谷歌于10月27日在官方博客公布世界模型Genie 4的研究进展。它面向实时交互式模拟，允许用户用自然语言启动事件并实时引导场景，例如移动镜头、改变天气或加入新角色。

声音也是这次公布的能力之一。据谷歌介绍，Genie 4中的每个世界都能在运行时原生生成音频，包括环境声、音乐和交互式对话。用户调整场景与世界生成声音，都被纳入实时模拟之中。

Genie 4结合了Gemini系列的能力。其中，Gemini Omni用于让模拟中的外观和行为贴近真实世界，其他Gemini模型则提供复杂推理，帮助维持模拟的连贯性与连续性。

开放范围目前仍有限。谷歌表示，已开始向一小批受信任的测试者推出Genie 4；接下来将通过Project Genie向Google AI Ultra订阅用户提供，并向Gemini API和AI Studio的早期访问合作伙伴开放。这些后续渠道尚处于即将开放的阶段。

在用途上，谷歌将世界模拟视为通向通用人工智能的重要一步，并提出可用于为机器人和智能体提供安全训练环境，以及增强电影制作、新闻、游戏和制造业的创作工具。这是谷歌对技术用途的定位，并非此次已开放给上述行业的服务清单。

原始来源：We’re announcing Genie 4, our new world model for real-time interactive simulation.