Google DeepMind 新一代世界模型 Genie 4：首款原生音效生成，還支援即時互動對話

Google DeepMind 於 27 日發表全新世界模型 Genie 4，帶來前所未有的逼真度與即時互動模擬體驗。Genie 4 這項突破性技術不僅讓 AI 在視覺擬真上更上一層樓，更具備原生多模組（Multimodal）能力，能與模擬世界同步產生音樂、環境音效及即時互動對話。

Genie 4 深度整合 Gemini 模型的先進技術，包含 Gemini Omni 負責賦予模擬場景真實世界的視覺外觀與行為表現；其他 Gemini 模型則是提供強大的複雜推理能力，確保模擬過程中的世界觀保持高度連貫性與延續性。

使用者只需設定一個初始事件，Genie 4 便能即時運算出接下來的發展，包括環境如何反應、聲音如何變化，以及場景中的人物如何移動、反應與說話。

Genie 4 在多個維度上樹立了互動模擬的新標竿：

原生音效與互動對話：這是首款能原生生成音效的世界模型，不僅能呈現環境背景音，更支援即時互動對話，角色能根據使用者的輸入或場景事件即時反應。
結合 Gemini 支援複雜事件：透過 Gemini 3.8 Flash 作為導航代理，系統能將複雜的多步驟任務拆解，並在模擬渲染的同時進行進度追蹤與因果驗證。

在模型發表初期，Google DeepMind 已邀請來自創意產業、新聞、教育、遊戲與工程領域的信任測試者進行體驗。影視工作者可將其作為預先視覺化（Pre-visualization）的快速草稿模式，即時調整鏡頭、燈光與對話。

在歷史場景還原應用部分，可以將 2D 歷史照片迅速轉化為具備沉浸感的動態模擬環境，有助於重現歷史空間或模擬自然災害；遊戲開發者則能夠在不寫程式碼的情況下，透過自然語言快速建立可探索的原型。

為確保技術的負責任發展，Genie 4 導入與其他模型一致的嚴格安全防護網，並在所有生成的影音內容中嵌入 SynthID 數位浮水印，以維持內容的透明度。

目前 Genie 4 已作為研究預覽版向信任測試者開放，未來也將陸續登陸 Google AI Ultra 訂閱者的 Project Genie，以及 Gemini API 和 Google AI Studio 的早期存取夥伴。