谷歌推出强大世界模型Genie 4：模拟时长提升至2分钟，实现原生音视频同步生成！

10月28日消息，谷歌正式发布新一代世界模型<em>Genie4</em>，官方称其为迄今为止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，世界模型可持续模拟环境变化，根据用户指令实时生成后续画面，让使用者可进入虚拟场景完成交互，而非仅观看固定生成的视频片段。

本次升级将最长连续模拟时长提升至约2分钟，达到前代Genie3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。

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，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。

Genie4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。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。

Genie4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。

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。

官方同时强调，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。