Google 发布 Genie 4：世界模型有了声音，也能实时改变场景

一名男子站在湖面平台上吹萨克斯，用户又给场景加入持续降雪。画面继续演化，演奏者的衣服上出现积雪，右上角同时展示场景引导步骤。

这是 Google 10月27日发布 Genie 4 公告中的官方交互演示。吸引人的变化，在于观众可以持续介入，让这个生成中的世界回应新指令；声音也成为模型原生生成的一部分。

图源：Google DeepMind 官方演示第24秒，2026年10月28日截取并核查。画面为 AI 生成内容，保留原片的控制与引导界面；静帧用于说明场景变化，本文未独立测试该模型。

目前，Genie 4 首先作为研究预览向可信测试者提供。Google AI Ultra 用户在 Project Genie 的开放，以及 Gemini API、Google AI Studio 的早期合作方接入，仍属于后续安排。读者现在可以从公告进入等待名单，具体获得资格的时间尚待官方确认。

声音之外，是一个能继续回应的世界

世界模型关心的是：采取一个动作之后，环境会怎样继续变化。人转身、移动镜头，或者给场景加入一个新事件，系统需要把后面的画面接上，也尽量保留前面已经建立的空间关系。

这条路线已有积累。2025年8月的 Genie 3 公告介绍过，通过文本生成可实时探索的环境，并依据用户动作逐帧演化。它同时提醒，清晰文字、真实地点的精确还原、长时间交互等仍有局限。旧版资料有助于理解研究从哪里出发，不能当成本次版本的完整性能说明。

Genie 4 把原生声音加入这一过程，包括环境声、音乐和随互动调整的对话。按本次公告的描述，Gemini 3.8 Flash 会在生成循环中观察画面、拆解目标、检查步骤，再随场景变化调整引导。这里结合了生成与规划，两者要共同维持连续的事件。

从体验角度看，声音还可能提供画面之外的反馈，例如风雨是否增强、角色是否作出回应。这是潜在用途，声音线索能否持续准确，仍需在实际交互中检验。

另一个背景是 Gemini Omni 的模型说明。这份8月更新的文档，介绍了多模态输入、带声音的视频输出和对话式编辑，也列出一致性与复杂运动方面的挑战。本次 Genie 4 公告提到借助 Gemini Omni 的能力，让模拟更贴近现实外观和行为；这不意味着可以把 Omni 的所有规格直接套在 Genie 4 上。

对创作者，值得关注的是构思的反馈速度。例如，一个电影场景还处在讨论阶段，团队可以尝试镜头位置、天气、人物动作与对话，观察这些改变在同一环境里怎样衔接。这是官方介绍的探索方向，现阶段更适合用来讨论预演和原型，具体制作效果仍需在自己的工作流程中验证。

像积雪这样的效果，单张截图很难说明全部问题。连续观看时，还需要检查：人物动作能否接续，镜头转开后物体是否还在，声音与事件是否同步。画面漂亮，是其中一个维度；可控、连贯与可重复，才决定它能承担多长、多复杂的过程。

给智能体练习的场景，还要怎样接近现实？

研究者对世界模型的兴趣，也来自它能不断创造练习环境。

在2025年11月的 SIMA 2 研究介绍中，DeepMind 已经让智能体进入 Genie 3 新生成的场景，测试它能否理解指令、辨认环境并向目标行动。这提供了“生成环境供代理练习”的研究背景。它是旧版实验，不能作为 Genie 4 已完成相同验证的证据。

本次演示进一步探索了 Gemini 4 Argon 与 Genie 4 的配合：前者把任务拆成步骤，后者在生成过程中接受这些引导。要把这样的模拟用于机器人研究，还需要关心接触、碰撞和空间关系能否稳定重现，以及模拟中学到的行为能否迁移到真实硬件。这些是本文据应用目标提出的观察问题。

同在10月27日发布的 Gemini Robotics ER 2 云端公开预览说明，有助于分清职责：ER 2 面向高层理解、规划与任务核验，再通过低层动作模型或硬件接口协调机器人。生成环境、做计划、执行物理动作，各自需要相应系统支持。

Genie 当前模型页面把连续交互能力描述为几分钟，并明确列出物体保持、空间准确性、复杂互动和实时声音准确度等研究问题。模拟越长、修改越多，视觉细节越可能漂移。因此，逼真的交互演示，还需要经过针对用途的可靠性检验。工业方向的另一条路线，可参阅本站对 Mistral 与 NVIDIA 工程仿真合作的解读。

生成得越来越像实拍，也提高了来源说明的重要性。Google 表示，Genie 4 的视频和声音将加入 SynthID。这项水印技术的官方说明解释，它把不可察觉的标记嵌入生成内容，用于辅助识别来源；水印本身并不验证画面描绘的事件真实发生过。

Genie 4 让“生成一个场景”更接近“维持一个可以介入的过程”。接下来值得观察的，是预览范围怎样扩大，以及声音、空间和多步行动能否在更长会话中保持一致。

核查截至2026年10月28日。主公告之外，补充核对 Genie 3、SIMA 2、Gemini Omni 模型说明、机器人 ER 2 公告和 SynthID 文档；当前模型页用于核对使用限制。旧资料均作为背景，未来接入安排按计划表述。