻倍并首次实现音视频同步

据快科技10月28日报道，谷歌正式发布新一代世界模型Genie 4。谷歌方面称，这是该系列迄今真实度与交互能力最强的一代产品。

Genie 4与普通文生视频模型的不同之处在于，它能够持续模拟环境变化，并按照用户指令实时生成后续画面。使用者可以进入虚拟场景完成交互，而不只是观看固定生成的视频片段。此次升级将最长连续模拟时长提升至约2分钟，为前代Genie 3的两倍；同时首次实现音视频同步生成，可同步输出环境音效、背景音乐与动态交互对话。

在交互方式上，用户可通过自然语言实时调整场景，包括切换天气、改动镜头视角、添加角色与物体。相关指令会在模拟运行过程中即时生效，无需从头重新生成内容。Genie 4由Gemini系列模型负责推理与规划，具体包括理解用户目标、拆解执行动作并跟踪场景变化。

据报道，谷歌团队曾测试旗舰模型Gemini 4 Argon，但为保障低延迟实时交互，实际运行采用的是更轻量的Gemini 3.8 Flash。所有生成的音视频内容均嵌入SynthID水印，用于识别AI生成内容、降低虚假传播风险。

目前，Genie 4以研究预览形式向少量筛选后的测试者开放，未来数周将逐步向Google AI Ultra订阅用户推送，并通过Gemini API与Google AI Studio向部分开发者提供早期访问权限。谷歌正与合作伙伴探索多领域落地，覆盖影视特效预演、游戏原型开发、历史场景教育内容与机器人模拟训练。谷歌同时强调，当前仍处于技术融入现有工作流程的探索阶段，目标是拓展创作边界，而非直接取代行业现有生产流程。

谷歌承认，长时间模拟仍会出现画面细节与物体漂移，复杂物理互动、可读文字生成与场景长期一致性问题尚未解决，距离成熟商用的通用模拟环境仍有差距。

常见问题

Genie 4 是什么？这次发布有哪些主要升级？

Genie 4 是谷歌发布的新一代世界模型，官方称其为迄今真实度与交互能力最强的一代产品。与普通文生视频模型不同，它可根据用户指令实时生成后续画面，让使用者进入虚拟场景完成交互，而不只是观看固定生成的视频片段。

本次升级把最长连续模拟时长提升至约2分钟，达到前代 Genie 3 的两倍，并首次实现音视频同步生成，可同步输出环境音效、背景音乐与动态交互对话。用户还能用自然语言实时调整场景，比如切换天气、改动镜头视角、添加角色与物体，指令会在模拟运行过程中即时生效，无需从头重新生成内容。

为什么实际运行没有采用更强的 Gemini 4 Argon？

Genie 4 由 Gemini 系列模型提供推理与规划能力，负责理解用户目标、拆解执行动作并跟踪场景变化。谷歌团队曾测试旗舰模型 Gemini 4 Argon，但最终为保障低延迟实时交互，实际运行采用更轻量的 Gemini 3.8 Flash。

普通人什么时候能用上 Genie 4？它能用来做什么？

Genie 4 目前以研究预览形式向少量筛选后的测试者开放，未来数周将逐步向 Google AI Ultra 订阅用户推送，并通过 Gemini API 与 Google AI Studio 向部分开发者提供早期访问权限。

落地方向上，谷歌正与合作伙伴探索影视特效预演、游戏原型开发、历史场景教育内容与机器人模拟训练等领域，并强调当前仍处于技术融入现有工作流程的探索阶段，目标是拓展创作边界，而非直接取代行业现有生产流程。谷歌同时承认，长时间模拟仍会出现画面细节与物体漂移，复杂物理互动、可读文字生成与场景长期一致性问题尚未解决，距离成熟商用的通用模拟环境仍有差距。