Genie 4：不生成视频，生成一个能走进去的世界
更新时间:2026-10-28 22:30:27 发布时间:5小时前 阅读:7次
Genie 4 是 Google DeepMind 在 2026 年 10 月 27 日发布的世界模型，官网博客标题就叫“新一代世界模拟”。它和文生视频的区别在于：你敲键盘就能走进画面里，说一句话就能改写天气和人物，而且声音是模型自己长出来的。这一版只向受信任测试者开放研究预览，普通用户要排队。
deepmind.google 官方博客首屏（截图日期 2026-10-28）。标题下方的画面由 Genie 4 实时生成，不是剪辑素材。
Genie 4 是什么
- 定位：DeepMind 的世界模型，2026 年 10 月 27 日发布，属于 Genie 系列第四代产品。
- 核心：用一段文字描述场景，它即时生成可以走进去、也能改写的虚拟世界。
- 多模态：画面、环境音、音乐、人物对话由同一个模型同步生成，不靠外挂配音。
- 底座：Gemini Omni 提供真实外观与行为先验，其他 Gemini 模型负责推理与规划。
- 引导：Gemini 3.8 Flash 在闭环里当引导智能体，拆解步骤并逐帧核对结果。
- 操控：标准键盘控制角色移动和镜头，文字提示随时改天气、加人或加物体。
- 出处：博客挂在 DeepMind 官网 Models 分类下，配了三段真实交互录像。
Genie 4 能解决什么
- 搭景太贵：过去要先建三维场景，现在一段提示词就能生成可探索的环境。
- 预演太慢：导演可以在实时模拟里连拍几条，边改机位、灯光和对白。
- 音画不同步：声音与世界同源生成，环境音和人物说话天然对齐。
- 对白写死：角色根据现场事件即时生成语言，不再依赖预设的对话树。
- 机器人没场地：复杂任务先在模拟世界里练熟，再迁移到实体机器上。
- 老照片是静的：一张二维档案照，可以扩成能转身看四周的动态场景。
Genie 4 怎么用
- 加等候名单：进 Project Genie 页面提交申请，研究预览按批次放量。
- 等资格：目前只给受信任测试者，普通用户要等 Ultra 订阅者那条通道。
- 进创作页：拿到资格后，从 Project Genie 进入场景生成界面就能开跑。
- 写环境提示：先用一段文字描述地貌、光线、天气和默认机位。
- 定首帧：可以丢一张参考图当第一帧，让构图和质感对齐它。
- 键盘走位：用方向键移动角色、转动视角，边走边判断哪里不对。
- 中途改写：继续输入提示词改天气、加人、换材质，后续画面会跟着重绘。
Genie 4 的效果和局限
- 真实感：官方称这一版跨了一个台阶，碰撞、空气动力这类物理都能算。
- 声音：第一个原生出声的实时世界模型，环境音、乐音、对话都直接生成。
- 因果：Gemini 在环里逐帧校验，多步任务不容易跑偏成无关画面。
- 可交互：不是只能看的视频，每次操作都改变后续走向，能反复试。
- 漂移：跑得越久、改得越多、走得越远，物体恒常性和细节越容易走样。
- 能力边界：复杂物理交互、清晰文字渲染、空间准确性都还在研究阶段。
- 音频精度：实时音频的准确性被官方列为待改进项，还不到成品配音水平。
- 开放范围：研究预览，先给测试者，Ultra 订阅者与 API 合作方要等下一批。
Genie 4 示例
- 南极热气球：航拍冰原与蓝冰山，视角改成第一人称站在柳条篮里往外看。
- 蜂鸟与水珠：一颗水珠包住悬停的蜂鸟，官方预告片用的就是这段画面。
- 黄昏冠鹤：一只冠鹤走过雪地，自然色彩、纪录片风格，考的是动作连贯。
- 机械臂滴液：UR5 拿移液枪往培养板滴液，中途迸出细小电火花。
- 八十年代车站：日本乡村车站挤满乘客，考的是多人和远景的一致性。
- 彩绘玻璃：整片三维彩绘玻璃景观，镜头可以自由穿行，看材质反射。
Genie 4 应用场景
- 影视预演：创意和技术人员把它当草稿模式，实时改机位、灯光和对白。
- 新闻与历史：摄影记者把一张二维档案照扩成能走动的历史空间。
- 游戏原型：从一句话到可探索原型只要几秒，先验美术风格再立项。
- 机器人训练：配 Gemini 4 Argon 拆解任务，在模拟里练熟再上真机。
- 工业仿真：企业用它零到一生成复杂场景，替代部分真实环境试验。
- 互动展览：博物馆和品牌按主题生成可探索空间，观众自己走进去。
